作为AI产品经理，我们到底在优化什么？

http://blog.itpub.net/29829936/viewspace-2643137/

大数据文摘出品

作者：Guy Molho

编译：张强、睡不着的iris、周素云

用户体验与人工智能（AI）之间有什么样的关系？这种关系对产品经理而言又意味着什么？

这两个问题非常重要，因为它会影响产品的用户体验及其价值主张。

本文作者Guy Molho，是一位经验丰富的产品经理。曾经用了15个月的时间，在没有涉足太多细节的情况下，为B2B公司的客户成功团队开发了基于AI的软件解决方案。

在文章中他提到，产品经理需要了解她的客户，需要了解自己的工作环境、使命、想要实现什么以及挑战，然后才能设计出最能满足这些需求的目标解决方案。

以下是他对“作为AI产品经理，我们到底在优化什么？”问题的回答，enjoy☟

对于产品经理而言，AI代表是什么？

产品必须解决现实世界的问题。技术和实施细节应该为产品服务，并且对可用性的影响最小（至少在软件层面）。AI是一种解决问题的实现方法，但其预测性对用户体验和可用性有重要影响。

当一家公司为任何市场或类别设计基于AI的解决方案时，它总要扪心自问，我们为什么优化产品？我们是否正在优化准确度、阳性预测值或命中率？或换句话说，是否能优化精确度或召回率？回答这些问题至关重要，因为它会影响产品的用户体验及其价值主张。

作为一家开发基于AI的解决方案的初创公司的产品经理，我每天都会考虑这个问题，并根据决策制定我们的解决方案。

召回率和精确度

召回率和精确度听起来很熟悉，也许熟悉到忘记它们是什么！精确度和召回率是统计术语，用于衡量算法返回结果的关联。这些术语有官方学术解释，但我想通过一个例子来解释一下。

天气预测

假设我有一台预测明天是否会下雨的机器。如果明天下雨，机器返回“是”，如果不下雨，则返回“否”。我们连续100天运行机器并得到以下结果：

机器预测会下雨10次
其余的90天它预测是不下雨

现在我们将预测结果与实际的天气进行比较：

在它预测下雨的10次中，的确下雨了。预测非常精确。有多精确呢？在10次预测中，10次下了雨→10/10。我们的精度为100％。

这是否意味着我有终极的下雨预测器？这并不确定。让我们看看其他90天。

当我们计算下雨天的总数时，我们发现实际上总共有20个下雨天。这意味着什么？机器召回（预测正确）了20个雨天中的10个雨天→10/20→50％。所以它预测了50％的雨天，但它也错过了其中50％。

现在，你认为我的机器仍然很棒吗？

来源：Unsplash

让我们考虑极端情况。我的机器坏了，每天它都说明儿会下雨。得到的结果：

下雨-100天
不下雨-0天

现在让我们再次评估结果：

机器现在不那么精确了，因为在它总共预测的100次中，实际上只下雨了20次→20/100→20％。

但是从真正的20个下雨天考虑，机器正确预测了全部20个，即20/20→100％召回率。

现在假设你可以去商店购买上述机器之一，您更喜欢哪台机器？更精确的那个，即如果它说要下雨，你可以很确定，但会错过许多下雨天；还是不会错过任何下雨天，但很多其他日子都会预测错误的机器？

答案不是那么直截了当。也许对于降雨预测是这样，但对于许多其它的基于AI的应用来讲，那并非如此。

这也许有些绕，不过没关系，我创建了混淆矩阵，也许能帮助你对事物分类并计算精确度和召回率：

精确度= TP / (TP+FP)

召回率= TP / (TP+FN)

天气预测—机器A

精确度=10/(10+0) = 10/10 = 100%

召回率=10/(10+10) = 10/20 = 50%

精确度=10/(10+0) = 10/10 = 100%

召回率=10/(10+10) = 10/20 = 50%

天气预测—机器B

精确度= 20/(20+80) = 20/100 = 20%

召回率= 20/(20+0) = 20/20 = 100%

精确度= 20/(20+80) = 20/100 = 20%

召回率= 20/(20+0) = 20/20 = 100%

那么，你在优化什么？

现在，当我们真正了解差异时，我们应该如何优化我们的模型和产品？精确度或召回率？大多数时候我们必须选择其一，精确度和召回率都高几乎是不可能的。

优化什么的决策取决于许多因素：心理、经济、错误成本、遗漏成本、声誉和时间等等。

让我们来看三个真实场景并讨论一下：

癌症检测

作为一名患者，你宁愿被发现患有癌症并开始治疗，然后发现没有患病（假阳性）？还是当已经来不及治疗时发现你患有癌症（假阴性）？

如果你是健康保险公司，你的答案是否会改变？你会资助所有不必要的治疗吗？你会提高保险费以不错过任何人吗？作为一名医生，您是否会冒着声誉的风险去错过检测？

至少作为病人，没有人想错过被检测。因此，当构建检测癌症的产品时，优化召回率（避免假阴性）将更有意义。

机场安检

作为乘客，你宁愿在漫长的警戒线中等待，以免有危险意外通过安检吗？还是更愿意快速通过这些检查，并承担枪可以走私到飞机的风险？监管者肯定会选择避免风险。

Netflix推荐

作为用户，你更愿意获得高度相关的推荐，而不是可能受欢迎但不适合你的一般内容。因此，在这种情况下，产品要优化精确度（避免假阳性）。

我们可以讨论几十个例子，并尝试了解产品要优化什么，以及在与之交互时，它如何影响整体的用户体验。

客户流失预测

我们开发了一款基于AI的产品，用于预测B2B公司的客户流失。我们使客户成功团队能够将他们的工作重点放在真正重要的客户身上，并得到更好结果。

优化精确度意味着产品将精确定位一个非常有针对性的名单，该名单包含面临流失风险的客户，且没有人被错误地划归其中。朝着这个方向的困难是缺少一堆会流失却没被检测到的客户。

缓解这种情况的想法是将列表拆分为几页，其中第一页包含最相关的客户。如果用户想要探索更多，则可以进入下一页。Google搜索结果提供了这样的体验，首页包含最相关的结果。如果你想探索更多，你也可以查看其他页面。

优化召回率意味着产品将不那么敏感，并且会生成面临流失风险的客户的更长名单，并确保我们不会错过任何人。这里的缺点是该列表会包含误报，即一些不会有流失风险的客户。

减轻这种情况的办法是将列表与其他客户特征相结合，这些特征可能会对其风险（例如优先级）提供更多提示。

因此，作为产品经理，我需要向客户了解，他们是更容忍假阳性还是假阴性，他们期望从产品中获得什么样的体验？是否有足够的资源来处理流失的客户等等。

作为AI产品经理，我们到底在优化什么？相关推荐

我是AI产品经理，就必须掌握AI技术吗？
作为一个人工智能(AI)产品经理,我们需要对AI技术有了解吗?为什么?需要了解到什么程度呢?我们该如何达到这样的程度? 本文将就以上问题进行探讨,作者将尝试根据自己的相关工作和学习经验给出答案,供读者 ...
职场不设限：真正的AI产品经理太少了……
开局一张图关注AI的朋友们好-本期古牧君邀请来自宇宙条的资深AI产品经理鸡翅姐(见上图),针对AI产品经理这个岗位畅聊并总结成文,作为<职场不设限>系列的首篇,希望能给大家的职业路径增加 ...
车主因眼睛小被自动驾驶误判?——智能座舱CV体验的经典corner case剖析 by 资深AI产品经理@方舟...
前言:最近两天,"车主因眼睛小被自动驾驶误判"冲上热搜.顺势破圈,而咱们"AI产品经理大本营"微信群里,不仅有很多PM在激烈讨论,还有一位智能座舱CV领域的资深 ...
最新AI产品经理求职动态：卡年龄、卡学历，这么卷，怎么办？
最近一些AI产品经理和我交流求职经历,让我感觉今年求职市场有一个明显变化:企业开始非常严格的卡年龄.卡学历,甚至不太讲情面,真的是太卷了(人才,供大于求)... 目录 3个可能原因 2个求职问题 1个 ...
AI产品经理能力模型的重点素质：人文素养和灵魂境界
本文是我第一次正式详述"人文素养和灵魂境界"对于AI产品经理的意义到底在哪里,摘自<AI产品经理的实操手册(2021版)>的1.1.3.3节. 在AI产品经理的能力模型 ...
实战分享｜作为AI小白，如何争取AI产品经理offer
作为AI小白,他经过4个月的转型学习,争取到几份offer,最终入职AI创业公司"追一科技",负责核心产品.本文重点分享的过程体会,强调以小白身份去争取offer时所需要的节奏和状 ...
AI产品经理入门手册（上）
近两年来AI产业已然成为新的焦点和风口,各互联网巨头都在布局人工智能,不少互联网产品经理也开始考虑转型AI产品经理,本文作者也同样在转型中.本篇文章是通过一段时间的学习归纳总结整理而成,力图通过这篇文 ...
一文看懂“语音识别ASR” | AI产品经理需要了解的AI技术概念
原标题:一文看懂"语音识别ASR" | AI产品经理需要了解的AI技术概念温馨提示:文末有[重大福利]:优惠券(金额很大) for 三节课<产品经理P2(进阶)系列课程&g ...
团员分享_AI小白如何拿到AI产品经理offer
前言:本文作者是团员@长弘现追一科技AI产品经理(深圳),前同程产品经理(苏州),本文是他的第5篇分享. 作者是AI小白,经过4个月的转型学习,争取到几份offer,最终入职AI创业公司" ...

作为AI产品经理，我们到底在优化什么？

作为AI产品经理，我们到底在优化什么？相关推荐

最新文章

热门文章