總體來說艳汽，AI類產(chǎn)品可大體分為兩類：
第一類，平臺型AI產(chǎn)品
具體包括（1）電商推薦類產(chǎn)品麦轰；（2）廣告推薦系統(tǒng)類產(chǎn)品；（3）AI平臺類產(chǎn)品等期虾。
第二類原朝，終端類AI產(chǎn)品
按照類別可分為，（1）語音識別類產(chǎn)品镶苞；（2）機器視覺類產(chǎn)品喳坠。
從產(chǎn)品集成方式上來分，可以分為（1）硬件整機類產(chǎn)品茂蚓；（2）嵌入式模塊類產(chǎn)品壕鹉。
對于推薦算法產(chǎn)品經(jīng)理而言，算法本身即是產(chǎn)品聋涨。產(chǎn)品經(jīng)理的職責(zé)主要在于晾浴，通過挑選合適的數(shù)據(jù)、算法幫助用戶更好地解決個性化需求與海量信息之間的匹配問題牍白，通過恰當(dāng)?shù)臏y評方法脊凰，幫助技術(shù)人員尋找優(yōu)化特定場景下算法效能的方法∶龋考慮到用戶的需求相對單一狸涌，且參考指標(biāo)明晰（如點擊率、瀏覽率等）最岗，因此算法產(chǎn)品相對于其他產(chǎn)品而言帕胆，要對技術(shù)實現(xiàn)和底層算法邏輯擁有更清晰的認(rèn)識，從而可以方便的配合技術(shù)人員完成轉(zhuǎn)化率的提升般渡。
對于終端類產(chǎn)品經(jīng)理而言懒豹，如果產(chǎn)品形態(tài)僅僅是算法芙盘，那么需要考慮的內(nèi)容應(yīng)與推薦算法產(chǎn)品大同小異。隨著家居物聯(lián)網(wǎng)產(chǎn)品的興起脸秽，越多越多的企業(yè)開始提供硬件類產(chǎn)品儒老，常見的包括：AI智能音箱、安防攝像頭以及疫情期間的測溫儀等等豹储。由于硬件產(chǎn)品對物流供應(yīng)鏈的要求高贷盲、產(chǎn)品集成度也更高淘这， 產(chǎn)品經(jīng)理除卻需要考慮算法是否能夠適配當(dāng)前的場景之外剥扣，更應(yīng)當(dāng)專注于產(chǎn)品的集成測試和競品分析（尤其需要掌握潛在進(jìn)入者的動向），來確保產(chǎn)品的整體可用性和市場競爭力铝穷。
推薦策略
非個性化推薦算法關(guān)注的是一群人的共性钠怯。
典型應(yīng)用場景包括，“音樂熱曲排行榜”曙聂、初期谷歌的“搜索引擎”等等晦炊。
由于非個性化推薦的結(jié)果依賴于大眾的點擊，因此易呈現(xiàn)強者越強宁脊、弱者越弱的馬太效應(yīng)断国。對于內(nèi)容生產(chǎn)者而言，推薦引擎如果始終維持這樣的策略榆苞，將對新產(chǎn)生的內(nèi)容不公平稳衬。為了兼顧冷啟動的問題，可以考慮采用“最近時間窗口”策略坐漏，維護(hù)內(nèi)容的新鮮度的同時兼顧大眾偏好薄疚。
個性化推薦算法關(guān)注的是少數(shù)人的個性。
適用于非個性化推薦算法的場景主要具有以下兩個特征：
1.海量數(shù)據(jù)赊琳；
2.擁有收集用戶信息的渠道街夭。
其中用戶信息的收集方法又可分為以下兩種：
1.來源于網(wǎng)頁Cookie信息、訪問地址信息;
2.來源于用戶登錄賬戶期間的操作日志記錄躏筏。
個性化推薦中有兩類重要的算法設(shè)計思路板丽，分別是（1）基于向量相似度的推薦算法，以及（2）基于用戶的協(xié)同過濾推薦算法趁尼。前者偏重于推薦標(biāo)的物與用戶興趣之間的相似度評估埃碱，通過在預(yù)先設(shè)定的維度上獲取用戶的興趣向量作為基向量，而后用同一坐標(biāo)系對標(biāo)的物進(jìn)行標(biāo)注弱卡，獲取到用戶興趣與潛在標(biāo)的物之間的相似度（具體示意如圖1所示）乃正。后者則偏重于用戶間相似度的衡量，假設(shè)認(rèn)為婶博，擁有較高興趣相似度的用戶瓮具，針對某個具體標(biāo)的物將具有相似的偏好（具體示意如圖2所示）。
精細(xì)化推薦與運營
產(chǎn)品發(fā)展到一定的DAU數(shù)量之后，為了進(jìn)一步提高這部分DAU人群的使用效率名党，需要通過精細(xì)化的推薦來輔助運營實現(xiàn)更高層次的目標(biāo)叹阔。
盡管同為推薦產(chǎn)品大類，但由于推薦場景略有不同传睹，因此電商推薦類產(chǎn)品與內(nèi)容推薦類產(chǎn)品在業(yè)務(wù)指標(biāo)的關(guān)注點上也略有不同耳幢。電商推薦類產(chǎn)品更關(guān)注用戶的營收，因此通常將轉(zhuǎn)化率設(shè)定為推薦指標(biāo)欧啤；內(nèi)容推薦類產(chǎn)品則更關(guān)注用戶的留存和使用粘性睛藻，因此通常將推薦準(zhǔn)確度、用戶體驗設(shè)定為推薦評估指標(biāo)邢隧。以京東和頭條為例店印，由于前者是面向”大明型“用戶群體的產(chǎn)品，更關(guān)注推薦系統(tǒng)產(chǎn)生的效果為及時轉(zhuǎn)化貢獻(xiàn)了怎樣的力量倒慧；而后者則是面向”小閑型“的用戶群體按摘，因此更關(guān)注推薦系統(tǒng)在用戶體驗與產(chǎn)品依賴層面貢獻(xiàn)了怎樣的力量。
廣告推薦 —— 一種以商業(yè)化為目的的特殊推薦場景
關(guān)于廣告推薦的幾個共識：
1纫谅、產(chǎn)品的價值交換：為用戶創(chuàng)造使用價值炫贤、并獲取交換價值的過程。
2付秕、幾乎所有的廣告需求都是對體驗有負(fù)向影響的反向需求兰珍。
廣告形態(tài)主要分為（1）橫幅；（2）插屏盹牧；（3）原生俩垃。其中橫幅廣告效果較差，且對體驗有一定影響汰寓；插屏廣告由于以整屏形式出現(xiàn)口柳，會吸引用戶的全部注意力，盡管降低了產(chǎn)品的體驗有滑，但一定程度上提高了廣告的展示效率跃闹；原生廣告以一種仿似真實展示結(jié)果的形式嵌入到用戶產(chǎn)品使用過程中，用戶體驗最好毛好，但轉(zhuǎn)化率相對插屏而言較低望艺。一般情況下，更推薦使用插屏和原生廣告肌访，盡量避免使用橫幅廣告找默。
由于廣告具有一定的商業(yè)性質(zhì)，只有盡可能保障廣告推薦的高效性吼驶，才有機會獲取到足夠的廣告營收費用惩激。通常而言店煞，廣告是否有效需要從以下兩個角度進(jìn)行衡量：
1.曝光頻次高；
2.展示效率高风钻，其中展示效率可從以下三個方面去衡量：（1）展示時機顷蟀；（2）用戶狀態(tài)及（3）可見區(qū)域。
廣告收入的黃金公式
其中DAU代表用戶日活數(shù)骡技。
MTR商業(yè)化流量比例鸣个，代表用于廣告變現(xiàn)的用戶數(shù)。
Avglmps(Average Ad Impressions )布朦，代表著人均廣告展示數(shù)囤萤。
CTR代表廣告點擊率。
ACP(Average Click Price)代表平均點擊價格喝滞。
通常情況下阁将，在產(chǎn)品剛進(jìn)入市場的階段膏秫，應(yīng)當(dāng)重點考慮DAU右遭，只有把用戶基數(shù)做大，后續(xù)的流量變現(xiàn)規(guī)模才足夠可觀缤削。當(dāng)產(chǎn)品DAU開始逐漸穩(wěn)定時窘哈，則可以開始考慮MTR，產(chǎn)品也隨之進(jìn)入商業(yè)化變現(xiàn)的成熟階段亭敢。Avglmps指數(shù)一方面展示出廣告曝光率與廣告收入之間的正線性關(guān)系滚婉，一方面也暗示著廣告的曝光率與用戶體驗之間的反比關(guān)系，需要產(chǎn)品在不同場景下進(jìn)行適當(dāng)?shù)臋?quán)衡與取舍帅刀。廣告點擊率的大小让腹，更多情況下取決于交互數(shù)據(jù)的應(yīng)用和推薦算法的構(gòu)建。當(dāng)廣告推薦的準(zhǔn)確度日趨成熟扣溺，產(chǎn)品的廣告位也將逐步獲得更好的議價能力骇窍，有望獲得更多的營收收入。
除了產(chǎn)品開發(fā)者本身可以招攬廣告位外锥余，廣告生態(tài)系統(tǒng)中還存在這樣一類第三方腹纳，被稱之為ad network。作為連通廣告位和廣告主之間的中間方驱犹，通過統(tǒng)籌并協(xié)調(diào)廣告資源嘲恍，制定相對普適化的廣告算法，能夠最大限度的保障廣告主對于廣告展示次數(shù)的要求雄驹，同時能夠幫助產(chǎn)品提供方充分利用剩余的廣告位資源佃牛。對于大廠而言，流量變現(xiàn)已成為最重要的營收手段医舆，除非廣告資源稀缺俘侠，通常不會交予第三方管理桑涎。但對于尚處于發(fā)展期的公司而言，將廣告位外包給中間商兼贡，一方面獲取源源不斷的收入攻冷，一方面將更多的精力集中在產(chǎn)品的研發(fā)投入上，是一件一舉兩得的事情遍希。
廣告的漏斗分析
在進(jìn)行廣告分析時等曼，通常會采用如上的5個指標(biāo)對廣告展示效率進(jìn)行逐層次的分析，在自上而下的過程中每一層次都存在著流量的流失凿蒜。下面將以兩個場景為例禁谦，逐一分析場景二的潛在提升空間。
1. 通常而言废封，廣告請求率應(yīng)盡量保證在100%州泊，可以考慮優(yōu)化用戶訪問時的請求率；
2. 當(dāng)用戶端發(fā)出廣告請求時漂洋，缺少與用戶當(dāng)前情境相匹配的廣告時遥皂，易出現(xiàn)填充率的情形」羝可考慮適當(dāng)增加廣告源演训，進(jìn)一步提高填充率；
3. 廣告展示率低贝咙，意味著廣告匹配成功后样悟，卻由于網(wǎng)絡(luò)帶寬、用戶停留時長庭猩、廣告資源大小等原因沒有得到合適的展示機會窟她。需要具體分析，可采用prefetch等方法蔼水、挑選合適的展示時機等方法震糖，提高展示成功率；
4. 點擊率與廣告內(nèi)容徙缴、展示時機和廣告大小等等因素密切相關(guān)试伙。通過選取與上下文情境相匹配的廣告源、增加廣告位的大小于样、篩選出高質(zhì)量廣告疏叨，可以進(jìn)一步提升廣告的點擊期望。
5穿剖、然而蚤蔓，為了選取高質(zhì)量的廣告而為廣告位設(shè)置了廣告底價后，也意味著廣告資源數(shù)目的降低（即填充率的降低）糊余。需要產(chǎn)品制定出適用于當(dāng)前產(chǎn)品的整體策略秀又。
AI平臺類產(chǎn)品
除了上述AI產(chǎn)品之外单寂，還有一類特殊的AI產(chǎn)品，通常由AI頭部公司創(chuàng)建吐辙。通過集成相關(guān)算法和數(shù)據(jù)宣决，為開發(fā)者提供相對自由的基礎(chǔ)訓(xùn)練模型，提供自然語言處理昏苏、圖像識別尊沸、VR等相關(guān)領(lǐng)域的SDK開發(fā)包，為各行業(yè)定制專用解決方案贤惯⊥葑ǎ可參考的AI平臺類產(chǎn)品主要包括：
1. 百度大腦 —— AI開放平臺（http://ai.baidu.com/）
2. 騰訊AI開放平臺（https://ai.qq.com/）
3. AliGenie? (https://iap.aligenie.com/)
4. 網(wǎng)易人工智能平臺 （https://ai.163.com/#/m/overview）
5. Amazon AI (https://amazonaws-china.com/cn/events/amazon-ai/)
6. IBM AI Developer Program (https://software.intel.com/content/www/us/en/develop/topics/ai.html)
7. 京東人工智能開放平臺（https://neuhub.jd.com/）
8. HIKVISION開放平臺（https://open.hikvision.com/）
9. Face++ 人工智能開放平臺 （https://www.faceplusplus.com.cn/）
10. 搜狗AI開放平臺 （https://ai.sogou.com/）
（ps：后續(xù)將形成獨立章節(jié)，對top級AI開放平臺進(jìn)行競品分析孵构，敬請期待 ~）
