课程简介
专为产品、运营、市场及数据分析人员设计。课程围绕AI在用户体验和产品设计中的实战应用展开，结合美团等真实案例，深入讲解AI基础概念、技术边界、应用场景，以及如何通过用户画像、智能推荐等技术优化产品设计与用户体验。学员将掌握AI赋能产品设计的全流程，提升企业竞争力，推动业务创新。
目标收益
培训对象
适合产品、运营、以及市场和数据分析和管理人员
课程大纲
|
模块一： 夯实基础：AI在产品设计和体验的能力应用 |
引：通过互动暖场以及看下大家对AI的掌握情况以及对AI市场的敏感度 1.用户分群、推荐、销量预测用的是回归、分类还是聚类 2.大家看到哪些新的AI交互，提高了产品设计能力或者体验的创新 一、产品和市场等也要懂的AI知识：了解AI边界 1.机器学习和AI的关系（传统机器学习（高维特征建模、深度学习-自然语言处理，四象限说明人和AI关系） 2.机器学习（一种实现AI的方法论）全流程以及算法工程师和产品、市场如何配合 2.1问题定义：主要分为预测类任务（推荐系统、人群画像等）和生成类任务（生产力提升的内容生产） （1）分类任务（定义、应用场景和常见的算法举例） 案例：推荐任务里的点击不点击 （2）聚类任务（定义、应用场景和常见的算法举例） 案例：美团闪送利用聚类任务构建用户画像，基于场景找到新的增长点 （3）回归任务（重点讲，定义、应用场景和常见的算法举例以及和分类、聚类任务的不同，返回具体数值） 案例：美团流失预测，判断流失概率以及不同方式召回的可能性 2.2 数据处理的四大步骤 （1）数据收集（业务数据、大模型自主学习） 案例：阿里如何利用大模型自主学习进行数据收集 （2）数据清理 案例：字节如何利用AI能力和以及产品设计能力对所缺数据进行补齐 （3）数据标注 （4）数据切分（训练集和测试集的比例以及切分的注意事项） 案例：美团高流失风险用户模型设计为例数据处理四大步骤进行串讲以及每个步骤的作用，尤其是注意事项 （5）让大模型学习我的知识怎么给他喂数据的概念理解（长文本、RAG、微调）也能明白市面上AI大模型为什么迭代 2.3 特征工程（重要） 案例：美团流失风险用户特征搭建，找一个特征，效果提升10% 2.4 模型训练的4种学习方式 2.5模型评估 （1）离线评估（特征和模型评估）的三个方法和评估指标：评估模型本身效果、稳定和精准 （2）在线评估：数据分析，大多A/B实验 2.6 模型应用 二、深度学习（时间关系简单讲） 1.深度学习是什么，工作过程 2.自然语言处理的系统组成 3.自然语言识别的五大类问题，简单讲解问题 从1到10重点讲解提高准确率提升20%的方法 影响准确率的关键要素（知识库、向量、LLM、提示词） 核心是数据的准确度以及对应的解决方案（重排、知识库自动对话-语义理解（每个人如何表达不一样，如何匹配到更准确的知识，上下文语义的修订、定期对其总结、模型微调来限定业务场景、答案供给） 幻觉的处理办法（只讲产品相关，如果需要了解技术方面的可以简单提，方便定位问题，产品的解决方案为明确能力边界、实时反馈与标注、用户纠错机制、用户交互机制、阙值控制、业务流程优化） 三、AI和传统产品经理设计的四大不同 1.产品设计思维的变化：场景-用户-需求的基础上新增和AI的关系 案例：以四象限为核心，讲解AI在营销、推荐、客服等应用中和AI的关系 2.从单点极致到深度融合：2025年是Agent元年 案例：美团利用AI-agent提高推荐转化效率（从被动到主动服务，内部研发ing） 第一步：夯实基础能力-单模态、单数据、功能级AI体验 第二步：提留存-多模态、单主体归属/多数据联合处理，系统级AI体验 第三步：提渗透-多主体归属/多数据联合处理，生态级AI体验 3.从以功能为核心到以角色为核心 案例：以手机厂商为核心 4.从二段论产品设计到三段论产品设计 案例：美团生活服务 二、AI时代对产品经理的能力要求 案例：以美团新的AI能力标准进行说明 四、AI带来用户体验的变化 1. AI赋能用户体验的设计挑战 2. AI技术在设计领域的应用前景 3. AI增强用户体验的6个能力 4. 面对AI的不确定性（模糊、泛化），如何让应对带来的风险和问题 总结：GUI、CUI、agent设计的不同以及在应用场景 |
|
模块二： 业务实战：AI产品设计 |
一、以美团为案例讲解AI在用户画像的应用的三大场景 1.基础画像 案例：美团如何基于行为分析，提高交叉转化预测的准确度，以最新优化的S级项目，神会员进行讲解 2.业务画像 案例：美团基于不同的用户群体标签进行精细化运营以及场景推荐 3.策略画像 案例1：不同活动敏感人群，发放权益后ARPPU提升 案例2:在特定类目，特定购买时间的高复购倾向人群（讲解核心是AI和用户洞察相结合，AI是下限，洞察是上限） 案例3:美团利用AI能力实现人群*品类*商品*权益*留存策略从千人千面到一人千面（拼多多也在做） 案例4:美团通过AI能力为预测用户未来的行为 案例5:美团利用AI新技术，集合用户画像实现push突破，团队几乎尝试了所有能想到的Push策略——差异化文案、个性化推荐、定时触发、行为触发等，每天的配额都会按时发完。然而，用户的疲劳度越来越明显，点击率持续下滑 4.用户画像的基础：标签质量提升的办法以及评估纬度 案例：美团 5.大厂在画像未来的展望 5.1在传统时代人为用付费能力、品类偏好、年龄性别等标签划分用户群体，会回归按人性的方式（在1.1美团即时零售业务会讲），不是同类推荐，而是基于场景预判交叉营销可能性 5.2 用技术将用户行为数据转化为可解释的消费意图图谱，使需求预测从统计学相关迈入因果推理阶段（这个在探索，提高准确性，可以用美团进行分享） 二、智能推荐（以美团为例，根据业务的常见问题演进） 问题一：新品、长尾品利用LLM实现推荐 问题二：利用多层卷积根据兴趣和行为推荐，实现业务增量 说明：技术不是关键，对用户的洞察力和理解力是关键，我们会选型即可 三、6步落地一个AI产品（只讲AI和传统产品设计不同的地方，前面也已经把银联感兴趣的覆盖了，时间也比较紧，我是认为agent对提高体验很有价值，去掉或者2.2讲的时候我大概讲下对体验的提升，agent是什么，设计的四个关键，规划能力-行动-记忆，以及自然语言处理，咱们是至少3天的课浓缩成半天了） 1.需求分析：如何挖掘从业务中挖掘出产品需求 2.是否值得用AI做的可行性评估（依据确定性和特征进行结合） 案例：阿里通义千问在行业应用的评估体系 3.AI产品设计（以美团AI-agent） 3.1第一步，提出算法需求（AI 1.0时代） 3.2第二步，加入系统反馈（AI 2.0时代） 3.2.1难点一：思考规划能力 难点二：提高AI的执行能力（准确度以及幻觉处理） |
| 模块三：AI产品体验提升实战 |
1.三步实现AI体验提升 1.1利用用户旅途识别体验待优化的点、结合模块一所学的人工智能的能力、UI范式的优缺点进行体验优化 1.2结合设计的8个原则 1.3GUI、CUI和Agent体验融合地方 2.AI在大厂交互体验的总结并结合实际案例:提升AI产品的用户体验，18条指南以及落地的原则（根据当前环境来确定何时触发服务、显示与当前任务和环境相关、出错时用户能够校准AI系统的输出、保持上下文，保持体验的连续性、引导用户在交互过程中进行反馈、让用户理解行为如何影响系统结果..) 3.AI未来在产品设计和体验的展望 收益：了解AI在体验能力升级的落地应用，现在金融行业在GUI和CUI衔接做的不是很好，以及什么场景下用哪种交付方式，是体验上最迫切的，会结合方法论以及方法论的案例重点说明，实现融会贯通 |
|
模块一： 夯实基础：AI在产品设计和体验的能力应用 引：通过互动暖场以及看下大家对AI的掌握情况以及对AI市场的敏感度 1.用户分群、推荐、销量预测用的是回归、分类还是聚类 2.大家看到哪些新的AI交互，提高了产品设计能力或者体验的创新 一、产品和市场等也要懂的AI知识：了解AI边界 1.机器学习和AI的关系（传统机器学习（高维特征建模、深度学习-自然语言处理，四象限说明人和AI关系） 2.机器学习（一种实现AI的方法论）全流程以及算法工程师和产品、市场如何配合 2.1问题定义：主要分为预测类任务（推荐系统、人群画像等）和生成类任务（生产力提升的内容生产） （1）分类任务（定义、应用场景和常见的算法举例） 案例：推荐任务里的点击不点击 （2）聚类任务（定义、应用场景和常见的算法举例） 案例：美团闪送利用聚类任务构建用户画像，基于场景找到新的增长点 （3）回归任务（重点讲，定义、应用场景和常见的算法举例以及和分类、聚类任务的不同，返回具体数值） 案例：美团流失预测，判断流失概率以及不同方式召回的可能性 2.2 数据处理的四大步骤 （1）数据收集（业务数据、大模型自主学习） 案例：阿里如何利用大模型自主学习进行数据收集 （2）数据清理 案例：字节如何利用AI能力和以及产品设计能力对所缺数据进行补齐 （3）数据标注 （4）数据切分（训练集和测试集的比例以及切分的注意事项） 案例：美团高流失风险用户模型设计为例数据处理四大步骤进行串讲以及每个步骤的作用，尤其是注意事项 （5）让大模型学习我的知识怎么给他喂数据的概念理解（长文本、RAG、微调）也能明白市面上AI大模型为什么迭代 2.3 特征工程（重要） 案例：美团流失风险用户特征搭建，找一个特征，效果提升10% 2.4 模型训练的4种学习方式 2.5模型评估 （1）离线评估（特征和模型评估）的三个方法和评估指标：评估模型本身效果、稳定和精准 （2）在线评估：数据分析，大多A/B实验 2.6 模型应用 二、深度学习（时间关系简单讲） 1.深度学习是什么，工作过程 2.自然语言处理的系统组成 3.自然语言识别的五大类问题，简单讲解问题 从1到10重点讲解提高准确率提升20%的方法 影响准确率的关键要素（知识库、向量、LLM、提示词） 核心是数据的准确度以及对应的解决方案（重排、知识库自动对话-语义理解（每个人如何表达不一样，如何匹配到更准确的知识，上下文语义的修订、定期对其总结、模型微调来限定业务场景、答案供给） 幻觉的处理办法（只讲产品相关，如果需要了解技术方面的可以简单提，方便定位问题，产品的解决方案为明确能力边界、实时反馈与标注、用户纠错机制、用户交互机制、阙值控制、业务流程优化） 三、AI和传统产品经理设计的四大不同 1.产品设计思维的变化：场景-用户-需求的基础上新增和AI的关系 案例：以四象限为核心，讲解AI在营销、推荐、客服等应用中和AI的关系 2.从单点极致到深度融合：2025年是Agent元年 案例：美团利用AI-agent提高推荐转化效率（从被动到主动服务，内部研发ing） 第一步：夯实基础能力-单模态、单数据、功能级AI体验 第二步：提留存-多模态、单主体归属/多数据联合处理，系统级AI体验 第三步：提渗透-多主体归属/多数据联合处理，生态级AI体验 3.从以功能为核心到以角色为核心 案例：以手机厂商为核心 4.从二段论产品设计到三段论产品设计 案例：美团生活服务 二、AI时代对产品经理的能力要求 案例：以美团新的AI能力标准进行说明 四、AI带来用户体验的变化 1. AI赋能用户体验的设计挑战 2. AI技术在设计领域的应用前景 3. AI增强用户体验的6个能力 4. 面对AI的不确定性（模糊、泛化），如何让应对带来的风险和问题 总结：GUI、CUI、agent设计的不同以及在应用场景 |
|
模块二： 业务实战：AI产品设计 一、以美团为案例讲解AI在用户画像的应用的三大场景 1.基础画像 案例：美团如何基于行为分析，提高交叉转化预测的准确度，以最新优化的S级项目，神会员进行讲解 2.业务画像 案例：美团基于不同的用户群体标签进行精细化运营以及场景推荐 3.策略画像 案例1：不同活动敏感人群，发放权益后ARPPU提升 案例2:在特定类目，特定购买时间的高复购倾向人群（讲解核心是AI和用户洞察相结合，AI是下限，洞察是上限） 案例3:美团利用AI能力实现人群*品类*商品*权益*留存策略从千人千面到一人千面（拼多多也在做） 案例4:美团通过AI能力为预测用户未来的行为 案例5:美团利用AI新技术，集合用户画像实现push突破，团队几乎尝试了所有能想到的Push策略——差异化文案、个性化推荐、定时触发、行为触发等，每天的配额都会按时发完。然而，用户的疲劳度越来越明显，点击率持续下滑 4.用户画像的基础：标签质量提升的办法以及评估纬度 案例：美团 5.大厂在画像未来的展望 5.1在传统时代人为用付费能力、品类偏好、年龄性别等标签划分用户群体，会回归按人性的方式（在1.1美团即时零售业务会讲），不是同类推荐，而是基于场景预判交叉营销可能性 5.2 用技术将用户行为数据转化为可解释的消费意图图谱，使需求预测从统计学相关迈入因果推理阶段（这个在探索，提高准确性，可以用美团进行分享） 二、智能推荐（以美团为例，根据业务的常见问题演进） 问题一：新品、长尾品利用LLM实现推荐 问题二：利用多层卷积根据兴趣和行为推荐，实现业务增量 说明：技术不是关键，对用户的洞察力和理解力是关键，我们会选型即可 三、6步落地一个AI产品（只讲AI和传统产品设计不同的地方，前面也已经把银联感兴趣的覆盖了，时间也比较紧，我是认为agent对提高体验很有价值，去掉或者2.2讲的时候我大概讲下对体验的提升，agent是什么，设计的四个关键，规划能力-行动-记忆，以及自然语言处理，咱们是至少3天的课浓缩成半天了） 1.需求分析：如何挖掘从业务中挖掘出产品需求 2.是否值得用AI做的可行性评估（依据确定性和特征进行结合） 案例：阿里通义千问在行业应用的评估体系 3.AI产品设计（以美团AI-agent） 3.1第一步，提出算法需求（AI 1.0时代） 3.2第二步，加入系统反馈（AI 2.0时代） 3.2.1难点一：思考规划能力 难点二：提高AI的执行能力（准确度以及幻觉处理） |
|
模块三：AI产品体验提升实战 1.三步实现AI体验提升 1.1利用用户旅途识别体验待优化的点、结合模块一所学的人工智能的能力、UI范式的优缺点进行体验优化 1.2结合设计的8个原则 1.3GUI、CUI和Agent体验融合地方 2.AI在大厂交互体验的总结并结合实际案例:提升AI产品的用户体验，18条指南以及落地的原则（根据当前环境来确定何时触发服务、显示与当前任务和环境相关、出错时用户能够校准AI系统的输出、保持上下文，保持体验的连续性、引导用户在交互过程中进行反馈、让用户理解行为如何影响系统结果..) 3.AI未来在产品设计和体验的展望 收益：了解AI在体验能力升级的落地应用，现在金融行业在GUI和CUI衔接做的不是很好，以及什么场景下用哪种交付方式，是体验上最迫切的，会结合方法论以及方法论的案例重点说明，实现融会贯通 |
近期公开课推荐