📘 AI产品经理 · 需求分析方法论
🎯 30章 · 从入门到实战
01
AI产品经理的自我修养
职责边界、与传统PM核心差异、必备技术&商业思维
02
需求采集的底层逻辑
用户/业务/系统需求层次、四大需求渠道
03
用户访谈与场景还原
结构化访谈、5W1H场景分析、用户故事提取
04
竞品分析与差异化定位
AI竞品维度(数据/算法/场景)、SWOT/PEST应用
05
需求优先级排序
KANO变形、RICE评分法 (Reach, Impact, Confidence, Effort)
06
从模糊想法到结构化需求
用户故事地图、Epic/Feature/Story拆分原则
07
AI需求可行性评估
数据可行性(量/标注/隐私)、技术可行性(模型/算力)
08
需求文档(PRD)的AI化写法
传统PRD vs AI-PRD、模型指标(准确率/召回率/F1)规范
09
原型设计与交互逻辑
AI交互特殊性(置信度/异常/渐进引导)、Figma/Axure组件
10
需求评审与干系人管理
算法/数据/业务方诉求平衡、冲突化解
11
数据驱动的需求验证
A/B测试陷阱、埋点方案与数据看板搭建
12
AI产品的MVP定义
最小可行产品AI化策略、冷启动与规则兜底
13
需求变更管理
AI项目需求漂移原因、变更控制与影响分析
14
用户分层与个性化需求
RFM模型在AI推荐、用户画像需求聚类
15
需求价值量化
ROI特殊考量、长期价值与短期收益平衡
16
从需求到技术方案
需求转算法任务、特征工程需求文档撰写
17
AI伦理与合规需求
公平性、可解释性、隐私保护在需求阶段嵌入
18
多模态AI产品的需求分析
文本/图像/语音融合场景需求梳理
19
需求跟踪与闭环管理
Jira到模型上线、全链路追踪
20
AI产品的用户反馈闭环
在线学习/主动学习、反馈数据回流设计
21
需求分析中的常见误区
过度承诺、技术崇拜、忽略边缘案例
22
AI产品经理的工具箱
Xmind/ProcessOn/Jira/Confluence/Label Studio
23
行业案例拆解（上）
智能客服需求分析全流程复盘
24
行业案例拆解（中）
推荐系统需求分析全流程复盘
25
行业案例拆解（下）
计算机视觉产品需求分析全流程复盘
26
需求分析中的沟通艺术
与算法高效沟通、向业务方解释技术边界
27
AI产品的指标体系
需求到北极星指标、OSM模型应用
28
需求文档的版本管理
Git与文档协同、需求基线管理
29
AI产品经理的进阶之路
从需求分析到产品架构、从执行者到思考者
30
课程总结与实战演练
模拟需求分析全流程、输出完整AI-PRD