2023年AI產(chǎn)品經(jīng)理B端產(chǎn)品典型案例-從0到1構(gòu)建機器學習平臺

AI產(chǎn)品經(jīng)理B端產(chǎn)品典型案例——從0到1構(gòu)建機器學習平臺一、需求分析

1.what

首先解答一個問題，什么是機器學習平臺。第一步就是要了解什么是機器學習，主要指的是現(xiàn)如今大火的人工智能的實現(xiàn)方法（比如利用決策樹、聚類、貝葉斯分類、SVM、adaboost等等，當然也有當前主流各種深度神經(jīng)網(wǎng)絡模型Alexnet、resnet等等），跟人工智能、深度學習的關(guān)系可以參考我的另一篇文章《AI產(chǎn)品經(jīng)理的7堂必修課：必備的AI基礎學問》此處不做贅述，當然這些學問也應當是一個AI產(chǎn)品經(jīng)理應知應會的。

什么是一個機器學習的平臺呢？由于前面供應機器學習是人工智能的實現(xiàn)方法，那么這個平臺就是AI算法工程師實現(xiàn)人工智能算法所需要的工具集，為什么是工具集而不是工具；由于平臺的定義絕不僅僅是單一功能的，而是涵蓋了從0到1如何實現(xiàn)一個算法模型的數(shù)據(jù)預備、算法模型選擇、驗證、測試與優(yōu)化、量化與部署，即從無到最終實現(xiàn)。由于這是一個相對簡單的系統(tǒng)工程，每一個步驟或者是每一個不同類型的任務需要的工具就會有差別，因此我們需要一個平臺供應端到端閉環(huán)的完整服務。

最終實現(xiàn)的事情可以這樣理解，我們輸入是一些我們在日常生活中想要AI計算機解決的問題（比如如何快速識別人臉、如何在手機上分類圖片），輸出就是一個完成的AI服務（無論是在線的網(wǎng)頁訪問還是離線的手機上調(diào)用）

2.who

我們的用戶是誰？

首先上文提到了AI算法工程師，因此是一個個有特定職業(yè)技能的個體，因此我們定義成是一個toC的產(chǎn)品么？不要遺忘知名產(chǎn)品經(jīng)理俞軍老師說過：“用戶不是人，而是需求的集合?！?/p>

我們所看到的AI算法工程師（同學），他們都是被一個個組織所雇傭，最終是為了解決一個個企業(yè)/組織面臨的有待用AI方法解決的問題。但是假如沒有平臺，其實這些事情也可以做，只不過相對效率就低了許多。因此我們的平臺定位就是：高效高質(zhì)量的解決組織面臨的需要AI算法模型解決的問題。

由于商業(yè)的本質(zhì)是追趕利益最大化的，如何提升AI算法模型從無到有的每一環(huán)節(jié)的效率且并最終可以做到邊際成本為零（批量的復制生產(chǎn)AI模型且不會出錯，或者版本全都性較差等問題），甚至可以做到替代部分人甚至替代全部的人，這個應當是機器學習平臺追求可以不斷優(yōu)化迭代的方向，也是企業(yè)組織會為你的產(chǎn)品買單的緣由，因此這個平臺定位是一個toB的產(chǎn)品。

3.whenwhere

解決了上一個問題，這個問題就非常好回答了。

既然我們的用戶是利用AI解決實際生產(chǎn)經(jīng)營問題或者供應AI服務的組織，那么他們使用的場景應當就是典型的workplace，當然包含可遠程辦公接入的場景，接入的設備默認就是相對專業(yè)的電腦而不是各種移動端設備。且由于我們是toB類的產(chǎn)品。且一般ai算法模型的訓練迭代可能是7*24的，因此對于平臺的穩(wěn)定性、平安性、容災性要求更高。

但是對于剛開頭僅對內(nèi)部服務的平臺除外，這類平臺初期，可以多邀請早期內(nèi)部的算法同事優(yōu)先使用，在早期發(fā)覺各種問題，并進行靈敏迭代，穩(wěn)定后再逐步推廣到范圍更大的組織使用。其實許多toB的產(chǎn)品應當都是這樣的路線，比如釘釘、飛書，其實都是從內(nèi)部需求中不斷打磨最終才拓展到外部，面對更大的市場，做商業(yè)上的變現(xiàn)。

二、競品分析

其實機器學習平臺并不是一個很創(chuàng)新的產(chǎn)品，其實早期做云平臺的公司，都從PaaS逐步向上做SaaS做更增值的部分，那么機器學習應用就是一個很典型的場景。

依據(jù)IDC發(fā)布的報告，可以看到機器學習平臺賽道已經(jīng)聚集了三支實力軍團：以BAT、AWS和微軟為代表的云服務商；以第四范式為代表的AI平臺公司；以新華三為代表的大數(shù)據(jù)公司。從2022年上半年的中國AI云的市場占有份額TOP我們重點分析下百度、阿里、華為、騰訊以及海外代表亞馬遜；

圖1、IDC發(fā)布的2022上半年中國AI云服務市場份額占比BAT占據(jù)前4名中的三席

接下來對這五家進行一個橫向的對比分析：

表1、主流AI學習平臺對比分析

通過表格分析可知，如今主流平臺的核心優(yōu)化點都在于提升的效率，無論是一站式服務、節(jié)省成本、零門檻上手、快速訓練/部署等等，此外平臺預置預訓練大模型也將是將來機器學習平臺的一個突出趨勢。

三、如何實現(xiàn)how

通過分析國內(nèi)外主流機器學習平臺，我們得出機器學習平臺的全流程，詳細流程梳理如下思維導圖：

圖2、機器學習平臺全流程拆解

假如想要進一步了解每每一個機器學習平臺產(chǎn)品的功能模塊細節(jié)，建議大家可以去各家官網(wǎng)上查閱產(chǎn)品文檔，信任我，仔細讀懂整個產(chǎn)品文檔，你應當可以構(gòu)建一個60分的機器學習平臺了。個人比較推舉華為modelarts和百度的EasyDL，兩家的文檔結(jié)構(gòu)清楚、內(nèi)容翔實。

但是由于這幾家的平臺產(chǎn)品都是面對全行業(yè)的用戶，比如百度EasyDL支持圖像、文本、語音、OCR、視頻、結(jié)構(gòu)化數(shù)據(jù)（數(shù)據(jù)智能），但是我們一般自己構(gòu)建的平臺更多的是針對自己組織所遇到的問題，因此一上來并不需要特殊全面，而是針對某一個任務完成端到端流程的打通，后續(xù)再橫向拓展兼容其他類型的任務。

再比如，我現(xiàn)在遇到的問題就是計算機視覺CV領域的特別常見問題圖片多標簽，這是一個分類問題，谷歌的imagenet整個數(shù)據(jù)集包含21841類，1400萬張圖片，其中常用的子集包含1000類，120萬張圖片，為什么我們還在做類似的問題，就是由于大而全必定就會在某個詳細領域詳細產(chǎn)品場景上表現(xiàn)夠好，比如我們的手機相冊，隨著隱私愛護逐步引起大家重視，不太可能要求用戶把數(shù)據(jù)全部同步到云端。

如何通過機器學習平臺自動化的提升端側(cè)提升用戶端側(cè)相冊照片的多標簽表現(xiàn)力，需要從數(shù)據(jù)整理、模型訓練（增量學習、大模型蒸餾小模型）、測試和調(diào)優(yōu)（在滿意用戶使用場景的測試集上進行驗證，看迭代的模型是否較上一版本有顯著提升，同時需要考慮端側(cè)的算力與功耗的平衡）。

雖然商業(yè)化的機器學習平臺有其優(yōu)勢，比如更穩(wěn)定、功能更全面、更自動化，但是針對自有問題場景深度定制的平臺可以更精準的定位痛點、解決本質(zhì)問題。自有平臺與商業(yè)平臺可以進行優(yōu)勢組合，自有平臺做商業(yè)平臺無法解決的，商業(yè)平臺完成已經(jīng)特別成熟的、經(jīng)過大規(guī)模商業(yè)論證的部分。最終讓機器學習平臺價值最大化。

圖3、相冊某任務的用戶行為分析，用來反推機器學習平臺需要重點優(yōu)化的功能

前期構(gòu)建過程中，可以多與詳細負責該功能的ai算法工程師進行訪談，了解其當前工作中的主要困難、比如一些商業(yè)化的平臺無法解決的但是高頻遇到的，主要影響其效率的；并結(jié)合最終應用場景的用戶埋點數(shù)據(jù)進行分析，包括一些NPS數(shù)據(jù)，用戶當前對于哪些場景滿足度較差、哪些環(huán)節(jié)影響了使用體驗、打斷了用戶的使用節(jié)奏，那么這些就是我們需要總結(jié)歸納，通過平臺來解決的問題。

當然做前期的產(chǎn)品調(diào)研也要考慮到將來平臺產(chǎn)品的可擴展性，下一步方案解決什么樣的任務，與平臺技術(shù)專家多溝通，深化了解用什么樣的架構(gòu)/設計可以兼容將來的潛在需求，聊聊平臺產(chǎn)品勝利時候的樣子。

四、如何在早期提升用戶的活躍度，實現(xiàn)從0到1的用戶增長

由于從0到1的時候還不涉及商業(yè)化變現(xiàn)，但是其實一個平臺本身可以通過一些自身的論證數(shù)據(jù)來體現(xiàn)其價值。比如，數(shù)據(jù)預備效率從100人天縮短至10人天，訓練耗時從1天變成0.5天等等。平臺本身的用戶活躍度和使用時長也可以很好的說明一些問題。

同時早起可以營造一個內(nèi)部開放共享的生態(tài)環(huán)境，比如類似華為和百度的AI市場，鼓舞大家內(nèi)部開源模型、數(shù)據(jù)等等，同時對于樂觀開源的用戶可以根據(jù)貢獻值供應平臺特別的福利，不肯定是以金錢來衡量，但是卻是算法工程師很剛需只有你可以供應的。

比如說，貢獻值高的用戶有排隊訓模型的VIP通道，模型可以加速訓練，可以優(yōu)先體驗一些平臺的新功能（一鍵式部署/自動采集標注數(shù)據(jù)等等）；這些對于組織內(nèi)部有限的資源，且工程師每天可能會花許多時間來等待資源訓練的話，貢獻度高的用戶在你這個平臺上就可以體驗到“爽”的體驗。其實這背后的道理跟做其他產(chǎn)品是一樣的，別讓用戶“等”、別讓用戶“想”、別讓用戶“煩”，要讓用戶有參加感！

隨著平臺逐步壯大后，從1到N的商業(yè)模式其實上面推舉的商業(yè)化平臺都有很好的示范，比如拿百度的EasyDL