AI 产品在思考产品定位和做产品规划的时候，其实都是在思考产品的价值。
一篇总结和复盘的记录。
教育类产品的核心价值
每家公司每个问题的根源矛盾点，无非都是商业模式没跑通，没有验证PMF，但是，为什么没跑通？就是没有找到价值的真相。顺着这个思路，价值的真相是什么？价值就是产品交付的核心指标。
比如教育公司要提供的核心价值就是更好的教学效果，基于教学质量下所带来的资源公平。而家长为课程的教学效果买单，减少用户的机会成本–瓜总：在线浪潮中教育企业的坚持与坚决，产品的商业价值，只有口碑好，效果好，才会体现在经营指标上，包括续费、转介绍的提高，最后才可以拉回获课成本。
要分析价值，还得基于这个行业的细分市场之下，对公司的价值和定位的了解，才知道公司哪个核心环节出现了问题。
PM 在这个部门下做的AI 产品路径规划，来验证是否产生了价值。
验证AI教育产品的价值方法
教育的评估模型是复杂的。需要理解教学原理和基本行业常识，理解好的老师和好的AI课堂的基本定义，以及分析用户的学习认知规律。
建立一节 AI 课堂的教学质量标准，还需要 AI 找出课堂行为数据的相关产品指标。现在用AI技术，我们能分析出显性指标，但是，对隐性的指标，还是需要基于对认知和教育学的深层的理解。
好的AI 老师包括哪些特征？将老师的行为和表现拆解出指标，包括显性和隐性的指标。显性的如：视觉注意力、表情和语音发音时长、开口次数等行为指标；隐形的有人格魅力和语言风格等。有很多的指标，是很难被测量的，不能只看成绩。
如果，没有真正的指标指引，导致教学产品的优化过程没有实际的的方向，大家都很痛，而且用互联网的产品指标，可能会产生对商业的业绩指标的过渡倾斜。因为教学产品的价值模型，不像 DAU PV UV这些来设定，和其他行业的模型也不同。就导致一些过去做其他行业的思维，迁移到教育这个行业会受阻。
在海量的数据下，没法定义用户问题，数据捞出来也是没有定义和结构化的，而 AI 首先需要做到，如何帮助产品定义问题，建立起学习行为和学习结果指标的关系，然后是解决效率的提升。
这些就是靠积累、靠学习基本的教育学知识、语言学习这方面的学术知识，来弥补测量的科学验证方法的缺失，同时靠实操分析、看用户数据，来摸索出更好的解决方案。设计AI产品进行从智障到智能的路径规划。
朋友发我了下面这篇文章，走心了，说到痛楚了。
人工智能公司的场景跃迁理论 给了我很大的启发。
尊重AI的规律，理解AI的过程和边界。我们看到太多太多的例子，对需求和市场理解得很好，但是因为不了解AI技术的特点，不能管理好产品边界、用户预期和团队预期，而失败。我们必须了解，具体在这个战场，战争的规律是有自己的特点的。
所以，AI 技术性难题本身没有突破，不能强求在当前阶段拿出一个L5等级的AI老师。这些技术难题包括在AI在数据分析层面能够找出的测量指标，也包括到用户体验层面的自动化反馈的能力，如儿童语音识别、NLP 生成个性反馈语料、多模态数据融合–视频理解等，这些都又很大的挑战困难。
在技术不成熟的阶段，就需要AI产品来设计逐步盈利的路径。
AI 老师从L1到L5的落地过程，真实情况下，在每个阶段要解决的场景其实不太一样。
- 从辅助业务场景开始，做降退费、降沉睡、提课消的事情。从1v1的真人录播课、1v1的虚拟老师，到1v4的小组课，都是解决不同的业务指标，各个形态都是找到最合理教学效果，来验证PMF的方法。
- 价值评估整体是可以用人机系统的效率来计算。人机系统效率提高就节省了老师、客服和其他团队的服务效率–包括节省服务团队的人效，AI课作为资源，能解决部分满意度指标的问题，就节省了一笔成本。
经过各种踩坑和总结，才知道AI 产品真实在业务落地下，如何找到好的PMF的验证方法，做好路径规划。所以这篇文章说到每个 AI PM都会痛过的地方。
一个好的产品一定是总结出来的，不是设计出来的。AI公司必须在实践中一个案例一个案例去总结出好产品来。那些设计出来的产品，成功的几乎没有。这些实践案例，就是不断把”人工智障“的阶段性成果去运用的过程。
- created at 190910
