?

在創(chuàng)辦愛因互動之前，王守崑曾經在作為CTO和CEO參與了在線教育公司微學明日的創(chuàng)立和管理，負責整體運營。在此之前，他在豆瓣網擔任首席科學家和副總裁，負責豆瓣網整體算法構架設計和實施。此前，他曾從事供應鏈管理建模和咨詢工作，有多篇針對中國市場的運營管理案例被北美商學院錄入并使用。他是中國最早的個性化推薦系統(tǒng)的研究者和實踐者，曾多次擔任各種大數據及AI會議和論壇的主席或講師。以下是演講實錄：

我假設大家都是產品經理，我覺得可能有一些同學會有技術經驗，比如說有可能大學學的跟技術相關的課程，或者畢業(yè)以后做程序員，跟技術相關的事情。我想知道在座的諸位曾經從事過技術方面的工作？看起來大概有四分之一的樣子。

我自我介紹一下，理論上我本人并沒有做過產品方面的工作，因為我一直做技術。當然我的團隊有非常多的產品經理，我現(xiàn)在大概一半以上的時間，或者我過去有一半時間一直在討論產品方面的事情，而且是跟很多產品經理做溝通。所以我大概總結了一些在現(xiàn)在這個時代，就是所謂的AI時代，產品經理應該具備的技能，所以跟大家的分享是圍繞這個方面進行的。

我能保證的一點，雖然我是技術背景，包括現(xiàn)在我還在每天一兩個小時做QQ電影。但是這個分享不會有任何跟技術相關的內容，分享都是跟產品相關的內容。

第一部分，因為AI很熱，雖然AI這個詞已經有非常長的歷史了，經歷了很長時間。首先想給大家介紹一下概念，就是美國的一位經濟歷史學家，他是做歷史的，但是是做經濟史的。他梳理了美國的崛起，美國在150年前南北戰(zhàn)爭，包括南北戰(zhàn)爭之前的很長時間，它是個農業(yè)國。它在世界的GDP占比也是非常低，是個落后的國家。但是大概從能源革命以后，包括西部的開發(fā)，尤其鐵路的技術在美國的應用，使得美國的經濟結構發(fā)生巨大的變化。然后到了100多年前的時候，它的GDP就已經是世界第一了，成為一個巨大體量的國家。梳理了美國的歷史，發(fā)現(xiàn)什么東西讓美國從一個農業(yè)國變成一個工業(yè)國，從一個落后的國家變成一個先進的過程？他提出這么一個概念，通用技術是改變美國歷史最重要的因素之一。

什么叫通用技術呢？就是有可能對各行各業(yè)都產生重大變化、重大影響的技術。比如說蒸汽機的技術。蒸汽機最開始發(fā)明的時候不是用來做火車的，是用來做紡織機的。還有內燃機的技術，電力的技術。這些技術之所以被稱為通用技術，就是它們在發(fā)明的時候，或者它們在應用的時候，是在各行各業(yè)應用，不是專有的技術。美國的歷史也是得益于這些通用技術，發(fā)生了巨大變化。那么AI是通用技術嗎？

我們看一下通用技術的特點，它能顯著提高生產率，使得它發(fā)生一個巨大的變化。可以應用到各行各業(yè)，是一個基礎設施的支持。它需要各種人才，這個我們影響最大。通用技術不僅僅需要技術人才，這也是我之所以能做這個演講的技術。如果AI只是專業(yè)的技術，它不需要專業(yè)的人才，只需要工程師就好了。但是通用技術一定需要各行各業(yè)的技術人才去支持的，甚至會起主導作用。對于通用技術不一定是做這項技術的人在這個行業(yè)中起主導作用。

另外一個，它需要非常漫長的成熟期，比如說蒸汽機的技術從瓦特發(fā)明到它真正獲得巨大的廣泛應用，先在輪船上再到火車上，過了上百年的時間。電力、內燃機都是過了非常長的時間。我們看一下AI現(xiàn)在的情況，在實驗室的效果還挺好。然后各行各業(yè)有巨大的關注，現(xiàn)在每家投資機構都說關注AI。它需要巨大的基礎設施，需要云平臺，甚至專用硬件。但是目前對它有關注的，或者市場上比較出名的，都是所謂的技術專家。這是一個經理對人工智能的評價，人工智障，我是基本同意這個評價的。

雖然我們看到的現(xiàn)狀跟我們期待的未來有一個差距，但是AI是具備成為通用技術的可能性的。因為它突破之后，可以在各行各業(yè)產生應用，同時它需要有巨大的基礎設施支持，需要更多的專家，需要更多各方面的人才去參與。所以從長遠角度來看，我們還是認為AI是能夠成為一項通用技術的。成為一項通用技術，也就意味著它一定會產生巨大的行業(yè)機會，以為圍繞這個行業(yè)機會巨大的人才需求和人才缺口。說到這兒再岔開說一句，我平常跟朋友交流的時候，一直有很多人問我，“萬一AI做成了，是不是很多人會失業(yè)呀？”我的回答一般是這樣，僅供參考?！耙欢〞泻芏嗳耸I(yè)正常?！弊蛱煳疫€看，6月16號北京電報大樓，它是在1958年的時候建成的，正式停業(yè)了。電報原來在國民經濟中占特別重要的地位，這個東西原來是高科技的代表，然后昨天正式停業(yè)了，沒有人做這件事情了。高峰期的時候，它的從業(yè)人員接近百萬級的，這些人都失業(yè)了，我覺得這是一個非常正常的事情。

但是創(chuàng)造它也創(chuàng)造了巨大的電話，什么替代它？手機、即時通訊軟件。它們取代的電報，但是它們得到的巨大的市場，我們得到的比失去的要多多得，所以這對通用技術來說失密不是一個問題。就是每一個新的通用技術的興起，一定是新的產品服務、新的產業(yè)模式、新的組織和工作范式、新的就業(yè)機會。這是需要大家每個人認真考慮的，就是它一定會產生替代一系列固有的產品模式和崗位、組織。所以對這些產的東西產生有敏銳感覺的人，就會在巨大的變化中得到收益，或者獲得更好的回報。所以第一個部分我們想說的就是，AI有可能是工業(yè)革命以后，人類社會面臨的最大變革。

而且它有個非常顯著的特點，它的發(fā)展很可能會超出我們的想象。你以原來工業(yè)社會的方式去衡量它的發(fā)展，就覺得很多東西不是我們原來想的那樣，它的變化會非常迅速。而且變化的方向有可能不是直線型的，有可能是網狀的發(fā)展。有可能在某個單點上進展沒有你想的那么快，因為他多點突破的，被突破的多點最終形成網絡以后，最終形成的效應完全是你事先沒有預想到的?；蛘呖截愐粋€小說里的詞匯，它產生的價值，對于一個工業(yè)社會是一個緯度上的不同。

說了這么多虛的東西，我們看一下實際做AI的經理，我這是綜合了我們現(xiàn)在的公司，包括很多朋友，一些在相對大的公司里做AI產品經理中，平常遇到的事情。看看這些人每天在做什么，是什么樣的情況。最頭疼的就是需求的不確定性，因為誰也不知道AI到底能干什么，能具體做什么樣的事情。這個描述可能稍微有點技術化了，翻譯成常用的話就是這件事情功能到底做成什么樣，誰都心里沒譜。你做傳統(tǒng)的互聯(lián)網產品開發(fā)的時候，你知道功能怎么樣叫做成了，怎么樣是不做不成。但是AI的產品，功能做出來，誰都不知道是不是符合用戶的需求或者客戶的需求，到底有沒有做成。然后用戶或者客戶的預期非常難管理，因為我們主要做To B的客戶，我們客戶有兩個非常顯著的特點。一個是預期非常高，無所不能，所有的事能被AI給解決，認為這是萬能藥。另外一類覺得不要做那些虛的，對你的預期非常低，就是拉回到傳統(tǒng)軟件開發(fā)的套路里面去。恨不得算法和參數都要給你設定，因為我們做自然語言設定。就是回復的每一句話，都要給你指定。所以預期非常難管理。

此外還缺乏數據，這是非常典型的狀態(tài)。因為做AI產品，一定是需要大量數據做訓練。但是整個市場上的數據，但是都非常缺乏。不單單是你要做訓練模型缺乏，甚至從產品經理角度來看，因為很多產品經理要去接觸一線的用戶的，要從用戶那里拿反饋。比如電商類的產品，產品經理會看底下經理的反饋。你的物流是不是及時，功能怎么樣。這類數據市場上也沒有，因為沒有形成一個完整的AI產品的生態(tài)環(huán)境或者業(yè)務鏈條，所以業(yè)務不管是隱性的還是顯新的反饋都非常匱乏，產品經理只能依據經驗或者原來行業(yè)慣用的做法去做調整，這是很痛苦的一點。

最后一點，沒有形成一個有效的產品開發(fā)迭代方式。這是什么意思呢？不管是在傳統(tǒng)的軟件開發(fā)，傳統(tǒng)軟件開發(fā)已經是非常規(guī)范或者研究很多年了?；ヂ?lián)網的開發(fā)對那個范式是一個顛覆，是一個快速迭代的過程。這套范式大家都很熟悉的，起什么作用大家都很熟悉。在移動互聯(lián)網時代稍微有一些改變，你要做版本管理，有一系列的設計工作。但是對那個范式，基本還是繼承過來的，稍微做一些調整。但是AI的產品不一樣，由于我剛才說的這幾個問題的存在，需求的不確定性，預期難以管理，缺乏數據，并且還有一個很特殊的物種存在。就是在整個開發(fā)周期有一個很特殊的物種存在叫做——科學家?？茖W家和工程師是不一樣的，把科學家納入到整個產品迭代開發(fā)的范式里面，是一個巨大的挑戰(zhàn)。如果有哪個科學家致力于做AI產品，會發(fā)現(xiàn)很多稀奇古怪的產品。

所以最終的問題是大家用原來駕輕就熟的開發(fā)范式會遇到很多困難，但是很的范式又沒有拿出來，所以大家埋頭在干，用自己舒服的方式在做。那么怎么解決這個問題？過去幾年我一直在從事算法、個性推薦這些相關的事情，所以這么多年時間中，我總結了一些方法或者一些小的點來去應對我剛才提到的這些問題，僅供參考。我把產品經理的技能樹分成兩塊，一塊跟人相關，一塊跟事相關。根據重要的不同，因為我本身是工程師出身，跟工程師的不同。工程師絕大部分是在做事情上，怎么做事情。人的技能也需要要，需要有溝通，但是人的技能在工程師的技術樹上占很次要的經理。但是產品經理部一樣，人和事在技能樹上幾乎同樣重要。根據你的具體崗位不同，可能不太一樣，比如做策略的、做策略的、做運營的，不同的產品經理崗不同的偏向可能不太一樣。但是綜合來講，不能瘸腿，人和事同樣重要。

對于人來講我認為這三點是最重要的，在人的技能樹上是最重要的，就是溝通協(xié)調能力、領導力和同理心，這三點針對不同的位面來說。比如溝通協(xié)調，要讓這個事順利進行，讓這個項目上線。領導力是帶領一個團隊完成一件事情，需要有真正的勇氣在里面。同理心是針對用戶的理解，以及對團隊成員的理解，這三點是重要的。其次還有談判能力、親和力，判斷力，以及人脈。我給剛入行的產品經理一個建議，一定要建立人脈。你發(fā)現(xiàn)越多后來，人脈越重要。

對于做事情來件，我認為三件事情是最重要的。第一件事情，我一直強調產品經理一定要掌控細節(jié)。如果不掌控細節(jié)，產品的體驗一定不好的一塌糊涂。所以不能掌控細節(jié)的產品，我都讓他轉崗了，你可以做別的事情，但是做不了產品經理。其次是思考的深度，這個決定了你的天花板最終在什么地方，你想問題一定要想得深。一定要在項目里，就是整個項目談話里，你應該是想的最深的人。如果你的團隊里，有個人想到了，你沒有想到，這就是你的失職。第三點，要有判斷力。因為思考深入再夠，你的領導力再好，組織能力再強，對細節(jié)掌控能力再多，總有你沒有辦法完全掌握信息的時候。因為很多東西東西不確定性的，本身你就是在不確定性的情況下做最終的決定，這個時候你對大局的判斷力就是最重要的。其次還有商業(yè)敏感性、項目管理、數據分析、審美、運營與運銷等等。

產品經理的工作范式我是這么理解的，剛才是說要具備的基本能力，同時具備這些基本能力還要具備一些范式。所謂的范式就是套路?；揪褪沁@被一個圈，觀察、思考、表達和實踐。因為這個階段也是老生常談，現(xiàn)在大家受過產品經理的訓練，這些都知道。我這里要特別強調表達這件事情，一個產品經理的表達能力是我非?？粗氐哪芰?，尤其是現(xiàn)在做AI的時候。因為AI這個事非常多的不確定性，有很多忽悠的人在里面，有很多不靠譜的人在這面，正是因為這樣，表達這件事非常重要。一個產品經理的表達，是需要有些基本的方法的。我在這里分成這樣幾類，比如說文檔，文檔是表達的一部分，你要把這個東西寫下來呈現(xiàn)給別人，是溝通、表達的一部分。設計，有些產品經理自己做設計，有些是由設計師做的，你來做決定。然后是具像化的能力，這件事情也非常重要。你怎么樣把產品的理念變成用戶手里真正的產品，這是一個具像化的過程。

有的時候你設計稿非常漂亮，但是最后做出來總覺得哪里不對勁。還有說服的工作，協(xié)調的工作，還有展示。為什么要做展示呢？不會做展示的人，沒有辦法在領導面前出現(xiàn)，在客戶面前出現(xiàn)，你的天花板一樣會出現(xiàn)。尤其在你不同的階段，比如你剛入行一兩年可能沒有這么感覺，慢慢你會發(fā)現(xiàn)一個道理怎么把它講出來，都是那樣一個道理，都是你要想表達的意思，但是你用什么形式、用什么方式、跟什么人把它展示出來，對你以后的路有非常大的影響。然后你做實驗的時候，我強調要做復盤。不復盤的話，這個東西就沒有辦法閉環(huán)。

產品經理面臨的挑戰(zhàn)有這樣幾個，我會多說一下，然后再說一下是如何解決的。

第一個挑戰(zhàn)，需求的快速變化。因為需求有巨大的不確定性，它帶來的問題就是變化會非?？?。在這種情況下，我們對產品經理的期待或者對產品經理的要求，就是Buffer你要做一個緩沖區(qū)。這有兩層含義，第一個是需求變化很快，但是你不要很快的傳遞出去。你要想清楚這個變化意味著什么，對團隊帶來什么影響，對整個工期有什么影響。經過你的過濾之后，再把這個變化傳遞出去，這是第一個含義，就是要做緩沖。第二個就是所有的沖擊，因為Buffer的另外一個含義就是你要應對沖擊，要應對一些不確定性的東西。就是在你這兒你是第一道關，你要把它攔住，就是這個東西不應該讓你的團隊直接接觸外面這么快的變化，你要攔住。第二層就是Filter，就是過濾。因為需求很多是不靠譜的，有過高的期待，有過低的期待，都是都是不靠譜的，要過濾掉。第三就是Hunter，要尋找落地，要做一個獵手。有些同事來自很大的公司，或者做穩(wěn)定的業(yè)務。在那樣的場景下，對這個要求沒有那么多。但是做AI場景的時候，對這方面的要求特別多、特別高。因為技術在這兒，雖然目前處于這樣的狀態(tài)，但是畢竟有這樣一個東西在這兒。但是錘子在這兒，到哪兒去到釘子，是落在產品經理和一部分做業(yè)務的同事身上。

所以另外一個事情就是，就是我跟團隊的產品經理要強調的，就是面對不確定性的，PM應該是團隊中最樂觀的那個人。當然在整個公司最樂觀的永遠是CEO，我對自己要求是做任何一件事情都要盲目的樂觀。

第二個挑戰(zhàn)是技術黑盒，因為工程師一個斗牛得不得了。尤其做AI的時候，還有另外一個物種存在就是所謂的科學家，科學家最牛了，我念了20幾年書，牛得不得了。對于產品經理來說怎么辦呀？技術我又不懂，科學家又那么牛，挑戰(zhàn)在這兒，怎么辦？技術的黑盒怎么應對？我的建議是這樣，面對技術黑盒，不要嘗試打開，不要嘗試成為技術專家，一定要清楚這一點，那個就跑偏了。剛才我們說過，任何一個通用技術帶來的崗位變化，一定它需要各行各業(yè)的人，甚至各個功能、各個行業(yè)的人，一起才能把這件事情做成。不是說只有技術專家才能做成這件事情，如果你成為一個技術專家，一定是一個平庸的技術專家，不要嘗試做這件事情，得不償失。那怎么辦？要嘗試去外部定義技術，不要從內部定義技術。你要去看，從效果去定義技術，這項技術能達到什么樣的效果。

比如現(xiàn)在人工智能在圖像領域還不錯，在云不錯，也原來有很大進步，翻譯做的也還行，都是還是在實驗室里，投入到實際的場景中，也不能用。要從效果去定義。要從適用環(huán)境去定義技術，這項技術在什么樣場景下有效果，在什么樣的場景下有問題。人臉識別的技術，有些為攝像頭，就是安檢的攝像頭準備的，它要求你站的非常好，臉看著攝像頭，還得把眼鏡摘了。但是有些是在移動的場景下，各有各的不同適用場景，你要搞清楚。

要從資源消耗來定義技術。要達成這樣的效果，要消耗什么樣的資源。你要識別運動中的人的姿態(tài)跟人的臉消耗的資源，跟你在靜態(tài)實現(xiàn)的效果，消耗的資源是不一樣的，甚至會有數量級的差異。要從這個上面去看。

要從團隊配置來定義進技術。就是達成這樣的技術需要什么樣的人，這樣的人有什么樣的特點，在團隊中的角色是什么樣的。要不要前端工程師，要不要后端工程師，要不要做數據庫的，要科學家的話，要什么樣的科學家。他是做底層算法還是做模型，就是要把這件事情搞清楚。就是你從外部、效果、從團隊來定義技術，就夠了。只要達到這個效果，你就是一個技術專家了。

你團隊里的工程師，科學家就會認為你這個人很厲害，你能搞定客戶。因為你能把技術的部分，和客戶中間期待的部分彌補過來，你能把中間的橋真正架上去。這其實也是我現(xiàn)在的觀點，在現(xiàn)在的情況下，在當前的技術水平以及AI發(fā)展階段，直接把AI技術扔到客戶那邊去是不行的，會死得很難看的。中間一定是通過一個橋梁過去，通過什么橋梁？就是產品經理對產品的掌控，才能通過這個橋走過去。

所以建議一點，怎么去應對技術黑盒？就是什么樣的工作適合AI去完成？這是千百度的首席科學家說的一句話，就是所謂的一秒法則。就是如果這件事情能夠在一秒鐘做決定的話，非常有可能被AI替代。比如說自動駕駛，比你做決定的周期還要短。為什么是這樣呢？產品經理要多思考，要有思考深度。所謂的思考深度就是教條主義的反面，如果你僅僅是記住了有個東西叫一秒法則，把這個東西套在各個地方去用，這個東西就是教條主義的表現(xiàn)。你要去想為什么是一秒法則呢？它背后反映的是什么？除了現(xiàn)在技術不夠的原因之外，其實背后有這樣一些因素。就是一秒法則代表著它一定是會大規(guī)模的重復，因為你判斷很快，你一秒鐘就能做判斷，而且定限定領域。

就是它不可能牽涉到好幾個復雜的領域，你不能在一秒鐘之內做判斷的。還有特別重要的一點，也是今天關于這個話題，AI哪些部分能做，如果你以后想做AI的產品經理，一定要記住這一點，記住這一點我今天的演講就足夠了。就是快速反饋。你之所以能夠在一秒鐘之內做決策，就一定有一個非?？斓姆答?。你開車這件事情，反饋非常快，因為路況千變萬化，做的任何一個動作，向左拐還是向右拐，變化都非?？?。而且代價很大，一旦做錯了，后果很嚴重。

我原來做了非常長時間的推薦，有一個很典型的例子就是做推薦的時候，歌曲的推薦效果要比電影的效果好很多。這是為什么呢？因為聽歌從數據來看，基本上15秒鐘一定會給我一個反饋的，就是這個時間已經足夠長了，你喜不喜歡一首歌15秒鐘就會決定，大部分是3到5秒鐘，節(jié)奏一響起來就會有反饋。但是你讀一本書、看一部電影，這個可能是一個小時、一周才會給我反饋。所以能不能比較快的獲得反饋，決定了這個東西在目前的技術條件、技術水平的現(xiàn)實之下，是不是用AI去做。

這是第三個挑戰(zhàn)，就是當前AI產品經理遇到的巨大團隊方面的挑戰(zhàn)，就是他跟所有的人打交道。剛才說了場景不確定，要去找場景。要找場景最終落地的話，要跟所有人打交道。剛才說有一種特殊的物種叫做科學家，跟他們打交道會很不一樣。為什么呢？科學家的迭代周期很長，這也是前面說的，為什么現(xiàn)在沒有形成一個AI產品經理開發(fā)的范式，這有非常大的原因。就是科學家平時他的迭代周期是很長的，在座的有些同學有這種感覺?？茖W家天然跟互聯(lián)網的快速迭代，上一個可東西，慢慢改進，中間就會有沖突。帶這種情況下，我們怎么樣能夠去調整，怎么樣把這種情況納入到合理的開發(fā)范式里面去，中間取得一個平衡，這就是我說的PM，產品經理所應該具備的技能。

因為今天時間有限，后面不講太多了。前面我想說的一點是，關于在AI時代產品經理真正應該掌握的，我說了這么多，前面說了很多大話，后面又說了很多稀奇古怪的東西。屬于在座的諸位有想從事AI行業(yè)的產品經理，要接觸這一點，就是“回歸本質，回到原點”去思考問題。你在面對變化，在面對需要你做決定的時候，“回到本質、回到原點”永遠是一個出發(fā)點，這是我期待的。

這一部分我非?？斓倪^一下，就是對話。我們現(xiàn)在主要做對話機器人，現(xiàn)在對話機器人面臨的問題就是缺乏常識與自學學習能力，基本根本性的問題是沒有一個技術問題。這個跟圖像就巨大區(qū)別，因為人眼看到的圖像跟在計算機理表示的圖像是一樣的。但是語言這件事情，人聽到的語言和計算機里語言的方式是不一樣的。

我著重說一下這點，所謂的對話作為界面，就是CUI和GUI。CUI這件事情很多人覺得很火，我不覺得CUI會取代GUI 我并不同意這個觀點。就是所有CUI做的事情會被GUI會重新做一遍，但是這兩個在本質上存在差異，它們適用的場景是不太一樣的。從效率上來看，GUI比較適合做信息廣度的展示，就是頁面上有非常多的可選的東西，一眼看過去，眼睛接受量的信息要大很多。CUI是語言對話，更適合做信息深度的展示。因為它在有限的時間內的信息沒有那么多，但是它有機器效應，能夠被記住。如果是GUI的界面，你的一個流程如果有10步，你可以想象你的漏斗到了最后一步完成這件事情留下的用戶一定少得可憐。但是對話某個事情有十輪對話、二十輪對話，不是大的問題，它一定不是漏斗的形式。就是你最終信息溝通深度到什么程度，決定了它的留存，決定了它的需求。

從感受上來講，GUI是一個空間感的溝通，它更強調空間感。就是你的界面，哪個東西在界面的什么地方，決定了它的重要性?；蛘叻催^來，重要性決定了在什么地方。底下是什么東西，最底下的廣告，然后策略什么東西，這個空間感是大家對GUI的認識。對于CUI它沒有空間，它是對話或者語音，它沒有空間，就是時間感的事情決定了用戶對它的認識。GUI不太容易建立時間感，就是你是一個靜態(tài)的展示。但是CUI如果不利用時間做事情，不用時間對用戶做引導，就失去了它最有價值的點。最后一點就是在預期上，大家對GUI的預期是公共的，我看到的頁面跟其他用戶看到的頁面是一樣的。

這有一個小的故事，大概在2007年的時候谷歌做了一個嘗試，對一部分人展示個性化的展示頁面，就是搜一個詞出現(xiàn)的頁面不一樣。聽起來這是很合理的事情，但是上線了很短時間就被干掉了，因為非常多的人投訴。為什么我跟別人看到的不一樣？你們是不是做了什么手腳，一定是有陰謀，所以被干掉了。但是對于對話這件事情，用戶的預期天然就是個性化的，就是有參與感的。如果你覺得這個機器人跟你說的話，跟所有人說的話一樣，你會覺得這個機器人太蠢了，你給的東西應該就是個性化的。所以這三點是我想跟大家分享的，就是CUI和GUI的差異。

最后再強調一點，我們一致認為對話本身不是目的。對話它是一個手段，最終給用戶提供什么東西，就是冰川之下的東西真正決定了你的產品質量，就是產品的市場到底有多大。最后給大家說幾個有趣的場景可以用對話來做，就是智能投顧、銷售、理財等銷售轉化。對話式的發(fā)現(xiàn)，解釋和推薦。還有消息平臺的Landing Page。這是什么意思呢？在PC上的配置大家很熟悉，一個大的頁面特別長，或者特別有沖擊力，把你引導到什么地方去。但是在手機上或者對話界面做這種界面效率是很低的，因為本身頁面很小。你跳來臺跳去，從一個配置跳到另外一個地方肯定有丟失的。如果直接在對話里做這個Landing Page配置，我們正在嘗試。

最后落地就是我們現(xiàn)在遇到了非常多的挑戰(zhàn)，就是怎么做渠道，to B怎么做to c，中間核心的部分就是產品的服務部分。也就是產品經理真正要面對的挑戰(zhàn)，就是你把市場相關的部分跟業(yè)務相關的部分和跟技術相關的部分結合起來。