近些年来，关于AI 的讨论有许多，也有不少人工智能相关的工业与产物在不停生长着。不外，对产物司理来说， AI 能否应用在产物需求分析上呢？为打造一款产物做出更好的资助吗？笔者将为我们带来一系列的分析。

AI人工智能技术是否可以资助我们更好的分析用户对产物的需求呢？有什么好的使用方法和案例吗？

由于事情需要，近些年研究了许多海内外的AI人工智能产物，也做了一些项目，因此我想做一系列关于如何将AI人工智能技术应用于产物、营销与运营的文章，把自己的一些研究沉淀一下，也希望对读者有些启发和资助。

在我们的事情中一般需求会有许多泉源，包罗：

基本是通过看看竞品的功效时发现的或者以为用户可能会有这样那样的需求，这种需求缺乏数据支持，是否是用户需要的还待验证。

大部门也是意淫的，少部门参考用户反馈和竞品，一样缺乏数据支持，是否是用户需要的还待验证。

这种需求说是来自客户，但销售往往更体贴的是自己业绩和成单，因此许多是来自销售自己的大客户，或者是那些销售有望成单的客户，因此这些需求往往会被夸大或者提到比力高的位置。另外用户的实际场景可能在与销售相同中被曲解。

客服反馈的用户需求相当比力公正，因为没有许多的业绩身分在。但需要建设一个良好的需求反馈渠道，另外与销售反馈的需求一样，客服人员大多对产物需求和功效的明白专业度不够，导致一些需求被曲解，或者遗漏。

这种一手需求我认为是最靠谱的，在相同历程中可能深度相识用户的场景和真实需求。但问题是太费时间了，平常事情许多，一天能深度聊4-5个用户就不错了，收集的需求是否有普遍性，缺乏数据支持。效果最后还是靠感受了。

可见许多时候产物在判断用户的需求的时候是没有什么数据支持的，或者是基于很小的数据样本，这很容易导致产物偏向上的错误，也让我们遗漏了需求与机缘。

那么我们是否可以通过人工智能技术资助我们判断用户的需求，而且以数据为基础指导我们产物偏向呢？

谜底是肯定的，下面我枚举一些偏向：

用户与企业的相同内容在那里？大部门在客服电话、销售电话、在线对话、工单、产物评论、信息中。

这些内容中什么类型的都有，有投诉的、有通例问题咨询，固然也存在大量关于产物需求的内容。

我们可以通过AI语义分析把这些有谈及产物需求的内容提取出来，怎么做？ 我给些示例：

（1）将用户与销售与客服的电话内容转换为文本并提取用户需求

通过将对话录音文件转换为文本对话内容，在通过语义模型规则识别其中提及用户需求的对话内容，快速在大量的日常对话中收集用户需求，而且产物司理可以通过文本内容快速看到用户的需求详情以及上下对话内容，相识用户场景。

（2）通过语义分析模型对用户需求内容自动分类

许多时候用户的需求被隐藏在茫茫的信息中，产物司理一般来说没有时间把所有的用户对话内容，相同内容都看一遍，然后对需求举行分类。

可是，AI人工智能是可以的，只有稍微举行训练就可以建立一个适合自己产物的语义分析模型，批量对逐日所有的相同记载举行分析，发现和需求相关的对话内容，然后自动举行分类整理，好比新需求、缺陷问题、哪个产物、哪个模块等。

（3）通过语义分析情感模型自动判断用户对功效的感受

除了分类，我们还需要判断用户对功效反映，是正向还是负向，这有助于后续统计和分析新功效上线后的用户感受。

好比这些年比力盛行的产物反馈权衡尺度：NPS （净推荐值）可以直接使用情感分析模型得出。（终于不用一次次的发邮件和微信推送了。）

通过AI人工智能技术产物可以快速实时的发现用户需求，需求的模块，需求分类，并通过上下文相识第一手的用户需求，利便快速。

通过AI人工智能技术我们可以对大量的用户相同信息举行批量扫描，自动挖掘与产物需求相关的内容，在自动分类并判断。

可以说，我们完成了将非结构话数据转为结构化数据的历程，然后我们要做什么？

建立实时的数据看板，通过数据来指导我们的产物需求和偏向。这里可以用一些BI工具，好比微软免费的PowerBI， 或者功效很强大，上手很简朴，我小我私家最喜欢的Tableau来做数据看板，这些数据看板可以实时更新并分享给整个产物，研发，运营团队使用。