上文简述了人工智能、机器学习、深度学习和大模型的观点和关系，让大家对这些名词有了一个初步的印象。

本日我们通过一个筛选出薅羊毛用户的项目，理解AI项目从0到上线的全流程，在此过程中，大家可以理解到产品经理在每个环节中的职责和产出，对往后的学习和事情会很有帮助。

一、项目背景

有段韶光，我创造卖力的项目数据统计有些非常，细查之后，创造存在夜间偷数据的情形，大致行为路径如下：

淘宝上买一批手机号，注册新账号。

通过自动薅羊毛的办法，获取免费券等资源，详细办法有两种：

自动领取新手大礼包（有免费券）。
自动完成逐日签到、周任务等，获取积分褒奖。

夜深人静的时候，利用免费券或积分批量***数据。

亡羊补牢，犹未晚矣。
我们决定开拓一套筛选薅羊毛用户的产品，彻底堵住这个缺口。

二、产品定义

这个环节须要确定该项目的预期目标，定义要办理的详细问题。

在和运营同事沟通后，确定了产品需求如下：

在领取新手礼包或周任务褒奖时，须要用户绑定手机号（薅羊毛时大略卡一下，以免影响正常的用户体验）。
在利用券进行***操作时，判断是薅羊毛用户的概率，并根据概率高低分成 正常、疑似、高危 三类。
针对“疑似”用户，就触发 极验 或 验证码校验 等逻辑。
针对高危用户，就锁定账号，并在激活时哀求绑定微信，避免再涌现大量偷数据的情形。

个中AI干系的需求拆解如下：

基本需求：通过算法判断用户是否为薅羊毛用户，并根据概率分为 正常、疑似、高危 三类。
离线/实时模式：支持实时判断，以是该当定义为实时模型。
覆盖率：期望该模型的覆盖率为100%，面向所有用户。
方向：尽可能找出所有羊毛党，追求高“召回率”，可以接管一定程度的误报。
宁肯错杀一千，不可放过一个。

三、技能预研

产品经理把需求同步给技能，技能须要预判现有的数据和算法是否可支撑需求实现。

如果现有数据不知足需求，要么增加埋点补齐数据，要么想办法获取目标数据，要么更换成其他类似数据。

如果算法支持度不足，可能须要调度需求内容，以便达到更适配的效果。

四、数据网络

接下来，就要根据技能预研的结果，从各种来源网络须要的数据了。

产品经理须要基于对业务的深度理解，判断哪些数据、哪些特色对模型提升有帮助，把自己想到的要点和技能沟通，得到更完善的数据集，再动手去获取数据。

比如该用户是否紧张在夜间活动？操作频率是否过高？短韶光内同一台终端是否登录过多个用户？用户是否触发过新手勾引？

尽可能准确的找到羊毛党用户的特色，对模型质量的提升会有极大的帮助。

获取数据时，不局限于自身的业务数据，还可以获取公司内的中台数据，乃至可以购买第三方外部数据，或与其他公司联合建模。

五、模型构建

数据网络之后，就可以进入模型构建环节了。

模型构建紧张是技能的事情，但是产品经理也必须知道详细的构建流程，以便更好的合营和沟通，进而准确把控项目进度。

模型构建流程大概包括模型选择、特色工程、模型演习、模型验证和模型领悟等步骤，下篇文章我们会详细先容。

六、模型宣讲、评估和验收

模型构建完成后，产品经理须要组织技能宣讲演习好的模型，先容内容如下：

利用的什么算法？为什么选这个算法？选用了哪些特色。
演习集、测试集的大致情形。
模型的测试结果。
是否达到了预期？哪些指标未达预期？未达预期的缘故原由是什么。

宣讲之后，产品经理须要对模型进行评估和验收，该环节也非常主要，至于如何选择得当的评估指标，后续章节会详细先容。

如果评估结果有瑕疵，还须要对模型进行优化，优化办法可能是调度算法参数，也可能是调度特色，直到达到满意的效果为止，验收通过。

七、业务开拓并上线

验收通过之后，技能会把模型支配起来，并按之前和业务开拓同事约定的接供词给能力。

业务开拓完成相应功能后，和模型接口联调通过，就可以进入常规的走查、测试、上线流程了。

须要把稳的是，模型上线后，还须要持续监控模型的效果，若运行一段韶光后，创造模型效果有明显衰减，就须要剖析缘故原由，并针对性的升级模型。

八、总结

本文通过一个筛选出薅羊毛用户的项目，大略先容了AI产品落地的全流程。
下篇文章，我会详细先容模型构建环节的详细内容，敬请期待。

本文由 @AI小当家 原创发布于大家都是产品经理，未经容许，禁止转载

题图来自 Unsplash，基于 CC0 协议

该文不雅观点仅代表作者本人，大家都是产品经理平台仅供应信息存储空间做事。