越是面對重重迷霧，越是面對至關重要的事(shì)情，企業家越想看(kàn)得(de)更遠(yuǎn)，看(kàn)得(de)更早，看(kàn)得(de)更清晰。看(kàn)清趨勢，不僅對企業重要，對于産品經理(lǐ)也是如(rú)此。

雷軍說(shuō)：

我相(xiàng)信過很多東西，比如(rú)：聰明加勤奮天下無敵。但(dàn)40歲時發現，1％的靈感超過了99％的汗水。主流教育告誡大(dà)家要勤奮，我覺得(de)勤奮是基本功，重點還(hái)是要把握大(dà)勢。

做産品要順勢而爲！

正如(rú)我們站(zhàn)在任何一個曆史時間點上所看(kàn)到的那樣，AI趨勢正在裹挾着一切。企業主渴望用預判需求和趨勢，來(lái)抵消内心的不安全感以及對未來(lái)的無知，通過這些趨勢和預言，老闆們希望能夠減少無謂的開發浪費，提高産品生(shēng)命的效率，提早爲可(kě)能到來(lái)的變革做好準備。

越是面對重重迷霧，越是面對至關重要的事(shì)情，企業家越想看(kàn)得(de)更遠(yuǎn)，看(kàn)得(de)更早，看(kàn)得(de)更清晰。看(kàn)清趨勢，不僅對企業重要，對于産品經理(lǐ)也是如(rú)此。

最近幾年(nián)産品經理(lǐ)界發生(shēng)了許多重要的變化：

• 一方面，比如(rú)：AI技術(shù)應用于淘寶類的千人(rén)千面系統、AI技術(shù)應用于抖音的個性化偏好系統、AI技術(shù)賦能智能客服造成部分(fēn)客服人(rén)員(yuán)結構性失業、AI技術(shù)應用于美顔相(xiàng)機、AI技術(shù)應用于協助醫生(shēng)看(kàn)片子，AI技術(shù)賦能AGV機器人(rén)造成部分(fēn)工(gōng)人(rén)結構性失業、AI技術(shù)賦能金融投顧等等。
• 另外一方面之前火(huǒ)熱(rè)的區塊鏈虛拟币産品、P2P産品的瞬間階段消融，以及遊戲産品因爲發行權制定調整的趨冷(lěng)，小程序類産品在存量裡(lǐ)找增量等。

下面是筆者拜訪完BAT/TMD/等等一系列大(dà)小廠(chǎng)家一線産品負責人(rén)後，觀察到的2019年(nián)包含AI在内的小趨勢！供産品經理(lǐ)提早預判行業邊界的消亡、抓住産品載體(tǐ)叠代裡(lǐ)的機會！

一、驅動2019年(nián)産品經理(lǐ)的差異點

2019年(nián)将是産品經理(lǐ)由外功開始重視内功的年(nián)份，下圖是筆者根據與BAT/TMD和衆多廠(chǎng)商一線産品負責人(rén)交流，由我總結得(de)出的産品經理(lǐ)功力表：

有内功的産品經理(lǐ)明白(bái)趨勢知道時下應該提出何種需求，而不是異想天開的提需求而造成需求與企業的發展階段不匹配。

産品經理(lǐ)隻有判斷清楚趨勢了解公司的環境才能提出恰當的需求，隻有需求恰當才能減少與開發的矛盾，産品方案才能獲得(de)公司全體(tǐ)的力量支持。

例子：

筆者與美團快(kuài)驢産品負責人(rén)交流快(kuài)驢爲啥2018年(nián)才重視B端商家菜米酒鹽供應鏈的需求，而不是像在2012年(nián)就(jiù)有創業公司幫飯店(diàn)提供柴米油鹽的供應，然後創業公司項目失敗了。

原因有4：

1. 是有内功的産品負責人(rén)發現美團快(kuài)驢具備了内功且競對餓了麽有菜已經提供了這項服務。
2. C端外賣流量至頂，再打C斷ROI不如(rú)B端效率高。
3. 各冷(lěng)鏈物流近幾年(nián)發展沉澱能夠承載飯菜對生(shēng)鮮菜品的述求。
4. “快(kuài)驢”的商家後台系統，早已爲美團外賣商家提供财務對賬、商品管理(lǐ)等服務已經有了B端基礎的沉澱。

聰明的産品經理(lǐ)一定已經發現，這些原因皆是内功。有内功的産品經理(lǐ)會明白(bái)即使你(nǐ)的交互、界面、功能比微信好你(nǐ)的IM類産品也依然滅不了微信，因爲微信産品的内功不是這些，内功是騰訊多年(nián)強大(dà)的社交網絡效應，能夠快(kuài)速支撐微信建立這種網絡效應，從(cóng)而打敗當時同期火(huǒ)熱(rè)的米聊。道理(lǐ)一樣，一般的企業産品提出爲飯店(diàn)提供菜米酒鹽的平台一定先要了解自(zì)己的内功。

内功和外功之間的重要性，就(jiù)像後世《武林外傳》裡(lǐ)的錢掌櫃說(shuō)的一樣：“爲什麽同樣的招數，有的人(rén)使出來(lái)平平無奇，有的人(rén)使出來(lái)卻驚天動地”。

2019年(nián)沒内功的産品經理(lǐ)與有内功的産品經理(lǐ)，将是區分(fēn)普通産品經理(lǐ)與牛逼産品經理(lǐ)的一道坎！

二、學會處理(lǐ)“數”和“術(shù)”

“數”大(dà)數據，“術(shù)”AI算法，2019及以後的産品經理(lǐ)是處理(lǐ)“數”和“術(shù)”方面産品的高手。

一定時期内如(rú)果我們把人(rén)工(gōng)智能看(kàn)成一個嗷嗷待哺擁有無限潛力的嬰兒，某一領域專業的海量的深度的數據就(jiù)是喂養這個天才的奶粉。奶粉的數量決定了嬰兒是否能長大(dà)，而奶粉的質量則決定了嬰兒後續的智力發育水平。

與以前的衆多數據分(fēn)析技術(shù)相(xiàng)比，人(rén)工(gōng)智能技術(shù)立足于神經網絡，同時發展出多層神經網絡，從(cóng)而可(kě)以進行深度機器學習。與以往傳統的算法相(xiàng)比，這一算法并無多餘的假設前提（比如(rú)：線性建模需要假設數據之間的線性關系），而是完全利用輸入的數據自(zì)行模拟和構建相(xiàng)應的模型結構。這一算法特點決定了它是更爲靈活的、且可(kě)以根據不同的訓練數據，而擁有自(zì)優化的能力。

筆者與阿裡(lǐ)大(dà)數據部門(mén)交流發現，時下Alibaba怎麽處理(lǐ)部門(mén)間數據互通這件(jiàn)事(shì)情的呢(ne)？

很簡單，首先是找出大(dà)家有意願共用的部分(fēn)，暫稱爲企業内的公共數據，然後安排資源把這一部分(fēn)先建設起來(lái)。選擇公共數據也有一定的技巧，簡單歸類就(jiù)是：各部門(mén)已經在高頻率但(dàn)低效率的單線流通的數據，被野蠻重複複制到各部門(mén)的相(xiàng)同數據，大(dà)家都(dōu)有意願首先标準化的數據。

當這些帶有公共性質的核心數據建立起來(lái)之後，大(dà)家就(jiù)能更容易地感受到數據高質量流通的意義及好處，要保證這些數據的質量和新鮮度也相(xiàng)對變得(de)容易了。

數據産品經理(lǐ)要明白(bái)數據第二使用權的合規性在大(dà)廠(chǎng)裡(lǐ)變得(de)非常微妙，大(dà)數據背後的邏輯是數據積累越多越好。在過去(qù)兩三年(nián)，很多企業都(dōu)相(xiàng)信有了大(dà)量數據資源後，就(jiù)能對企業的業務産生(shēng)更大(dà)價值。

但(dàn)人(rén)們往往很快(kuài)就(jiù)會發現，除了技術(shù)能力之外，如(rú)何妥當地管理(lǐ)、利用這些資源并非易事(shì)——安全合規是一方面，降低數據使用的阻力及風(fēng)險也是困難重重。

筆者總結“數”和“術(shù)”的觀點是在大(dà)廠(chǎng)“術(shù)”（算法）比“數”（數據）重要，小廠(chǎng)反之！

三、由單獨的純軟/純硬到AI賦能軟硬協同化産品

時下進入2018年(nián)的尾聲，筆者受邀到深圳某獨角獸公司分(fēn)享産品經理(lǐ)知識，這家産品線負責人(rén)先問(wèn)筆者：有沒有軟硬一體(tǐ)的書(shū)或者課程。筆者就(jiù)推薦了筆者的新書(shū)《AI賦能-AI重新定義産品經理(lǐ)》和《入門(mén)成爲AI産品經理(lǐ)》課程，因爲筆者以前出過一本《AI+時代産品經理(lǐ)的思維方法》一書(shū)主要講的是思維方法，而新書(shū)是把軟件(jiàn)産品和硬件(jiàn)産品逐個分(fēn)析後首次在國(guó)内把軟硬件(jiàn)産品系統協同化看(kàn)待。

以下是獨角獸公司産品負責人(rén)與筆者聊天記錄，相(xiàng)信也是部分(fēn)讀(dú)者關心的問(wèn)題。

由單獨的純軟件(jiàn)産品或者純硬件(jiàn)到AI賦能軟硬件(jiàn)整體(tǐ)産品是2019年(nián)及以後的産品趨勢，原因有2：

• 其一、産品隻有軟硬整體(tǐ)化且由AI賦能軟硬件(jiàn)整體(tǐ)産品，終端用戶體(tǐ)驗才能更棒，後台的AI能力即算法數據能夠直接遷移到終端，終端更懂(dǒng)用戶，從(cóng)而用戶體(tǐ)驗更棒。
• 其二、軟硬整體(tǐ)化後科(kē)技網絡公司能夠獲取更生(shēng)态的用戶數據，即用戶畫(huà)像更精準。例如(rú)：谷歌既有終端應用智能手機、智能音響，也有操作(zuò)系統，還(hái)有芯片這樣谷歌就(jiù)能獲得(de)更精準的用戶畫(huà)像。

AI賦能軟硬協同化的熱(rè)門(mén)例子：

不僅360，其他(tā)大(dà)廠(chǎng)也有在應用軟件(jiàn)層面做到頭後可(kě)以做軟硬一體(tǐ)産品的趨勢，例如(rú)：阿裡(lǐ)在電商軟件(jiàn)應用到達一定地位甚至至極後，開始做底層芯片“平頭哥”，做操作(zuò)系統阿裡(lǐ)OS。然後整體(tǐ)推出阿裡(lǐ)新零售、阿裡(lǐ)雲等軟硬整體(tǐ)系統産品。

四、産品經理(lǐ)和程序員(yuán)擺脫天敵對壘

傳統産品經理(lǐ)跟程序員(yuán)産生(shēng)天敵之感的原因是：

1. 背景不同：産品經理(lǐ)不是由高校(xiào)專業培養的，社會對産品經理(lǐ)的需求尤其是對AI産品經理(lǐ)的需求十分(fēn)緊張，導緻産品經理(lǐ)是應急上崗，理(lǐ)論儲備和實踐能力儲備不足。而程序員(yuán)在高校(xiào)，一般經過系統的邏輯的理(lǐ)論和或多或少的訓練，這兩者之間的知識背書(shū)不同。
2. 關系不同：産品經理(lǐ)往往是需求的提出方，且有些需要産品經理(lǐ)腦洞很大(dà)，而程序員(yuán)是需求的接收方，實現方。受和攻如(rú)果沒有磨合好矛盾自(zì)現。
3. 業務理(lǐ)解不同：這一點也是最關鍵的，試想如(rú)果是一家公司的BOSS自(zì)己是産品經理(lǐ)，程序員(yuán)不會跟BOSS産品經理(lǐ)大(dà)打出手的原因僅僅是一個他(tā)即是老闆又是産品經理(lǐ)嗎(ma)？明顯不是，主要原因是BOSS産品經理(lǐ)對業務的理(lǐ)解十分(fēn)深刻。

而未來(lái)年(nián)份AI趨勢裡(lǐ)AI産品經理(lǐ)自(zì)身(shēn)的基本素養，即AI産品經理(lǐ)上山(shān)下鄉，筆者在前面的文章(zhāng)《AI産品經理(lǐ)的三重門(mén)》一文中有細說(shuō)。這樣AI産品經理(lǐ)就(jiù)是最懂(dǒng)業務的，另外由于AI産品經理(lǐ)包含傳統産品經理(lǐ)，這樣AI産品經理(lǐ)也有了一定的與程序員(yuán)溝通的經驗了自(zì)然與程序員(yuán)天敵之說(shuō)就(jiù)可(kě)以避免不少。

五、幾種需求小趨勢

1. 小趨勢一：2C類産品小于2B類産品的需求，這裡(lǐ)2B類産品包含AaaS（Analytics as a Service）/AI_SaaS等B類産品。
2. 小趨勢二：教育類知識付費類産品講出現聚類，即例如(rú)起點學院一類的産品将越來(lái)越細分(fēn)。比如(rú)：講解AI産品經理(lǐ)課程，筆者将從(cóng)産品經理(lǐ)的基本知識、數據挖掘、AI賦能、AI産品創業、AI即将出版的書(shū)籍《AI賦能—AI重新定義産品經理(lǐ)》。将傳統AI和産品經理(lǐ)的實戰和理(lǐ)論，從(cóng)而能夠戰訓結合幫助PM。
3. 小趨勢三：支付寶、微信、百度小程序類産品需求的小趨勢是周邊生(shēng)活服務類、輕體(tǐ)驗類、腦洞大(dà)的小遊戲類，試圖代替傳統強勢APP的小程序将消失。
4. 小趨勢四：AI賦能将深度下沉和實用，例如(rú)：AI賦能于金融、醫療、輔助駕駛、教育、營銷等。

想知道原因的期待與筆者溝通交流，筆者相(xiàng)信在移動互聯網C端流量見(jiàn)頂後，企業将更加需要有内功的産品經理(lǐ)，我們一起學習，因爲知識永遠(yuǎn)比時間更長。

文章(zhāng)來(lái)源：西部數碼新聞資訊門(mén)戶 » 你(nǐ)有沒有想過，2019年(nián)産品需求的趨勢是什麽？