AI 产品 PRD 文档

AI 产品 PRD 文档与传统产品 PRD 的不同主要有以下三方面的不同：

第一，模型输出。

即算法目标，你要解决的是一个分类问题还是一个回归问题（输出是一个概率还是一个连续值）。

如果是一个概率值，并且是用在分类场景中的，你还要确定是否需要进行二次加工，比如在做高潜用户预测，模型输出的是一个概率值，但这个概率值在业务场景无法使用，所以还需要映射成具体的用户等级。

第二，数据接入。

是否有数据依赖，注明已接入的数据，包括数据类型（Hive / MQ），数据量大小，更新频率，Hive 表名及格式。

第三，验收标准。

除了如 KS、AUC 等强模型指标的确定。另外还要以目标为导向编写 PRD 的验收标准，不要拘泥形式。

举个例子，在推荐系统的排序环节中，产品经理要以目标为导向将模型的评估指标写到PRD 中。如果产品是以提高 CTR（点击率） 为目标，就可以使用 CTR 作为衡量排序模型

的指标。但在电商场景中，还存在 CVR、GMV、UV 等多个核心指标，所以并不是一个CTR 指标就能决定的。这个时候，产品经理就要根据业务目标来优化排序模型的验收标准，如果公司追求的是 GMV，只单纯提升 CTR ，在一定程度上只能代表着用户体验的提升。

但算法工程师对这些点的考虑就会相对比较少，因为他们只对模型负责，不对产品负责。

因此，这正是产品经理体现个人 PRD 的价值的好时机。