第6章 实战：拆解3个你每天在用的AI产品

6.1 为什么要学会拆解AI产品？

作为AI产品经理，最重要的学习方法之一就是"拆解"——把优秀的AI产品拆开，看它的产品定位、用户需求、核心功能、AI技术、交互设计、商业模式，分析它的优点和缺点，思考怎么改进。

6.1.1 拆解的价值

• 快速学习：拆解优秀产品是最快的学习方式，比看书、听课更直观、更深入
• 培养产品感觉：大量拆解能培养你的产品感觉，让你一眼看出产品的好坏
• 竞品分析：拆解是竞品分析的基础，能帮你深入了解竞争对手
• 发现机会：通过拆解发现产品的不足和用户痛点，找到产品创新机会
• 求职准备：面试时经常会问"分析一个你常用的AI产品"，拆解能力是面试必备

6.1.2 AI产品拆解的8个维度

拆解AI产品，可以从以下8个维度入手：

1. 产品定位：这个产品是什么？解决什么问题？目标用户是谁？核心价值主张是什么？
2. 用户需求：用户在什么场景下使用？用户的核心需求是什么？用户的痛点是什么？
3. 核心功能：产品有哪些核心功能？哪些是AI驱动的？功能之间怎么配合？
4. AI技术：用了什么AI技术？（大模型、RAG、推荐算法、计算机视觉等）技术怎么支撑产品功能？
5. 交互设计：用户怎么和AI交互？交互方式自然吗？AI的回答/输出质量如何？异常处理怎么样？
6. 商业模式：产品怎么赚钱？（订阅、按次、广告、免费增值等）定价策略？成本结构？
7. 优点和缺点：产品做得好的地方是什么？做得不好的地方是什么？用户抱怨最多的是什么？
8. 改进建议：如果让你做这个产品的产品经理，你会怎么改进？优先级怎么排？

6.1.3 拆解的步骤

第一步：体验产品
  - 深度使用产品至少3-5天，体验所有核心功能
  - 记录使用过程中的感受、疑问、惊喜、不满
  - 尝试不同的使用场景，模拟不同类型的用户

第二步：收集信息
  - 查看产品官网、帮助中心、用户协议，了解产品定位和功能
  - 搜索产品相关的新闻、评测、用户评论，了解市场反馈
  - 了解产品团队和公司背景，了解产品发展历程

第三步：按维度拆解
  - 按照8个维度，逐一分析产品
  - 每个维度都要有具体的例子和证据，不要空泛
  - 重点分析AI相关的部分（AI技术、AI交互、AI效果）

第四步：总结和思考
  - 总结产品的核心优势和核心问题
  - 思考产品的发展方向和机会
  - 提出具体的改进建议，排优先级

第五步：输出拆解报告
  - 把拆解结果整理成结构化的报告
  - 配上截图和数据，让报告更有说服力
  - 发布在知乎、公众号、小红书等平台，建立个人品牌

6.2 案例1：抖音——AI推荐产品的标杆

6.2.1 产品定位

抖音是字节跳动旗下的短视频平台，定位为"记录美好生活"的短视频社区。核心是用AI推荐算法，给用户推荐感兴趣的短视频，让用户"刷到停不下来"。

目标用户：全年龄段用户，尤其是18-35岁的年轻用户。截至2024年，抖音日活用户超过7亿，是中国最大的短视频平台。

核心价值主张："你关心的，才是头条"（字节的通用理念）——用AI推荐算法，给每个用户推送个性化的内容，让用户在海量内容中快速找到自己感兴趣的。

6.2.2 用户需求

核心场景：

• 碎片化时间娱乐：通勤、排队、睡前、午休等碎片化时间，刷短视频放松
• 信息获取：通过短视频获取新闻、知识、技能、生活技巧等信息
• 社交互动：关注喜欢的创作者，点赞、评论、分享，和其他用户互动
• 内容创作：普通人也能创作和分享短视频，获得关注和收入
• 购物消费：通过抖音电商购买商品，"边看边买"

核心需求：

• 内容发现需求：海量内容中，用户不知道看什么，需要AI帮用户发现感兴趣的内容
• 个性化需求：每个用户的兴趣不同，需要个性化推荐，而不是千篇一律的内容
• 沉浸式体验需求：用户希望"无脑刷"，不需要思考选什么，AI自动推送下一个
• 创作者需求：创作者希望自己的内容被更多人看到，获得流量和收入

6.2.3 核心功能

1. 首页推荐流（核心功能）
打开抖音，直接进入全屏短视频播放，上下滑动切换视频。AI推荐算法根据用户的观看行为（观看时长、点赞、评论、分享、关注、不感兴趣），实时调整推荐内容，让用户越刷越上瘾。

2. 搜索功能
用户可以搜索关键词，找到相关的视频、用户、商品、话题。搜索结果也用AI排序，结合用户兴趣和内容质量。

3. 关注流
用户关注的创作者的最新内容，按时间或兴趣排序。

4. 创作工具
视频拍摄、剪辑、特效、滤镜、音乐等创作工具，降低创作门槛。AI功能包括：AI特效、AI滤镜、AI配乐、AI字幕、AI剪辑等。

5. 社交功能
私信、评论、点赞、分享、@好友、话题挑战等社交功能。

6. 直播功能
直播带货、直播娱乐、直播教学等。AI推荐算法也会给用户推荐感兴趣的直播间。

7. 电商功能
商品橱窗、购物车、抖音商城、小店等电商功能。AI推荐商品，"内容+电商"闭环。

6.2.4 AI技术

抖音的核心是AI推荐算法，这是字节跳动的核心竞争力。

1. 推荐算法（核心技术）
抖音的推荐算法是"协同过滤+内容理解+深度学习"的混合推荐系统：

• 用户画像：收集用户的基本信息（年龄、性别、地域）和行为数据（观看历史、点赞、评论、分享、关注、搜索、购物），构建用户兴趣画像
• 内容理解：用AI理解视频内容——视频画面识别（计算机视觉）、语音识别（ASR）、字幕理解（NLP）、音乐识别、标签提取，给每个视频打上内容标签
• 召回阶段：从海量视频中，快速召回用户可能感兴趣的几百个视频（基于协同过滤、内容相似、热门内容、关注等多路召回）
• 排序阶段：用深度学习模型（如DNN、Transformer），对召回的视频进行精准排序，预测用户对每个视频的兴趣概率（观看、点赞、评论、分享的概率）
• 重排阶段：根据业务规则（多样性、新鲜度、创作者扶持、内容安全、商业广告），对排序结果进行调整，确保用户体验和商业目标平衡
• 实时反馈：用户的每一次行为（观看、点赞、划走）都实时反馈给推荐系统，快速调整推荐结果，实现"越刷越准"

2. 计算机视觉
用于视频内容理解（画面识别、物体检测、场景识别）、AI特效（人脸特效、背景替换、美颜滤镜）、内容审核（违规内容识别）。

3. 自然语言处理
用于语音转字幕、评论理解、搜索理解、内容审核、智能客服。

4. 语音技术
用于语音识别（ASR）、语音合成（TTS）、AI配音、AI配乐。

5. 大模型（最新应用）
抖音也在接入大模型能力，如AI搜索（用自然语言搜索视频）、AI创作助手（AI写脚本、AI剪辑）、AI客服、AI对话等。

6.2.5 交互设计

优点：

• 极简交互：全屏视频+上下滑动切换，学习成本为零，老人小孩都会用
• 沉浸式体验：全屏播放，没有干扰，用户容易沉浸其中
• 即时反馈：用户的每个行为（点赞、评论、分享）都有即时反馈，互动感强
• 个性化推荐：AI推荐越来越准，用户感觉"抖音懂我"
• 内容多样性：推荐算法保证内容多样性，不会让用户一直看同一类内容，避免疲劳

缺点：

• 信息茧房：个性化推荐可能导致用户只看到自己感兴趣的内容，视野变窄
• 沉迷问题：推荐算法太"懂"用户，容易导致用户沉迷，影响工作学习和健康
• 内容质量参差不齐：为了流量，一些低质量、博眼球的内容也会被推荐
• 隐私担忧：推荐算法需要收集大量用户数据，用户担心隐私泄露

6.2.6 商业模式

抖音的商业模式是"免费+广告+电商+直播+增值服务"的多元模式：

• 广告收入（主要收入）：信息流广告、开屏广告、搜索广告、挑战赛广告等。AI推荐算法让广告精准投放，广告效率高，是字节的核心收入来源
• 电商收入：抖音电商GMV快速增长，通过佣金、服务费、广告（商家投流）获得收入
• 直播收入：直播打赏分成、直播带货佣金、直播广告
• 增值服务：抖音会员、创作者工具付费、企业服务（蓝V认证、企业号工具）
• 本地生活：到店餐饮、酒旅、休闲娱乐等本地生活服务的佣金和广告

6.2.7 改进建议

如果我是抖音的产品经理，我会考虑以下改进：

1. 打破信息茧房：在推荐流中增加"探索"模块，主动推荐用户兴趣之外的优质内容，拓宽用户视野；让用户可以调节"个性化程度"，想要更多元还是更精准
2. 防沉迷设计：强化使用时长提醒，超过一定时长强制休息；推出"青少年模式"、"专注模式"，让用户可以控制使用时间
3. 提升内容质量：推荐算法增加"内容质量权重"，扶持优质创作者，打压低质量、博眼球内容；推出"优质内容标签"，让用户更容易找到高质量内容
4. 大模型深度应用：用大模型提升搜索体验（自然语言搜索、智能问答）、创作体验（AI写脚本、AI剪辑、AI特效）、互动体验（AI评论、AI对话）
5. 隐私透明：让用户清楚知道自己的哪些数据被收集、用于什么目的；提供"推荐偏好设置"，让用户可以调整推荐算法；提供"数据导出"和"删除数据"功能

6.3 案例2：淘宝智能客服——AI对话产品的典型

6.3.1 产品定位

淘宝智能客服（阿里小蜜）是阿里巴巴旗下的智能客服系统，服务于淘宝、天猫等电商平台的消费者和商家。定位为"7×24小时智能客服"，用AI解决用户的售前咨询、售后问题、订单查询等需求，降低人工客服成本，提升用户体验。

目标用户：淘宝/天猫的消费者（咨询商品、订单、售后）和商家（客服工具、智能辅助）。

核心价值主张："秒级响应，7×24小时在线"——AI客服随时在线，快速响应用户问题，解决80%以上的常见问题，复杂问题转人工。

6.3.2 用户需求

消费者侧需求：

• 售前咨询：商品信息、规格、库存、价格、优惠、物流等咨询
• 订单查询：订单状态、物流信息、发票、修改地址等查询
• 售后问题：退换货、退款、维修、投诉、评价等问题处理
• 账户问题：登录、密码、账户安全、会员权益等问题
• 平台规则：交易规则、活动规则、维权流程等咨询

商家侧需求：

• 降低客服成本：用AI处理常见问题，减少人工客服数量
• 提升响应速度：AI秒级响应，提升用户满意度和转化率
• 7×24小时服务：非工作时间也能服务用户，不流失订单
• 智能辅助人工：AI给人工客服推荐答案，提升人工效率
• 数据分析：分析用户问题，发现商品和服务的问题

6.3.3 核心功能

1. 智能问答（核心功能）
用户用自然语言提问，AI理解用户意图，从知识库（商品信息、订单数据、政策文档、FAQ）中检索相关信息，生成回答。常见问题（物流查询、退换货政策、发票申请等）AI直接解决。

2. 订单查询和操作
AI可以查询用户的订单状态、物流信息，还可以直接帮用户操作（申请退款、修改地址、申请发票、确认收货等），不需要用户手动操作。

3. 意图识别和分流
AI识别用户意图，简单问题AI直接回答，复杂问题（投诉、纠纷、高价值客户）转人工客服，并把对话历史和用户信息同步给人工，减少重复沟通。

4. 多轮对话
AI支持多轮对话，记住上下文，用户可以连续提问，不需要重复说明。例如用户问"我的订单到哪了"，AI回答后，用户再问"能改地址吗"，AI知道是哪个订单。

5. 智能推荐
根据用户问题，推荐相关的商品、服务、帮助文档。例如用户问"有没有适合敏感肌的护肤品"，AI推荐相关商品。

6. 商家智能辅助
给商家的人工客服提供智能辅助——AI推荐答案、自动填写常用回复、智能总结对话、自动生成工单，提升人工客服效率。

7. 数据分析和洞察
分析用户问题数据，生成热点问题、用户满意度、问题分类、转化漏斗等报表，帮助商家发现商品和服务的问题。

6.3.4 AI技术

1. 自然语言理解（NLU）
理解用户的问题意图和实体。电商客服的意图很多（查询订单、退换货、咨询商品、投诉等），需要精准的意图识别和实体抽取（订单号、商品名、时间、金额等）。阿里小蜜用了深度学习模型（如BERT、Transformer）做意图识别，准确率超过90%。

2. 对话管理（DM）
管理多轮对话的状态和流程。包括对话状态跟踪（DST）、对话策略（DP）、对话生成（NLG）。电商客服的对话流程相对固定（信息收集→问题判断→解决方案→确认），用规则+模型混合的方式管理对话。

3. 检索增强生成（RAG）
AI客服的回答需要基于真实的商品信息、订单数据、政策文档，不能编造。所以用RAG技术——先从知识库（FAQ、政策文档、商品详情）和业务系统（订单、物流、退款）中检索相关信息，然后基于检索结果生成回答。这样既保证了回答的准确性，又能处理复杂的自然语言问题。

4. 知识图谱
构建电商领域的知识图谱——商品知识（品类、属性、品牌、规格）、订单知识（状态、物流、支付）、政策知识（退换货规则、活动规则）、用户知识（会员等级、偏好、历史行为）。知识图谱帮助AI更精准地理解问题和生成回答。

5. 大模型（最新升级）
阿里小蜜正在接入通义千问大模型，提升自然语言理解和生成能力。大模型让AI客服能处理更复杂的问题、生成更自然的回答、理解更模糊的用户表达。但大模型有幻觉问题，所以仍然需要RAG和业务系统来保证准确性。

6. 语音技术（可选）
语音客服场景用ASR（语音识别）和TTS（语音合成），让用户可以用语音和AI客服交流。

6.3.5 交互设计

优点：

• 响应速度快：AI秒级响应，不需要等待人工客服排队，用户体验好
• 7×24小时在线：任何时间都能服务，非工作时间也能解决问题
• 解决常见问题效率高：物流查询、退换货政策等常见问题，AI直接回答，不需要人工
• 多轮对话自然：AI能记住上下文，连续提问不需要重复说明
• 转人工顺畅：复杂问题一键转人工，对话历史同步，不需要重复描述

缺点：

• 复杂问题处理能力弱：涉及纠纷、投诉、特殊情况的复杂问题，AI处理不好，需要转人工
• 理解模糊问题能力弱：用户表达不清楚、问题太宽泛时，AI理解不准，答非所问
• 回答太机械：AI回答偏模板化，不够人性化，用户感觉在和机器人说话
• 知识库更新不及时：商品信息、政策变化后，知识库更新不及时，AI回答过时信息
• 转人工等待时间长：高峰期转人工需要排队，等待时间长，用户体验差

6.3.6 商业模式

淘宝智能客服的商业模式：

• 平台侧免费：对消费者免费，提升用户体验和平台效率
• 商家侧付费：商家使用智能客服工具需要付费（按版本、按坐席、按调用量），有免费版和付费版
• 增值服务：数据分析、智能营销、智能质检等增值服务收费
• 降低平台成本：AI客服替代大量平台人工客服，降低平台运营成本
• 提升交易效率：快速解答用户问题，提升转化率和复购率，间接增加平台收入

6.3.7 改进建议

1. 提升复杂问题处理能力：用大模型+RAG+知识图谱，提升AI对复杂问题的理解和处理能力；设计更完善的对话流程，引导用户提供更多信息，逐步解决复杂问题
2. 提升回答自然度：用大模型生成更自然、更人性化的回答，减少模板感；加入个性化元素（称呼用户、根据用户历史调整语气）
3. 知识库实时更新：建立知识库实时更新机制，商品信息、政策变化后自动更新知识库；AI回答时标注信息更新时间，过时信息提醒用户核实
4. 主动服务：从"被动回答"升级为"主动服务"——用户下单后主动告知预计送达时间，物流异常时主动提醒，售后问题主动跟进，提升用户体验
5. 情感识别：识别用户情绪（着急、生气、不满），情绪激动时优先转人工，AI回答更温和、更有同理心

6.4 案例3：WPS AI——AI增强型办公产品的代表

6.4.1 产品定位

WPS AI是金山办公旗下的AI办公助手，嵌入在WPS Office（文字、表格、演示、PDF）中，用AI提升办公效率。定位为"你的AI办公助手"，帮助用户写文档、做表格、做PPT、读PDF，提升办公效率。

目标用户：办公人群（学生、职场人士、企业用户），尤其是经常需要写文档、做PPT、处理表格的用户。

核心价值主张："AI赋能，效率翻倍"——用AI辅助办公，让用户从繁琐的文档工作中解放出来，专注于更有价值的思考和创造。

6.4.2 用户需求

文字处理需求：

• 写作辅助：写报告、写邮件、写文案、写总结，AI帮忙起草、润色、扩写、缩写
• 内容理解：读长文档、读论文、读合同，AI帮忙总结、提取要点、回答问题
• 格式排版：AI帮忙排版、调整格式、生成目录
• 翻译：多语言翻译，保持格式

表格处理需求：

• 公式辅助：不会写公式，用自然语言描述需求，AI生成公式
• 数据分析：AI帮忙分析数据、生成图表、发现洞察
• 数据清洗：AI帮忙清洗数据、去重、填充缺失值
• 表格生成：用自然语言描述，AI生成表格

演示文稿需求：

• PPT生成：输入主题，AI自动生成完整PPT（大纲、内容、排版、配图）
• 内容优化：AI帮忙优化PPT内容、提炼要点、美化排版
• 演讲辅助：AI帮忙写演讲稿、生成演讲备注

PDF处理需求：

• PDF阅读：AI帮忙总结PDF内容、提取要点、回答问题
• PDF转换：AI帮忙转换格式（PDF转Word、Excel、PPT）
• PDF编辑：AI帮忙编辑PDF内容、填写表单

6.4.3 核心功能

1. AI写作（文字）
在WPS文字中，用户可以：

• AI起草：输入主题和要求，AI生成完整文档（报告、邮件、方案、总结等）
• AI润色：选中文字，AI帮忙润色、优化表达、调整语气（正式/轻松/专业）
• AI扩写/缩写：选中文字，AI扩写更详细或缩写更简洁
• AI续写：光标位置，AI继续写下去
• AI翻译：选中文字，AI翻译成其他语言
• AI纠错：AI检查语法、拼写、用词错误

2. AI阅读（PDF/长文档）

• AI总结：上传PDF或打开长文档，AI生成内容摘要、核心要点
• AI问答：用户用自然语言提问，AI基于文档内容回答
• AI提取：AI提取文档中的关键信息（数据、日期、人名、条款）
• AI翻译：整篇PDF翻译，保持格式

3. AI表格

• AI公式：用自然语言描述需求，AI生成Excel公式
• AI分析：选中数据，AI生成数据分析报告和图表
• AI清洗：AI帮忙清洗数据（去重、填充、格式统一）
• AI生成表格：用自然语言描述，AI生成表格结构和内容

4. AI演示（PPT）

• AI生成PPT：输入主题，AI自动生成完整PPT（大纲、内容、排版、配图、配色）
• AI优化PPT：选中PPT，AI优化内容、排版、配色
• AI写演讲稿：根据PPT内容，AI生成演讲稿和备注

5. AI助手（全局）

• 全局AI助手：在WPS任何位置都可以唤起AI助手，提问和操作
• AI指令：用自然语言指令操作WPS（"帮我把这段文字改成正式语气"、"帮我生成一个销售数据图表"）
• AI知识库：企业用户可以上传企业知识库，AI基于企业知识回答问题

6.4.4 AI技术

1. 大语言模型（核心）
WPS AI的核心是大语言模型，用于文本生成、理解、翻译、摘要等。金山办公采用"自研+合作"的模式：

• 自研模型：金山办公有自己的大模型团队，研发办公场景专用大模型
• 合作模型：接入第三方大模型（如百度文心、阿里通义、MiniMax等），根据场景选择最合适的模型
• 模型路由：根据任务类型（写作、阅读、表格、PPT）和用户需求，自动选择最合适的模型，平衡效果和成本

2. RAG（检索增强生成）
对于文档阅读、企业知识库等场景，用RAG技术——先检索文档或知识库中的相关内容，然后基于检索结果生成回答，确保回答的准确性和相关性，减少幻觉。

3. Prompt工程
针对不同办公场景（写作、润色、翻译、摘要、公式生成、PPT生成），设计专用的Prompt模板，确保AI输出符合办公场景的格式和质量要求。

4. 多模态模型
PPT生成需要理解图片、排版、配色，用多模态模型；表格处理需要理解表格结构和数据，用表格专用模型。

5. 文档理解
用AI理解各种文档格式（Word、PDF、Excel、PPT）的结构和内容，提取文本、表格、图片、格式信息，为AI处理提供基础。

6. 代码生成（表格公式）
表格公式生成本质是代码生成——用自然语言描述需求，AI生成Excel公式（类似代码）。用代码生成模型（如CodeLlama、StarCoder）微调办公公式场景。

6.4.5 交互设计

优点：

• 无缝嵌入：AI功能嵌入在用户熟悉的WPS界面中，不需要切换工具，学习成本低
• 场景化入口：在合适的场景提供AI入口（选中文字出现AI菜单、空白文档出现"AI写作"按钮），用户不需要找功能
• 操作简单：用自然语言描述需求，AI自动完成，不需要学习复杂的操作
• 结果可编辑：AI生成的内容用户可以自由编辑、修改、调整，不是"黑盒"
• 上下文感知：AI能感知当前文档的内容和上下文，生成的内容更相关

缺点：

• 生成质量不稳定：AI生成的内容质量参差不齐，有时候很好，有时候很一般，需要用户大量修改
• 专业场景能力弱：专业领域（法律、金融、医疗）的文档，AI生成的内容不够专业，需要专业知识
• 长文档处理慢：长文档（几百页PDF）的总结和问答，AI处理速度慢，有时候上下文丢失
• 格式保持不好：AI生成或翻译后，文档格式经常乱掉，需要重新排版
• 隐私担忧：用户上传的文档（合同、财报、机密文件）会传给AI，用户担心隐私泄露

6.4.6 商业模式

WPS AI的商业模式是"免费+订阅"的免费增值模式：

• 免费版：基础AI功能免费，但有使用次数限制（如每天10次AI写作、3次AI总结），让用户体验AI价值
• 会员订阅（主要收入）：WPS会员/超级会员包含AI功能，不限次数使用，享受更高级的AI功能（更长文档、更多模板、更高质量模型）
• 企业版：企业用户按坐席付费，包含企业知识库、权限管理、数据安全、私有化部署等企业级功能
• 增值服务：AI模板、AI素材、AI培训等增值服务收费

6.4.7 改进建议

1. 提升生成质量：用办公场景专用大模型，在写作、表格、PPT等场景深度微调；建立质量评估体系，持续优化Prompt和模型；让用户可以选择"质量优先"或"速度优先"模式
2. 增强专业场景能力：针对法律、金融、医疗、教育等专业场景，推出专用版本，接入专业知识库和术语库；和专业机构合作，提升专业内容质量
3. 优化长文档处理：用更好的RAG和长上下文模型，提升长文档处理速度和准确性；支持分块处理、渐进式总结，让长文档处理更流畅
4. 格式保持：优化AI生成和翻译后的格式保持，确保字体、段落、表格、图片等格式不丢失；提供"格式修复"功能，一键修复格式问题
5. 隐私保护：提供本地AI模式（敏感文档不上传云端）；企业版支持私有化部署；明确数据使用政策，用户文档不用于训练模型；提供"隐私模式"，临时关闭数据上传

6.5 拆解模板和练习建议

6.5.1 AI产品拆解模板

你可以用以下模板拆解任何AI产品：

【产品名称】
【产品定位】一句话描述产品是什么、解决什么问题、目标用户是谁
【产品链接/下载地址】

一、用户需求
1. 核心使用场景：（用户在什么场景下使用？）
2. 核心需求：（用户的核心需求是什么？）
3. 用户痛点：（当前方案的痛点是什么？）

二、核心功能
1. 核心功能列表：（列出3-5个核心功能）
2. AI驱动的功能：（哪些功能是AI驱动的？AI怎么支撑？）
3. 功能流程：（核心功能的用户流程是什么？）

三、AI技术
1. 用了什么AI技术：（大模型、RAG、推荐算法、计算机视觉、语音等）
2. 技术怎么支撑功能：（技术怎么实现产品功能？）
3. 技术亮点和不足：（技术上有什么亮点？有什么不足？）

四、交互设计
1. 交互方式：（用户怎么和AI交互？对话式？指令式？嵌入式？）
2. 优点：（交互设计做得好的地方）
3. 缺点：（交互设计做得不好的地方）
4. 异常处理：（AI出错、理解不了时怎么处理？）

五、商业模式
1. 收入模式：（产品怎么赚钱？订阅？按次？广告？免费增值？）
2. 定价策略：（价格是多少？怎么定价的？）
3. 成本结构：（主要成本是什么？模型调用？人力？算力？）
4. 商业亮点：（商业模式有什么亮点？）

六、优缺点总结
1. 核心优势：（产品最大的3个优势）
2. 核心问题：（产品最大的3个问题）
3. 用户评价：（用户普遍的好评和差评是什么？）

七、改进建议
1. 短期改进（1-3个月）：（可以快速落地的改进）
2. 中期改进（3-6个月）：（需要一定开发量的改进）
3. 长期改进（6个月以上）：（战略层面的改进）
4. 优先级排序：（按价值/难度排优先级）

八、个人收获
1. 学到了什么：（从这个产品中学到了什么？）
2. 可以借鉴的地方：（哪些设计可以用到自己的产品中？）
3. 需要避免的坑：（哪些问题需要避免？）

6.5.2 练习建议

1. 每周拆解1个AI产品
养成习惯，每周花2-3小时拆解1个AI产品，坚持3个月，你会对AI产品有深入的理解。可以从你每天都在用的产品开始（抖音、淘宝、微信、WPS、飞书等），然后扩展到你不熟悉的产品。

2. 拆解后输出
拆解后一定要输出——写成文章发布在知乎、公众号、小红书，或者整理成笔记。输出的过程是深度思考的过程，比只看不写效果好10倍。而且输出可以建立个人品牌，对求职和职业发展有帮助。

3. 和他人讨论
拆解后和朋友、同事讨论，听听不同的视角。你会发现很多你没注意到的点，讨论能让你的理解更深入。

4. 关注产品更新
关注你拆解过的产品的更新，看它做了什么改进，验证你的改进建议是否被采纳。这能让你持续学习，也能让你对产品发展有更深入的理解。

5. 尝试自己做
拆解后，如果有想法，可以自己动手做一个简单的原型（用Dify、Coze、Figma等），验证你的想法。做的过程中你会发现很多拆解时发现不了的问题，学习效果更好。

6.5.3 推荐拆解的AI产品清单

以下是一些值得拆解的AI产品，按类型分类：

对话式AI：ChatGPT、Claude、文心一言、豆包、Kimi、Character.AI

生成式AI：Midjourney、Stable Diffusion、Sora、Runway、ElevenLabs、Suno、GitHub Copilot、Cursor

AI Agent：Devin、Microsoft Copilot、Perplexity AI、飞书智能伙伴、AutoGPT

垂直行业AI：同花顺i问财（金融）、推想医疗（医疗）、创新奇智（制造）、松鼠AI（教育）、幂律智能（法律）

AI增强型产品：抖音（推荐）、淘宝智能客服（客服）、WPS AI（办公）、Figma AI（设计）、Notion AI（笔记）、飞书AI（协作）

AI平台/基础设施：OpenAI API、Dify、Coze、Milvus、LangChain

6.6 本章小结

拆解AI产品是AI产品经理最重要的学习方法之一。通过拆解优秀的AI产品，你能快速学习产品设计思路、AI技术应用、商业模式，培养产品感觉。

核心内容回顾：

拆解的8个维度：产品定位、用户需求、核心功能、AI技术、交互设计、商业模式、优缺点、改进建议。

拆解的5个步骤：体验产品→收集信息→按维度拆解→总结思考→输出报告。

3个实战案例：

1. 抖音（AI推荐产品）：核心是AI推荐算法（用户画像+内容理解+召回+排序+重排+实时反馈），优点是极简交互和沉浸式体验，缺点是信息茧房和沉迷问题，改进方向是打破信息茧房、防沉迷、大模型深度应用
2. 淘宝智能客服（AI对话产品）：核心是NLU+对话管理+RAG+知识图谱+大模型，优点是响应快和7×24小时在线，缺点是复杂问题处理弱和回答机械，改进方向是提升复杂问题处理、回答自然度、主动服务
3. WPS AI（AI增强型办公产品）：核心是大模型+RAG+Prompt工程+多模态+文档理解，优点是无缝嵌入和场景化入口，缺点是生成质量不稳定和专业场景弱，改进方向是提升生成质量、专业场景能力、隐私保护

练习建议：每周拆解1个AI产品，拆解后输出，和他人讨论，关注产品更新，尝试自己做原型。坚持3个月，你会对AI产品有深入的理解。

学会拆解，你就掌握了AI产品经理的核心学习方法。在后续的工作和学习中，持续拆解优秀产品，���会快速成长为优秀的AI产品经理。

📝 本章练习（5题）

答案与解析请在 互动学习看板 中作答查看。

📚 AI产品经理实战训练营 课程目录（44 章）

1. 第1章 AI产品经理是做什么的？和传统PM有什么区别？
2. 第2章 2026年AI产品经理就业市场：哪些行业在招？薪资多少？
3. 第3章 零经验转行AI产品经理的3条路径
4. 第4章 AI产品全景图：从聊天机器人到Agent，一文搞懂
5. 第5章 AI产品经理能力模型：你需要掌握哪些技能？
6. 第6章 实战：拆解3个你每天在用的AI产品
7. 第7章 大模型是什么？用大白话讲清楚
8. 第8章 主流大模型对比：GPT-4o、Claude、DeepSeek、豆包、Kimi怎么选？
9. 第9章 Prompt入门：写好提示词的5个原则
10. 第10章 Prompt进阶：System Prompt、COT思维链、Few-shot示例
11. 第11章 结构化输出：让大模型返回JSON、表格、代码
12. 第12章 Prompt优化实战：从垃圾Prompt到高质量Prompt
13. 第13章 大模型的"幻觉"问题：产品经理怎么应对？
14. 第14章 实战：为一个智能客服设计完整Prompt体系
15. 第15章 RAG是什么？为什么企业都在做知识库？
16. 第16章 RAG工作原理：文档→分块→向量→检索→生成
17. 第17章 向量数据库选型：Milvus、Pinecone、Chroma、pgvector怎么选？
18. 第18章 Embedding模型选型：OpenAI、BGE、M3E、GTE对比
19. 第19章 Reranker重排序：让检索结果更精准
20. 第20章 查询改写与混合检索：提升召回率的实战技巧
21. 第21章 知识库运营：文档治理、更新机制、效果监控
22. 第22章 实战：从零搭建一个企业知识库（完整流程）
23. 第23章 Agent是什么？和聊天机器人有什么区别？
24. 第24章 Agent核心能力：感知、规划、工具调用、记忆
25. 第25章 主流Agent框架与协议：Agent Harness、MCP、A2A全解析
26. 第26章 工具调用（Function Calling）原理与实战
27. 第27章 Agent记忆系统：短期记忆、长期记忆、向量记忆
28. 第28章 多Agent协作：多个智能体怎么分工配合？
29. 第29章 Agent评估体系：成功率、成本、延迟怎么监控？
30. 第30章 实战：设计一个制造业生产异常处理Agent
31. 第31章 AI产品需求分析：怎么识别真需求还是伪需求？
32. 第32章 AI产品竞品分析：怎么调研和拆解竞品？
33. 第33章 AI产品PRD撰写：技术可行性、数据需求、评估指标
34. 第34章 AI产品原型设计：对话流、状态机、异常处理
35. 第35章 AI产品数据指标体系：从DAU到模型准确率，全面监控
36. 第36章 AI项目管理：从需求到上线的全流程管控
37. 第37章 实战项目1：从零搭建制造业AI智能质检系统
38. 第38章 实战项目2：从零搭建企业级AI知识库（RAG系统）
39. 第39章 AI产品经理简历优化：让HR一眼看中你
40. 第40章 项目经验包装：把普通项目讲成亮眼案例
41. 第41章 AI产品经理面试常见问题：提前准备，从容应对
42. 第42章 案例分析面试：用结构化思维征服面试官
43. 第43章 薪资谈判：拿到你应得的报酬
44. 第44章 入职前3个月：快速站稳脚跟，建立信任