随着ChatGPT的不断优化和改进以及人们对于AI技术使用的接受度逐渐升高，围绕ChatGPT的应用将会普及开。本文聊聊在ChatGPT浪潮下，产品人如何打造自己护城河？一起来看看吧。

当下ChatGPT作为其中一种生成式AI模型，已经在很多领域得到了成功的应用，比如聊天机器人、语音助手、文本摘要等。

可以预计，在未来随着ChatGPT的不断优化和改进，以及人们对于使用AI技术的接受度上升，围绕ChatGPT的应用将会快速普及开来。

01 新时代下产品经理的护城河探寻

当前，生成式AI技术的快速发展正在改变整个产业和社会格局。那么作为产品经理面对当前生成式AI大爆发的这个时代，我们要如何去探寻自己的护城河呢？

首先一个大原则，我们不能排斥新事物，而应该去接受并学习使用。

生成式AI虽然是一项新兴技术，但它已经在许多领域取得了不俗的成果，比如智能客服、自然语言处理、内容创作等。这要求我们从现在开始就必须要去深入了解生成式AI的基本原理、应用场景和工具软件，以便更好地利用它为自己的产品建设提供助力。

那么作为产品经理，我们需要认真思考如何利用这个浪潮来获得竞争优势。具体而言在面对生成式AI时，我们应该扬长避短。

避短：意味着我们不应该试图与生成式AI比产出能力，而应该将更多精力用于决策和战略的制定。虽然生成式AI可以通过分析各种数据来给出最佳方案，但是它仍然无法取代人类在某些领域的工作。因此，我们应该注重发挥自己的决策能力，在产品规划和需求分析、产品测试和改进等方面发挥人性化思维，为产品的发展注入智慧。

例如：这是我让chatGPT帮我做的需求分析：

可以清楚的看到需求归类/需求点拆分，在chatGPT这里已经能很轻松的完成了，而且这种整理是以秒级响应完成的。

可以试想我们将业务方平时给我们提报需求的语言直接告诉chatGPT，它就能帮助我们快速拆解出一份完整的功能清单，这对我们来说是多么高的工作效率提升（但是如果让老板看见了，我们肉眼可见的未来就是很多初级产品经理存在的意义就没有了=裁撤）

扬长：则是要充分利用产品经理的决策能力优势，与生成式AI相互配合，从而建设出更好的产品。

在这其中我们首先需要分析生成式AI能帮助我们在这个时代浪潮中获得什么，或者通俗来说能帮助我们什么？

目前生成式AI技术的主要原理是根据大量数据进行模式识别和推理，从而输出新的数据和信息。故此我们可以从以下几方面入手：

（1）提高产品的智能化水平：通过运用生成式AI技术，我们可以改善产品的智能化程度，提高用户体验。例如，在智能客服领域，我们可以使用生成式AI技术制定自动回复策略，从而更好地满足用户的需求。

（2）解决产品历史场景痛点：生成式AI技术可以帮助我们解决历史场景中的痛点，从而为产品的拓展和升级提供更多可能性。例如，在内容创作领域，我们可以利用生成式AI技术自动生成文章大纲、标题、段落等，从而降低社区内创作者的创作门槛，提升社区的内容丰富度，解决一个社区冷启动与搭建的历史性大难题。

通过这两个方向我们不难总结出来，扬长就是要发挥产品经理的决策能力，因为目前为止我们和生成式AI比拼下来最大的优势就是决策能力，也就是根据当前业务现状分析并发现问题，并决策下一步方向的能力。

作为一个可以感知物理世界的人，我们天然就能更敏锐的感知现状（人情世故/背后利益链条/话外之音/业务关系/老板没有说出口放在心中的话/销售数据/业务数据等），在觉察到这些后，我们可以运用自己的专业知识，结合数据和各个碎片化信息，综合分析当前业务现状趋势和潜在问题，来为公司制定出更为明智的产品发展方向。

那此时一个棘手的问题又来到了我们的面前，我们要如何快速诊断业务现状并发现问题呢？

答案很明确了：在当前生成式AI大行其道的现在，对于产品经理来说最紧缺的能力就是培养数据分析与决策能力，因为通过数据分析能快速帮助我们识别现状而后进行决策，这就是现阶段产品经理的护城河。

02 现阶段产品护城河全貌

那么究竟什么是数据分析与决策能力呢？

首先数据分析的本质是对当前进行的业务，搭建起一个可视化洞察服务评价体系，来判断自己当前的业务是好是坏！

不要小瞧这句话，不仅仅在现在，在前AI时代真正从事过大型业务系统设计的产品负责人，肯定会接受过业务方老大这样的灵魂拷问：

是的，你的系统已经可以承载我们的日常业务运作了，但是每年这么多信息化投入，除了流程建设外，信息系统还有什么价值呢？

我们是不是可以缩减信息化投入了？

而当下在生成式AI已经能帮助我们快速给出方案后，如何给生成式AI提需求就是我们现阶段最大“产品人需求”，那么这两者的前提就是我们要能快速的主动发现问题，而不再是等待业务给出具体需求，因为他们此时多了一个选项可以去问“ChatGPT”。

具体来说数据分析与决策能力在实际业务中的用途：

（1）功能收益评价：新上线的安全库存管理功能，让库存周转率由3.2天下降到1.6天；

（2）需求方向定义：通过数据分析发现注册转化率环节只有20%，产品层面有无改进空间？

（3）运营方向定义：当前产品的广告在抖音、小红书、B站都有投放，点击购买率分为12%，33%，9%，下一季度的广告预算我们应该投放在哪？

（4）企业管理方向：一季度产品续费率下跌了17%，产品剩余付费用户年收入只有10余万，系统维护成本年约20万，此时这个产品线砍还是不砍？

（n）……

在现在这个时代，产品人只搞好原型设计其实就离下岗不远了，要想有能力护城河，我们就必须要掌握数据驱动能力。

这一切也就是说：要求我们每个产品人从一个被动信息化建设者，变成企业业务“诊断者”，能帮助企业分析业务，找到问题，同时还能以出色的执行能力，完成信息化系统的建设。

那么这里用大白话再说透一些，所谓数据决策能力提升，其实就是如下的三段式任务：

1. 识别业务问题
2. 细化是什么问题
3. 问题方向拆解

但是大家都知道整个企业的业务增长生命周期可以分为如下5个匹配点。

（1）痛点与解决方案匹配（PSF）：真正挖掘到目标市场的痛点并能找出解决方案；

（2）产品与市场匹配（PMF）：创造能解决目标市场痛点的可规模化解决方案产品；

（3）渠道与产品匹配（CPF）：寻找能低成本且快速推广的渠道，帮助产品推向市场；

（4）企业与市场匹配（EMF）：在不断开拓市场中，不断调整企业结构以适应发展；

（5）下一个增长周期。

既然企业业务阶段不同，所需要的数据分析能力一定是不同的，那么我们要如何去快速抓住数据分析领域的核心进行把握呢？

在这里我为大家推荐一套企业业务全生命周期的数据分析底层模型，也就是将所处的不同的业务阶段所需要掌握的数据分析与决策的能力为大家汇总了一个能力地图，这里我将其简称为4F模型。

本图出处《高阶产品经理必修课》一书

大家可以根据该图去判断当前自己产品所处的阶段，并逐个利用该阶段中对应的工具进行分析来帮助自己识别业务现状存在的问题。

当然该图更多是产品各阶段的分析工具与方法，以及产品迈向下一步的检验条件，这些都是死的东西。在当下这场人与机器的比赛中，我们一定要快速建立起自己的护城河，我相信不远的未来必然是行业内打工人的一场新的洗牌。

03 最后

在当下可以说生成式AI已经证明了它的实力，就像乔布斯发明iPhone一样，这是一个全新的时代大幕开启。而当下可以说新的舞台已经搭好，接下来就看各个企业如何凭借自己的能力在这个舞台上去各显神通了。

此时作为企业信息化的前沿的产品经理们，你们都准备好了吗？