在互联网下半场的集体焦虑中，如何应对「产品趋同」与「机会变少」的挑战？在人工智能、大数据风口浪尖上，产品人应注意哪几点？对于创业者来说，任何一个新兴的领域都是无比残酷的，这意味着产品必须能够留住用户，从而深挖用户价值。那产品人如何突围？ 第一，明确目标。在大数据和人工智能的场景下，很多时候我们和客户都不知道要什么。这时需要和客户一起去想，如果我有这个能力和数据，可以提供什么样的服务？Shareinstall通过数据可视化展现，协助产品运营作出最佳决策。 第二，考虑数据。数据源不错，我们可以用这个数据源来做一个产品，但是如果这个数据源不被控制，这个产品做完了以后，把数据源抽走，这个产品就没法往下走了。Shareinstall考虑的是有什么样的数据，用自有的数据，这些自有的数据有什么独特性，通过这个独特性推出一个新的产品，或者说有一些什么样特殊的能力，这些特殊的能力能够把用户和其他人区分开来，通过这个能力跟数据方合作推出新的产品，所以对数据的考虑非常重要。 第三，预测评估。做出一个数据产品，尤其是预测型的数据产品，怎么去评估？对于一个产品的评估，它有很多方面，对一个数据模型，什么样的模型是好，什么样的模型是坏，它也有很多方面。评估模型，一个是这个模型的表现，另外是这个模型的稳定性。Shareinstall从产品人角度出发，认为这一点是非常重要的。 第四，测试需求。大多时候，产品是我们想和创造出来的，我们觉得可以用这个产品给客户解决一个问题。那么客户是不是需要？在这里我并没有把需求放在第一位，是因为对于数据产品，前期的需求往往不明确，很多都是要用 POC 来测试市场的需求。POC 的产品可能比较简单，但是包括核心的因素，再用这个产品去找一些客户去测试。在测试过程中，客户发现的确能给解决问题，这就有可能成为一个成功的产品。但是如果客户发现这个产品有可能太超前了，或者并没有触到客户的痛点，现在并不需要。对于产品来说这可能是一个失败的尝试，但是却是一个成功的创新尝试，因为如果有 10 个想法，有 1、2 个想法能变成真正的产品，这已经是非常高的成功率的。因为要做一个好的数据产品，真正解决用户的痛点的数据产品并不是那么容易的。