专业的短链接生成工具
链接域名
短网址有效期
三步法完成AI产品需求分析
更新时间：2025-5-31 05:13:05 作者：爱短链
作者通过分析ToB图像类AI产品需求，解释了自己的工作经验。
我希望能和你讨论如何完成它ToB图像类AI本文仅表示作者在实际工作中的产品需求分析习惯，欢迎大家交流。
产品需求分析是产品经理的必修课。
只有彻底了解需求，才能避免后期产品设计的错误。
ToB的AI作者一般遵循以下图像产品分析套路。
一、业务需求分析 如果不看市场分析，业务需求分析应该是产品经理进入产品规划的第一步。
尤其是ToB只有了解用户的业务需求，产品才能更适合用户，让用户无法停止付费。
作者通常从以下核心点收集用户信息。
1. 业务需求背景 首先，我们需要了解当前需求的业务背景，作者通常非常关注。
收集业务需求的背景不仅是找出用户为什么要生产产品，还有当前业务状态的瓶颈AI技术解决；其次，了解业务需求背景也有利于收集行业属性，从而为以后的竞争产品分析做准备。
2. 业务场景 众所周知，虽然计算机视觉取得了很大进展，但仍存在许多瓶颈，如摄像头角度、光线、阴影、屏蔽等仍然影响着结果的准确性。
因此，在需求研究中，我们必须清楚地梳理用户想要使用图像识别技术的场景。
以物流业为例，笔者暂时不考虑摄像头、带宽、服务器等硬件本身，只考虑场景和相应场景的算法应用： 安全场景：在安全场景下检测仓库下的人体，识别人体属性。
困难在于物流仓库一般安装安全摄像头高度远高于其他场景，场景覆盖范围广，即使不考虑屏蔽，拍摄目标会相对较小，此时检测难度会相对增加，甚至出现小目标检测问题，如果此时需要识别人类属性（如服装等）会更加困难； 固定摄像头场景：有时需要根据业务需要考虑整体解决方案，其中一个重要环节是摄像头方案，至少需要考虑摄像头安装角度、垂直距离、水平距离，以获得清晰的图片，有利于算法检测和识别； 特殊业务场景:手机拍摄和安检机；手机拍摄之所以特别，是因为不同的人使用不同的手机型号，拍摄的图片分辨率不一致，识别目标的角度也不一致。
分辨率不一致造成的耗时并发问题也可以通过增加服务器、界面限流甚至数据压缩来解决。
但角度不一致会影响算法本身的准确性，要么错误检查更高，要么错过检查更多；特殊成像结果不同，算法研究困难，相同目标下的成像结果可能只有形状和颜色，难以完成识别；目标下的图像如下图所示（图片来自网络，仅用于文章描述）。
小结： AI技术和场景应相辅相成，成熟度高AI技术应该是在商业场景中寻找技术，成熟度低AI技术应该更多地寻找场景。
为什么？ 为了满足技术的可行性，需要约束场景。
3. 业务需求 了解业务背景和业务场景后，进一步的核心是了解业务需求。
简单的理解是用户需要AI检测或识别哪些目标与算法需求中的视频识别或图像识别有关。
AI不能满足所有待识别目标的覆盖，盲目扩大检测识别范围，问题至少包括两个方面：一是获取培训数据量，另一方面难以保证最终识别效果。
这些都限制了算法，这也是目前商品识别最大的难点(包括类似)sku问题)。
因此，梳理业务需求有助于算法的正常发展和后续推广OCR以票据识别为例，说明如何满足业务需求。
业务方提出的需求一般是我们必须识别某张票据，AI产品需要尽可能分析业务需求AI算法需求： 确定要识别的票据类型、火车票-
我希望能和你讨论如何完成它ToB图像类AI本文仅表示作者在实际工作中的产品需求分析习惯，欢迎大家交流。
产品需求分析是产品经理的必修课。
只有彻底了解需求，才能避免后期产品设计的错误。
ToB的AI作者一般遵循以下图像产品分析套路。
一、业务需求分析 如果不看市场分析，业务需求分析应该是产品经理进入产品规划的第一步。
尤其是ToB只有了解用户的业务需求，产品才能更适合用户，让用户无法停止付费。
作者通常从以下核心点收集用户信息。
1. 业务需求背景 首先，我们需要了解当前需求的业务背景，作者通常非常关注。
收集业务需求的背景不仅是找出用户为什么要生产产品，还有当前业务状态的瓶颈AI技术解决；其次，了解业务需求背景也有利于收集行业属性，从而为以后的竞争产品分析做准备。
2. 业务场景 众所周知，虽然计算机视觉取得了很大进展，但仍存在许多瓶颈，如摄像头角度、光线、阴影、屏蔽等仍然影响着结果的准确性。
因此，在需求研究中，我们必须清楚地梳理用户想要使用图像识别技术的场景。
以物流业为例，笔者暂时不考虑摄像头、带宽、服务器等硬件本身，只考虑场景和相应场景的算法应用： 安全场景：在安全场景下检测仓库下的人体，识别人体属性。
困难在于物流仓库一般安装安全摄像头高度远高于其他场景，场景覆盖范围广，即使不考虑屏蔽，拍摄目标会相对较小，此时检测难度会相对增加，甚至出现小目标检测问题，如果此时需要识别人类属性（如服装等）会更加困难； 固定摄像头场景：有时需要根据业务需要考虑整体解决方案，其中一个重要环节是摄像头方案，至少需要考虑摄像头安装角度、垂直距离、水平距离，以获得清晰的图片，有利于算法检测和识别； 特殊业务场景:手机拍摄和安检机；手机拍摄之所以特别，是因为不同的人使用不同的手机型号，拍摄的图片分辨率不一致，识别目标的角度也不一致。
分辨率不一致造成的耗时并发问题也可以通过增加服务器、界面限流甚至数据压缩来解决。
但角度不一致会影响算法本身的准确性，要么错误检查更高，要么错过检查更多；特殊成像结果不同，算法研究困难，相同目标下的成像结果可能只有形状和颜色，难以完成识别；目标下的图像如下图所示（图片来自网络，仅用于文章描述）。
小结： AI技术和场景应相辅相成，成熟度高AI技术应该是在商业场景中寻找技术，成熟度低AI技术应该更多地寻找场景。
为什么？ 为了满足技术的可行性，需要约束场景。
3. 业务需求 了解业务背景和业务场景后，进一步的核心是了解业务需求。
简单的理解是用户需要AI检测或识别哪些目标与算法需求中的视频识别或图像识别有关。
AI不能满足所有待识别目标的覆盖，盲目扩大检测识别范围，问题至少包括两个方面：一是获取培训数据量，另一方面难以保证最终识别效果。
这些都限制了算法，这也是目前商品识别最大的难点(包括类似)sku问题)。
因此，梳理业务需求有助于算法的正常发展和后续推广OCR以票据识别为例，说明如何满足业务需求。
业务方提出的需求一般是我们必须识别某张票据，AI产品需要尽可能分析业务需求AI算法需求： 确定要识别的票据类型、火车票-
