產品經理如何用 ChatGPT 提高生產力？三個生成式 AI 的產品管理應用場景

ChatGPT 推出至今已經兩年左右的時間，生成式 AI 加速生產力的討論其實市面上也很多了，今年我也有比較認真且頻繁的將他套用到產品經理的工作場景中，所以這篇就來稍微拋磚引玉一下、小結一下目前的心得，也歡迎大家留言分享你們都怎麼用 ChatGPT 做產品 ✨

Source: unsplash

生成式 AI 適合哪些產品開發應用場景？

大家有沒有遇過很會講話但其實沒有什麼實際知識的同事？對，我其實覺得 ChatGPT 就是這樣一個同事。畢竟大家都知道，ChatGPT 是一個語言模型，不是萬事通，他常常會用萬事通的姿態登場，讓大家覺得他好像什麼都懂，但那是因為他很會說話，不是因為他真的有知識 😌

所以如果想要和 ChatGPT 一起腦力激盪，比較好的方式是先餵給他你手邊有的數據和資料，再請 ChatGPT 從這些資料中做統整與解析，加上現在 ChatGPT 也都支援上傳檔案或者 spreadsheets，所以它真的可以幫你做很多初步的思考工作。（如果沒有資料也沒關係，在問問題的時候也可以先給定完整的條件與需求，產出來的內容會準確許多）

但是但是！雖然這聽起來很美好，實際上在職場上運用還是有些限制，因為 ChatGPT 可能會根據用戶輸入的資料進行模型的訓練，所以公司基本上都會規定員工不能向它透露機密資料（如產品數據、內部用戶研究資料、產品實驗結果等等，都不建議傳送哦！）

所以市面上很多人說產品經理可以餵它 PRD 請他寫 User Story、餵它公司內部數據請他做分析，請大家一定要確認公司政策再操作。如果真的要傳送這些資料，GPT 官方是有建議改用 ChatGPT Team, ChatGPT Enterprise, 或是 API Platform。（更多細節請參考 OpenAI 的網站：https://help.openai.com/en/articles/5722486-how-your-data-is-used-to-improve-model-performance）

另外，生成式 AI 當然也不止 GPT 一家，我自己也常用 Gemini，有的時候也會兩邊互相比較一下結果，未來 Meta AI 全面釋出後也會想交叉使用。

三個生成式 AI 的產品管理應用場景

基於 ChatGPT 的特性與公司保密條款的原則，我自己覺得這一年下來，GPT 幫助我最多的場景們是以下這三個：

1. 初步市場研究

在想要做快速研究的時候可以向 GPT 提問，就不需要閱讀長篇大論的文章，可以用這個方法快速抓到大方向，再自行進行細部的驗證與研究：

範例一：ChatGPT 回答我我詢問英美澳三國二手交易平台 market size & market share 的問題

範例二：Google Gemini 快速告訴我 Airbnb 評價系統的政策：

值得注意的是這些資料可能會過期或不準確，所以要嚴謹運用的話，二次驗證還是必須的。

2. 產品目標與願景撰寫

最近又到了做年度規劃的季節，我每次在寫願景、目標、User outcomes 的時候都會大詞窮，或者就是想不到一個最佳語詞來精準表達我要的東西，又或者是不小心寫太長，需要精簡語句提升閱讀性。那我就會找 ChatGPT！

我覺得做目標撰寫還算適合的原因是，通常這些大方向目標比較不包含機密的內容，比較注重語句的精準度與通順度，所以我覺得可以使用。

範例一：我把一連串形容詞與各種繁雜的目標丟給他，請他創造一個簡單的願景句子給我的團隊。（在這種情況下，反向操作——把願景給他請他創造策略——就會非常不精準，比較適合拿來做 summary）

Prompt: “Imagine you’re a senior product manager working in the trust space for a marketplace. summarise the following and create a short, inspiring, vision statement for the team”

範例二：詞窮時的詞語發想大會（我的英文小老師）

Prompt: “What are similar words to describe ‘positive reinforcement’?”

當然套用到其他需要寫文字的場景例如 presentation、communication 也是蠻合適的，但我個人覺得 AI 寫出來的溝通語氣不太像我本人，所以我沒有真的覺得在這些場景它太實用。

3. 產品功能設計

最後一點也是我想寫這篇的原因，我真的有拿 GPT 來做產品功能，而且是不需要工程師就可以獨立作業完成的功能✨

範例一：身為時尚電商平台，我們知道用戶買衣服時常會用品牌名來搜尋，因此想要試試看推薦用戶相似的品牌作為瀏覽途徑，但公司 Data science 的資源有限、使用人力創作又太過耗時耗力，所以我們用了 GPT 來做相似品牌推薦。

我給了 ChatGPT 我們平台上有的品牌名稱、請他推薦五個相似品牌，直接在對話內產生表格，經過公司營運團隊的二次審核後，我們直接可以用這樣的 hardcoded mapping 做品牌推薦，當用戶喜歡 Brandy Meivelle，就可以推薦 Urban Outfitters、Free People。

Prompt “Can I give you a list of brands, and you tell me which brands are similar? For example, if a user likes Uniqulo, I want to suggest 5 other brands they might be interested in, similar to Uniqlo. Please give this to me in tabular format. I want the most similar brand starting in position 1 in the table. These should be UK-specific brands focusing on womenswear.

範例二：我們另一個應用場景是做文字的修正，例如在做搜尋關鍵字推薦的時候，由於系統使用用戶輸入的關鍵字作為推薦基準，有的時候反而會因為用戶的錯字，推薦錯誤的品牌名稱（以中文來說就是再在不分的情況？🤣）

使用方式和範例一類似，我們也是丟入大量的字串，請 GPT 幫忙修正成正確的品牌名稱，再把正確的字串丟回系統內，也幫我們省下了人力修正的時間 👏

如果將生成式 AI 加上工程師的實作能力，看你的產品需求和用戶痛點，當然還有更多更多應用場景：例如發揮他強大的總結能力實作商品評價統整功能（Amazon 就有這功能）就是一個我們覺得可以 Prototype 的例子。

除了以上三個我覺得最實用的應用場景以外，有的時候我也會跟 GPT 討論團隊 Retro 該用什麼格式、Workshop 的 Icebreaker 點子、這一季的 Team social 可以做些什麼等等，現在居家辦公的時間居多，多一個人可以對話還蠻方便的。比較可惜的是因為 data privacy 的關係，沒辦法跟 GPT 一起討論資料分析的洞見 😂

而網路上很多英文文章推薦的產品點子發想、功能健檢等等場景，我個人反而是覺得這些偏向 Ideation 的場景 GPT 並沒有給我太大幫助，實測下來， GPT 丟出來的點子和想法的常常太普遍、或者和實際狀況有落差，而且對我來說，和團隊 & Stakeholders 一起 Brainstorm、做 Product Critique 本身是可以增加團隊共識的方法，我目前還不太會想用 GPT 去取代這些過程。

整體來說，雖然 GPT 很好用，但在選擇解法的時候還是得回歸用戶問題，不要為用而用，畢竟做產品最常看到的做的很華麗的功能卻乏人問津（我本人已在職涯中屢試不爽😭），最簡單的改動卻有出乎意料的成果。

淺淺分享一點想法，也歡迎大家告訴我你們都怎麼用這個小幫手！

聲明：這篇是我親手寫的，沒有 ChatGPT 的輔助 ^_^

謝謝你的閱讀！ 有幫助的話，歡迎拍手與分享👏🏻 產品三眼怪實驗室時不時會分享其他產品管理相關文章，追蹤起來！