以B端供应链产品为例，如何撰B端产品PRD？

TO C产品经理有一项重要技能是将需求转化为交互体验的能力，所以在前几年移动互联网爆发的时代我们看到产品经理经常关注原型交互质量。TO B产品经理，尤其是用AI赋能产业互联网的B端产品经理必备的一项技能是写出逻辑清晰可以实施的PRD。

本篇用6块部分讲解如何撰写B端供应链产品PRD：

第一块先讲B端供应链中产能评估PRD的基本信息与传统PRD的异同；

第二块讲设计B端PRD版本维护记录的重要性；

第三块讲解本次B端PRD业务需求针对点；

第四块讲设计的功能模块；

第五块为核心模块讲解B端产品的程序逻辑设计，再下一步程序人员可以参照本PRD进行编码技术实现；

第六块是B端供应链产能评估产品的重点板块，讲解AI赋能供应链产能评估引擎。

最后总结TO C转型做TO B 且用AI赋能B端产品至少要具备的技能。

第一块 基本信息

本PRD可以利用原有的ERP权限，和原数据库表单及报表条件，故此仅开发功能。实例如下图：

第二块 版本迭代记录

B端产品功能的设计有设计者自己的设计理念，例如产能评估系统，笔者的设计理念是用机器学习来设计，那还有用运筹写理念还有运用其他理念来设计的，如果没有详尽的版本迭代记录，对产品的长期发展容易产生断代，这一点也是与传统的TO C产品看界面交互就能猜到产品的设计有很大的不同。

第三块 业务需求

B端产品，特别是在供应链产品中，具体的产品使用人员往往是客户或者公司内容的具体的相关操作人员，故此业务需求需要明确适合的操作对象来设计需求。

第四块 功能设计

对于B端尤其是供应链B端功能设计多是对表的设计，即需要哪些表完成哪些功能，需要哪些新的功能，需要新设计哪些表。实例如下图 :

第五块 功能逻辑

对TO C转行 TO B的产品经理来说PRD核心的也是需要提高自我要求的地方就是功能逻辑，这里的功能逻辑包含：B端产品需要的配置元素，对于本篇案例来说具体包含：配置元素、所需数据表、各个场景下的产量计算逻辑。
实例如下图过程：

第六块 AI赋能供应链引擎

因为人工规则配置时效有滞后性，且人工规则能够预测的特征数量有限，故此采用机器学习运用神经网络的特征来预估产量，用机器学习预估产量如下图：

6.1 AI赋能供应链产能评估的背景

从第五块我们发现，需求是知道对产量的需求量，也知道设备数量，工艺水平，和人员数据，在第五块里我们设计了很多人工规则，即人工引擎。

当设备、工艺、人员水平等存在诸多不确定性的时候，人工引擎调整显然是不能满足实际生产产能评估的需要的，故此我们考虑利用AI来赋能，做机器引擎，让机器学习来代替或者赋能人工引擎。

供应链端产能评估的计算，有非常多的待确定因子，更有需要我们输出的产能预测结果。而AI中典型的热门应用是机器学习，机器学习的核心能力是利用神经网络对多因子输入条件进行神经网络学习预测，然后输出一个可以认为是最优的解。

6.2 AI赋能供应链产能评估的产品结构

AI赋能产能评估产品结构图如下图所示：

6.3 AI赋能供应链产能评估的机器学习计算流程

机器学习产能评估模型计算流程如下图：

总结TO C 人转型TO B对自己要求应该至少包含如下：

1. 擅长撰写B端的流程；
2. 光有粗略的流程是不能够做成优秀的B端产品的，且是必须包含B端产品实现的细节运算流程才能达到B端产品的目的；
3. AI是提高效能的利器，在做任何B端产品的同时，我们不妨用AI来赋能，能够产生事半功倍的效果。
4. TO C是拉新思维，TO B是留存思维，且TO B做的的好也能帮助拉新。

最后期待我们产品经理不仅能够做增量，也擅长做增效！

#作者#

连诗路，公众号：LineLian。《产品进化论：AI+时代产品经理的思维方法》一书作者，前阿里产品专家，希望与创业者多多交流。

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！