偶然想到的，又不成体系，就先放这吧。
简单提出一个模型：决定你在公司薪酬待遇的要素有两个，一个是对公司的超额贡献，一个是自身价值。
超额贡献比如初创员工给期权、长期加班被赏识等。
自身价值又分为两部分，一个是自己能力的稀缺度，一个是自己能力能创造的价值。
举两个反例：
第一个，CS专业无脑读研的人，稀缺度有了，价值呢，研究的东西没商业价值，谁发钱给你？
第二个，培训移动开发的，没稀缺度，移动互联网周期在，价值在，拿高薪没问题，现在船要翻了，没稀缺度，不创造价值，哪来的工作给你？
--
偶有所感，这里给一个定义，什么叫做『清洁工式的工作』（No Offence）：
工作成果的好与坏，确实会对大局产生影响，但却远不是决定性因素。这样的工作就叫做清洁工式的工作。
就像公司里的清洁工一样，做的好做得差，确实会对公司产生影响，没了清洁工不可以，但一家公司能否上市（姑且用上市作为标准），与保洁工作的好与坏关系甚微。
做『清洁工式的工作』的人，怎么谈发展呢。
比如纠结于文案、按钮的产品经理，比如干杂活的开发。
产品的核心竞争力有四种：产品、技术、运营、资源。
比如身处核心竞争力与自身岗位不契合的产品线的人
--
不要用上课\上班限制自己的学习形式，不要让专业\职业限制自己的学习范围。该学什么就学什么，该怎么学就怎么学。
--
前台产品的核心价值点在于快乐，提供简单且舒适的服务；而后台产品的核心价值点在于效率，提供强大且易用的工具。
--
对于产品经理而言，需求挖掘与分析的重要性在过去的几年被过度放大了。
可类比于iOS程序员写界面的能力，初期能做出样式来就是好程序员，但随着时间推移，写界面的能力逐渐成为基础，核心竞争力变为一些更高门槛的东西，产品经理同理。
产品经理分工的细化是必然，需求挖掘与分析能力逐步沦为基础，对特定行业/领域了解的深度才是你的价值所在。
除此之外，在未来，决定产品经理命运的，一是业务精度，二是眼光和运气。你所做的东西是不是未来，这很重要。
人的一生当然要靠个人的奋斗，但也要考虑历史的潮流。
--
人生规划不是Timetable，而是Destination和Workaround；不是日程表，而是价值观和方法论。
因为环境是变化的，你不知道未来会发生什么，所以具体计划总是会变的。
但你的价值观和方法论不会轻易的变化。
你要知道你要的是什么，还有处理环境变化的方式。
你要知道你要往什么方向走，并敢于跳出自己的舒适区。
--
再提一个模型吧，用于描述当下Web、iOS、安卓技术与需求的现状。
先给两个不严谨的定义。
大前端需求：是指PC/Mobile Web、iOS、安卓的用户需求之和。
大前端技术：是指Web开发技术、iOS Native、安卓 Native的开发技术之和。
大前端技术是为了满足大前端需求而存在的。
在过去，Web开发技术满足PC/Mobile Web用户需求；iOS Native开发技术满足iOS用户需求；安卓 Native开发技术满足安卓用户需求。
近来有两个趋势，是造成iOS、安卓原生开发陷入窘境的根本原因。
第一个是，ReactNative等技术的出现使得Web开发技术开始可以满足iOS、安卓用户需求，挤压了iOS Native与安卓 Native开发技术的生存空间，这是技术人员都能感知到的。
第二个是，由于移动互联网时代进入末期，iOS、安卓用户需求实际上大大萎缩了，这就进一步加剧了iOS Native与安卓 Native开发技术应用场景的减小。
而且不止如此，iOS、安卓用户需求萎缩也导致了整个大前端需求同步萎缩了，Web开发技术现在看起来攻城略地，对iOS、安卓开发技术敲骨吸髓，其实是，本是同根生相煎何太急。大前端需求萎缩了，新产品的技术需求开始往后端转移，比如机器学习。
不过，当新应用场景出现，比如VR/AR，大前端需求又会进一步扩张。
--
实现个性化推荐最理想的情况，是用户告诉我们他喜欢什么，但这种方法有三个缺点，第一个是，现在的自然语言处理技术还很难理解用户用来描述兴趣的自然语言；第二个是，用户的兴趣是不断变化的；第三个是，用户也不知道自己喜欢什么，或者说，用户也很难用语言描述自己喜欢什么。
这里考虑代入HMM的思想，用户的需求会不断变化，就是状态序列。而且这个状态序列是隐藏的，也就是我们无法直接获知用户的兴趣，不管是因为用户自己没意识到还是无法表达。我们需要通过观察序列，也就是用户的行为数据去做推测，去根据EM算法估计这个HMM的参数，然后再用其来得到用户的需求序列，也就是隐状态序列。
--
在自己本身没有知识体系的前提下，读一些快餐式的技术文章，对自己的提升是相当有限的。
--
利用机器来节省人类的时间/精力，把更多人从基础的生理/安全需求中解救出来；让人们有机会专注于更有价值的事情，去追寻更高层次的需求。
--
人不存在什么自由意志，人拥有的只是一条意识流，以及在意识流中起伏来去的欲望。我们无法选择自己有无欲望。事实上，连所谓的『我们』和『自己』都不存在，欲望是人体中不同且经常冲突的内部实体不断拉扯的结果，而内部实体的决策又完全取决于生物预设（只要遇到外部刺激便如此反应）和随机。或者讲，生物（包括智人）都是各种有机算法的集合，是数百万年进化自然选择的结果。
--
我觉得产品经理进阶（非入门）更好的方式是深入了解自己手上的业务、自己业务所处的行业，向内向里去寻找答案；而不是向外去参加什么进阶课程，听人讲一些所谓的经验，得到一些『自己提高了』的幻觉。
各行业产品经理通用的所谓『需求分析』等，已经逐步沦为基础技能；对某些特定业务、行业的深入了解，才是未来产品经理的核心竞争力所在。
--
我个人还是相当支持扎克伯格的全民基本收入的观点的。更明确一点，是全民，不论收入高低。
一个是因为机器人替代人工之后势必会造成工作岗位的减少，相当一部分人无法再得到与现在相当的收入，而收入的减少会抑制人们的消费欲望，而消费欲望的减少又会对企业的生产造成负面影响，提供全民基本收入可以在一定程度上保证人们的消费需求不会成为阻碍企业进一步提高生产率的因素，而物质的进一步富足又会对全民基本收入的提高起到积极的促进作用。
另一点是，提供了全民基本收入之后，人们便有了去从事自己最感兴趣，最能创造出价值的工作的可能性，而过去这些工作由于其不能立即带来收入而不得不被放弃。相应的，一个国家中能够从事有价值工作的人口比例，也会成为衡量一个国家发展的重要指标。
扎克伯格刚讲出这个观点的时候其实有很多人喷，但是其实有很简单的两点需要考虑：1.吃瓜群众们一看到这个观点就马上喷得出来的槽点，扎克伯格会没有想过？2.在未来，体面的中产工作将会消失，社会的两级分化会越来越严重，扎克伯格这样的人对于国家政策的影响力，和吃瓜群众们的想法相比，谁更重要？
--
最近做了不少和自然语言解析系统强相关的产品需求，逐渐意识到了两个思维模式的重要性：
一个是架构上合理，另一个是逻辑上完备。
架构上合理，其中一个重要表现就是可拓展性强和兼容性好。想要设计出一个架构上合理的系统，必要条件之一就是明确各个模块的意义，知道他们的定位，谁该做什么，谁不该做什么，而不仅把自己的思考局限在谁可做什么，不可做什么。因为系统迭代初期，架构比较简单，同样的事情，可能你做也可以，我做也可以，这时候如果为了省事不想清楚，这里节省的精力到时候需要加倍补回来。
逻辑上完备，是一种有效的思考方式，可以帮你避免遗漏情况。比如，你知道这个问题需要从三个维度来分析，每个维度的变量数分别为2 3 3，那根据排列组合，总情况数就应该是18种，如果你只列出了15种情况，那你就要想一想，到底漏掉什么了，那种情况到底能不能兼容？这么多种情况，直接想，可能很难想全，但从逻辑上完备的角度来思考，就能帮你在一定程度上避免遗漏。
--
作为国内较早一批在人机对话项目组从事解析产品经理工作的PM，我尝试在这里给出描述产品经理对自然语言解析技术了解程度的三个层次：
第一层：知道什么能做，什么不能做。也即知道所谓的『技术边界』。不论是自己提需求，还是承接别人的需求，你都能肯定的做出『目前解析支持』或『目前还不支持』的判断。
第二层：知道什么好做，什么不好做。也即，当产品需求超出了目前解析系统的边界时，你有能力给出一个权衡了产品需求与解析改动量的初步技术方案。能做到这一层的人，可以说是一个称职的解析产品经理了，至少有能力跟技术人员进行高效的沟通。
第三层：知道什么该做，什么不该做。也即，你知道解析系统中的每个模块的定位和意义，并有能力以业务需求为导向协助技术人员、甚至引导技术人员完成对解析系统架构的优化与改造，使其在未来能够更好的满足产品发展对于解析系统的要求。
--
现在已经是2017年9月底了，对话机器人（各种个人助理、问答系统和智能客服等）领域的情况与16年年底相比，已经有了显著的变化。
与16年业界普遍的基于规则的自然语言解析系统相比，目前AI领域第一二梯队的公司基本都已经拥有了较为成熟且可商业化的基于深度学习的自然语言解析系统。就公司而言，对自然语言解析技术的研究已经到了边际效用递减的程度，可做的虽然还很多，比如更深层次的句法/语义分析、与知识图谱的结合等，但解析技术已经不再构成对话机器人产品的核心竞争力。
识别用户意图之后所提供的服务开始成为对话机器人产品差异化的核心。
这样的变化对于对话机器人领域的创业公司是危险的。我以前曾经多次提到过一个观点：技术革新，变的不是人们的需求，而是人们需求被满足的方式。这其中包含的前提是：只有用户选择用你的产品来满足需求，那你所谓的技术革新才有意义。而目前很多创业公司都缺乏这样的场景，选择聚焦在一些查天气、计算器、找歌、对话搜索这类低准入门槛的弱需求上，怎么会有用户？需求都没有，谈什么需求满足方式的改进？（仅针对2C产品）
破局的关键，在于让用户意识到：你的服务，才是他满足某类既有需求的最佳方式。
