AI产品经理入门实例讲解产品经理入门实例讲解
文章以产品经理应该懂哪些精准推荐算法模型为主线,顺道在上篇中先将算法按照机器学习风格进行划分,下篇按照功能相似
性进行划分,从产品经理必懂的精准推荐算法模型展开,实证传统算法模型对产品精准推荐的功用和缺陷,然后总结出一套
AI-UTAUT模型,即整合AI技术精准推荐模型供读者落地具体产品实战参考。
即本篇希望以精准推荐模型为案例通过全面的撰写将AI产品经理需要懂的算法和模型进行了系统的入门讲解。
另外我在撰文之前先说明:一个产品经理经常疑惑的概念:算法和模型的关系,产品经理懂得解决问题时将问题抽象为模型,
对模型求解用算法,没有谁大谁小,算法和模型没有绝对的分界线。
上篇我们讲解了常用的精准推荐模型和从机器学习学习风格的角度撰写了内容,这篇将主要从时下各种算 法模型用于精准推
荐都有其各自的优点和缺点带出我自创的精准推荐模型AI-UTAUT模型和实例解析,顺道讲解从算法模型功能的相似性的角度
为入门AI产品经理的同学讲解算法模型的另外一个维度。
一、传统的UTAUT推荐模型
什么叫UTAUT,传统上UTAUT指的是整合型科技接受模式,即通过这个模型各个因子来观察精准推荐模型中用户的接受意
愿。
整合技术接受与使用模型(Unified theory of Acceptance and Use of Technology,简称UTAUT)是由 Venkatesh and Davis
文卡塔什和戴维斯整合了技术适配模型(Task techfit,TTF)、理性行为理论(Theory of Reasoned Action,TRA)、计划行
为理论(Throry of Planned Behavior,TPB)、创新扩散理论(InnovationDiffusionTheory,IDT)、社会认知理论
(SocialCongnitive Theory,SCT)、PC利用模型(Model of PCU tilization,MPCU)、复合 TAM&TPB模型(Combined
TAM and TPB,C&TAM&TPB)、动机模型(Motivational model,MM),提炼出了四个核心变量和四个控制变量。
四个核心变量是:努力期望(Effort Expectancy)、绩效期望(PerformanceExpectancy)、社会影响(Social influence)和便利条件
(Facilitating Condition)。
四个控制变量是:年龄、性别、经验和自愿性。
如下图所示: