你好，我是曾钰。
AI产品经理，坐标深圳。我关注数据如何被收集、产品如何被体验，以及AI是否真正解决了用户的核心问题。把问题问具体，用AI工具把想法更快转化为可验证的产品价值。
开始了解我
“先把问题问具体，再决定AI应该做什么。”
我的产品判断起点
DATA
× EXPERIENCE
× EXPERIENCE
关注数据如何进入产品判断，也关注AI能力如何被用户理解、信任和持续使用。
两年多产品经验，2024年起重点投入AI产品方向。
让AI能力进入真实场景，也进入好的体验。
开放交流与机会
我关注的问题
我从用户的真实使用感受出发，关注数据、体验和产品价值之间能否形成闭环。
哪些数据真的能帮助产品做判断？
数据不是越多越好。先明确需要回答的问题，再决定收集什么、如何使用。
什么让AI产品真正“好用”？
不仅是结果准确，还包括过程是否清晰、反馈是否及时、错误是否可以被修正。
什么时候应该让AI进入产品？
先确认核心痛点和具体场景；如果规则方案已经足够可靠，就不为了AI而使用AI。
实践与复盘
目前没有适合公开的代表项目，因此先呈现真实的研究方向和复盘方法，不用虚构案例填满页面。
Long-term research / 01
数据如何服务体验判断？
持续关注AI产品的数据收集、反馈信号与用户体验：哪些行为值得记录，哪些结果真正代表价值，以及如何避免“有数据但没有结论”。
公开内容正在形成。
第一篇真实实践准备好后会在这里出现。项目较少不是问题，判断过程必须真实。
让反馈变成下一次判断。
区分模型、数据、交互和预期问题，再选择下一轮需要验证的变量。
问题
数据
假设
验证
修正
我的工作方式
从用户行为中的卡点出发，把模糊需求拆成具体问题，再用最小成本验证AI是否创造了真实价值。
-
01
发现真实问题
观察用户行为中的卡点、重复操作，以及预期与结果之间的差异，把模糊抱怨转成可以验证的问题。
-
02
判断需求价值
确认问题是否对应核心痛点和明确场景，并判断它对任务结果、使用频率或体验影响是否足够重要。
-
03
定义AI角色
让AI处理模糊、重复或需要推理的环节；能用确定规则解决的问题，优先采用更可靠的方式。
-
04
最小验证
先做可体验的最小方案，观察任务完成率、结果质量、时间成本，以及用户是否愿意继续使用。
-
05
反馈与迭代
区分问题来自模型、数据、交互还是用户预期，每轮只验证最关键的变量并记录判断变化。
把问题问具体，把体验做扎实。
我叫曾钰，目前在深圳，有两年多产品经验，2024年起重点投入AI产品方向。我习惯把模糊需求拆成具体问题，关注用户真实的使用感受，也在持续提升AI产品评估、数据闭环设计和技术边界理解。选择AI产品，是因为它正在重新定义产品理解需求、组织信息和辅助决策的方式；我更关心这些能力如何可靠地进入真实体验。工作之外，我喜欢打羽毛球。