在这时，不妨先问下自己“真正的用户是谁？”，再试试“笨办法”，走出办公室，走到客户那里，去问问他们、跟他们聊聊天，看看他们怎么用我们的产品。
那时候，很多问题便豁然开朗了。
举个例子，尽管我们的图谱、NLP、CV、搜索、机器人、标注等几个平台产品的功能各不相同，但我们还是找到了共性，即抽象出了需求分级和业务赋能的“五级火箭”，包括“功能嵌入、API调用、数据训练、模型定制、算法开发”等五级。业务方可以根据具体情况，来选择不同的接入方式。
比如，虽然你是做AI技术平台产品经理，但你眼里不能只有AI、算法、模型——要做到“无我”，就是要做到：如果有一种非算法、非AI的产品策略，若能切实帮到业务，那也应该去做。
更为糟糕的是，频繁的返工和变更，会让产品经理个人的专业性和权威性丧失殆尽。以后，还怎么向技术提需求、磨资源？
为了避免这样悲惨的事情发生，产品经理要在台下多下功夫。
产品经理要真正做好一个产品，必须要自己多用。
这个道理很简单，但这里要谈的是使用的“深度”——随便点点、看看，跟深度使用的差别是很大的。
更重要的是，让我们看到了不同流程、不同系统以及不同团队之间衔接的“真空地带”——这正是大公司由于分工、边界带来的，常说的“三不管、踢皮球”的问题。而这些衔接上的问题，正是隐蔽的、极大影响效率的问题，需要被发现，通过产品和流程等机制进行解决。
沉淀数据资产，创造更大的价值
如果一个平台有数据的沉淀，那么这些数据就需要深度挖掘，从而产生更多、更大的价值。
最后，再说一个非常有趣的事情。
我们知道，如果一个产品不够贴心，不够聪明和智能，那用户肯定不喜欢，但反过来，如果“太智能”了，那有时候也不行。
对于标注平台，你可以沿着“人工标注”的老路子去做，也可以朝着“智能辅助标注”的方向去创新。对于智能文案平台，你可以只依赖算法提升的路径，也可以主动创新，把领域知识和行业经验产品化，来实现产品经理驱动。对于用户反馈的获取和产品的迭代进化，你可以使用“当面交谈、问卷调查”的传统方式，也可以尝试“分析用户日志，使用大数据+AI”的新手段。要相信，只要以终为始，从业务出发，从用户出发，就能找到产品创新的机会。
本身开源软件产生的漏洞问题，很难在日常运维、维护过程当中被发现。因为大家下载一个软件部署上去之后，做了很多的外围加固，一旦内部出了安全问题，运维人员背这个锅，显得相对无辜。
