隨著互聯(lián)網(wǎng)產(chǎn)品承載得越來越復(fù)雜，中臺產(chǎn)品應(yīng)運而生。中臺產(chǎn)品是企業(yè)進行數(shù)智化建設(shè)的關(guān)鍵環(huán)節(jié)，能為企業(yè)降本增效。隨著ChatGPT的出現(xiàn)，中臺產(chǎn)品與之結(jié)合，會帶來什么樣的火花？一起來看看吧。

最初的互聯(lián)網(wǎng)產(chǎn)品主要分為前臺產(chǎn)品和后臺產(chǎn)品。后來隨著互聯(lián)網(wǎng)產(chǎn)品承載的業(yè)務(wù)越來越復(fù)雜，中臺產(chǎn)品應(yīng)運而生。

對于一些大型互聯(lián)網(wǎng)公司而言，公司各種應(yīng)用系統(tǒng)非常多，資源比較分散，模塊之間的鏈路冗長。為了整合公司資源，實現(xiàn)業(yè)務(wù)之間的資源共享，提升部門間的協(xié)作效率，將具共性的產(chǎn)品模塊進行提煉，從而整合出的標準化平臺產(chǎn)品，這個產(chǎn)品就是中臺產(chǎn)品。

如果以軟件工程的視角看待中臺產(chǎn)品，從設(shè)計模式維度上進行分析，中臺產(chǎn)品可以簡單理解為“適配器”模式。

中臺產(chǎn)品是企業(yè)進行數(shù)智化建設(shè)的關(guān)鍵環(huán)節(jié)。中臺產(chǎn)品為核心價值是實現(xiàn)企業(yè)內(nèi)部海量數(shù)據(jù)和信息的高效流轉(zhuǎn)，高度可復(fù)用，為企業(yè)降本增效。

ChatGPT（ChatGenerativePre-trainedTransformer），最初指的是OpenAI研發(fā)的生成型預(yù)訓(xùn)練變換模型聊天機器人程序，后來很多科技公司都推出了基于AIGC（Artificial Intelligence Generated Content，生成式人工智能）的聊天機器人，ChatGPT成為了通用的生成式智能聊天機器人的代名詞。

一、中臺產(chǎn)品領(lǐng)域

中臺產(chǎn)品領(lǐng)域模型，概括起來可以稱為“三務(wù)”，即業(yè)務(wù)、財務(wù)和服務(wù)。

• 從業(yè)務(wù)領(lǐng)域的場景出發(fā)，中臺產(chǎn)品可以分為：廣告中臺、營銷中臺、獲客中臺、會員中臺；商品中臺、交易中臺、倉儲中臺、履約中臺等。
• 從財務(wù)領(lǐng)域的場景出發(fā)，中臺產(chǎn)品可以分為：記賬中臺、對賬中臺、清算中臺、結(jié)算中臺；預(yù)算中臺、資金中臺、計稅中臺、報表中臺等。
• 從服務(wù)領(lǐng)域的場景出發(fā)，中臺產(chǎn)品可以分為：支付中臺、搜索中臺、效能中臺、組織中臺、AI（ArtificialIntelligence，人工智能）中臺、算法中臺、研發(fā)中臺、數(shù)據(jù)中臺等。

二、中臺產(chǎn)品結(jié)構(gòu)

基于中臺產(chǎn)品業(yè)務(wù)領(lǐng)域，自頂向下進行產(chǎn)品細化。每個業(yè)務(wù)領(lǐng)域可以細化為中臺產(chǎn)品結(jié)構(gòu)模型。以商品中臺為例，產(chǎn)品結(jié)構(gòu)模型可以從表現(xiàn)層、接入層、應(yīng)用層、服務(wù)層和基礎(chǔ)層進行建模。

表現(xiàn)層主要用于對商品信息的終端呈現(xiàn)，通過電腦端的Web瀏覽器、手機或是常見的各種大屏設(shè)備、游戲設(shè)備等查看商品信息，是和用戶進行直接交互的媒介。

接入層則包含了為終端提供服務(wù)基礎(chǔ)功能，例如鑒權(quán)、API（ApplicationProgrammingInterface，應(yīng)用程序接口）或是實現(xiàn)表現(xiàn)層功能所需的SDK（SoftwareDevelopmentKit，軟件開發(fā)工具包），以及相應(yīng)的安全功能。

應(yīng)用層涉及的內(nèi)容非常多，承載業(yè)務(wù)場景主要功能。以商品中臺為例，商品售前包含商品的廣告、物料、渠道，商品的引流獲客，商品個性化定制以及商品的優(yōu)惠折扣等；商品銷售中包含商品購買商品計費、商品的上架與下架、商品的屬性（商品是什么類別，外觀是什么樣，價格為多少）；商品售后包含了履約、退換貨、評價和客戶服務(wù)等。

服務(wù)層包含了滿足業(yè)務(wù)開展的基礎(chǔ)服務(wù)。商品中臺產(chǎn)品中，涉及搜索和推薦的策略、商品數(shù)據(jù)、風(fēng)險控制、外部依賴。每個模塊中，又會細分很多基礎(chǔ)服務(wù)功能。

基礎(chǔ)層則是滿足商品中臺運行的一些基礎(chǔ)功能，例如商家入駐管理、商品管理以及費用管理等。是整個商品中臺產(chǎn)品運行的指揮部。

三、中臺產(chǎn)品模塊

中臺產(chǎn)品結(jié)構(gòu)由各個中臺產(chǎn)品功能模塊組成。一般而言，產(chǎn)品架構(gòu)師或是產(chǎn)品負責(zé)人定義完成業(yè)務(wù)領(lǐng)域范圍之后，構(gòu)建產(chǎn)品結(jié)構(gòu)。

對于特別大型的中臺產(chǎn)品實施場景，可以根據(jù)產(chǎn)品結(jié)構(gòu)中的層次維度，進行工作分工，也可以按照產(chǎn)品模塊的維度，以產(chǎn)品小組的模式進行產(chǎn)品實現(xiàn)。然后由不同的產(chǎn)品實施小組對產(chǎn)品模塊涉及的功能細節(jié)進行產(chǎn)品分析與實現(xiàn)。

同樣以產(chǎn)品中臺為例，在商品中臺結(jié)構(gòu)模型中，服務(wù)層涉及搜推策略功能模塊，假設(shè)實際工作中，搜推策略模塊由獨立的產(chǎn)品小組進行負責(zé)，我們?nèi)绾螌⑺淹撇呗阅K進一步進行抽象和實現(xiàn)呢？

商品搜推涉及的核心功能是商品的搜索與推薦功能?？梢曰趯嶋H產(chǎn)品應(yīng)用的視角，將商品搜推劃分為用戶層、服務(wù)層和基礎(chǔ)層。

用戶層主要包含搜索和推薦主要功能，例如用戶的搜索歷史、向用戶呈現(xiàn)的熱門搜索、意圖識別、猜你想要、猜你喜歡等；評價則是獲得用戶對搜推功能的反饋，目的是為了通過用戶的反饋，進一步提升搜推的準確度。

服務(wù)層涉及商品搜推功能實現(xiàn)的核心服務(wù)，例如QP（ Query Parser，查詢解析器）實現(xiàn)解析解釋用戶搜索輸入的術(shù)語和參數(shù)；結(jié)果排序則是對用戶搜推的結(jié)果通過粗排、去重和精排的過程，提煉最優(yōu)結(jié)果；通過關(guān)聯(lián)分析，進一步提升搜推質(zhì)量。

基礎(chǔ)層主要包括實現(xiàn)商品搜推的引擎與知識庫，引擎承載著實現(xiàn)搜推的核心邏輯，這里商品和用戶的元數(shù)據(jù)，商品特征、用戶特征以及一系列的特征組合，也有非常多的算法模型，并通過配置實現(xiàn)產(chǎn)品期望的功能；知識庫是整個涉及商品相關(guān)信息的集合，不同場景的搜推應(yīng)用，知識庫里的內(nèi)容也有所不同，構(gòu)建完備的知識庫，可以使搜推結(jié)果變得更為準確。

四、中臺產(chǎn)品與ChatGPT

ChatGPT目前比較常用的功能是同人類進行對話，能夠通過理解和學(xué)習(xí)人類的語言同人類互動，針對用戶提出的問題給出相應(yīng)的答案。

通過海量數(shù)據(jù)的訓(xùn)練和學(xué)習(xí)，使得ChatGPT擁有上知天文、下知地理的能力。目前市面上類似于ChatGPT這樣的產(chǎn)品有許多，例如國內(nèi)大家比較熟知的星火、文心一言、通義千問等。

目前的ChatGPT應(yīng)用，知識的廣度沒有問題，對話的結(jié)果一般基于互聯(lián)網(wǎng)公開的數(shù)據(jù)生成。但是對于企業(yè)內(nèi)部應(yīng)用而言，由于ChatGPT無法獲得企業(yè)內(nèi)部數(shù)據(jù)，知識儲備不足，無法針對于企業(yè)內(nèi)部的應(yīng)用，給出準確的結(jié)果。

ChatGPT基于LLM（LargeLanguageModel，大規(guī)模語言模型），其訓(xùn)練成本根據(jù)目前公開的數(shù)據(jù)，GPT3每次的訓(xùn)練需要34天左右，花費180萬美金，PaLM每次的訓(xùn)練需要50天，花費1500萬美金，單次訓(xùn)練的成本較高。

對于企業(yè)而言，沒必要讓自己的ChatGPT通曉所有知識，而是基于公司的主營業(yè)務(wù)，聚焦于某個具體的場景進行應(yīng)用，提升企業(yè)內(nèi)部ChatGPT產(chǎn)品的ROI（ReturnOnInvestment，投資回報率）。

企業(yè)的中臺產(chǎn)品同ChatGPT的結(jié)合，是一個非常不錯的應(yīng)用場景。企業(yè)中臺幾乎同企業(yè)所有的業(yè)務(wù)系統(tǒng)進行交互，有非常豐富的信息流和數(shù)據(jù)沉淀，可以用來作為ChatGPT的訓(xùn)練樣本。

ChatGPT可以定位為企業(yè)的中臺產(chǎn)品的業(yè)務(wù)助理，將一些需要人為重復(fù)性的勞動從工作中解放出來，例如編寫周報，生成數(shù)據(jù)可視化報表，配置基礎(chǔ)的業(yè)務(wù)參數(shù)等。

同樣以商品中臺產(chǎn)品為樣例，可以很明顯看出，中臺產(chǎn)品現(xiàn)有模式和ChatGPT同中臺產(chǎn)品結(jié)合后的模式，工作流程有明顯的優(yōu)化，工作效率有顯著提升。

對于操作中臺產(chǎn)品的業(yè)務(wù)人員而言，以前要根據(jù)不同的業(yè)務(wù)場景，切換不同的中臺產(chǎn)品應(yīng)用，目前僅需要一個對話框即可完成工作。工作內(nèi)容變得簡潔高效。如以下產(chǎn)品原型所示。

五、小結(jié)

綜上所述，我們對中臺產(chǎn)品的主要應(yīng)用場景結(jié)合實際案例進行了講解，并且探索了中臺產(chǎn)品同ChatGPT結(jié)合的方式。

我們相信，任何可以提升生產(chǎn)力，提高生產(chǎn)效率的產(chǎn)品，都能為企業(yè)的發(fā)展帶來價值，為社會的進步提供動力。

中臺產(chǎn)品雖然可以通過整合企業(yè)內(nèi)部資源從而達到提升效率的目標，但是在實際工作中我們也發(fā)現(xiàn)，業(yè)務(wù)人員在操作中臺產(chǎn)品上，與理想的預(yù)期目標仍然有一定差距。

“你永遠不可能真正了解誰，除非你穿上他的鞋子走來走去?！边@是《殺死一只知更鳥》書中的一句話。

很顯然，當產(chǎn)品經(jīng)理深入了解業(yè)務(wù)后，以業(yè)務(wù)的角色親自去使用中臺產(chǎn)品后發(fā)現(xiàn)，并沒產(chǎn)品經(jīng)理想象得那樣完美。

ChatGPT同中臺產(chǎn)品的結(jié)合，是中臺產(chǎn)品發(fā)揮作用實現(xiàn)價值的一個新的途徑，也是企業(yè)數(shù)智化建設(shè)的一個新方向。

以產(chǎn)品推動企業(yè)和行業(yè)的發(fā)展，也是每一個產(chǎn)品人的使命。唯有信仰和熱愛方能抵御歲月蹉跎！在AGI（Artificial General Intelligence，通用人工智能）的浪潮中，大家一起加油！