元湃APP定制开发|证券公司App数据管理体系的AI功能
以典型的互联网公司为例，通常一个版本的迭代涉及到需求确认、排期、设计、前后端开发、埋点、测试等工作。
版本需求大约提前一个月确定，包括产品和运营的需求。需求确定之后，进入到开发期，产品经理需要将其中的数据需求进行拆解，统一规划并部署，在上线前将需要检测的数据和提取方式、相应的埋点规则与开发人员沟通好，并测试埋点是否按照要求完成。上线后能看到指定的数据，如果数据出现异常，负责埋点的数据工作人员需要及时与开发人员进行沟通修正。
埋点工作通常是由产品经理在综合考虑业务需求后，纳入产品需求和规划开发的一部分一起做的。但如果是运营活动的 H5 页面、帖子页面，此时拆解数据需求和做数据预处理的就可能是运营人员自己。在一些分工更细的公司，从承接数据需求，到数据处理和数据展示可能都由专门的数据团队负责。虽然流程各环节实施的人和时间节点都可以依据具体的业务而定，但一定要明确达成共识的流程可以落地。
同样用一个新产品上线的案例来说明：
App 计划上线一个新的功能，叫 AI 智能选股。产品经理将此产品的各项需求收集在一起，进行规划和流程设计，出具产品文档，详细到具体的实现方式，并说明埋点和数据监测方式。全团队进行需求评估，AI 智能选股是否满足业务和用户的需求，优先级是否高，是否安排开发资源等。通过需求评估后，将此功能纳入产品开发排期，确定上线版本，同时评估是否有足够开发资源和运营资源。进入开发期，设计——开发（包括数据埋点及监测开发）——测试（包括数据埋点及监测测试）。AI 选股产品上线后，在首页设置 icon 入口，检测其点击数据，如两周内的点击率是多少、比之前同位置 icon 点击更高还是更低、相较于这个首页流量的点击占比提高还是降低，看是否有异常。监测其他入口和各路径、流程的转化率。总结、分析，包括 AI 选股产品的整体使用人数、使用时长、留存情况等数量和趋势、以后的迭代方向、用户反馈等等。
