📄 模型设计阶段的 PRD 文档应该长什么样？

这是产品经理为指导建模所写的文档，重点是清晰、业务导向、结果可落地。下面是建议结构：

1️⃣ 模型目标定义（What）

• 明确模型输出是什么：
• 分类问题（如是否流失）？
• 回归问题（如评分预测）？
• 输出是“概率”还是“标签”？

• 示例：

预测用户在未来30天内是否流失，输出一个流失概率（0~1）。

2️⃣ 场景约束与业务需求（Why）

• 模型服务于哪个业务环节？起什么作用？

• 是否需要做后处理（比如概率分箱、打标签、业务映射）？

• 是否用于推荐、定价、预警、风控等场景？

3️⃣ 数据接入与处理（Where / How）

• 数据来源：
• Hive 表？Kafka / MQ 流？API？

• 数据类型：
• 实时 / 离线？结构化 / 非结构化？

• 数据量级预估（行数、更新频率）

• 数据字典和字段说明（可单独附表）

4️⃣ 模型评估指标（验收标准）（How Well）

• 模型效果指标（根据任务类型）：
• 分类：AUC、KS、F1、准确率
• 回归：RMSE、MAE
• 推荐：CTR、CVR、NDCG 等

• 强调指标的业务导向：指标要能直接关联业务提升效果

• 是否要求实时性 / 可解释性？

5️⃣ 服务性能要求（系统层面）

• QPS（每秒请求量）峰值？

• 接口延迟上限？

• 日均UV（日访问人数）？

6️⃣ 验收标准（Done 的定义）

• 是否达到业务设定指标（例如 CTR 提升 5%）

• 是否集成进实际业务系统

• 是否经 A/B 测试验证有正向结果

• 是否具备自动化监控与报警能力

📌 一句话总结：

模型 PRD = 明确业务目标 + 明确输出形式 + 明确数据来源 + 明确验收标准

是产品经理连接数据科学团队的“桥梁文档”，决定了模型能否真正落地、发挥价值。