✦ AI Product Lessons
Day 1Day1-AI-Product-Handbook.pdf

AI Product Strategy & Market Analysis

Biến một ý tưởng AI thành product opportunity có customer, need, strategy, moat và market sizing rõ ràng.

“A good AI idea can still become a bad product.”

IdeaCustomerNeedStrategyMoatMarket Size

Mạch logic của bài học

Ý chính

Bài học đi qua 6 mắt xích: Idea, Customer, Need, Strategy, Moat và Market Size. Mỗi mắt xích trả lời một câu hỏi rõ ràng trước khi đi tiếp.

Điểm cần nhớ

  1. Idea: insight nào làm ý tưởng xuất hiện?
  2. Customer: nên phục vụ ai trước?
  3. Need: điều gì đang bị phục vụ chưa tốt?
  4. Strategy: nước đi sản phẩm đúng là gì?
  5. Moat: lợi thế nào có thể mạnh dần?
  6. Market Size: thị trường có đáng làm không?
Ví dụ trực quan: Thay vì “làm chatbot AI cho mọi doanh nghiệp”, hãy đi theo chuỗi: nhà xe liên tỉnh → workflow nhận cuộc gọi đặt vé → nhỡ cuộc gọi giờ cao điểm → Voice AI theo workflow đặt vé → moat từ học lặp lại trong vertical.

1. Idea không phải Product Definition

Ý chính

Idea là cảm giác đúng về một khoảng trống, bất công hoặc cơ hội công nghệ. Product definition là phiên bản cụ thể đầu tiên team nghĩ ra để giải quyết idea đó.

Điểm cần nhớ

  1. Idea có thể đúng nhưng định nghĩa sản phẩm đầu tiên thường còn thô.
  2. Không hỏi “AI này có hay không?”, hãy hỏi “cơ hội sản phẩm thật nằm sau idea là gì?”.
  3. Một product opportunity tốt cần nêu rõ observed gap và founding belief.
Ví dụ trực quan: Yếu: “Làm nền tảng AI agent cho SME.” Tốt hơn: “Giúp nhà xe không mất booking vì bỏ lỡ cuộc gọi đặt vé vào giờ cao điểm.”

Thực hành: Reframe idea

2. Customer Segment — chọn ai trước?

Ý chính

Một customer segment tốt được định nghĩa bằng job-to-be-done, workflow và pain moment, không phải bằng nhãn quá rộng như SME hoặc doanh nghiệp có hotline.

Điểm cần nhớ

  1. Specific
  2. Painful enough
  3. Operationally visible
  4. Reachable
Ví dụ trực quan: Quá rộng: “doanh nghiệp có hotline”. Sắc hơn: “nhà xe liên tỉnh có call center nhỏ, thường nhỡ cuộc gọi inbound trong khung 17:00–21:00, dẫn đến mất booking.”

Thực hành: Customer / Segment Card

3. Need thật — không phải feature, không phải FOMO

Ý chính

Need thật là thứ vẫn đau ngay cả khi AI chưa tồn tại. “Chúng tôi muốn chatbot” thường là feature request trá hình; “chúng tôi mất doanh thu khi nhỡ cuộc gọi” mới là real need.

Điểm cần nhớ

  1. Không phải feature trá hình
  2. Có pain lặp lại
  3. Có workaround hiện tại
  4. Có evidence hoặc proxy evidence
  5. Giải quyết xong thay đổi một business outcome
Ví dụ trực quan: FOMO: “Bên tôi cũng muốn có AI.” Feature request: “Tôi muốn chatbot.” Real need: “Tôi mất booking khi khách gọi mà không ai bắt máy.”

Thực hành: Need Map theo JTBD

4. Strategy Statement — strategy là lựa chọn

Ý chính

Strategy không phải danh sách tính năng. Strategy là lựa chọn rõ về target customer, underserved need, core outcome, distinct approach, alternatives và advantage.

Điểm cần nhớ

  1. For [target customer]
  2. who struggle with [underserved need]
  3. our product helps them [core outcome]
  4. through [distinct approach]
  5. unlike [current alternatives]
  6. because we can leverage [advantage]
Ví dụ trực quan: For nhà xe liên tỉnh có call center nhỏ who struggle with missed booking calls, our product helps them recover lost bookings through a booking-aware voice agent, unlike generic chatbot tools, because we can learn repeated reservation workflows in this vertical.

Thực hành: Viết Strategy Statement

5. Moat Hypothesis — lợi thế mạnh dần

Ý chính

Moat là cơ chế làm lợi thế mạnh dần theo thời gian. Với AI product, moat không nên chỉ dựa vào model quality vì model thay đổi nhanh.

Điểm cần nhớ

  1. Domain-learning flywheel
  2. Data compounding
  3. Workflow embedding
  4. Distribution/channel
Ví dụ trực quan: Nếu triển khai 50 lần trong vertical nhà xe, hệ thống hiểu tốt hơn cách hỏi tuyến, ngày giờ, điểm đón, đổi vé, hoàn vé; từ đó output đúng hơn và khách tin hơn.

Thực hành: Moat Hypothesis

6. TAM / SAM / SOM — market sizing có trách nhiệm

Ý chính

Market sizing chỉ có ý nghĩa sau khi customer, need và strategy đã sắc hơn. Mục tiêu không phải ra con số đẹp, mà ra logic ước lượng có thể bị challenge.

Điểm cần nhớ

  1. Tách facts khỏi assumptions
  2. Dùng range khi uncertainty cao
  3. Nêu rõ unknowns cần research thêm
  4. Không dùng con số giả chính xác
Ví dụ trực quan: TAM: toàn bộ thị trường giải pháp xử lý cuộc gọi đặt vé. SAM: nhóm nhà xe liên tỉnh trong geography bạn chọn. SOM: phần realistic có thể giành trong 12–24 tháng.

Thực hành: Initial TAM / SAM / SOM view

Xuất bài thực hành

Bấm nút dưới đây để gom các phần bạn đã lưu thành Markdown. Bạn có thể copy sang submission.md hoặc LMS.