Anthropic 如何在產品管理中使用 Claude
🏦 台灣Pay 銀行轉帳 💙 PayPal
Anthropic 的 PM 示範用 Claude Code 查產品數據、產生 e-bells 測試案例
- 00:01 現在當產品經理能更快推進、更快迭代：在找其他人參與之前，就能先用 Claude 測試自己的產品構想
- 01:33 接著迭代：要求依方案類型（plan type）畫出淺色和深色模式的使用量。Claude 先徵求編輯許可，同意後就產出新圖
- 02:33 講者認為這不只是自動化：有些事原本自己一個人不一定做得到，Claude 擴展了一個人能完成的範圍
💡 你可以怎麼用：下次要看數據時，把資料（例如一份 Excel）交給 Claude，直接用白話問你想知道什麼、請它畫圖，然後自己檢查數字合不合理。如果要測試自己做的 AI 應用，先寫一、兩題「輸入＋期望回答」的範例，再請 Claude 擴充成幾十題。
看全部 16 條重點
🧑🏫 這支影片由 Anthropic 的產品經理示範，怎麼用 Claude 做兩件平常很花時間的事：查產品數據、出 AI 產品的測試題。重點是不會寫程式的人也能自己做數據分析，工作方式跟著改變，很適合想用 AI 提高工作效率的人看。
- 00:01 現在當產品經理能更快推進、更快迭代：在找其他人參與之前，就能先用 Claude 測試自己的產品構想↳ 以前產品經理有新點子，常要先找工程師或設計師一起評估。現在可以先自己用 Claude 做一版試試看，確定方向可行再找人參與，每一輪的節奏都快很多。
- 00:01 用 Claude 之後，產品經理可以更獨立地做事，講者覺得這很有力量↳ 很多事不用再排隊等別人有空，自己就能先做到一定程度。講者覺得，這種靠自己就能往前推的感覺，是最有力量的地方。
- 00:01 對產品經理來說，拿數據很麻煩：通常要去找資料科學（data science）的同事幫忙↳ 產品經理常想知道某個功能有多少人在用，但通常要請資料科學同事（專門整理、分析數據的人）幫忙查。一來一回很花時間，問題也常卡在別人的待辦清單上。
- 00:31 產品經理也常自己寫基本的 SQL，但查的是自己不太熟的資料庫↳ SQL 是用來向資料庫下查詢指令的語言。產品經理多半會寫一點簡單的，但對公司資料庫裡的表格和欄位不熟，常不確定該查哪裡，也不確定查出來的結果對不對。
- 00:31 講者開始用 Claude Code 之後，很快發現它可以拿來跑數據分析的工作流程↳ Claude Code 是讓 Claude 在電腦上直接動手執行工作的工具，原本多拿來寫程式。講者用了之後發現，拿它來查數據、做分析也很好用。
- 00:31 資料科學團隊建了一個 BigQuery MCP，把所有 BigQuery 產品數據表都接上 Claude Code↳ BigQuery 是 Google 的雲端資料庫，公司的產品數據就存在裡面。MCP 是讓 Claude 連上外部工具或資料的連接方式。資料團隊把這個連接做好後，Claude 就能直接讀這些表。
- 00:31 有了它就不必會寫 SQL，只要當那份數據和結果的「人類解讀者」就好↳ 查詢語法交給 Claude 寫，你只要負責提問、看結果，判斷數字合不合理、代表什麼意思。會問對問題、看得懂結果，比會寫語法更重要。
- 01:02 示範前，講者先用 Claude 產生一份合成的產品數據，內容是某產品的淺色模式和深色模式使用量↳ 合成數據就是做出來的假資料，格式像真的，但不是真實用戶的紀錄。講者示範前，先請 Claude 生出一份某產品淺色模式和深色模式使用量的假資料，當作示範材料。
- 01:02 示範：說想看過去 3 個月深色模式使用的比例，並告訴它要查哪張數據表，它就直接跳出圖表↳ 講者用平常講話的方式問：「過去三個月，用深色模式的比例是多少？」再告訴它要查哪張表，Claude 就自己查完、直接畫出圖來，完全不用寫語法。
- 01:02 Claude 主動多做了沒被要求的事，例如加上 7 天移動平均和整體平均；圖也比講者自己做的好看↳ 7 天移動平均是把每天的數字跟前幾天一起平均，讓曲線不會忽高忽低，比較看得出趨勢。Claude 沒被要求就主動加上這條線和整體平均，圖還比講者自己畫的好看。
- 01:33 接著迭代：要求依方案類型（plan type）畫出淺色和深色模式的使用量。Claude 先徵求編輯許可，同意後就產出新圖↳ 方案類型指用戶用的是哪一種方案。講者要求依方案拆開，看淺色和深色模式各自的用量。Claude 要修改之前先問能不能動手，講者同意後才產出新圖。
- 01:33 講者說這些如果自己做，可能要花好幾個小時，甚至更久↳ 查表、寫語法、整理成圖這一整套，講者說自己做可能要好幾個小時，甚至更久。用 Claude 的話，把需求講清楚就能拿到圖。
- 01:33 講者的團隊也用 Claude 產生 e-bells，也就是用來評估 AI 系統和 AI 產品的方法，講者說 Claude 其實很擅長這件事↳ e-bells（業界通常寫作 evals）是檢查 AI 產品表現好不好的測試方法，像出一份考卷讓 AI 一題一題作答。講者的團隊請 Claude 幫忙出題，發現它其實很擅長。
- 02:03 做法：告訴 Claude 情境和想打造的產品體驗，附上幾個範例測試案例，請它擴充，很快就能從 1、2 個增加到大約 50 個↳ 測試案例就是一題一題「輸入什麼、應該得到什麼」的題目。先跟 Claude 說明情境和想做出的產品體驗，給一、兩題範例，請它照著擴充，很快就能變成大約 50 題。
- 02:03 講者期望有了 Claude，產品經理能把更多時間花在產品策略、跟客戶對話和做決策，少花時間在協調和營運↳ 協調、追進度這類營運雜事交給 Claude 分擔後，產品經理可以把力氣留給想產品方向、跟客戶聊，以及做決定，這些是真正需要人來判斷的事。
- 02:33 講者認為這不只是自動化：有些事原本自己一個人不一定做得到，Claude 擴展了一個人能完成的範圍↳ 重點不只是把原本就會做的事變快，而是一個人原本做不到的事，現在也能自己完成。例如不會寫 SQL 的人，現在也能分析數據。
📘 術語
Claude Code（Claude Code）：講者拿來跑數據分析工作流程的工具，示範就是在 Claude Code 裡操作
SQL（SQL 查詢語言）：產品經理查資料庫時常要自己寫的基本語法；接上 BigQuery MCP 後就不必會寫
BigQuery（BigQuery）：存放產品數據表的地方（字幕說的是 BigQuery product data tables）
MCP（MCP）：資料科學團隊建的 BigQuery MCP，把所有 BigQuery 產品數據表接到 Claude Code
synthetic product data（合成產品數據）：講者示範前先用 Claude 產生的數據，內容是淺色與深色模式的使用量
7-day rolling average（7 天移動平均）：Claude 畫圖時沒被要求就主動加上的統計線
plan type（方案類型）：講者迭代時要求依它拆開來畫淺色／深色模式的使用量
e-bells（e-bells（字幕原文拼法））：用來評估 AI 系統和 AI 產品的方法；Claude 能把少數範例擴充成大量測試案例
test cases（測試案例）：給 Claude 幾個範例，請它擴充，可以從 1、2 個增加到大約 50 個
SQL（SQL 查詢語言）：產品經理查資料庫時常要自己寫的基本語法；接上 BigQuery MCP 後就不必會寫
BigQuery（BigQuery）：存放產品數據表的地方（字幕說的是 BigQuery product data tables）
MCP（MCP）：資料科學團隊建的 BigQuery MCP，把所有 BigQuery 產品數據表接到 Claude Code
synthetic product data（合成產品數據）：講者示範前先用 Claude 產生的數據，內容是淺色與深色模式的使用量
7-day rolling average（7 天移動平均）：Claude 畫圖時沒被要求就主動加上的統計線
plan type（方案類型）：講者迭代時要求依它拆開來畫淺色／深色模式的使用量
e-bells（e-bells（字幕原文拼法））：用來評估 AI 系統和 AI 產品的方法；Claude 能把少數範例擴充成大量測試案例
test cases（測試案例）：給 Claude 幾個範例，請它擴充，可以從 1、2 個增加到大約 50 個
✏️ 小考一題
根據影片，資料科學團隊建了什麼，讓產品經理不必會寫 SQL 也能在 Claude Code 查產品數據？
A. 一個儀表板，每天自動寄送產品數據報表B. 一套 SQL 範本庫，讓 PM 複製貼上C. 一個 subagent，專門代替 PM 去問資料科學同事D. BigQuery MCP，把所有 BigQuery 產品數據表接到 Claude Code看答案
答案：D。[00:31] 字幕說："Our data science team set up a BigQuery MCP, which essentially connected all of our BigQuery product data tables to Claude Code."，接著提到不必會寫 SQL
💛 覺得有幫助？支持一下
課本免費、沒有廣告，支持與否都能照常讀 🐰