產(chǎn)品經(jīng)理-我從上一份產(chǎn)品工作中學(xué)到了什么

1、9 月中旬在前公司辦完離職，開始了新的職場征程。在職場這些年，說長不長說短不短，能夠不斷前進，有一條信條比較重要，就是不把工作僅當作掙工資的手段。踐行這個信條，就可以接受和形成延遲滿足心態(tài)，離職前薪資也只是當初入職時另外一家公司提供的起點，僅從薪資維度看，貌似一年半的時間還在原地踏步。但這一年半的時間，在其他方面卻取得了長足的進步和滿滿的收獲。本篇探討下，在上一份工作中學(xué)到的東西和收獲。單產(chǎn)品線 -多產(chǎn)品線在到公司之前，明確的職責(zé)是負責(zé)一條產(chǎn)品線的產(chǎn)品工作。但隨著對市場需求了解的深入，為了適應(yīng)不同的市場需求，從0 到 1 又做了另外一條產(chǎn)品線。從而實現(xiàn)了從負責(zé)單產(chǎn)品線，到負責(zé)多產(chǎn)品線的跨越。從

2、單產(chǎn)品線到多產(chǎn)品線直接的挑戰(zhàn)是將原來需求-方案 -發(fā)布-驗證整個過程，從原來一份變成兩份。別的業(yè)務(wù)線一個月發(fā)布一次，負責(zé)兩條產(chǎn)品線就意味了一個月做兩次產(chǎn)品發(fā)布。雙份的工作量，也帶動了招聘產(chǎn)品經(jīng)理的需求，這個稍后討論。單產(chǎn)品線和多產(chǎn)品線除了直接的工作量上的差異，不同產(chǎn)品特性和適用的市場，要求對細分行業(yè)和客戶需求有深入了解，并在此基礎(chǔ)上構(gòu)建產(chǎn)品和解決方案。這個過程，受益于公司職能型架構(gòu)和推薦產(chǎn)品的復(fù)雜度，很多都是親力親為。從而能夠?qū)ν扑]的應(yīng)用，從之前經(jīng)驗SaaS真式，不斷拓展到傳統(tǒng)企業(yè)場景。行業(yè)認知的形成，是負責(zé)多產(chǎn)品線的副產(chǎn)品，也使得做產(chǎn)品認知層次又前進了一步。在有限資源前提下，從0 到 1 做

3、 B 端產(chǎn)品可謂披荊斬棘。在做新產(chǎn)品過程中，僅靠兩個種子客戶的需求輸入（還未落地），就被時間逼著抽象出了一套通用的產(chǎn)品，這也是這些年做產(chǎn)品足夠吹一陣子的成就了。能做到這點在于自身職業(yè)生涯至今一直聚焦推薦系統(tǒng)產(chǎn)品化工作，有著還不錯的積累；其次，是對目標客戶和目標場景做了大量的前期調(diào)研，能夠撥開具體的解決方案，抽象出真實的需求。當然如果重做的話，這個進程會大幅加快，并且首先會做一版簡單的界面出來， MVP 階段沒有界面，實際推慢了整體進度，并且驗證了無論To B 或 To C 產(chǎn)品，客戶或用戶都喜歡看的見摸得著的東西。入職即負責(zé)的產(chǎn)品線，起初的模式是重人工的交付邏輯，產(chǎn)品反而是其次的，并且這樣做大

4、家也覺得沒有什么違和感。但非標的產(chǎn)品需要大量的人力投入，同時還不一定讓客戶滿意，降低成本就成了目標。之前在AI 公司時，公司也會搭算法專家給銀行搞項目實施，并且問題也不大。兩者差異在于，后者做銀行項目，客單價動輒幾百萬或千萬起，即便投入算法專家，最后的 ROI 仍然是相對可控的。而前者問題在于客單價低，使整個投入變得不那么合理。因此即便行業(yè)公認人工智能=人工+智能，也需要盡可能去做標準化產(chǎn)品，才能實現(xiàn)邊際成本降低。做產(chǎn)品或業(yè)務(wù)，最終都是做的商業(yè)，技術(shù)上的優(yōu)勢，如果轉(zhuǎn)變不成商業(yè)價值，也是不可持續(xù)的，一城一池的炫技就顯得沒有必要。選對市場，以恰當?shù)漠a(chǎn)品形式，實現(xiàn)客戶價值和商業(yè)價值，這也是產(chǎn)品經(jīng)理存

5、在的價值。SaaS奠式，傳統(tǒng)軟件模式前段時間讀云攻略，內(nèi)容是salesforce早期以公有云的方式提供服務(wù)，替代的目標是傳統(tǒng)的軟件模式。SaaS真式相比傳統(tǒng)軟件模式，確實有著各種優(yōu)勢：接入成本更低、接入周期更短、費用更低.這種模式天然適合價格敏感、希望更快出效果中小型企業(yè)。而實際從業(yè)務(wù)競爭力和穩(wěn)定度上來講，小型企業(yè)更加容易出現(xiàn)經(jīng)營問題和流失，續(xù)約續(xù)費也就相應(yīng)受影響。傳統(tǒng)軟件模式則是另外一個極端。接入成本高、費用更高、接入周期更長。每一點特征都會過濾部分客群，最終反而更加適用于有資金實力、業(yè)務(wù)更加穩(wěn)定的大中型企業(yè)。這也就不難理解，近些年在國內(nèi)純SaaS廠商逐步SaaS中國化，為了拿下大中型企業(yè)客

6、戶，提供傳統(tǒng)軟件的解決方案而非公有云的SaaS因此在做新產(chǎn)品或企業(yè)時，放眼沒有競爭對手，不一定是好事，有可能是進入了商業(yè)荒漠，商業(yè)模式跑不通或不可持續(xù)。過去三年的工作經(jīng)歷分別經(jīng)歷了SaaS奠式和傳統(tǒng)軟件模式。相比SaaSg交付的模式，傳統(tǒng)軟件的重交付模式也使產(chǎn)品工作的開展有諸多不同。傳統(tǒng)軟件模式有更重的交付，體現(xiàn)在項目角色更多，有項目經(jīng)理、實施、客戶成功、分析師等角色。交付流程更長，每一步交付內(nèi)容都不可省略。對于那些能夠接受SaaS模式的客戶來講，統(tǒng)一提供傳統(tǒng)軟件的交付模式，勢必會在報價和實施成本及時間上帶來成單的劣勢。傳統(tǒng)軟件模式對產(chǎn)品經(jīng)理直接影響就是受限于較高的交付成本和交付周期，產(chǎn)品落地

7、和驗證周期較長，從而導(dǎo)致產(chǎn)品迭代時間也跟著變長。一個版本以月為單位做驗證，并不會讓人太驚訝。倘使產(chǎn)品主要適用于大中型客戶，而企業(yè)又追求多快好省見效益，就會出現(xiàn)理想與現(xiàn)實的巨大矛盾。SaaS奠式和傳統(tǒng)軟件模式哪個都不會完全取代另外一方,因為本身就是為了滿足不同需求的解決方案，只要需求在，解決方案就一定會在。更多的廠商會走向，既有SaaS模式，也有傳統(tǒng)軟件的模式。并且會有越來越多的中小企業(yè)客戶逐步也會走標準的demo演示、PoC、招投標等流程，畢竟市場下行和受疫情雙重影響，中小企業(yè)生存困難，花錢會越來越謹慎。數(shù)據(jù)智能-數(shù)據(jù)洞察事物總是遵循從低級到高級的規(guī)律發(fā)展，互聯(lián)網(wǎng)應(yīng)用也經(jīng)歷了從以人的數(shù)據(jù)洞察驅(qū)

8、動的模式，逐步切換到以機器智能驅(qū)動的模式，淘寶更是傳出今年雙十一要完全改版為智能推薦的信息流。但這里之所以用數(shù)據(jù)智能-數(shù)據(jù)洞察，主要是以個人經(jīng)歷而言，過去主要就是做智能推薦相關(guān)產(chǎn)品化工作，數(shù)據(jù)洞察相關(guān)工作反而做的不多。在過去這段經(jīng)歷中，除了繼續(xù)深耕推薦產(chǎn)品化外，在數(shù)據(jù)洞察的認知上也提升較大。數(shù)據(jù)洞察最基礎(chǔ)的一點在于有數(shù)據(jù)，這是一切洞察的前提，前幾個月作為一場線上數(shù)據(jù)分析活動的評委給選手評價也是這點。沒有數(shù)據(jù)也就談不上數(shù)據(jù)洞察，但實踐發(fā)現(xiàn)有數(shù)據(jù)這件事在各行各業(yè)都是比較困難的，甚至某種程度上講，數(shù)據(jù)分析行業(yè)比較大的價值，不在于讓客戶做復(fù)雜業(yè)務(wù)分析和洞察，核心價值在于解決了有數(shù)據(jù)的問題。有了數(shù)據(jù)再加

9、上分析工具，就是一套解決方案，至于使用者用的好不好，就完全取決于業(yè)務(wù)人員自身的水平了。有了數(shù)據(jù)要想做好數(shù)據(jù)洞察，需要對業(yè)務(wù)現(xiàn)狀、業(yè)務(wù)目標、 SQL 都要心中有數(shù)才行。因此不乏自研或采購數(shù)據(jù)分析產(chǎn)品，最終并沒有用起來，數(shù)據(jù)驅(qū)動更多是口號。因此數(shù)據(jù)驅(qū)動，除了工具外，也需要人的素質(zhì)和水平跟上。就像收割機替代了鐮刀割麥子，但農(nóng)民不會開收割機，仍然解決不了收麥子的問題。當然也有相當企業(yè)，并不需要復(fù)雜的分析工具，最后恍然大悟，友盟和百度統(tǒng)計就能解決的問題，勞心費力白折騰一頓。用戶畫像是數(shù)據(jù)洞察另外一個常見應(yīng)用。前些天去寧夏游玩，賀蘭山下史前巖畫，線條簡單但特征卻刻畫明顯，雖然時隔幾萬年也能識別出是羊或是鹿

10、。用戶畫像則是以數(shù)據(jù)的方式，對用戶特征加以刻畫，從而實現(xiàn)對用戶更深層理解，更好做業(yè)務(wù)。用戶畫像產(chǎn)品主要聚焦用戶標簽的生產(chǎn)，既有的基礎(chǔ)屬性不需要生產(chǎn)，大部分需要生產(chǎn)的通過規(guī)則就能實現(xiàn)，少部分會用到分類算法生產(chǎn)預(yù)測標簽。用戶畫像從結(jié)果上看，更多是一種原材料，生產(chǎn)出來的畫像只有應(yīng)用在具體的業(yè)務(wù)場景才能產(chǎn)生實際的價值，否則就只有匯報和PR價值。常見的應(yīng)用場景有廣告投放、精細化運營、個性化推薦。需要說明的是，并非有了用戶畫像就萬事大吉了，用戶畫像的使用也存在許多坑。最基礎(chǔ)的就是，相當部分標簽是基于規(guī)則打出來的，而規(guī)則又包含了人對于業(yè)務(wù)、用戶及數(shù)據(jù)的理解，不同人打的標簽勢必是不一樣的，因此體現(xiàn)在業(yè)務(wù)上，效

11、果也大為不同。再者有接觸過廣告投放的，很多人都會迷信畫像數(shù)據(jù)，恨不得把BATTMD廣告系統(tǒng)吐的標簽畫像數(shù)據(jù)都應(yīng)用到自家的業(yè)務(wù)上，而實際也不一定起作用。例如 NBA 打分區(qū)決賽，一個用戶在資訊平臺看NBA 文章和視頻，而此時這個用戶身處寧夏看到大街小巷售賣枸杞，希望給朋友帶回點特產(chǎn)。這種情況下，到了購物平臺，推體育的還是推枸杞更合理呢？自動化運營是在有了行為數(shù)據(jù)和用戶畫像后，自然而然的精細化運營應(yīng)用。市面上多以智能運營宣傳自動化運營，實際自動化運營很少稱得上智能。自動化運營最大的價值，實際上是能夠集成不同的觸點，至于能不能提升 ROI ，也是非常依賴業(yè)務(wù)人員對業(yè)務(wù)、用戶和數(shù)據(jù)的理解。另外一點，市

12、面上自動化運營，雖然也有宣傳個性化，但相比真正的千人千面?zhèn)€性化推薦，自動化營銷還有一段路要走。營銷、運營、個性化推薦在業(yè)務(wù)面前，實際是統(tǒng)一的。這也是有構(gòu)想，來不及實現(xiàn)的點。單兵 - 團隊初入職負責(zé)一條產(chǎn)品線，但也有諸多不同需要投入更多時間和精力。在 AI 公司時，公司組織架構(gòu)是事業(yè)部型，業(yè)務(wù)再小也是各職能都有，有勁一處使，不管事情成不成，推動總不會是問題。而前司的組織架構(gòu)是職能型的，并不存在專門售賣所負責(zé)產(chǎn)品的售前或銷售，因此需要投入更多精力在銷售交付 /市場宣傳上，除了正常的產(chǎn)品交付，還需要解決售賣的培訓(xùn)。在這點上，并非完全依靠模板或流程，就能真正解決售賣或宣傳問題，在沒有足夠監(jiān)督和檢查的情況下，就會存在程序正確，而不解決實際問題。在洞察有部分市場需求在現(xiàn)有產(chǎn)品框架下無法滿足時，也就促成了 0-1 起新業(yè)務(wù)線的緣由，新起業(yè)務(wù)線需要投入大量的時間和精力推動每一步向前。以上兩點就促使從單兵到團隊的轉(zhuǎn)變，當然需要從招聘開始。招聘就像做產(chǎn)品或業(yè)務(wù)，起初有美好的假設(shè)，但實際市場情況會教做人，需要不斷認知市場和迭代才能完成招聘計劃。招聘的過程中，棘手的問題是少有優(yōu)質(zhì)簡歷，后來明白優(yōu)質(zhì)的候選人通常都會在大廠之間跳來跳去，通常默認就會過濾掉B 端小廠。希望招聘