在互聯(lián)網(wǎng)團(tuán)隊(duì)中,數(shù)據(jù)驅(qū)動(dòng)和自動(dòng)化的意義是什么?
文章分別對(duì)產(chǎn)品總監(jiān)的兩個(gè)能力:商業(yè)發(fā)現(xiàn)和高效表達(dá)展開(kāi)了分析,最后結(jié)合案例詳細(xì)闡述了數(shù)據(jù)驅(qū)動(dòng)和自動(dòng)化對(duì)互聯(lián)網(wǎng)團(tuán)隊(duì)的意義,與大家分享。
阿里國(guó)際業(yè)務(wù)AliExpress的CTO郭東白老師曾經(jīng)這樣總結(jié)對(duì)產(chǎn)品總監(jiān)這個(gè)崗位的能力期望:
有這么五個(gè):商機(jī)發(fā)現(xiàn)、高效決策、細(xì)節(jié)表達(dá)、項(xiàng)目驅(qū)動(dòng)和閉環(huán)思考。
今天我談?wù)剬?duì)其中前2條的思考。
一、什么叫商機(jī)發(fā)現(xiàn)?
在互聯(lián)網(wǎng)的世界里就是通過(guò)對(duì)海量數(shù)據(jù)的分析和挖掘,并結(jié)合本企業(yè)業(yè)務(wù)的經(jīng)營(yíng)規(guī)律,發(fā)現(xiàn)用戶(hù)沒(méi)有得到滿(mǎn)足的需求,并通過(guò)可以盈利的方式去滿(mǎn)足這種需求。
我們可以用谷歌在相關(guān)搜索這個(gè)項(xiàng)目上的例子來(lái)做個(gè)說(shuō)明:
谷歌不但通過(guò)日積月累的網(wǎng)頁(yè)索引來(lái)大量采集數(shù)據(jù),同時(shí)還通過(guò)旗下的產(chǎn)品提供海量可以用于挖掘用戶(hù)價(jià)值和業(yè)務(wù)機(jī)會(huì)的數(shù)據(jù):
- Google Analytics:我們都很熟悉的免費(fèi)網(wǎng)站分析工具,是谷歌體系里獲得用戶(hù)行為數(shù)據(jù)體量排名前三的產(chǎn)品
- Google Base: 對(duì)Google來(lái)說(shuō),他們可以通過(guò)這種途徑讓自己的數(shù)據(jù)庫(kù)獲取更多類(lèi)型和數(shù)量的用戶(hù)數(shù)據(jù)。
- Google Earth: 最精準(zhǔn)的地理數(shù)據(jù)
- Orkut: 谷歌自己開(kāi)發(fā)的社交網(wǎng)路平臺(tái),借由從Orkut,Gmail和Froogle搜集到的個(gè)人信息,Google最終推出個(gè)性化搜索
這些數(shù)據(jù)收集后,谷歌如何利用呢?我來(lái)說(shuō)一則谷歌內(nèi)部人士都知道的往事即可。
拉里佩奇和謝爾蓋布林一直希望通過(guò)谷歌搜索這個(gè)產(chǎn)品來(lái)改變用戶(hù)使用互聯(lián)網(wǎng)的習(xí)慣,也就是從不停地點(diǎn)擊鏈接改為搜索關(guān)鍵詞并獲得最好的結(jié)果(搜完即走),所以對(duì)于相關(guān)搜索這個(gè)項(xiàng)目一直不表態(tài)支持(吳軍博士曾經(jīng)負(fù)責(zé)谷歌的相關(guān)搜索項(xiàng)目)。
其中的思考邏輯是如果培養(yǎng)了這種習(xí)慣,那么用戶(hù)也會(huì)愿意使用Yahoo!和MSN這種門(mén)戶(hù)產(chǎn)品。
吳軍博士的團(tuán)隊(duì)在2次申請(qǐng)相關(guān)搜索項(xiàng)目被拒絕后,找到梅麗莎·梅耶爾說(shuō)情。在當(dāng)時(shí),拉里佩奇還在和梅麗莎·梅耶爾談戀愛(ài),所以梅耶爾幫助團(tuán)隊(duì)做了2位創(chuàng)始人的工作(看起來(lái)人情世故還是很重要)。
看過(guò)團(tuán)隊(duì)提交的數(shù)據(jù)分析結(jié)果和原型設(shè)計(jì)后,拉里佩奇同意有條件地上線(xiàn)。
什么叫有條件呢?
就是只拿出1%的流量來(lái)驗(yàn)證這個(gè)新功能對(duì)公司的實(shí)際價(jià)值,也即是我們今天都在使用的A/B測(cè)試技術(shù),最終證明在收入上給谷歌可以帶來(lái)2%的搜索量增加,相關(guān)可以帶動(dòng)2%的收入增加。至此,谷歌決定把該項(xiàng)目擴(kuò)展到所有的谷歌搜索中,并為了方便用戶(hù)搜索,干脆主動(dòng)提供搜索關(guān)鍵詞提示。
對(duì)于一個(gè)基本上在每個(gè)主要的在線(xiàn)廣告市場(chǎng)可以獲得超過(guò)95%市場(chǎng)份額的企業(yè)來(lái)說(shuō),一個(gè)數(shù)據(jù)挖掘的成果每年增加2%的收入,這是一個(gè)非常驚人但合理的成績(jī)。
產(chǎn)品負(fù)責(zé)人必須從業(yè)務(wù)思考出發(fā),通過(guò)用戶(hù)的反饋, 和BI 的商業(yè)分析來(lái)做有目的的數(shù)據(jù)挖掘,這是一個(gè)基于完整Hypothesis的數(shù)據(jù)驗(yàn)證過(guò)程。
也就是說(shuō),從數(shù)據(jù)洞察中發(fā)現(xiàn)機(jī)會(huì)就是產(chǎn)品負(fù)責(zé)人的核心能力。
二、什么叫高效決策?
高效決策,我覺(jué)得落地點(diǎn)的說(shuō)法就是少無(wú)謂撕逼、少開(kāi)會(huì)、獨(dú)立決策、數(shù)據(jù)驅(qū)動(dòng)。
對(duì)比一下國(guó)內(nèi)的大部分創(chuàng)業(yè)企業(yè),動(dòng)不動(dòng)就幾十、上百人的團(tuán)隊(duì),而硅谷的很多團(tuán)隊(duì)不過(guò)10來(lái)個(gè)人就能做同樣規(guī)模的事情,為什么?
有一次曲卉老師(Acorns增長(zhǎng)VP)在朋友圈和我有一個(gè)對(duì)話(huà):
曲:我在Netflix的一個(gè)工程師朋友,年薪總值高達(dá)40萬(wàn)美元,負(fù)責(zé)數(shù)據(jù)系統(tǒng)搭建
顧:硅谷團(tuán)隊(duì)基本可以以工程的方法直接解決運(yùn)營(yíng)的事情,國(guó)內(nèi)還需要學(xué)習(xí)如何從人力轉(zhuǎn)自動(dòng)化。
曲:說(shuō)實(shí)話(huà),咱國(guó)內(nèi)人多,工作刻苦,速度也不慢,老外比較懶。
顧:理解萬(wàn)歲。
讀到這里,大家是否想到立刻飛去硅谷工作,融入那個(gè)可以效率更高、工作時(shí)間更短、產(chǎn)出更高的世界?
但為什么同樣的事情,我們自己就不去做呢?
我們?cè)?jīng)用微軟Bing的一個(gè)例子來(lái)說(shuō)明硅谷企業(yè)的效率是如何獲得的。
在2012年,微軟的一位Bing部門(mén)的雇員提出了一個(gè)改變搜索引擎廣告頭條顯示方式的建議,開(kāi)發(fā)并不需要太多資源投入,僅需要一位工程師幾天的時(shí)間。但是這只是成百個(gè)提出的建議中的一個(gè),項(xiàng)目經(jīng)理并沒(méi)有給與太高的優(yōu)先級(jí)。
直到6個(gè)多月后,一位工程師看到實(shí)現(xiàn)代碼的成本很低,進(jìn)行了一個(gè)簡(jiǎn)化的在線(xiàn)的實(shí)驗(yàn)(AB測(cè)試)來(lái)評(píng)估這個(gè)想法的價(jià)值。僅僅在幾個(gè)小時(shí)內(nèi),新的頭條變體就呈現(xiàn)了超乎尋常的高營(yíng)收趨勢(shì),觸發(fā)了一個(gè)“效果好的都不敢相信是真的”警報(bào)。通常來(lái)說(shuō),類(lèi)似的報(bào)警意味著線(xiàn)上的Bug:?jiǎn)卧诿绹?guó)境內(nèi)年化超過(guò)1個(gè)億美金。而且還是在沒(méi)有傷害到關(guān)鍵的用戶(hù)體驗(yàn)指標(biāo)的前提下做到的。在Bing的歷史上,這是最佳的增收的主意,但是直到測(cè)試了它的價(jià)值,它都是被嚴(yán)重低估的。
這是技術(shù)和數(shù)據(jù)驅(qū)動(dòng)的典范案例。
國(guó)內(nèi)也有很好的例子,比如英語(yǔ)流利說(shuō),一家上海的互聯(lián)網(wǎng)企業(yè)。
流利說(shuō)的創(chuàng)始人團(tuán)隊(duì)都是技術(shù)產(chǎn)品背景,尤其是王翌和胡哲人。他倆之前都有做analytics的背景。哲人原來(lái)在Quantcast,王翌原來(lái)在Google Analytics。其實(shí)都是通過(guò)ipad analytics和web analytics手段去做互聯(lián)網(wǎng)廣告優(yōu)化。所以他們從產(chǎn)品一開(kāi)始就很注重?cái)?shù)據(jù)驅(qū)動(dòng)。只不過(guò)開(kāi)始的時(shí)候沒(méi)有自建,而是用了當(dāng)時(shí)比較火的像友盟作為第三方數(shù)據(jù)平臺(tái)去收集數(shù)據(jù)了解用戶(hù)。然后到了第二年的時(shí)候就決定開(kāi)始自建數(shù)據(jù)平臺(tái),需要自建這一塊加強(qiáng)自身的數(shù)據(jù)驅(qū)動(dòng)能力。
流利說(shuō)現(xiàn)在在這個(gè)內(nèi)部平臺(tái)上面利用開(kāi)源軟件做了非常多的內(nèi)部工具,包括內(nèi)部的整體的數(shù)據(jù)查詢(xún)平臺(tái),包括一些數(shù)據(jù)可視化的工具,能夠讓數(shù)據(jù)做成為每一個(gè)團(tuán)隊(duì)所需要的工具,只要這個(gè)數(shù)據(jù)不是那么敏感,那些需要看的人就能夠非常輕易的獲取。
流利說(shuō)在公司管理上比較傾向于硅谷文化,比如工程師驅(qū)動(dòng)。對(duì)于一些東西特別注重,比如代碼質(zhì)量,測(cè)試、試驗(yàn)迭代等等。注重工具,優(yōu)于注重流程,能夠用自動(dòng)化用系統(tǒng)的手段去解決更多問(wèn)題,而不是簡(jiǎn)單的通過(guò)人工的流程。
比如我曾經(jīng)工作過(guò)的攜程,通過(guò)建設(shè)User Profiling,個(gè)性化推薦這樣的自動(dòng)化系統(tǒng),減少了人力投入,但達(dá)到了更好的產(chǎn)品運(yùn)營(yíng)效果。
三、數(shù)據(jù)驅(qū)動(dòng)和自動(dòng)化對(duì)互聯(lián)網(wǎng)團(tuán)隊(duì)的意義是什么?
沒(méi)有算法,數(shù)據(jù)再多也挖不出價(jià)值;沒(méi)有數(shù)據(jù),算法再好也找不到價(jià)值;
無(wú)視已有的、被證明過(guò)有價(jià)值的數(shù)字資源,是一種極大的浪費(fèi)。
caoz的夢(mèng)囈曾發(fā)文討論大數(shù)據(jù)和人工智能時(shí)這正好印證了我們的一貫看法,偏離基礎(chǔ)的數(shù)據(jù)工作,追求人工智能就是本末倒置。
試問(wèn),在這種情況下,不要說(shuō)在各個(gè)網(wǎng)站和APP對(duì)每個(gè)用戶(hù)做到精準(zhǔn)營(yíng)銷(xiāo)和千人千面了,哪怕是最基本的數(shù)據(jù)分析和挖掘都可能無(wú)法實(shí)現(xiàn),還談什么數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)運(yùn)營(yíng)呢?
回顧從2016年到現(xiàn)在,我已經(jīng)輔導(dǎo)了上百個(gè)互聯(lián)網(wǎng)項(xiàng)目團(tuán)隊(duì),從大型互聯(lián)網(wǎng)企業(yè)、傳統(tǒng)轉(zhuǎn)型互聯(lián)網(wǎng)企業(yè)到初創(chuàng)團(tuán)隊(duì),感觸很多。
對(duì)于我所遇到的大量互聯(lián)網(wǎng)項(xiàng)目團(tuán)隊(duì)來(lái)說(shuō),實(shí)際情況是由于受到資本和市場(chǎng)競(jìng)爭(zhēng)的助推,中國(guó)互聯(lián)網(wǎng)行業(yè)發(fā)展過(guò)于迅速而導(dǎo)致每個(gè)項(xiàng)目的團(tuán)隊(duì)由于方法論和實(shí)施能力的不足,更多的時(shí)候是業(yè)務(wù)驅(qū)動(dòng)、想法驅(qū)動(dòng),而數(shù)據(jù)驅(qū)動(dòng)嚴(yán)重不足。
這背后體現(xiàn)的是:
1)企業(yè)內(nèi)部的數(shù)據(jù)體系建設(shè)沒(méi)有跟上,數(shù)據(jù)產(chǎn)品缺乏規(guī)劃。
2)企業(yè)在“增長(zhǎng)”的概念與實(shí)際增長(zhǎng)的方法和工具脫節(jié)
3)企業(yè)對(duì)數(shù)據(jù)整合能力的缺失
4)企業(yè)的工程思維、試驗(yàn)驅(qū)動(dòng)能力不夠
按照AliExpress CTO郭東白老師的提法,AliExpress在200多個(gè)國(guó)家和地區(qū)有日常下單, 而所有的運(yùn)營(yíng)和產(chǎn)品加起來(lái)都不到100個(gè)人。這基本上就不可能靠運(yùn)氣去發(fā)現(xiàn)商業(yè)機(jī)會(huì)。對(duì)于產(chǎn)品團(tuán)隊(duì)來(lái)說(shuō),所有的決策必須是一個(gè)基于完整假設(shè)(Hypothesis)的數(shù)據(jù)驗(yàn)證過(guò)程,所以能夠在數(shù)據(jù)中發(fā)現(xiàn)和洞察機(jī)會(huì)就是產(chǎn)品的一個(gè)核心能力。
相反,我在社群里就遇到過(guò)這些不同的情況:
1)我們公司是統(tǒng)計(jì)了業(yè)務(wù)數(shù)據(jù),我們認(rèn)為數(shù)據(jù)驅(qū)動(dòng)意義在于使運(yùn)營(yíng)更加精準(zhǔn),可以做到多維度分析數(shù)據(jù)并拆分KPI,但我們目前感覺(jué)數(shù)據(jù)樣本比較小,分析結(jié)果不具備普遍性,似乎無(wú)解。
2)我們公司用了第三方統(tǒng)計(jì)系統(tǒng),自己也開(kāi)發(fā)了數(shù)據(jù)統(tǒng)計(jì)模塊,但總體沒(méi)有數(shù)據(jù)驅(qū)動(dòng)意識(shí)。原因可能是:
- 產(chǎn)品處于驗(yàn)證階段,業(yè)務(wù)模式不穩(wěn)定;
- 團(tuán)隊(duì)負(fù)責(zé)人主觀意識(shí)強(qiáng),喜歡拍腦袋;
- 公司創(chuàng)始人出身傳統(tǒng)行業(yè),只感興趣銷(xiāo)售額,其他指標(biāo)都是浮云。
所以一家公司或一個(gè)產(chǎn)品能不能數(shù)據(jù)驅(qū)動(dòng)主要依賴(lài):
- 公司負(fù)責(zé)人是否有數(shù)據(jù)驅(qū)動(dòng)的思維,即便不懂也要對(duì)數(shù)據(jù)驅(qū)動(dòng)有信仰;
- 初期產(chǎn)品由于業(yè)務(wù)不穩(wěn)定,用戶(hù)量小,要以定性分析為主定量分析為輔,等用戶(hù)量上來(lái)了再全力投入數(shù)據(jù)驅(qū)動(dòng);
- 團(tuán)隊(duì)是否有數(shù)據(jù)驅(qū)動(dòng)的工作氛圍及態(tài)度。
3)最近在改版移動(dòng)站首頁(yè),深刻體會(huì)到數(shù)據(jù)驅(qū)動(dòng)真的很難。以我現(xiàn)在在改版的移動(dòng)網(wǎng)站為例子,只有來(lái)自百度統(tǒng)計(jì)的數(shù)據(jù),基礎(chǔ)的pvuv等數(shù)據(jù)是有的,對(duì)于特定頁(yè)面/事件的轉(zhuǎn)化率,上下有數(shù)據(jù),地域和用戶(hù)年齡性別比例這種分析屬性的數(shù)據(jù)也是有的。關(guān)鍵是如何分析數(shù)據(jù),并懂得用哪些數(shù)據(jù)來(lái)做出改版的決定,比如:為什么要改版首頁(yè)呢?要往哪個(gè)方向改,希望達(dá)到什么業(yè)務(wù)目標(biāo)?為什么要?jiǎng)h除某些功能?為什么要優(yōu)化某個(gè)流程?這時(shí)候就考驗(yàn)處理數(shù)據(jù)的經(jīng)驗(yàn)了。
這些表面看上去是意識(shí)和經(jīng)驗(yàn)不足,但其實(shí)是在公司文化、崗位、工具和工程方法這四個(gè)主要方面的缺失。
如果這四個(gè)方面的問(wèn)題解決了,產(chǎn)品和運(yùn)營(yíng)團(tuán)隊(duì)就可以很好地回答以下的問(wèn)題:
- 服務(wù)的人群是誰(shuí)?(用戶(hù)畫(huà)像)
- 痛點(diǎn)是什么?這些痛點(diǎn)帶來(lái)的損失有多大?或者說(shuō)解決痛點(diǎn)帶來(lái)的回報(bào)怎么度量,有多大?(數(shù)據(jù)指標(biāo)、用戶(hù)研究)
- 為這個(gè)人群提供的核心服務(wù)是什么?這個(gè)服務(wù)最核心的價(jià)值如何以最小成本得到驗(yàn)證?(數(shù)據(jù)挖掘、AB測(cè)試)
- 這個(gè)過(guò)程必須邁出的第一步有多大成本?(研發(fā)資源、市場(chǎng)資源)
- 這一步邁出后用數(shù)字結(jié)果表達(dá)的預(yù)期業(yè)務(wù)回報(bào)大約多少?(數(shù)據(jù)建模、收益預(yù)測(cè))
這些數(shù)據(jù)驅(qū)動(dòng)的自動(dòng)化手段,都是直接會(huì)影響企業(yè)是否可以順利地完成不同階段的融資,并逐漸甩開(kāi)對(duì)手,形成自己的優(yōu)勢(shì)。
這方面做的很成功的比如美團(tuán)、餓了么和Amazon,都是在內(nèi)部數(shù)據(jù)產(chǎn)品建設(shè)上投入了大量技術(shù)資源。
我之前曾提出過(guò)數(shù)據(jù)驅(qū)動(dòng)道術(shù)器三件事,請(qǐng)?zhí)貏e注意企業(yè)自有的數(shù)據(jù)產(chǎn)品建設(shè)上,會(huì)有一些工具、方法論指導(dǎo)互聯(lián)網(wǎng)團(tuán)隊(duì)能夠形成一個(gè)流程化的工作方法,達(dá)到阿里AliExpress郭東白老師提出的那種數(shù)據(jù)驅(qū)動(dòng)期望。
一旦企業(yè)可以實(shí)現(xiàn)內(nèi)部的數(shù)據(jù)整合、數(shù)據(jù)產(chǎn)品和數(shù)據(jù)工程方法,很多目前人工在做的事情就能夠自動(dòng)化、智能化(本質(zhì)上是通過(guò)算法和機(jī)器學(xué)習(xí)來(lái)解決),所以首先要對(duì)數(shù)據(jù)產(chǎn)品范疇內(nèi)的所有工具和方法論有一個(gè)良好的認(rèn)知,并從實(shí)踐中獲得有助于企業(yè)業(yè)務(wù)發(fā)展的一手經(jīng)驗(yàn)。
作者:顧青,DTALK.org創(chuàng)始人;公眾號(hào):DTalks (微信ID:dtalks),聯(lián)系請(qǐng)關(guān)注后回復(fù)“人人PM”。
本文由 @顧青 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載
題圖來(lái)自Unsplash,基于CC0協(xié)議
- 目前還沒(méi)評(píng)論,等你發(fā)揮!