国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

文章分別對產(chǎn)品總監(jiān)的兩個能力：商業(yè)發(fā)現(xiàn)和高效表達展開了分析，最后結(jié)合案例詳細闡述了數(shù)據(jù)驅(qū)動和自動化對互聯(lián)網(wǎng)團隊的意義，與大家分享。

阿里國際業(yè)務(wù)AliExpress的CTO郭東白老師曾經(jīng)這樣總結(jié)對產(chǎn)品總監(jiān)這個崗位的能力期望：

有這么五個：商機發(fā)現(xiàn)、高效決策、細節(jié)表達、項目驅(qū)動和閉環(huán)思考。

今天我談?wù)剬ζ渲星?條的思考。

一、什么叫商機發(fā)現(xiàn)？

在互聯(lián)網(wǎng)的世界里就是通過對海量數(shù)據(jù)的分析和挖掘，并結(jié)合本企業(yè)業(yè)務(wù)的經(jīng)營規(guī)律，發(fā)現(xiàn)用戶沒有得到滿足的需求，并通過可以盈利的方式去滿足這種需求。

我們可以用谷歌在相關(guān)搜索這個項目上的例子來做個說明：

谷歌不但通過日積月累的網(wǎng)頁索引來大量采集數(shù)據(jù)，同時還通過旗下的產(chǎn)品提供海量可以用于挖掘用戶價值和業(yè)務(wù)機會的數(shù)據(jù)：

• Google Analytics:我們都很熟悉的免費網(wǎng)站分析工具，是谷歌體系里獲得用戶行為數(shù)據(jù)體量排名前三的產(chǎn)品
• Google Base: 對Google來說，他們可以通過這種途徑讓自己的數(shù)據(jù)庫獲取更多類型和數(shù)量的用戶數(shù)據(jù)。
• Google Earth: 最精準的地理數(shù)據(jù)
• Orkut: 谷歌自己開發(fā)的社交網(wǎng)路平臺，借由從Orkut，Gmail和Froogle搜集到的個人信息，Google最終推出個性化搜索

這些數(shù)據(jù)收集后，谷歌如何利用呢？我來說一則谷歌內(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谷歌搜索這個產(chǎn)品來改變用戶使用互聯(lián)網(wǎng)的習慣，也就是從不停地點擊鏈接改為搜索關(guān)鍵詞并獲得最好的結(jié)果（搜完即走），所以對于相關(guān)搜索這個項目一直不表態(tài)支持（吳軍博士曾經(jīng)負責谷歌的相關(guān)搜索項目）。

其中的思考邏輯是如果培養(yǎng)了這種習慣，那么用戶也會愿意使用Yahoo！和MSN這種門戶產(chǎn)品。

吳軍博士的團隊在2次申請相關(guān)搜索項目被拒絕后，找到梅麗莎·梅耶爾說情。在當時，拉里佩奇還在和梅麗莎·梅耶爾談戀愛，所以梅耶爾幫助團隊做了2位創(chuàng)始人的工作（看起來人情世故還是很重要）。

看過團隊提交的數(shù)據(jù)分析結(jié)果和原型設(shè)計后，拉里佩奇同意有條件地上線。

什么叫有條件呢？

就是只拿出1%的流量來驗證這個新功能對公司的實際價值，也即是我們今天都在使用的A/B測試技術(shù)，最終證明在收入上給谷歌可以帶來2%的搜索量增加，相關(guān)可以帶動2%的收入增加。至此，谷歌決定把該項目擴展到所有的谷歌搜索中，并為了方便用戶搜索，干脆主動提供搜索關(guān)鍵詞提示。

對于一個基本上在每個主要的在線廣告市場可以獲得超過95%市場份額的企業(yè)來說，一個數(shù)據(jù)挖掘的成果每年增加2%的收入，這是一個非常驚人但合理的成績。

產(chǎn)品負責人必須從業(yè)務(wù)思考出發(fā)，通過用戶的反饋， 和BI 的商業(yè)分析來做有目的的數(shù)據(jù)挖掘，這是一個基于完整Hypothesis的數(shù)據(jù)驗證過程。

也就是說，從數(shù)據(jù)洞察中發(fā)現(xiàn)機會就是產(chǎn)品負責人的核心能力。

二、什么叫高效決策？

高效決策，我覺得落地點的說法就是少無謂撕逼、少開會、獨立決策、數(shù)據(jù)驅(qū)動。

對比一下國內(nèi)的大部分創(chuàng)業(yè)企業(yè)，動不動就幾十、上百人的團隊，而硅谷的很多團隊不過10來個人就能做同樣規(guī)模的事情，為什么？

有一次曲卉老師（Acorns增長VP）在朋友圈和我有一個對話：

曲：我在Netflix的一個工程師朋友，年薪總值高達40萬美元，負責數(shù)據(jù)系統(tǒng)搭建

顧：硅谷團隊基本可以以工程的方法直接解決運營的事情，國內(nèi)還需要學習如何從人力轉(zhuǎn)自動化。

曲：說實話，咱國內(nèi)人多，工作刻苦，速度也不慢，老外比較懶。

顧：理解萬歲。

讀到這里，大家是否想到立刻飛去硅谷工作，融入那個可以效率更高、工作時間更短、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？

我們曾經(jīng)用微軟Bing的一個例子來說明硅谷企業(yè)的效率是如何獲得的。

在2012年,微軟的一位Bing部門的雇員提出了一個改變搜索引擎廣告頭條顯示方式的建議，開發(fā)并不需要太多資源投入，僅需要一位工程師幾天的時間。但是這只是成百個提出的建議中的一個，項目經(jīng)理并沒有給與太高的優(yōu)先級。

直到6個多月后，一位工程師看到實現(xiàn)代碼的成本很低，進行了一個簡化的在線的實驗（ＡＢ測試）來評估這個想法的價值。僅僅在幾個小時內(nèi)，新的頭條變體就呈現(xiàn)了超乎尋常的高營收趨勢，觸發(fā)了一個“效果好的都不敢相信是真的”警報。通常來說，類似的報警意味著線上的Bug：單在美國境內(nèi)年化超過１個億美金。而且還是在沒有傷害到關(guān)鍵的用戶體驗指標的前提下做到的。在Bing的歷史上，這是最佳的增收的主意，但是直到測試了它的價值，它都是被嚴重低估的。

這是技術(shù)和數(shù)據(jù)驅(qū)動的典范案例。

國內(nèi)也有很好的例子，比如英語流利說，一家上海的互聯(lián)網(wǎng)企業(yè)。

流利說的創(chuàng)始人團隊都是技術(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。哲人原來在Quantcast，王翌原來在Google Analytics。其實都是通過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)品一開始就很注重數(shù)據(jù)驅(qū)動。只不過開始的時候沒有自建，而是用了當時比較火的像友盟作為第三方數(shù)據(jù)平臺去收集數(shù)據(jù)了解用戶。然后到了第二年的時候就決定開始自建數(shù)據(jù)平臺，需要自建這一塊加強自身的數(shù)據(jù)驅(qū)動能力。

流利說現(xiàn)在在這個內(nèi)部平臺上面利用開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)查詢平臺，包括一些數(shù)據(jù)可視化的工具，能夠讓數(shù)據(jù)做成為每一個團隊所需要的工具，只要這個數(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。

流利說在公司管理上比較傾向于硅谷文化，比如工程師驅(qū)動。對于一些東西特別注重，比如代碼質(zhì)量，測試、試驗迭代等等。注重工具，優(yōu)于注重流程，能夠用自動化用系統(tǒng)的手段去解決更多問題，而不是簡單的通過人工的流程。

比如我曾經(jīng)工作過的攜程，通過建設(shè)User Profiling，個性化推薦這樣的自動化系統(tǒng)，減少了人力投入，但達到了更好的產(chǎn)品運營效果。

三、數(shù)據(jù)驅(qū)動和自動化對互聯(lián)網(wǎng)團隊的意義是什么？

沒有算法，數(shù)據(jù)再多也挖不出價值；沒有數(shù)據(jù)，算法再好也找不到價值；

無視已有的、被證明過有價值的數(shù)字資源，是一種極大的浪費。

caoz的夢囈曾發(fā)文討論大數(shù)據(jù)和人工智能時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，在這種情況下，不要說在各個網(wǎng)站和APP對每個用戶做到精準營銷和千人千面了，哪怕是最基本的數(shù)據(jù)分析和挖掘都可能無法實現(xiàn)，還談什么數(shù)據(jù)驅(qū)動業(yè)務(wù)運營呢？

回顧從2016年到現(xiàn)在，我已經(jīng)輔導了上百個互聯(lián)網(wǎng)項目團隊，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)團隊，感觸很多。

對于我所遇到的大量互聯(lián)網(wǎng)項目團隊來說，實際情況是由于受到資本和市場競爭的助推，中國互聯(lián)網(wǎng)行業(yè)發(fā)展過于迅速而導致每個項目的團隊由于方法論和實施能力的不足，更多的時候是業(yè)務(wù)驅(qū)動、想法驅(qū)動，而數(shù)據(jù)驅(qū)動嚴重不足。

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)沒有跟上，數(shù)據(jù)產(chǎn)品缺乏規(guī)劃。

2）企業(yè)在“增長”的概念與實際增長的方法和工具脫節(jié)

3）企業(yè)對數(shù)據(jù)整合能力的缺失

4）企業(yè)的工程思維、試驗驅(qū)動能力不夠

按照AliExpress CTO郭東白老師的提法，AliExpress在200多個國家和地區(qū)有日常下單， 而所有的運營和產(chǎn)品加起來都不到100個人。這基本上就不可能靠運氣去發(fā)現(xiàn)商業(yè)機會。對于產(chǎn)品團隊來說，所有的決策必須是一個基于完整假設(shè)（Hypothesis）的數(shù)據(jù)驗證過程，所以能夠在數(shù)據(jù)中發(fā)現(xiàn)和洞察機會就是產(chǎn)品的一個核心能力。

相反，我在社群里就遇到過這些不同的情況：

1）我們公司是統(tǒng)計了業(yè)務(wù)數(shù)據(jù)，我們認為數(shù)據(jù)驅(qū)動意義在于使運營更加精準，可以做到多維度分析數(shù)據(jù)并拆分KPI，但我們目前感覺數(shù)據(jù)樣本比較小，分析結(jié)果不具備普遍性，似乎無解。

2）我們公司用了第三方統(tǒng)計系統(tǒng)，自己也開發(fā)了數(shù)據(jù)統(tǒng)計模塊，但總體沒有數(shù)據(jù)驅(qū)動意識。原因可能是：

1. 產(chǎn)品處于驗證階段，業(yè)務(wù)模式不穩(wěn)定；
2. 團隊負責人主觀意識強，喜歡拍腦袋；
3. 公司創(chuàng)始人出身傳統(tǒng)行業(yè)，只感興趣銷售額，其他指標都是浮云。

所以一家公司或一個產(chǎn)品能不能數(shù)據(jù)驅(qū)動主要依賴：

1. 公司負責人是否有數(shù)據(jù)驅(qū)動的思維，即便不懂也要對數(shù)據(jù)驅(qū)動有信仰；
2. 初期產(chǎn)品由于業(yè)務(wù)不穩(wěn)定，用戶量小，要以定性分析為主定量分析為輔，等用戶量上來了再全力投入數(shù)據(jù)驅(qū)動；
3. 團隊是否有數(shù)據(jù)驅(qū)動的工作氛圍及態(tài)度。

3）最近在改版移動站首頁，深刻體會到數(shù)據(jù)驅(qū)動真的很難。以我現(xiàn)在在改版的移動網(wǎng)站為例子，只有來自百度統(tǒng)計的數(shù)據(jù)，基礎(chǔ)的pvuv等數(shù)據(jù)是有的，對于特定頁面/事件的轉(zhuǎn)化率，上下有數(shù)據(jù)，地域和用戶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)來做出改版的決定，比如：為什么要改版首頁呢？要往哪個方向改，希望達到什么業(yè)務(wù)目標？為什么要刪除某些功能？為什么要優(yōu)化某個流程？這時候就考驗處理數(shù)據(jù)的經(jīng)驗了。

這些表面看上去是意識和經(jīng)驗不足，但其實是在公司文化、崗位、工具和工程方法這四個主要方面的缺失。

如果這四個方面的問題解決了，產(chǎn)品和運營團隊就可以很好地回答以下的問題：

• 服務(wù)的人群是誰？（用戶畫像）
• 痛點是什么？這些痛點帶來的損失有多大？或者說解決痛點帶來的回報怎么度量，有多大？（數(shù)據(jù)指標、用戶研究）
• 為這個人群提供的核心服務(wù)是什么？這個服務(wù)最核心的價值如何以最小成本得到驗證？（數(shù)據(jù)挖掘、AB測試）
• 這個過程必須邁出的第一步有多大成本？（研發(fā)資源、市場資源）
• 這一步邁出后用數(shù)字結(jié)果表達的預期業(yè)務(wù)回報大約多少？（數(shù)據(jù)建模、收益預測）

這些數(shù)據(jù)驅(qū)動的自動化手段，都是直接會影響企業(yè)是否可以順利地完成不同階段的融資，并逐漸甩開對手，形成自己的優(yōu)勢。

這方面做的很成功的比如美團、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。

我之前曾提出過數(shù)據(jù)驅(qū)動道術(shù)器三件事，請?zhí)貏e注意企業(yè)自有的數(shù)據(jù)產(chǎn)品建設(shè)上，會有一些工具、方法論指導互聯(lián)網(wǎng)團隊能夠形成一個流程化的工作方法，達到阿里AliExpress郭東白老師提出的那種數(shù)據(jù)驅(qū)動期望。

一旦企業(yè)可以實現(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化、智能化（本質(zhì)上是通過算法和機器學習來解決），所以首先要對數(shù)據(jù)產(chǎn)品范疇內(nèi)的所有工具和方法論有一個良好的認知，并從實踐中獲得有助于企業(yè)業(yè)務(wù)發(fā)展的一手經(jīng)驗。

作者：顧青，DTALK.org創(chuàng)始人；公眾號：DTalks (微信ID：dtalks），聯(lián)系請關(guān)注后回復“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

題圖來自Unsplash，基于CC0協(xié)議