在互聯(lián)網(wǎng)團隊中,數(shù)據(jù)驅(qū)動和自動化的意義是什么?
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(zhǔn)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(xí)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(zé)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(xí)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(dāng)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(zé)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(zé)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(zé)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(xué)習(xí)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(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(dāng)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(zhǔn)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(dǎo)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(dǎo)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(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:
- 產(chǎn)品處于驗證階段,業(yè)務(wù)模式不穩(wěn)定;
- 團隊負責(zé)人主觀意識強,喜歡拍腦袋;
- 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(biāo)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:
- 公司負責(zé)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;
- 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;
- 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(biāo)?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(biāo)、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(yù)期業(yè)務(wù)回報大約多少?(數(shù)據(jù)建模、收益預(yù)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(dǎo)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(xué)習(xí)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(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
題圖來自Unsplash,基于CC0協(xié)議
- 目前還沒評論,等你發(fā)揮!