中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

面對數(shù)據(jù)的海洋，咱們其實需要以PMTL模型——Product Managers True Love（產(chǎn)品經(jīng)理的真愛）——為指引，找準方法從而不斷向上突破、快速成長。

“Data is like a flashlight,It can illuminate the truth.”

（數(shù)據(jù)就像手電筒，它可以揭示真相。）

上周，鏡同學幾乎泡在了數(shù)據(jù)的海洋里，從各種財務(wù)指標的預(yù)算優(yōu)化會議，到業(yè)務(wù)數(shù)據(jù)慘不忍睹的經(jīng)營分析會，再到多名數(shù)據(jù)產(chǎn)品經(jīng)理的面試，每一場都是對認知和體力的雙重考驗。

其實我對上周產(chǎn)品工作最大的感受有兩點，也是今天想和大家分享的，即，數(shù)據(jù)應(yīng)用思維和澄清問題模型。

老實說，這兩者其實是有強關(guān)聯(lián)的，因為在產(chǎn)品工作中應(yīng)用數(shù)據(jù)思維會更容易精準定位問題原因，從而找到解決問題的最短路徑。

先說第一個：數(shù)據(jù)應(yīng)用思維。

其實在這些會議的間隙，鏡同學也一直在思考：如何將這些枯燥的數(shù)字轉(zhuǎn)化為產(chǎn)品成長的動力？如何把數(shù)據(jù)思維應(yīng)用到產(chǎn)品工作，讓其成為產(chǎn)品人的認知底座？

數(shù)據(jù)，這個看似冷冰冰的詞匯，其實背后隱藏著巨大的能量和無限的可能性，我在之前的文章也多次分享過37singles關(guān)于決策的指南：基于數(shù)據(jù)，而非憑直覺。

但在現(xiàn)實中，不少產(chǎn)品同學都缺乏數(shù)據(jù)應(yīng)用思維。

比如，產(chǎn)品上線之后，很多同學并不會去主動跟進數(shù)據(jù)并做產(chǎn)品分析，實際上產(chǎn)品同學關(guān)注運營數(shù)據(jù)是非常有必要的，因為產(chǎn)品設(shè)計要做到PMF必定需要市場驗證和用戶反饋，而數(shù)據(jù)指標是最客觀、最直觀的體現(xiàn)。

再比如，有些產(chǎn)品同學雖說會主動關(guān)注數(shù)據(jù)，但整體還是偏被動和淺層的，尤其是其關(guān)注的數(shù)據(jù)維度往往簡單和隨意，沒有深刻遵循業(yè)務(wù)驗證和產(chǎn)品迭代的方法論，既無法有效驗證產(chǎn)品，又缺乏對業(yè)務(wù)優(yōu)化方向的支撐。

舉個例子：

前段時間我們APP端更新了智能推薦功能，目的是對多款業(yè)務(wù)產(chǎn)品做入口轉(zhuǎn)化，某初級產(chǎn)品同學跟進數(shù)據(jù)后得出結(jié)論：該功能上線一周就帶來用戶增長了30%。

這讓他還挺有成就感，還認為自己有數(shù)據(jù)支撐。

可我們深入了解后才發(fā)現(xiàn)，原來該同學對數(shù)據(jù)極度不敏感，他甚至只是簡單過濾出新功能上線前后的用戶數(shù)量變化，而對用戶增長的來源等指標壓根就沒關(guān)注。

事實上呢，我們查看來源才發(fā)現(xiàn)大多數(shù)增長壓根就不是“智能推薦”新功能帶來的，而是運營人員通過社群轉(zhuǎn)化來的。

你看，數(shù)據(jù)就在那擺著，我們往往只需要深入一步就可以驗證產(chǎn)品，可仿佛是意識的雷池，中間又隔了千山萬水，不敢向前越半步。

不得不承認，現(xiàn)實中還有不少產(chǎn)品同學都只是在翻譯需求，他們既缺乏對業(yè)務(wù)場景的調(diào)研深度，又在潛意識里對數(shù)據(jù)不敏感，更缺乏對數(shù)據(jù)應(yīng)用的分析力度。

前天分享了一張“產(chǎn)品管理周期圖”，較為系統(tǒng)地體現(xiàn)了產(chǎn)品經(jīng)理的閉環(huán)工作方法，也是初級產(chǎn)品同學的進化路徑，其中就體現(xiàn)了數(shù)據(jù)分析對于產(chǎn)品需求的驗證和市場決策的閉環(huán)價值。

圖-↑ 來源于Medium，作者RyanLysne

再說第二個：問題定位模型。

其實，我更想和大家分享的是這一點，也就是關(guān)于產(chǎn)品問題的定位模型，即，如何有效的澄清問題、定位原因，這個思考主要是來源于我上周對數(shù)據(jù)產(chǎn)品經(jīng)理的面試。

大家都知道，企業(yè)的發(fā)展實際是由問題驅(qū)動的，從這個角度來說，有效解決產(chǎn)品問題是個體和公司最關(guān)鍵的引擎因子，也是最大的成長公約數(shù)。

事實上，分析產(chǎn)品問題離不開數(shù)據(jù)應(yīng)用思維，更離不開產(chǎn)品問題的解決模型，就以我上周的面試為例：

首先，僅從該應(yīng)聘者的簡歷描述上來看，我感覺該同學的數(shù)據(jù)分析和應(yīng)用能力應(yīng)該很不錯，其在項目成果的描述上也寫著帶來明顯的數(shù)據(jù)增長。

面試交談中提到他們公司的產(chǎn)品是社區(qū)應(yīng)用，主要為垂直類的C端用戶提供內(nèi)容社區(qū)服務(wù)，在他對產(chǎn)品進行一系列優(yōu)化升級后，他們的數(shù)據(jù)指標得到了全面提升。

于是，我便問了一個問題：假設(shè)知乎的活躍用戶數(shù)據(jù)下降了20%，你會怎么解決該問題？

他的回答倒是干脆利落，幾乎沒有思考便脫口而出：我會增加流量入口的轉(zhuǎn)化設(shè)計。

老實說，這個回答沒有經(jīng)過深度思考，當然，多說一句，這也是面試中常見的錯誤表現(xiàn)，因為缺乏系統(tǒng)性、結(jié)構(gòu)性的回答很容易被貼上“專業(yè)性不足”的標簽。

圖 -↑產(chǎn)品大峽谷《擇業(yè)丨簡歷丨面試 · 一站式解決方案》

更重要的是，他幾乎沒有就該問題向我進行確認和澄清，要知道澄清問題是定位問題原因的首要條件，這說明對于產(chǎn)品問題缺乏系統(tǒng)性的認知模型。

日常工作中，有些同學總是習慣“直面問題”，憑直覺隨機給出答案，但卻始終沒有系統(tǒng)模型，這種拼概率的方法不是解決問題的根本之道，正確答案的找出強依賴對問題的定位分析。

那么，面對產(chǎn)品問題，我們應(yīng)該如何有效地進行澄清和定位分析呢？

去年我收藏過一篇產(chǎn)品文章，那是Netflix的數(shù)據(jù)科學家的產(chǎn)品面試復(fù)盤，它和我們今天討論的話題很接近，我特意把它從布滿灰塵的notion中翻出，加上鏡同學的思考，分享給大家一個敏捷版（低配版）的產(chǎn)品問題定位模型，供大家參考。

簡單來說，就是分六步來澄清問題，我們以上述面試問題為例來解釋下：

①定義產(chǎn)品（Define Product）

澄清問題的第一步是定義產(chǎn)品，如，這個產(chǎn)品是干什么的？業(yè)務(wù)場景是什么？目標客戶是誰？能為客戶帶來什么價值？

首先，我們應(yīng)和面試官確認知乎的產(chǎn)品定位，談下自己對知乎產(chǎn)品的認知，也防止理解偏差，這是著手進行全面問題分析的第一步。

回答參考：

如，根據(jù)我的理解，知乎是一個高質(zhì)量的問答平臺和知識分享社區(qū)，他的用戶群體包括行業(yè)專家、學者、專業(yè)人士以及普通公眾，內(nèi)容覆蓋廣泛的話題，如科學、技術(shù)、文化、商業(yè)、教育、健康等，旨在為用戶提供問題解決平臺，我這樣理解對嗎？

②透視指標（Metrics）

第二步是對產(chǎn)品指標進行反問和確認，即，圍繞產(chǎn)品問題和一系列指標進行根本原因分析（RCA），通過追問來澄清問題，驗證原因。

接著，我們應(yīng)對面試官提到的知乎數(shù)據(jù)指標進行透視分析，論證指標描述的正確，確認雙方對定義沒有偏差。

這點其實很重要，不僅僅是問題分析，日常溝通也是如此，多說一句，我周五還在知識星球里分享了一本書，感興趣的同學也可以在“文末掃碼下載查看”，相信對你的產(chǎn)品提升很有幫助。

回答參考：

如，活躍用戶是指日活還是月活？活躍用戶的定義是什么？下降20%是指多久發(fā)生的？數(shù)據(jù)真實有效嗎？使用的數(shù)據(jù)分析平臺有沒有bug？

③分析用戶資料（User Profile）

第三步是分析用戶，即，了解用戶的資料信息，確認用戶畫像，確認是否產(chǎn)生特殊影響。

回答參考：

如，請問知乎這些下降的活躍用戶數(shù)據(jù)分布如何？他們的基礎(chǔ)資料是什么？他們來自特定的年齡群體、行業(yè)領(lǐng)域嗎？

④詢問持續(xù)時間(Time Duration)

第四步可以確認問題發(fā)生的時間，尋找問題可能的線索，這點對于定位問題也很關(guān)鍵，因為有些問題和時間關(guān)聯(lián)度很大。

回答參考：

如，知乎這個活躍指標下降的問題是近期才出現(xiàn)的嗎？還是已經(jīng)持續(xù)了一段時間？這是一個逐漸發(fā)生的變化嗎？

⑤問題發(fā)生位置(Location)

第五步則可以對問題發(fā)生的地點進行確認，以便快速、準確的排除干擾項。

回答參考：

如，知乎活躍用戶下降發(fā)生的地點是全國性的嗎？還是說只是某個省區(qū)監(jiān)測到數(shù)據(jù)下滑？

⑥產(chǎn)品形態(tài)/平臺( Platform)

最后一步可以對問題發(fā)生的形態(tài)進行確認，即，該產(chǎn)品問題是否發(fā)生在特定的產(chǎn)品形態(tài)上，如，安卓/IOS/Web端等。

回答參考：

如，知乎這個指標下降是全平臺活躍用戶都下降了，還是只在移動端有下降？是在安卓端，還是只在IOS端？

你看，如果按照這六步來進行問題分析，更容易澄清問題、定位問題的原因。

當然，澄清問題之后還需要圍繞內(nèi)外部因素、用戶完整體驗旅程進行產(chǎn)品分析，那是系統(tǒng)的問題解決模型，今天就不展開講了，感興趣的同學可以先關(guān)注社群和星球。

但不管如何，問題的分析始終是第一步，其實不僅在產(chǎn)品面試的場景中有用，在各類數(shù)據(jù)相關(guān)的產(chǎn)品問題時都可以參考該模型進行分析。

事實上，該Netflix數(shù)據(jù)科學家甚至還將其歸納為“PMTL”模型，即，Product Manager’sTrue Love，中文也可以直譯為“產(chǎn)品真愛模型”，:)。

圖-↑ 來源于Medium，作者及參考鏈接：Bharati Gehani

最后，在產(chǎn)品經(jīng)理的征途上，數(shù)據(jù)是我們的羅盤，解決問題是我們的使命，而問題模型則是我們的航海圖。

數(shù)據(jù)的價值在于其能夠被衡量和解讀，從而指導(dǎo)我們航向正確的決策港灣。

面對數(shù)據(jù)的海洋，咱們其實需要以PMTL模型——Product Managers True Love（產(chǎn)品經(jīng)理的真愛）——為指引，找準方法從而不斷向上突破、快速成長。

希望本文對你有參考。