應對職場,給自己的一顆糖

2 評論 4869 瀏覽 17 收藏 14 分鐘

打工人在職場中該如何應對加班內卷呢?作者將從自己的經驗做出對策——首先,了解自己的個人優勢。接下來,我們看看具體該如何做,希望能對你有所啟發。

概述:本文介紹了作者對職場內卷給出的解決方案,首先使用Ikigai模型發掘自己的優勢,接著參考LLM的自我迭代邏輯,運用MVP原則設計一次次的實驗,最后要注意實驗的可積累性,從而獲得結構性優勢。

最近刷招聘軟件,有一家的方向我還有些興趣。聯系之后,對方HR坦蕩的說:我們是早9晚9,不知道能不能接受。

實話說,無論業務發展如何,企業“加班多”對你我這種打工人而言,天然是扣分項。

理由有二:

  • 在疲憊狀態下工作,事倍功半。因為一天中,人腦高效工作的時間是有限的,不承認這一點,就是在跟客觀規律較勁。
  • 考慮機會成本,如果把自己想象成一個產品,在一件事上過度出售自己,會損失其他方面獲得進步的可能性。

這也讓我聯想到了可口可樂前首席執行官布萊恩?·?戴森(Brian Dyson)的“人生五球”理論,它形象地為你我展示出“平衡生活中優先事項的重要性”。

Brian Dyson在1991年9月6日佐治亞理工學院第172屆畢業典禮上提出:“把生活想象成一個游戲,你在扮演小丑,職責是在空中來回扔五個球。

它們分別是:工作,家庭,健康,朋友和精神。你必須讓所有這些球都保持在空中。

扔久了你就會發現,工作是一個橡皮球。如果你不小心讓它掉到了地方,它還會反彈回來。但其他四個球——家庭,健康,朋友和精神——是由玻璃制成的。如果你掉落其中之一,它們將被不可避免地被磨損、劃傷甚至破碎。你必須明白這一點,并努力在你的生活中保持平衡?!?/p>

挺有道理的,對嗎?

不過你可能會想,話雖這么說,但在現實中,很多企業就是要加班的呀,我也沒有選擇。

咱們作為產品經理,職業病可能就是“愛刨根問底”了。所以,這次我想和你交換下經驗,說不定能給你一些啟發。

一、不僅是找到你的優勢

日語中有個詞匯叫【Ikigai】,又稱作【生き甲斐】。中文含義為【生命的意義】,在英文中,它的意思是【The reason of living】。

這個模型將事物劃分為4個象限。

當然,你一眼就能看出:只要能取得【你擅長的事】、【你喜愛的事】、【世界需要的事】、【他人付錢請你做的事】這4件事的交集,那就能得到最完美的結果。

這種分類的模型有很多。馬云老師早期的演講中,也經常提到:你要想清楚下面這些點,分別是:你有什么、你要什么,你愿意付出什么。

道理挺正確,但問題是我們該怎么做呢?

比如,我現在正上著班,雖然內卷,但是會有收入啊,你讓我追尋自己喜愛的事,萬一賺不到錢,怎么辦?

首先,我們要確立自己的目標,找到自己更看中哪個方面,排出個優先級來。

對我而言,Ikigai中,我看重的首先是“專業”,其次是“熱情”。這意味著我會優先在工作中盡職盡責,做一個靠譜的同事,然后再盡量將自己的熱情聯系到工作中來。

舉個例子,之前我在做教育產品用戶端時,就參考了自己喜愛的游戲——《超級馬里奧:奧德賽》—里的反饋機制,制作了所謂的“AI雙師”即時反饋交互,在AB測中,得到了超百萬DAU用戶的認可。體現在北極星指標上,平均上漲了10%。后來,“AI雙師”這一模式幾乎成了教育行業的標配。

這個例子其實是為了讓你想想看:如果用Ikigai方法,你會怎么排序呢?你的優先級是怎么樣的,有沒有一些例子來為你自己支持它?

找到這些支持點,就能讓我們更明確自己“想要什么”“不想要什么”,從而更有結構地進行選擇,并通過生活的反饋,不斷迭代。

1. 通過測試,突破內卷

那,定好了目標,接下來就要去“做實驗”了。

作為產品經理,工作中,我認為最有用的思考方式就是MVP(最小可行性產品),即:去測試,看看結果怎么樣。

說人話就是“投石問路”。

比如,ChatGPT的爆火連OpenAI本身都沒有預料到,GPT只不過是他們的一個Demo。

有趣的是,OpenAI的科學家Kenneth Stanley和Joel Lehman應該很認同“做實驗”這種思路。他們在《為什么偉大不能被計劃》中寫道:

“我們書中所舉的成功者們并沒有長遠的規劃,他們都是先做過一些事情,發現自己更感興趣的是什么,并為之轉行,從而找到為其帶來巨大成功的職業。”

長久以來,我們抗拒“邊走邊看”,我們會被教導要“確立明確的目標,讓人生有前進的動力”。

“你有什么職業規劃”、“找不到自己明確的目標,該怎么辦”等等問題,你或多或少應該聽過。

但有了明確的規劃,聽上去順耳,實際上可能很糟心——海量的目標測算、計量和因偏差帶來的焦慮,將會侵入生活的方方面面,讓我們為了“目標”而焦慮、而奔波、而勞累。

或許在某些時候,“目標”能為我們提供生活的意義或方向,但它同樣限制了我們的自由,成為禁錮我們探索欲望的牢籠。

所以我想,人生中,我們是不是也能應用MVP思維,以做實驗的方式,來積累正反饋呢?

說起來可能有些俗氣,MVP的要點就是去拆解自己的目標,讓它變成一個個有明顯節點的里程牌,然后去做就是了。

這時,我們首先要意識到“現實是骨感的”,來降低自己的預期,不要妄想一口氣吃成大胖子。因為事情的發展可能是像下圖一樣的。

舉個例子,之前有人問我:“產品經理如何學習技術知識”,我給了他廖雪峰的python教學網站讓他先試試。如果你也是從這里入門編程的,你會發現廖雪峰深入淺出的為你介紹了一系列基礎概念。

你也會自己發現適于你的,要補充學習、進一步探索之處。

但你找到這些問題,主動去搜索的過程,其實就是在解鎖一個個里程牌。

拓展一下,我們做MVP的過程,其實和LLM(大語言模型)進行深度學習很像。

LLM底層其實會有3個東西:

a.一個目標

b.一個損失函數,用來計算和當前結果和目標的差距

c.一個優化器,用來根據差距調整下一步的行為

我們熟知的ChatGPT,就是在這個基礎上制成的“單詞模擬器”,它以人類數十億的文本為基礎,一次次地猜測下一次可能出現的詞的概率,也就是n-gram概率(即第n個字母的概率分布取決于之前的n-1個字母)。

最初,它很笨,生成的是一堆無意義的字符;到現在,結果你也看到了。

看到這里,你可能已經發現:為了完成這一切,最需要的是其實你想改變的“動機”,而不是了解SOP,比如收藏了一堆一個從0到1學習技術的路線圖。

所以在做MVP時,給自己一個低的預期是很好的方式。因為你只要做出一個粗糙的第1版,你就能得到這個世界給出的反饋。

所以請不要僅僅為公司的目標費了大勁,加班加點;我們也要為自己的目標,積極嘗試呀。

2. 如何去設計MVP呢

MVP這么好用,那有沒有什么做它的原則好供我們一步步實施呢?

我覺得,用來進行質量管理的KANO模型可以用在這里,用于公司產品規劃時,它能幫我們分析和分類客戶需求。把我們自己當做一個產品時,KANO模型也能幫我們梳理出計劃的優先級。

以下是對KANO模型的一些科普,有基礎的同學可以跳過。

KANO模型基于對產品或服務特征與客戶滿意度之間關系的研究,將需求分為五個不同的類別:

  • 基本型需求:這些是客戶對產品或服務的基本期望,如果缺乏這些要素,客戶會非常不滿意,但是當滿足這些要素時,并不會帶來額外的滿意度。
  • 期望型需求:這些要素是客戶通常期望的功能或特性,滿足這些要素可以使客戶滿意,但不滿足它們不會引起極度不滿。
  • 興奮型需求:這些要素是超出客戶期望的驚喜功能或特性,它們能夠引起客戶的興奮和高度滿意。
  • 反向型需求:這些要素是客戶并不期望的功能或特性,但如果產品或服務缺乏這些要素,會引起客戶的不滿。
  • 無差異需求:這些要素是客戶尚未意識到的,有或沒有都無所謂。

應用KANO模型時,最重要的三條原則是:

  • 理解客戶需求的多樣性和優先級。
  • 通過滿足基本要素和期望要素來確保基本的客戶滿意度。
  • 不斷創新和提供興奮要素以超越客戶期望,提高客戶滿意度和忠誠度。

二、不僅是積極嘗試

但積極嘗試就夠了嗎?

實際上,我們應當去追求結構性的優勢,也就是說我們要去做一些可以不斷積累的事情,哪怕最開始很微小,但隨著時間的積累,也會“積土成山,風雨興焉”。

這里面,能積累的優勢,是最重要的。哪怕失敗再多次,就當做愛迪生在制作電燈泡時,分類試驗了1600多種不同耐熱的材料好了。

就好像互聯網常常有35歲危機,我們應當提早發現自己的天賦與熱情,在這個上面去投資。而不是憑借一次次“好勇斗狠”、“不撞南墻不回頭”來消耗自己的能量。

有的時候,我會做一個思想實驗:巴菲特今年92歲了,如果他要來你們應聘,你們老板會說:92歲了,“還能干什么”,還是萬分激動呢?

人的能力果然不在“年齡”,而在“經歷”啊。

作者:探索者,公眾號:探索者的神廟

本文由 @探索者 原創發布于人人都是產品經理,未經許可,禁止轉載

題圖來自 Unsplash,基于CC0協議。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 這篇文章討論了在當前內卷的環境下,如何平衡生活和找到自己的優勢。我覺得文章的核心觀點可以總結為:
    1. 不要僅僅為了公司目標而過度工作,要平衡生活的各個方面。
    2. 要找到自己的優勢和熱情所在,并以此為導向做選擇。
    3. 可以用MVP的思路,通過做實驗來探索自己的興趣和可能性。
    4. 在做實驗時,要注重可以積累的能力,從小地方做起,逐步獲得優勢。
    5. 我們應該重視積累經歷,而不是簡單依賴一次次拼搏。

    來自江蘇 回復
    1. 很棒的總結!

      來自北京 回復