1.5　对策略产品经理的认识

这部分内容是笔者对策略产品经理的理解，所以注定是一个比较个性化、容易引起争议的小节。在策略产品经理方法论的基础上，不同的价值观会衍生出不同的理解。而本书是笔者个人的总结，所以不可避免地需要阐述笔者理解的策略产品经理，希望能和各位读者求同存异。

1.关于工作的价值观

有一些人是人文主义者，而有一些人则是数据主义者，每个人的职业路径、专业技能和对产品经理的理解都不同，体现在产品观念上也会有所不同。

很明显，笔者是一个数据主义者。这和笔者自己的专业有关，更和笔者职场的第一家公司——字节跳动的产品价值观有关。尽管自己已经离开该公司两年，但这些价值观一直是笔者认同的。

字节跳动最开始的价值观是“始终创业、极致、坦诚、开放、有判断力”，这些在笔者离开字节跳动以后才慢慢地体会到。

●始终创业体现为能够未雨绸缪，居安思危。

●极致体现在大多数策略迭代可帮助自己在考虑ROI的时候逼近全局最优解。

●坦诚体现为对同事和对自己说实话。

●开放体现为不设边界，对事不对人，并且允许别人质疑自己的工作。

●有判断力，笔者认为是最重要的一条价值观，需要每个人在自己的业务上成为专家，做符合公司最大利益的决策。

关于一直饱受诟病的词汇——“数据导向”，笔者的看法是数据尽管不会告诉我们所有的事情，但至少能帮我们评估一部分事情，所以我们应该选择相信数据。这样对团队的执行力和节奏感都有益。

如果一家公司是调性导向，则会使工作人员在协同作战时迷失方向。数据导向就不会如此，因为每个人对目标的理解是不同的，对数据指标的理解是趋同的。

2.策略产品经理的“道”

笔者在和同事沟通的时候，会习惯性地使用“道”和“术”两个字眼。用职场的语言来解释，“道”就是价值观、目标、评估指标，“术”就是方法论、具体怎么做。

在“术”的层面，各行各业都有比较成型的方法，而且只要在“道”的层面得到了统一，“术”的层面就不会有特别大的分歧。

笔者在价值观层面有以下几点总结。

●少替用户做决定，不要过于自我。

●坚持做大众需求，坚持做符合人性的需求，永远不做损害他人的需求。

●产品层面追求平台化，追求可复用，追求底层特征准确。

●项目以假设驱动，在假设的基础上还要进行数据验证，少做会议室里讨论出来的需求，少做没有先验数据的需求。

●不要忤逆用户，可以适当引导但不可以寄希望于大幅度改变用户心智。

（1）少替用户做决定

其实，很多产品从人性层面推演是成立的，但是从数据层面推演是不成立的。而这些产品做成后，的确可以让一部分用户访问产品中的每一个页面，探索产品中的每一个功能，但没办法让大多数用户做到这一点，这其中的差别主要在于定量化的思考。

因为这个真实的世界和我们自己的认知是有很大差异的，比如人口的贫富差距、大学生的比例、懂英语的比例、发布朋友圈的比例等，这里有很多影响因素。比如某个产品的信息发送键，有一个版本用的是英语单词GO，然而很多用户在后台反馈说：“G、O到底是啥意思？”产品经理一定高估了这个最简单英文单词的受众比例。

可以看出，只利用自己的用户模型容易对产品误判。对客观世界的认知，首先要对世界的多样性有所敬畏，其次是多看一些行业分析报告从而得到用户画像，建立自己心中的用户模型。

所以贸然替用户做决定是不科学的，因为用户是多元的、复杂的、流动的，你上个月掌握的用户画像、看的行业分析报告，在这个月就不一定成立了。因为用户群的分布可能发生了变化，用户的心智模型也可能发生了变化，所以要敬畏用户，用科学定量的实验办法来验证自己对用户的理解。

（2）坚持做大众需求

市面上有很多小众产品，但小众产品往往健壮性较差。由于客观世界规模效应的存在，大多数资源会倾向于少数产品，而大多数人会使用趋同的热门产品。如果产品只是小众且美，但找不到自己独特的价值，是很缺乏竞争力的。

在策略上也是一样，策略分为通用策略、垂类策略两大类，一定优先做通用策略，再做垂类策略。如果你有100个用户，且100个用户的价值是相等的，那一定优先做100%用户都受益的策略，尽量不优先做小于10%的人群的需求，除非这类人群有着更大的价值。

举个例子，如果大盘用户的人均阅读数是7条，有一个垂类策略能影响10%的用户，会使这类用户的人均阅读数增加20%（也就是1.4条），那么对整体大盘数据的影响其实也只有0.14条（（8.4×10+7×90）/100-7）的人均阅读提升而已。除非这类用户是高净值用户，否则不优先做这个小策略。

尽管大众需求有很多，但有一条价值观还是要保证的，即永远不做损害他人的需求。这不仅是产品的价值观，也是做人的底线。

（3）平台共享

用户画像一直饱受争议，争议的点有以下几个。

●从模型侧来讲，用户画像其实对算法模型有帮助但并不太大，毕竟用矩阵分解等机器学习算法模型的用户往往更多一些。

●从产品、运营经理的日常工作来讲，用户画像又是一个不可或缺的工具，毕竟我们需要可解释的产品运营策略。

●从公司领导层来讲，用户画像是一个需要高成本搭建（要维护画像准确率和召回率），同时需要高成本工具实现运用，用户画像若不运用是无法对线上指标产生作用的。

尽管如此，对于经济压力较小的公司来说，底层的基础数据是最为重要的，因为它是避免重复造轮子来实现规模效应的重要因子，所以优先做平台共享的模块、特征数据是非常重要的“道”。

（4）假设驱动迭代

举个例子，商场的扶梯设计和地铁的扶梯设计，理念明显是不同的。商场的扶梯设计理念是要以最长的路径让用户从1楼到5楼，而地铁的扶梯设计理念则是以最大效率让用户快速通过。这取决于顶层设计的目标是希望用户留下来，还是希望用户走出去。

所以数据验证服务于顶层设计，在顶层设计结束后，数据驱动的本质是假设驱动，无论是做数据分析还是A/B测试实验，都需要依赖假设的建立。

以不同的假设来验证假设的正确与否的目标，要通过数据分析和实验设计来达成。

假设驱动的方法是自适应的，是可以根据数据结果进行自我修正。在得到正确的数据分析结论之前，假设也在一步步地进行迭代与验证，最终达到理想态。

而顶层设计，往往是CEO完成的，是根据商业格局构建的理论模型做出的判断。顶层设计是无法进行自我修正的，只能以企业最高决策者的意志为转移，所以数据驱动并非是万能的。策略产品经理必须要认清假设驱动的壁垒，即假设驱动无法验证全局，只能验证局部，全局只能通过市场和时间进行验证。

（5）不要忤逆用户

永远做顺应人性的需求，可以适当引导但不可以寄希望于大幅度改变用户心智。人性是一个很复杂的系统，大多数人既有天使价值观也有恶魔价值观。

当我们做任何决策的时候，脑中往往会有两个“小人”在打，其中一个是天使，一个是恶魔。天使往往督促你做正确的事，这种事往往需要付出一些体力、脑力或者心力作为代价，而恶魔在诱惑你做舒服的事，比如躺下、吃甜食，刷短视频。

天使价值观包括自我实现、利他动机和利己动机等，恶魔价值观包括拖延懒惰、嫉妒他人、猎奇偏好等。

很多实验证实，用户的人格中正向价值观和负向价值观交相辉映，像是舞台中的两个彼此拥抱起舞的舞者，几乎没有人可以一直做正向价值观的事情。

但是在做产品的过程中，对用户的反人性需求只能加以引导，不能指望改变用户。比如我们的产品定位是希望用户学习英语，最佳策略是用循序渐进的办法让用户逐步完成学习最简单的英语单词的课程。要在每一个潜在的用户流失点上做好激励手段，而不是将用户强行塞入完全陌生的学习环境。

所有妄图直接改变用户心智来实现产品目标的手段最终都会失败。