查看原文
其他

产品的天机和成败:我的实践史与俞军的方法论

傅一平 与数据同行 2021-10-16

这是傅一平的第323篇原创



作者:傅一平

个人微信:frank61822702


“与数据同行”开通了微信群,现已汇聚了4000位小伙伴了,加我为微信好友(微信号:frank61822702)申请即可,会拉你入群,让我们共建一个知识社区。

正文开始

笔者从15年前开始从事数据仓库和BI等工作,到如今做大数据,这其中做的数据产品应该不少了,近几年我们对外打造的神灯四大产品线创造了不少收入,对内建设的数据管理平台、敏捷挖掘平台、智洞察系列则有很高的使用量,这在以前BI时代是很难做到的。

为什么现在的数据产品会比以前(比如BI产品)好很多?

这个问题很重要,因为如果搞不清楚原因,就没有继续进步的可能,只能说运气好而已。而这显然不能简单的用学到了互联网产品的先进理念或者拥有了很好的数据产品经理来解释,这些都很容易证伪。

以下是笔者的反思结果,如果你身处企业的数据团队,正在打造一款对内的数据产品,那么可以看一下。当然在讲数据产品的经验之前,我要先讲几个道理,这些道理蕴含在三个公式中,一定要看完。

1、产品成功的三个关键公式

用户选择产品的的前提是:

用户价值=效用-成本>0

效用(效用是欲望的满足程度)是由买方(或使用者)的主观效用评价来定义的,用户感知到的价值才是用户价值。

而主观效用具备认知依存情境依存经验反馈演化三个特性:即用户的认知决定了偏好,用户的偏好在不同的情景下的行为不同,用户的偏好根据经验反馈又不断变化。

正是由于用户主观这个特性,因此对于用户价值的判断是比较困难的,考虑到绝对的价值判断缺失现实的意义,而产品是用户和企业的交易媒介,用户在选择某个产品时一般会有参照系,因此俞军给了个更有现实意义的用户价值的参考标准:

用户价值=新体验-旧体验-替换成本>0

最常见的替换成本是直接成本和交易成本

直接成本:包括付出的金钱成本、时间成本、隐私数据、态度等。

交易成本:即为了促成交易,付出的认知成本、搜寻成本、度量成本、使用成本、保障成本等

很容易从现实的案例中认识到替换成本的价值,比如你习惯了百度导航,就不大愿意切换成同样功能的高德导航,因为开始的时候你对于高德导航这个新APP是不信任的,需要从各种渠道打听,这就是认知成本;你要找到渠道下载高德导航APP,这就是搜寻成本;你还需要熟悉高德导航的使用,这属于学习使用成本。

因此,除非这个新产品的体验高出旧产品很多,否则用户价值就会很低,而这个所谓的价值由人的认知依存情境依存经验反馈决定的。

前面是站在用户的角度看价值,但即使用户价值很大如果企业不愿意生产也没用,而企业愿意生产产品的前提是:

企业价值=收益-成本>0

这里的收益既可以是当前的现金收入,也可以是能增加未来交易和收入可能性的各方信任,如社会名望、品牌形象、政府关系等等。

比如最近阿里做的疫情健康码本身没有货币收益,但有影响力,长期来讲影响力能转化为货币收益,因此不能短期的看这个收益概念。

成本也一样,企业生产产品有两个成本:生产成本和交易成本。

生产成本指产品的研发生产成本。

交易成本指一切为了促成交易达成付出的代价,从本质的角度来讲,就是所有企业付出但用户没收到的成本。为什么TO B产品相较于TO C产品的销售更加困难,因为交易成本太高了,比如客情成本,决策成本等等。

2、为什么以前的数据产品比较失败?

这里以标签库为例。

当初我们对于标签库的定位实际上是个取数工具:打造一批原子标签,然后业务人员可以基于原子标签的组装快速生成客户群,但上线的时候发现这个产品使用者寥寥,推广的成本巨大,应该算是一个不太成功的产品。

下面用前面的用户价值企业价值理论来剖析一下原因。

从用户端看:

新体验:业务人员基于原子标签组装生成定制化客户群,平均配置和运行时间1个小时,能够满足20%的需求,这20%的需求节省的时间是创造的新体验,而80%的其它需求仍然是旧体验。

旧体验:业务人员提交取数工单,IT人员写脚本生成客户群,平均需求周期2天,满足99%的需求。

替换成本:业务人员需要学习标签库的使用,自己配置生成客户群,需要能够区分哪些是可以支撑的,哪些是无法支撑的,管理复杂度增加了。

可以看出来,新的标签库需要业务人员改变取数习惯,新体验的提升度又有限,因此用户价值=新体验-旧体验-替换成本>0是比较困难的。

从企业端看:

收益:考虑到标签库没有实际收入,由于竞品的存在又没法强制业务人员马上使用,因此其价值难以衡量,这是很多BI产品面临的一个问题。

成本:为了提升收益,比如需要把取数需求的满足度从20%提升到80%,这需要在标签库上投入更多的资源,为了推广标签库需要付出很大的管理成本。

标签库不愠不火或者半途而废也跟机会成本有关系,既然短时间找不到突破口,那还不如把资源放在另一个看起来似乎更重要的地方,然后项目团队就解散了,你几乎很难看到企业内的数据产品能像互联网产品那样持续的运营。

虽然采用用户价值企业价值来判定以前产品的失败原因有点事后诸葛亮的味道,但它的确提供了很好的分析角度。

3、为什么现在的数据产品有了进步?

还是以标签库为例。

近几年标签库有了进步,很大的一个原因是将标签库的定位从取数工具转变为跟营销强相关的一个前置环节。

从用户端看:

新体验:业务人员基于标签库生成的营销客户群能够直接推送到营销管理平台并完成在营销渠道的投放和评估,同时提供了更多的营销标签供业务人员使用,标签库的速度和体验也提升了。

旧体验:业务人员通过人工取数获得临时的营销客户群,然后手工导入到营销管理平台完成营销投放,很多复杂的营销客户群还难以直接支持。

替换成本:业务人员需要自己配置营销客户群。

用户价值=新体验-旧体验-替换成本,起码笔者认为这一次用户价值>0。

从企业端看:

收益:由于公司将精准营销作为智慧运营的战略,精确营销的改善将获得公司的高度认可,比如团队连续二年获得公司智慧运营一等奖,营销用户数和营销案支持个数成为了衡量指标。

成本:需要实现标签库与营销管理平台的贯通,打造目的性更强的营销标签,同时标签多了后要提升查询效率,而且也需要推广。

但由于标签库成为了营销投放的一个必须环节,智慧运营战略又使得员工的精确营销意识加强,从而推广的成本大幅降低。

从中你能得到什么启示?如果你作为一个领导,是不是更愿意为这版本的标签库买单,因为你会发现这个时期的标签库转亏为盈了。

再举个例子:

笔者在《超越BI,数据产品的前途在哪里?》说过移动化、场景化、实时化的数据产品也许是BI的未来。

下图是智洞察产品系列中的校园大管家产品示例,专门为校园营销快速定制,非常火爆。相对于以往的BI报表,其更好的适配了校园走动营销的场景,围绕校园这个实体还增加了实时指标、热点地图、校园信息等丰富的要素信息。


这个产品的成功很容易用用户价值企业价值理论来解释。

从用户端看:

新体验:场景化、移动化、实时化的BI,让领导可以随时随地查看重点关注的营销活动执行情况,随时进行决策。

它充分利用了移动互联网+大数据时代赋予的技术红利,在产品中加入了移动化的H5技术、实时流处理技术等新的要素,同时适应了公司应对市场变化快速决策的需要。

旧体验:传统的PC版本的BI,只能登陆PC看离线的报表指标;传统的移动版本的BI,只能随时看离线报表指标,无法适配场景。

替换成本:很少。

从企业端看:

收益:领导和管理者随时查看,不仅能随时决策,而且容易获得良好的口碑。

成本:新的移动前端技术和数据中台能力让这款H5应用开发的代价很小,移动OA使得产品推广非常容易。

移动化、场景化、实时化的BI的确有成功的理由,但放到10年前也许就不会成功,姑且不说技术上能否达到,就是推广的成本也太高了。

4、走出自己的产品之路

笔者对产品的成功曾经有两个认知误区:

第一个是认为互联网产品是学习的榜样

互联网产品对任何行业做产品的人的影响是巨大的,其强调使用体验,快速迭代的理念是很多人做产品的指引,笔者也一样。

但实际上自己忽略了互联网产品所以成功的特殊时代背景,而这个背景跟自己企业所处的背景是完全不同的(不仅仅是TO C,TO B的区别)。

互联网产品所以能爆发有三个主要原因:

(1)互联网带来的信息复制分发边际成本低和用户量巨大

(2)信息复制分发边际成本低带来的最大价值就是产品可以快速迭代、数据和AB测试

(3)用户量巨大+信息复制分发边际成本低使得体验设计价值增大

但我们团队曾经做的产品的环境不是这样,企业既没有海量的用户、信息复制分发成本也很高,因为TO C迎合的是用户偏好,而TO B迎合的往往是流程和关系,因为互联网屡试不爽的AB测试更适用于线上,而传统企业更多的则是线下环节。

这些背景决定了我们的产品体验即使做的再好,价值也不会像互联网产品那么大,企业要走出自己的产品之路。

第二个是认为产品经理人才是胜败关键。

去年笔者在思考产品团队改进的方向的时候,就跟产品主管说:我们的产品经理没有培养体系啊,你看这么多年了,也没什么培训课程,一定要建立起来啊,有了好的产品经理,我们的产品才能持续的成功。

可我们开始搞大数据产品的时候可并没有现成的产品经理,我们的产品经理是伴随着产品长大的,事实上,恰恰是企业的环境给了产品经理有机会去做一个成长性的产品,他才获得了更好的成长机会。

因此,这是很容易证伪的,产品经理最多是产品成功的必要条件,绝对不是充分条件。

事实上,互联网产品经理去改造传统行业这种说法也是很狭隘的,大多数充分竞争领域的企业,领先企业的竞争者作为竞争幸存者已经是一个优秀的“产品经理”了,互联网那点新工具、新方法很少有机会抵消掉领域知识积累的差距,跟别提还要为用户创造足够多的新价值以抵消用户的替换成本。

当然在相同条件下体验+迭代是加分项,但对于管理者来说,简单的照搬互联网产品是远远不够的。

既然互联网不能完全照搬,那么怎么办?

第一,要承认每个时代、每个社会、每个行业、每个企业面临的环境是不同的,只有适配这个环境的产品才容易胜出,少讲点人定胜天,这不是什么保守,而是对规律的尊重。

第二,要看产品本质,即产品是由人加工、有用户、且可以被交易的商品或服务,要经历“需求”、“生产”、“销售”三个环节,好的产品就是要尽可能在这三个环节上保持领先,前面的用户价值+企业价值公式是判断好的一种方法。

在需求的环节,要能判定能否给用户更多的用户价值(比如新体验足够高,替换成本足够低),在生产环节要能采用更低成本的方案(比如用新技术、标准流水线等方法),在销售环节则要尽量扩大收益,较低交易成本(比如复用渠道)

先看看产品的历史。

在消费品时代,由于大众消费品的品质和生产成本差不多,那么销售能力强就会占据优势地位,宝洁等消费品强调品牌与渠道是顺势而为。

在软件时代,TO B强调的是产品功能和按时交付,客情搞定后产品差不多可用就行了(比如反正也不是买单的人使用,体验可以放一边),行业销售能力强就占据优势地位,这也是顺势而为。

互联网时代的产品就更不用说了。

再看看自己的历史。

很多年前在运营商这个行业做标签库,从需求的角度看,打通数据流程更为重要,这个跟企业的阶段和营销模式有关,你跟着互联网学习标签库可能就走错了方向,时机未到再怎么发力也没用;从销售的角度看,新建一个取数平台重新获客跟复用营销流程直接获客的效率无法同日而语。

现在的智洞察产品所以能获得成功,从需求的角度看,它基于新技术、新场景满足了企业管理人员随时随地看实时数据的需求,而从销售的角度看,企业的移动办公门户大幅降低了智洞察产品的渠道推广成本。

现在的神灯大数据产品所以能够切入TO B市场,从需求的角度看,是在数字化的兴起背景下,基于移动大数据进行广告投放、金融风控及行业洞察有一定的差异化优势,填补了一些行业市场的空白,从销售的角度看,运营商现存的客户经理队伍是很有竞争力的线下渠道资源。

因此,如果我们无法结合企业的实际环境看透这些本质的东西,即使产品体验做得再好,找到再好潜质的产品经理,也是舍本逐末。

第三,做产品是一门社会学科,用户价值=新体验-旧体验-替换成本>0这个公式虽然看起来简单,但要结合实际拆解出关键的要素并权衡利弊,需要强大的决策力。

俞军在《俞军:产品方法论》说得好:

“产品工作是属于强实践性的社会科学,产品的研究标的物不可能重复,结论的规律性和复用性受情景约束,需要总是结合具体案例分析相关联的关键变量和约束条件。”

“产品经理是个非标准化职业,我们没办法开设一个产品经理专业或培训课程去量产人才,因为产品经理的真正关键能力,不是能学习的知识(虽然产品经理也需要学习相关知识和技能),而是在实践中权衡取舍和持续迭代以追求价值最大化的能力,这种能力只有在实践中训练和验证。”

但要提升在实践中权衡取舍和持续迭代以追求价值最大化的能力,仅仅看俞军的书是不够的,你要拓展视野,涉猎心理学、经济学更多领域,并在实践中进行提升。有人说《俞军:产品方法论》是一本不适合新手看的书,我是不认可的,其实这本书讲得大多是通识,这个恰恰是我们所缺乏的。


作者:傅一平 (微信号:frank61822702)


猜你想看我的更多产品文章👇


工作六年,我总结了一份数据产品建设指南

BI(商业智能)的未来?

超越BI,数据产品的前途在哪里?

数据产品经理,并不是数据 + 产品经理

五年数字大屏之路,“述说”着我们大数据变现怎样的故事?(附演示视频)

为什么你的标签库没人用?

十年的标签库建设经历,我得到了什么启示?弱?

浙江移动神灯大数据重磅推出城市规划产品:城市实验室!

从交通行业说起,运营商大数据如何有策略的切入一个垂直行业?

运营商大数据在智慧交通方面能有什么作为?

为什么就做不好数据产品的体验?

百万标签发布了,这是怎样一种体验?

我们是如何来设计互联网大会上“城市24小时”这块数字大屏的?

直击传统商业五大痛点,如何打造一个爆款的商圈洞察产品?

照亮自己,点亮他人,详解浙江移动“神灯”大数据!

连续发布十款大数据产品:浙江移动赋能金融行业

为什么数据从业者要学点产品思维?


要看更多,请点击左下角阅读原文即可阅读整理好的所有文章!
: . Video Mini Program Like ,轻点两下取消赞 Wow ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存