讲述丨在大厂做产品经理的绝望

前几年，国内互联网产品的出海之路并不顺利，以 TikTok、Kwai、Likee 等为代表的明星出海产品发展受限，甚至被部分国家宣布“永久禁止”。彼时，身为某短视频大厂的产品经理宇斌正在做另一款短视频产品，因为注册主体等原因在出海市场仍可继续推广。

TikTok 下架第一天，宇斌曾负责过的这款短视频 APP 流量突然暴涨，自然新增从几万涨到几百万，DAU 从几十万飙升至几千万，且之后每天都需要扩服务器。

业务暴涨固然是好事儿，但这也给宇斌带来了很大触动：TikTok 被下架，用户会自发选择、用脚投票，移步至其他可替代的 APP，但是实际上用户对产品并没什么忠诚度。

眼看着之前需要绞尽脑汁都难提升 1 个百分点的新用户次日留存，一夜之间达到了令人咋舌的 80%+，人均用户时长也翻了好几倍。宇斌表示：“那段时间，团队中每天只有一个话题不断在大家耳旁重复——服务器不够了，快扩容，跟不上用户增长的速度了！”

经历短暂的流量增长后，这款 APP 最终难逃下架命运。那一段疯狂的增长，回头看去，更像“末日前的狂欢”。

触动之余，宇斌甚至有一点绝望：作为产品经理，我的价值何在？所谓的业绩增长、业务能力经验、方案设计是否和专业毫无关系？自己引以为傲的产品认知，每天执着的产品设计好与坏，在突变面前仿佛一个玩笑；每天和团队一起，持之以恒地对细节打磨，不眠不休对数据的思考和分析，远不抵所谓「客观条件」所带来的影响。

产品经理与数据指标的“情仇”

此时，在另一家大厂参与国内社交创新业务的登昊，正在一条充满无限想象空间但是竞争日趋激烈的赛道上努力寻找突破。毫不夸张地说，这条路太具有想象空间和规模效应了，以至于每个互联网公司有一定体量之后都会基于自己的用户基数去尝试。但是做社交业务本身是需要耐心和时间积淀的，业内标准的用户增长方法论在社交业务上并不能直接应用。

他正是基于公司对于产品的战略定位，摸着石头过河，一步一步小心翼翼地探索需求是什么、目标用户是谁、产品功能要如何设计、推广和运营策略如何制定才能符合战略定位并且实现收益。

在这个过程中，登昊主导的一个重要项目就是做社交关系推荐，即为用户推荐 Ta 可能感兴趣的人。这个过程中避免不了产品直觉判断，公司也给了足够的资源和空间让登昊去尝试，不同的匹配策略代表着对产品定位的信息传递。但是尝试过后，一个策略最终能否顺利上线，完全取决于策略进行 A/B 实验后的灰度效果——是否提升了业务核心指标。从实际情况来看，数据决策带来的收益提升确实是更加显著的。

这让登昊不禁开始思考，增量市场越来越小，存量竞争日益激烈的市场环境下，创意必须配合精细化经营方法与工具才能达到更理想的效果。针对每个动作成本和收益的准确衡量，需要通过数据驱动决策，甚至让数据成为决策本身已经是愈发不可忽视的行业趋势。

这大概已是互联网公司普遍的共识。一切都要用数据说话，或者，叫做“一切都被数据绑架”。

大厂的实验平台，每天新开的实验高达数千个，同时运行的实验有上万个。公司上下的普遍共识是做实验是所有决策的前提和基础。

产品的任何决策都需要数据的支撑。对于体量庞大如抖音、快手等数亿级用户的互联网产品，“我们将 A/B 测试开到小数点后一位，一个千分位级别的数据波动都可以带来对几十万用户的影响。”

如果在大厂操刀一款 DAU 过百万的产品迭代，不出意外，这些产品经理每天的核心工作几乎全都围绕 A/B 实验展开，每个新功能能否上线都需要经历 A/B 灰度放量测试再到全量的过程。每场 A/B 实验过后，一旦发现数据波动，即使是小数点后一位的波动，都需要计算置信区间。

的确，数字化转型深入的今天，数据的价值不容忽略；完全凭借产品经理某些超前认知下结论的时代已经过去。现在，即使是千分之一的波动，作为产品经理也没办法进行太多业务层面的定性判断，只能靠定量的数据驱动产品迭代。

难被量化的软实力

有着近 10 年产品经验的宇斌将产品经理分为两类，一类是经典派，一类是学院派。

上述大厂产品经理的工作方式属于“学院派”，公司越大，产品体量越大，越需要通过数据驱动产品迭代，产品经理被禁锢在数据的牢笼中，评价标准和思考方式渐趋一致，创新空间少导致互联网企业产品形态高度相似，不同短视频的 APP 交互、流程十有八九雷同。

相信没有哪个产品经理不怀念“通过认知手握话语权”的时代。然而事实是，同为 C 端产品经理，工作 3 年与工作 7-8 年的人，在一线的产出差距不会太大。

相比大厂的 “学院派”， “经典派”更多地是基于自身经验、对业务需求和用户需求的理解驱动产品设计，从而真正地影响业务。“经典派”有着不可被量化的软实力。

基于对「数据和平台能力对业务发展重要性」的深刻理解，宇斌和登昊不约而同地从大厂跳槽，转换到了 To B 领域，选择大数据分析和营销科技领域的优秀企业神策数据，负责神策营销云这一重要产品。以前做具体的 A/B 实验和增长策略，现在为更多做 A/B 实验、营销策略的人提供工具和平台，从业务方摇身变成了平台方。

每个行业、每个企业都有着自己用户明确的画像，他们现在从客户本身向用户营销的需求出发，并融合过往在大厂做 C 端业务的视角和思考，基于更加明确的业务场景和客户情况进行产品方案的迭代，给客户带来价值。

用科学方法做事情

在 B 端做产品经理，并不会忽略数据的价值，做事情做业务依赖于“人”，人所做的决策靠不靠谱，需要科学方法的引导和指导。在这个过程中，数据驱动是科学方法的重要体现。

投身大数据分析和营销科技服务领域多年，在数据驱动的背后，神策数据已经成为一家将组织建设与科学方法有机结合的公司。

在神策做事情，科学方法已是文化自觉。

“科学方法可以总结为观察与统计、标准化与流程化、假设与检验三个方面。神策与科学方法具有天然的适配性，科学方法很容易在神策落地生根。”在神策，公司上下倡导有效工作方法的运用，2017 年初，公司看到泰勒的《科学管理原理》这本书的价值后，安排员工人手一本；后来，神策陆续引入 IBM 的 BLM（业务领先模型）的管理方式，以及关键问题驱动、复盘、OKR、共创等有效工作方法，这些都已成为神策的核心工作方法。

另外，神策致力于帮助客户实现数据驱动，倡导“数据源很重要，打造数据闭环等”理念，并且将这些理念很好地映射到科学方法中。

具体说来，神策强调数据源很重要，这与科学方法中的观察与统计是一致的，“没有调查就没有发言权”，要做好基础调查调研；神策强调服务产品化，强调业务流程，这也是追求标准化、流程化的做事逻辑的具体表现；神策强调 SDAF 数据闭环方法论，其中 Feedback 是对 Decision 的效果验证，互联网的核心是迭代，如果反馈不及时，产品迭代效率就会变慢。

在数据驱动的大背景下，不管是“经典派”还是“学院派”，效率已成为大家都必须面对的命题。做同一件事情，谁有更靠谱的工作方法、更靠谱的工具，谁的效率就更高。

✎✎✎

【更多内容】

用科学的方法提升效率

数据驱动为什么是有效的？

认知是未来的常识

▼ 点击“阅读原文”，加入神策