Home纯银的 60 篇产品分析 · 第一季
纯银的 60 篇产品分析 · 第一季

纯银的 60 篇产品分析 · 第一季

@纯银

· 第二季 39 元:https://xiaobot.net/p/pmdogs
· 第三季 59 元:https://xiaobot.net/p/pmdogs3
· 第四季 59 元:https://xiaobot.net/p/pmdogs4
· 第五季 59 元:https://xiaobot.net/p/pmdogs5
· 第六季 99 元:https://xiaobot.net/p/pmdogs6
· 第七季 99 元(连载中):https://xiaobot.net/p/pmdogs7
订阅5316
文章60
最后更新:2022-7-13 11:12
查看 【纯银的 60 篇产品分析 · 第一季】 详情查看 【纯银】 主页
分享到微信打开

免费内容

2022-6-23 9:2

2007 年初,我刚加入网易不久,din...

2007 年初,我刚加入网易不久,dingding 在门户总监会上提出,为什么不能用 “机器推荐新闻” 替代 “编辑推荐新闻” 呢?他指的其实是 Google News。后来我才听说,他这个想法推了好几年了,跟一群职业编辑提出裁剪编辑,回复可想而知。当时总监会上陷入尴尬的沉默,我比较刚,我来回答。“高价值的门户推荐位是有限的,衡量新闻价值的不仅仅是热度,也包括微妙的价值取向。用门户头条来推荐同一则热门新闻,来源选择新京报,南方日报,还是中国青年报?机器算法可以判断热度,但无法判断价值观,而新闻价值观极大影响到媒体的差异性。不仅如此,在有限的推荐位上,平衡多样化的新闻受众需求,这也是机器无法替代编辑经验的部分。”我说完之后,dingding 有点懵,可能没料到忽然来个新人讲这么一大堆,话题就此打住。又过了十年,头条崛起,门户式微。我在微博上提到这件往事,下面一大群人盛赞 dingding 英明,总监傻逼,大老板果然极具前瞻性。我对此嗤之以鼻。朋友们,这不是 dingding 英明,这是头条英明。dingding 心仪的 Google News 并无波澜,而头条带领机器推荐新闻的潮流。这里有三个关键变量。1、移动时代不再受前 15 年的 Web 规则束缚,信息流的普及让推荐位从有限变为无限2、机器算法迭代到 2017 年,通过算法来实现个性化分发日趋成熟3、互联网人口从2007 年初的 1.5 亿增长到2017 年的 7.5 亿,尤其上网时长大幅度增长,原 Web 端用户有限时长的新闻时事诉求,转变为移动端用户更多时长的泛化内容诉求这十年间,关键变量(有限推荐位/算法能力/用户诉求)发生了变化,机器推荐新闻才得以落地开花。你在十年前提出了 “不可能的要求” ,这不是远见,恰恰是外行不理解关键变量。业内盛传的一个段子是,乔布斯早在 iPad 发布十几年前就有了这个构想,但当时的技术环境还不成熟,想法揣在兜里十几年,直到 2010 年才发布初代 iPad。这说明乔布斯从一开始就能捋清楚关键变量,不搞大跃进,而是有耐心地等待变量发生变化的时刻到来。如果绕开约束,凭空去谈趋势,这个叫 “蒙” 。人人都能蒙,人人都能蒙对,大统领蒙对的地方更容易受到关注与追捧。但作为专业人士,我们应该聚焦于关键变量的分析。

2022-5-1 11:18

问:如何在自己不是目标用户的前提下,补充...

问:如何在自己不是目标用户的前提下,补充“专家视角“。答:方法很简单:大量观察存量的用户行为。如果有站内数据,那就太好了,从不同的维度拉取内容榜单,内容分布。维度一定要多,点赞评论收藏分享,各自代表不同的解读角度,除了看绝对值,更要看每一项的互动率。拉取(几十份)内容榜单和内容分布之后,将内容结构化,按结构化的目录树整理内容的重点、层次与范例。我的经验是,目录树一定要搭配范例,每一个分支都有范例说明,而不是光秃秃的结构。一开始,我会花很多时间去看站内的数据。每个页面,每个功能的渗透率,内容榜单与分布,不同维度的用户构成,通过数据去理解一款产品。当我不具备专家视角的时候,这些解读会偏斜,会走样,但构建了基础的产品观。想法落地以后,再在数据反馈的基础上快速修正产品观。无论有没有站内数据,都需要花更多时间观察竞品的用户行为。站外拿不到榜单,就去人工浏览几百条内容,手工排序为多维度的榜单,并进行同样的结构化。只要是 “用户会留下痕迹” 的页面,都花大量时间去观察分析这些痕迹。以上都是大路货的方法,关键点是 “扎实与敏感” 。这里的 “敏感” ,就我的经验而言是超越赛道的,以及一直在一线看数据的人,比如我,敏感度会不断提升;但久居管理职位,多听汇报少看一手材料的人,敏感度趋于下降。最后再次强调我的惯用方法:1、内容分析一定要结构化,结构化的质量决定了对内容的理解深度2、内容结构化一定要配合范例说明,让光秃秃的结构生动起来3、多看内容,才能保持敏感性,一定不要吃别人的二手输出举例 1:我带的一些项目,每次例会,都有固定流程是 “大家一起看 5-10 条优质内容” 。这是我保持内容敏感度的方法,也是我和大家一起对齐内容标准的方法。举例 2:我带的另一些项目,在完成第一步结构化之后,不仅按照结构去找优质内容范例,更加会按照结构去主动搜索 “符合优质标准,但热度不高的内容” ,case by case 地鉴定我的预判是否有错。在这些过程中,逐渐提高自己对陌生领域的专业认知。

2022-4-11 0:22

产品助理到 P10,每一级的四道开卷题,...

产品助理到 P10,每一级的四道开卷题,可以用于面试,也可以用于自测。PM 助理- 你手机里每周至少打开一次的应用,最喜欢的 UI,最喜欢的产品细节,分别是什么?- 最近一年,对什么常用应用的新版本特性印象深刻?- 最近一年,工作中最满意、最开心、最不开心的事情分布是?- 有什么和数据相关的(工作之外亦可),你观察数据并得出结论的案例?P6 PM- 你做过的一份最满意的设计,背景和目标是什么,设计上好在哪里?需要关注的数据项是?落地反馈如何?- 我想看一份你最满意的原型与 PRD,先脱敏,然后在面试现场递给我看一眼就可以了- 你手机里每周至少打开一次的应用,最喜欢的 UI,最喜欢的产品细节,分别是什么?- 最近一年,工作中最满意、最开心、最不开心的事情分布是?P7 PM- 你做过的一个最满意的 case,背景和目标是什么,关键决策又是什么,落地反馈如何?- 如果再做一次这个 case,哪些方面还有改进的空间?- 我们找几个你做过的 case,你会怎样抽象和排列重点?- 你怎样理解所在业务的价值?怎样用数据衡量这些价值?实现价值的最佳路径是?P8 PM- 这个业务最重要的几个目标是什么?有什么数据指标可以对应这些目标?- 达到目标的过程中,有哪些被验证为是相当有效的动作?还有哪些寄予厚望但事与愿违的动作?- 我们找几个比较复杂的项目,你当时是怎样分解和推动项目进程?- 如果回到去年 1 月 1 号,你会怎样规划 2021 年的工作?和真实的 2021 年规划有什么区别?P9 PM- 我们来聊一下你的竞品吧- 我们来聊一下你打得最好,和最难的两场仗吧- 我们找几个你带过的项目,它们的价值分别是什么?怎样划分阶段?不同的阶段里你会怎样拆解业务和指标?- 去年你做得最好和最不好的决策分别是?如果回到去年 1 月 1 号,你是否会做出不同的决策?P10 PM- 我们来聊一下你经历过的垂直市场吧- 过去的三年里,你怎样考虑业务规划与目标,进展是否符合预期?- 在产品、运营、研发多工种协同中,你有什么经验之谈吗?- 去年你做得最好和最不好的决策分别是?如果回到去年 1 月 1 号,你是否会做出不同的决策?