〖产品思维训练白宝书 - 产品思维认知篇④〗- 产品思维的核心要素
大家好,我是 哈士奇 ,一位工作了十年的"技术混子", 致力于为开发者赋能的UP主, 目前正在运营着 TFS_CLUB社区。
💬 人生格言:优于别人,并不高贵,真正的高贵应该是优于过去的自己。💬 📫 如果文章知识点有错误的地方,请指正!和大家一起学习,一起进步👀 🔥 如果感觉博主的文章还不错的话,还请 👍 关注、点赞、收藏三连支持 👍 一下博主哦 🏆 CSDN博客专家认证、新星计划第三季全栈赛道MVP 、华为云享专家、阿里云专家博主 🏆
专栏系列(点击解锁) 学习路线(点击解锁) 知识定位 🔥Python全栈白皮书🔥 零基础入门篇 以浅显易懂的方式轻松入门,让你彻底爱上Python的魅力。 语法进阶篇 主要围绕多线程编程、正则表达式学习、含贴近实战的项目练习 。 自动化办公篇 实现日常办公软件的自动化操作,节省时间、提高办公效率。 自动化测试实战篇 从实战的角度出发,先人一步,快速转型测试开发工程师。 数据库开发实战篇 掌握关系型与非关系数据库知识,提升数据库实战开发能力。 爬虫入门与实战 更新中 数据分析篇 更新中 前端入门+flask 全栈篇 更新中 django+vue全栈篇 更新中 拓展-人工智能入门 更新中 🔥全域运营实战白宝书🔥 运营角色认知篇 初识运营,明晰运营的学习路径 高转化文案速成篇 三种文案形式,抓住特点才能下笔如有神。 策划活动与执行篇 更新中 新媒体运营篇 更新中 社区运营篇 更新中 私域社群运营篇 更新中 运营数据分析篇 更新中 低成本渠道推广篇 更新中 网络安全之路 踩坑篇 记录学习及演练过程中遇到的坑,便于后来居上者 网安知识扫盲篇 三天打鱼,不深入了解原理,只会让你成为脚本小子。 vulhub靶场漏洞复现 让漏洞复现变得简单,让安全研究者更加专注于漏洞原理本身。 shell编程篇 不涉及linux基础,最终案例会偏向于安全加固方向。 [待完结] WEB漏洞攻防篇 2021年9月3日停止更新,转战先知社区等安全社区及小密圈 渗透工具使用集锦 2021年9月3日停止更新,转战先知社区等安全社区及小密圈 点点点工程师 测试神器 - Charles 软件测试数据包抓包分析神器 测试神器 - Fiddler 一文学会 fiddle ,学不会倒立吃翔,稀得! 测试神器 - Jmeter 不仅是性能测试神器,更可用于搭建轻量级接口自动化测试框架。 RobotFrameWork Python实现的自动化测试利器,该篇章仅介绍UI自动化部分。 Java实现UI自动化 文档写于2016年,Java实现的UI自动化,仍有借鉴意义。 MonkeyRunner 该工具目前的应用场景已不多,文档已删,为了排版好看才留着。
该章节将要和各位小伙伴探讨一下 “产品思维” 的特征,用一些关键词提炼出 “产品思维” 的核心要素,以方便大家能够进一步理解 “产品思维” 。
❤️🔥 产品思维的关键词
如果说用几个关键词来总结 “产品思维” ,我会用以下几个关键词来概括它,分别是:"4高"、"1深"、"3广"
,具体怎么理解,我们接下来一个一个的说。
❤️🔥 4高
- 先来看一看
4高
究竟是什么。视角高
- 首先,拥有 “产品思维” 的人,会拥有足够高的视角。也就是看待问题能够从全盘出发,会站在全局的角度分析各种可能得原因。借助这些双向思维,总结这些原因背后的规律。借助逻辑推演找到根本的解决方案,并且借助场景和趋势变化来及时调整策略。站的高,看得远,才能想的到位。
效能高
- 有了 “产品思维”,就能够帮助我们树立一个目标,就这个目标就可以轻易做出可达的规划,并能够科学有序的按照优先级合理安排执行动作,基于行动结果归纳复盘,秩序优化每一次的执行效率,借助高效能我们处理事物将不再是一团乱麻。
情商高
- 这里的情商并不是指的会
"溜须拍马"、"奉迎他人"
,这一类的做法只会令人工于心计,而不是获得有价值的人脉关系。"产品思维" 的情商
出发点在于"从用户的角度出发"
,借助团队的力量实现共赢,利他才会利己。要求高
- 这里指的是对自己的 “要求高” ,产品经理对于
极致体验的追求
、对创新的追求
,驱使着自己不断自我迭代、寻求更好的进步。
这 "四个高" 不论是对个人还是对企业来说,都是非常有帮助的。"视角高"、"效能高"、"情商高" 和 对自我的 "要求" 足够高。
❣️ 缺乏思考高度的代价
相对而言,缺乏上庙为大家描述的 "4高"
会有什么样的后果呢?接下来我们就以 "视角高"
为例,为大家讲述三个小故事。
饮鸩止渴
:这个成语的寓意不言而喻,相信大家都知道。只求解决眼前的困难二不计后果,看似是解决当前的妙计,实际上会导致问题的进一步恶化。接下来我们要说的 “饮鸩止渴” 的故事来自于一家公司的销售策略。
该公司一贯维持的是高价格的策略,但是在面临严重的资金链短缺的时候,盲目的采用了降价促销的策略,在短时间内有效的刺激了用户的潜在需求,并且销售额在一定的程度上解决了短期现金流的问题。
但是从长远的角度来看,影响了该公司的品牌形象。在短期的销售旺季之后,恢复了原价,结果就出现了滞销、收入暴跌,整个品牌形象无法继续维持,结果就导致公司面临了比之前资金短缺的更严重的问题。
因此,我们可以看得到,过于注重短期的收益,不从长远的角度看问题,并且采用了会损害公司状态的解决方案,最终必然会导致公司面临更加严峻的问题。
急功近利
:“急功近利” 的意思是过于追求规模的快速增长,最终很有可能当你达到一个上限的时候,没有办法进行及时的控制所带来的成长停滞,甚至加速下滑,并且会导致全盘崩溃。
这个故事是真实的案例,“美国人民航空” 一直以 “低价、高品质” 为企业的服务方针,为此积累了很好的业界口碑,为此也为他们赢得了源源不断的客户来源和收入。但是有一段时间 “美国人民航空” 过于的追求增长,开始不断的扩充机队的规模,同时乘客的量级也在不断的增加,在没有及时的采取控制策略,最终也导致乘客的量级超出了服务的容量,最终顾客流失、口碑下降,被竞争对手乘虚而入失去了市场竞争力,最终出现了大幅亏损。
因此,“急功近利” 就代表的事太过于追求短期内的规模增长效应。当达到了一个成长瓶颈的时候,没有及时的制止,反而还在不停的扩充规模,导致服务质量跟不上,最终客户不再买单,业绩也会持续的下降。
恶性竞争
:最后,我们来看一看 “恶性竞争” 带来的问题。 “恶性竞争” 其实就是把自己的利益建立在超越对方的基础之上,只要有一方领先就会被另一方视为威胁,从而采用一系列的对抗手段,最终双方都会损失惨重。
这里要说的故事就是当年 互联网团购兴起
的时候的 "千团大战"
,在 "千团大战"
每家互联网公司都会给出各种补贴政策。这种基于团购的模式几乎每一家都大同小异,如果想要击败对手,只能不断的增加补贴的额度,这就造成了大家都在发红包、抢客户,导致了全行业的成本都急剧增高,甚至于补贴的额度大幅的超出了成本,最后只能靠不断的融资来续命。最终的结果就是全行业都难以继续向前发展,要么倒闭,要么就被吞并。
经历过 "千团大战"
的近九成的公司基本上都消失了,剩下的都是那些能够在恶意竞争的环境下坚持修炼内功的一些优秀的公司。所以如果只是追求短期的与竞争对手对抗,而不是从长远的行业角度去发展、考虑问题的话,就会带来一个比较惨痛的结果。
以上这三个小故事,就是典型的缺乏 "思维高度" 的代价,虽然都是从企业角度出发,但是也能够说明 "过于短视",不能够从更高的角度去思考可能会带来的决策失误问题。因此首先建议大家重视起来刚刚所提到的产品思维的 "4高" 。
❤️🔥 1深
“产品思维” 的 “1深” 其实就是指的 "思考层级足够深"
。这里我们先来看一个思考题:如果你是老板,需要调研竞争对手的情况,于是负责调研工作的员工分别递交了以下五个结果方案。
第一个:信息获取
(大部分人所想到的,就是提供这样的一个信息获取的操作)
就好比我们的竞争对手有三家企业,这 “第一个方案” 就是简单的搜集了这三家竞争对手的一些基本信息,这就是很多人只是做到了表层的 “信息获取” 层面的思考。
如果你是老板,这样的调研报告就这样?估计提供这样一份报告的人,也就没有以后了。
- 第二个:信息处理
(具备深度思维的人,除了会做到 "信息获取" 之外,还会进行 "信息处理")
- 有一定深度思考的人会讲收集到的信息,优先进行归类的整理;就比如收集了三家竞争对手的信息,并针对其进行了归纳总结。分别总结了三家的规模,输出了规模对比关系
"A > B > C"
;同样的,通过业绩增速进行对比分析,又得到了这样的业绩增速结果"B > A > C"
。由于 C 无论规模和业务增速都是屈居末位,所以我们可以将- 这样的带有信息处理后的结果,相信还是比较能够引起足够的注意的,但是仅仅如此还不够,所以这个时候还可以进入到
"信息加工"
这一阶段。
- 第三个:信息加工
(基于已有的信息,找到信息与信息之间的联系,提炼出其中关键的情报)
- 以第二个调研报告得出的竞争对手 B 为例,为什么 B 的规模不如 A,但是它的业绩增速却要大于 A 呢?通过信息提炼之后会发现,B 之所以规模小的原因是刻意的控制扩张速度,同时将资源更多的投在产品研发上面。 只有将自己的产品做的足够好,用户认可度才会足够高。也正是基于此, B 公司获得了很好的业务增速。
- 这一点,就是针对已有的对比信息进一步加工出来的关键的情报。
(其实到了这一步,我们依然可以向下深挖)
- 相信如果你作为老板,也会对这样的一份报告给予高度的认可的吧。
- 第四个:信息挖掘
(可以总结出当前信息发现背后的本质)
- 当我们得出 “B 公司可以的控制扩张速度是为了投入到产品的研发上面” 的结论,这样的一个结论是为了什么呢?B 公司之所以这么做,是因为行业更认可产品价值;用户也会更认可产品质量,当用户认可了 B 公司投入大量的资源在产品上之后,B 公司的增速也会进一步的达到提升。
- 正式基于此,B 公司才会将将更多的资源投入到 “产品研发” 中去。
- 这样的带有思考深度调研报告,作为老板,肯定会认为其更有价值的吧。
- 第五个:信息关联延展
(基于挖掘出的信息进行信息关联延展的思考)
- 以上收集到的内容都是竞争对手的信息,那么这些信息对于我们公司来说会有怎么样的一个帮助呢?
- 于是我们会进一步得出这样的一个结论:
"我们也可以像 B 公司那样注重产品的价值,如此整个行业也会认可我们在产品研发中的决策。同时我们也必要要比 B 公司更加的高效,如此我们就会在业绩上比 B 公司更加讹增效"
。- 如果你是老板,能够做到这一步的员工是否会对他刮目相看,觉得更值得培养呢?
- 第六个:信息再发散
(从单点观察,拓展到整体的思考,由点到面。)
- 这里再一次提到上文的 “思维高度” 问题,我们可以建议
"只是提高产品研发还不够,更需要进行组织架构的升级、拓展更多维度的市场,从而找到竞争对手 A 、B 、C 之外的机会" 。
只要我们重视到 “产品研发” 的资源,真正深挖客户的需求价值,也一定能找到比竞争对手 A 、B 、C 更好的市场。- 具备这样思维高度的人,作为老板,这样的一个人才,不给他升值加薪,难道等着被别人挖走吗!
以上六个方案,其实就是代表着我们 "思考层级的深度"
,这样一层一层的深度,试想一下我们自己在实际的工作中,能够想到那一步?
❤️🔥 3 广
“产品思维” 的 3 个 “广” 分别是 "知识面广"、"人脉广"、"视野广"
。以下就是 "产品思维" 在广度上的三种表现。
知识面广
- 产品经理在决定做什么产品、上线什么功能之前,肯定是要经过充分调研的。这就需要具备 “情报收集” 与 “情报加工” 能力,懂的越多越能够做出正确的决策。所以学习 “产品思维” ,这一点是必备的。
人脉广
- 其实在
"4高"
部分的时候也提到过,“产品思维” 的一个特点就是要有 “高情商” ,其结果就是有足够广的人脉关系。而人脉的意义在于能够整合资源,借助组织的力量协同战斗,已达到最优的项目结果。
- 视野广
- 同样是在
"4高"
部分的时候提到的,站的高才能够看得远,而看的越远需要处理的信息量也就越大。这个时候系统化的思考、多维的视角也派上了用场。能够把复杂的业务逻辑梳理清晰,并且从中去看到机会、或者问题的突破口,这就是 “产品思维” 视野广的优势。
❤️🔥 为什么要见多识广
这里依然利用一个思考题亲自感受一下,"试想一下,如果我们从事的事销售工作,如何搞定客户呢?"
。
通常来说,马上能够想到的就是一些很普通的方式,也就是 "普通思维"
的 "请客送礼"、"嘘寒问暖"、"登门拜访" 等等
。如果只是想到这些,就很有可能会陷入一些很繁琐的 “执行动作” 里面。比如会话很多时间去找一些名贵的礼物,也有可能会天天的发一些短信息之类的问候等等。要命的是,就算这些做的都很好,客户也不一定会去买账的。甚至很有可能在中途,就被竞品撬了墙角。
如果说能够借助 "广度思维"
去开展工作,那么情况可能就不一样了。我们可以从心理学上去思考, "客户真的想要什么?"
;甚至在接触客户的过程中,借助社会学的认知,"客户在当下是有什么社会身份?他的立场和诉求是什么?可能这个客户也只是个执行者,真正做决策的是他背后的老板,这时候我们就需要从更高层面来解决问题,而不是纠结于当下这个人。"
;此外我们还可以借助经济学上的认知,去帮助客户判断一下与我们合作会得到什么样的好处,以此来设定一个最优的销售方案,让双方都达到一个共赢
。
当然了,这种多维度的思考还有很多很多,这取决于我们所掌握的信息量以及知识面。相信在接触到这些知识之后,一定可以判断出这样的思考逻辑,相对来说比较单纯的 “表层思考” ,利用 “广度思维” 去思考要更有价值、更有意义。
相关文章
- Tensorflow2.0使用Resnet18进行数据训练[通俗易懂]
- 大模型时代,那些一起训练AI模型的企业是怎么应对数据顾虑的?
- Pytorch的基本介绍及模型训练流程
- tensorflow(四十八): 使用tensorboard可视化训练出的文本embedding
- 预训练模型与传统方法在排序上有啥不同?
- finemolds模型_yolo模型训练
- 1.基于Label studio的训练数据标注指南:信息抽取(实体关系抽取)、文本分类等
- EMNLP2022 | 听说训练一个Bert模型所消耗的能量相当于一次跨美飞行?(NLP气候影响)
- 特定领域知识图谱融合方案:文本匹配算法之预训练Simbert、ERNIE-Gram单塔模型等诸多模型【三】
- 第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-246 算法训练 猴子吃包子
- 汇总简析:GAN和扩散模型生成训练数据
- 还不如GAN!谷歌、DeepMind等发文:扩散模型直接从训练集里「抄」
- MIGA项目原作解读:基于生成式预训练语言模型T5的Text-to-SQL模型
- 7 Papers & Radios | 无需注意力的预训练;被GPT带飞的In-Context Learning
- 线上分享 | 训练大模型不堆GPU,这个炼丹神器点满了技能
- 立即停止训练比 GPT-4 更强的模型,至少六个月!马斯克、图灵奖得主等数千 AI 专家紧急呼吁
- gensim 中文语料训练 word2vec详解大数据
- 技术培训 Oracle Two Days技术训练拓展知识新境界(oracle 两日)