Chu 的这篇文章中,每一种心智模型我都曾经应用到金数据的产品规划中。刚开始读觉得「网格」概念很僵硬,不好理解。其实非常像中文中的融会贯通,当你心理有几种思考方式,看到一个问题时,在多个思考方式中切换,寻找能产生最大影响的那一个。经过多次训练之后,就会产生一种直觉:在某个工作阶段应该关注shipping速度,在某个阶段关注「最终完成品」而不是「最轻松的解决方案」

文本出处: The Blackbox of Product Management

心智模型是一种对复杂过程或关系的简单表述。对个人来说,心智模型会随着时间累积,并且帮助每个人更快地做出更好的决定。

举个例子:帕累托原理(the Pareto Principle,译者注:二八原则) 表明80%的产出自20%的工作。

在产品管理的语境下,与其花时间去寻找100%的客户机会,你应该着墨在产生80%机遇的那20%的工作上。产品团队随时都在权衡取舍,结果通常是在发布的功能不支持20%复杂用例的客户。

心智模型很厉害,但它的效果受限于推测的上下文。未解决这个问题,你不应该只依赖于一个或几个模型,而是持续构建一个心智模型网格,以便于能够更好地做决策。

Charlie Munger(Berkshire Hathaway 副主席) 曾在一次关于如何增强智慧的演讲中,普及这个概念。

什么是基础的、普世智慧?第一个规则是,如果你只是记住一些独立事实,尝试将他们挨个突破,你不可能学会任何东西。如果这些事实不是组合在网格理论上,那么你就没有可用的形态。
你得在脑海中有模型。然后再网格中布置这些模型,不管是直接地还是间接地。你可能留意到某些学生,只是直接记忆然后回想自己记住了什么。他们不管在学习还是生活中都很失败。你必须得把脑中的模型在网格上组织起来。
什么是模型?首先你得有多个模型。因为如果你只用一两个模型,那依赖人类的天性,你将会扭曲现实使其适合你自己的模型,或至少你自己这么想的。
常言道:「拿着锤子找钉子。」...... 但这是一种灾难式的思考方式,也是一种灾难式的在世界上运转的方式。所以你必须得有多个模型。

本文概述了部分在我的产品管理职业生涯中非常有用的模型。如果我学习到了新的模型, 也将持续在本文更新。

本文也不仅面向产品经理,而是面向产品团队中的所有人。产品思维并不是PM的权利,实际上在builders的受众,它会更有用。

我们将会讨论一下几个方面的心智模型:

  1. 资源投入
  2. 设计和范围界定
  3. 构建和迭代

资源投入

接下来的一组心智模型有利于帮你思考:决策团队构建什么内容,或「在哪里投入资源」

投资回报(RoI)

一个财务概念:每一块花出去的钱,能挣多少钱回来?在产品领域,将团队所有用的资源(钱、时间、人)视为投资,将对用户的影响视为回报。

Untitled

这个模型为什么有用?

对产品团队来说,可用的资源是时间、钱、人(人数,以及拥有的技能)。当你在考虑多个项目的可能性时,永远选择那个会产生最大影响的项目。

交付的时间价值

早交付比晚交付更能对客户产生更大价值。

Untitled

这个模型为什么有用?

在决定解决哪些问题或者选择机会时,你不能只比较功能特性。(只考虑功能时,产品团队永远只会考虑那个最大的feature)

反之,为了做更好的投资决策,你应该考虑交付速度,并且在哪些能够快速交付的功能中投入更多资源。

时间轴

和[交付的时间价值]相关,正确的投资决策与你引入的时间范围相关。例如在下图中,长时间来看,花3个月和9个月的成本区别不大。

Untitled

这个模型为什么有用?

选择「我们如何在未来3个月创造更大价值?」或「我们如何在未来3年创建更大价值?」会带来全然不同的结果,也会导致团队采取不同策略。
因此,和团队以及利益相关方对于时间范围保持一致,是首要讨论的问题。

期望值

预测未来是不完美的。相反,所有决策都会带来产出多种结果可能性。这些结果的可能性加权在一起就是决策的期望值。

Untitled

这个模型为什么有用?

考虑项目的最终影响时,列出所有可能的结果,并为每个结果分配概率。结果可变性通常包括项目可能比预期更长的概率,以及未能解决客户问题的概率。
一旦你列出所有结果,为结果的价值进行概率权重求和,你会对投资汇报有更好的感觉。

设计和范围界定

当投资方向确定后,下一组有用的模型关于产品设计和设计范围界定。

倒推工作 (倒置工作流程)

不同于「找到问题,思考解决方案」的工作方式。你可以从完美的解决方案开始倒推回当前日期,找到从哪里开始工作。

Untitled

这个模型为什么有用?

大部分团队「向前工作」,这是一种评估实现最终影响的成本,然后决定要优化什么实际内容的工作方式。

「倒推工作」让你可以专注于对客户来说,最有影响力,最长期的的工作内容,因为你在从一个完美的解决方案出发,实施逆向工程。

只关注逆向工程并不总是最好的,它只是提供了不同的视角。能从两种视角进行规划是更好的。

这几乎是金数据产品设计团队最流行的一种工作方式,我们总是设计一个完整的方案,然后从方案或时间倒退,找到工作的着手点。

信心决定速度和质量

你的信心 i) 当前手上问题的重要程度,以及 ii) 解决方案的正确程度,共同决定产品和质量的平衡。

Untitled

这个模型为什么有用?

这个心智模型,帮助你建起一个权衡速度与时间的晴雨表。上图中极端的两级,可以很容易地理解。

右侧:你非常有信心,当前正在解决的问题对客户来说是最重要的(已通过客户进行验证),同时你清楚要做什么去解决这个问题。这种情况,你不应该走任何捷径。因为你明确客户长期需要这个功能,所以它应该质量非常好.(eg, 有可扩展性,是设计愉悦的)

左侧:你尚未验证这些内容对客户的重要性。在这个场景下,你花越多的时间构建,就承担了更多的风险,你在为可能都不存在的问题做功能。因此,你应该尽可能快地发布一些东西(哪怕是错误的),去验证它是否值得投入精力构建。例如,为一些不存在的功能做landing page,已验证客户是否感兴趣。

大部分人都知道MVP的重要性,但是对看好功能的重仓投资,其实是一线产品经理忽视的。

解决整体用户体验

用户体验并非止步于界面。在使用产品前后发生的所有事情,都值得被好好设计。

Untitled

这个模型为什么有用?

设计产品时,我们倾向于关注在产品内的体验(e.g. 软件内的用户界面)。

与之同样重要的是设计市场体验(如何获取客户,以及在客户试用产品之前管理他们的预期),产品支持/遇险体验(当产品表现不及预期时,你的团队/公司如何响应客户)。

特别是极致优秀的产品遇险体验,是一种赢得长期客户新人的好机会。例如,亚马逊的退货服务,赢得了如你我一样的客户信任。

电商零售的实践是无理由的退换货服务;海外某些Saas产品也 follow 随时退订/解绑卡片的逻辑。

实验、单一特性、平台

有3中产品开发的模式:实验式、单一特性式、平台功能式。每一种都有其目标以及权衡速度与质量的方式。

Untitled

这个模型为什么有用?

先识别出你的产品是哪种开发方式,你能更清晰地定义清楚目标以及正确权衡时间和质量之间的平衡。

实验是为「学习/了解信息」而存在的,因此你可以在新功能或新平台上发布,让用户验证。如果你的目的是为了获取更多信息,你可以做更多不那么精致的事情:为了更快实现,用更hack的实现;伪装自己产品非常复杂,实际上背后是手工操作。

与实验不同的是,平台类特性是永存的。其他人会基于平台产品构建功能,因此平台产品上线后再修改是极具破坏性的。

因此,平台必须具有非常高的质量(e.g. 稳定性、高性能、高可扩展性等等),同时具备真正有用的功能。一个构建平台产品的好原则是:和你的第一个客户一起来做。比如说,另外一个在你的平台之上构建产品的团队。这样一来,你必须得保证你的平台对客户是随时可用的。

反馈环

产品中的因果关系是正反馈&负反馈回路环环相扣的结果。

Untitled

这个模型为什么有用?

反馈回路告诉我们,产品增长和衰退的最大驱动因素可能来自产品中的其他部分。

举个例子,你的团队是支付团队,KPI是产生更多的信用卡支付流程。你可以从用户获取团队得到正反馈,更多的新用户带来更多可能舒勇信用卡付费的客户。然而你会从现金支付团队得到一个负反馈,他们的KPI是帮客户更容易地进行现金结算。

了解这些反馈回路有助于使用更正确的策略(e.g. 你可以在获取新用户时采用通用的拉新策略,以增长总支付单数),或了解当前产品监控指标中的负面因素(e.g. 信用卡支付单数下降,是因为现金交易团队做的非常好,而不是因为信用卡团队很糟糕)

飞轮(递归反馈回路)

正、负反馈由自己产生,并由自己加速驱动整个过程。

Untitled

这个模型为什么有用?

飞轮的概念与反馈环相关,在管理平台产品或交易市场类产品时更加重要。例如,设想你是Apple iOS APP市场的管理者,你有两类用户:开发者和APP用户。

飞轮效应体现为:更多的用户吸引了更多的开发者(有机会售卖自己的APP),反过来更多的开发者(做了更多应用)吸引更多APP用户(可以消费更多类型的应用), 因此又吸引了更多的开发者,循环往复。只要你持续运转飞轮,你不仅仅是增长,而是在飞速增长。

如果你在管理者一个飞轮,你得确保让它在正确的方向上转,因为它反着转的影响也非常强大。例如,市场上应用太多,新用户不容易被用户发现,开发者的增长会减速,从而破坏飞轮效应。

构建和迭代

当你在构建、运营、迭代已有产品时,以下这组心智模型对你有帮助。

收益递减

当你关注于提升同一个产品领域时,单位投入产生的用户价值会随着时间递减。

Untitled

这个模型为什么有用?

假设你和团队基于用户反馈对产品进行日常迭代,你最终会进入一个阶段:你怎么做都不可能做的更好了。这个时候,你和团队就改去发现一些新东西。

局部最大值

与收益递减相关,局部最大化是指当渐进式的产品优化无法创造更多的用户价值,迫使你在产品上做出进一步的改变。

Untitled

这个模型为什么有用?

这个模型与收益递减模型高度相关,特指做任何改进都不会带来更多收益。迭代已经没有任何意义,唯一的出路就是产品创新。

这个概念最近 因为 Eugene Wei的文章《看不见的渐近线》而产生病毒式的传播,文中讲述了一个例子:亚马逊 foresaw 演变为 Prime的故事。

2.0 版本是骗人的

创造一个产品时,不要觉得2.0版本一定会发布。把1.0做完整,因为它可能是最后一个版本。

这个模型为什么有用?

当定义1.0版本时,你会记录所有酷炫的,可以加在2.0版本中的feature。 但是你得承认,未来的版本可能永远都不会发布。因为你不清楚发布当前版本后会发生什么:公司策略可能会变化,你的Tech lead离职,或者全团队整个转向其他项目。

对了应对这些场景,你得确保交付的是一个「完整产品」,即便永远不迭代,在可见的未来里,产品对用户来说都是有用的。不要想着未来可以优化,当前就发布了一个可能没法完整解决问题的产品。

Freeroll!

快速交付某些功能不会带来任何负面影响,还有可能会带来收益。

Freeroll 是扑克游戏里的一种玩法,玩家可以免费丢一次骰子

Untitled

这个模型为什么有用?

如果当前用户体验非常差,任何根据直觉做的产品优化都会让情况变得更好。这种情况下做的改变就被称为Freeroll。和修复缺陷不一样,因为bug通常意味着某个功能没有按照设计预期工作。

这没啥意思,我们得咋能让自己陷入这种僵局呢...我就懒得翻译后一句了。

大部分价值在1.0版本之后产生

发布产品之后,你会从用户身上学到很多。不要浪费利用这些知识迭代产品的机会。

Untitled

这个模型为什么有用?

知道用户开始使用产品,产品的一切都是基于假设来创建的。即便你的团队做了足够的「pre-launch 测试」,比方说:客户访谈、原型测试、定量分析、beta 版本测试,当产品100%开放后,仍然有一些意料外的行为或边界场景会发生。

所以产品要持续改进!

关键失败指标 (Key Failure Indicator)

和KPI一起来看KFI,列出任何情况下你都不能出错的指标,确保团队关注在健康的增长曲线。

Untitled

这个模型为什么有用?

团队通常只围绕KPI去构建,而忽略了KPI带来的负面效应。
一个经典的案例是:在登录页面上提升注册转化率,但没有关注到总客户数没有增长(发现的时候已经晚了),因为登录转化率下降了60%。这些都出自于同一次改动。

KFI在这时会确保你的团队只围绕着健康的产出工作(例如,列出登录转化率不可以下降)

一些 KPI/KFI 例子:

  1. 在保持利润的同时增长收入
  2. 在保持feature B的使用率的情况下,增长feature A的使用率
  3. 在不增加服务团队工作量的情况下增加feature A的使用率

一个网格系统,而不是清单

这句话可能会让一些人不满意:目前据我所知没有任何一种方法可以告诉你如何使用这些心智模型。假如你试图将其视作一个清单,最终结局是你做了一些心理训练,搞得自己和团队都非常难受。

相反,它们只是你决策网格中的一部分,帮你做出更好的产品决策,是你向团队解释沟通决策来源的工具。

随着你累积更多的模型,最好是通过经验来累积,你会越来越擅长此道。