這兩年經濟形式的大環境，以及大多數的互聯網産品已經步入成熟期，用戶量基本穩定，C類産品漸漸從過去的追求KPI變成了業務價值“增長”。行業内的招聘也漸漸變成了“産品經理（數據增長）”“設計師（數據增長）”，那麼問題來了：“數據增長”到底是“真命題”還是“僞命題”？

這個話題源于跟小夥伴聊天時對于所謂“數據”“增長型”設計的思考，以及前幾年對于産品、運營的業務能力評定，從“KPI”為目标導向變為“北極星指标”去達成業務目标。

“增長”這個名詞成為了近兩年的熱詞，起源大事件是可口可樂用“首席增長官”取代了“首席營銷官”，“增長”變為成熟期公司們新時代的目标，畢竟品牌和産品的認知度夠廣，用戶量穩定，需要的是更多業務合作和連接帶來商業資金變化。

這兩年經濟形式的大環境，以及大多數的互聯網産品已經步入成熟期，用戶量基本穩定，C類産品漸漸從過去的追求KPI變成了業務價值“增長”，注意是“業務”帶來“增長”變化，行業内的招聘也漸漸變成了“産品經理（數據增長）”“設計師（數據增長）”。

那麼問題來了：“數據增長”到底是“真命題”還是“僞命題”？

A說：

一個H5推廣小遊戲，隻不過放置在了QQ得開屏頁推廣，最終就有幾億的流量，這個數據可以成為設計師簡曆裡所謂得“增長”型能力嗎？

B說：

核心功能頁強加一個廣告頁，用戶要使用這個功能就必須等待廣告結束， 這個廣告入口設置提升了廣告得點擊率/浏覽時長，這個數據可以成為産品經理簡曆裡所謂的”增長”型能力嗎?

C說：

2B型産品，設計師需要驗證設計價值提升了商業價值，但實際設計産出對商業價值轉換有直接相關性嗎？如果是産品經理提出的需求，根據需求提出的解決方案，轉化率高算業務的呢，還是算設計立功?反之，如果需求不合理做出的解決方案，轉化率低是業務得鍋還是設計師得鍋?

……

大廠産品進入“成熟期”，用戶量已經到達頂峰，無非是穩定用戶基數，尋求新的商業機會（業務拓展），所謂的數據變化看重的是用戶體驗、商業變現直接相關的業務組合，那到底該如何衡量所謂的“增長型”呢？

我梳理了幾個方向去看待這個問題：

設計師常見的幾種數據

首先先來看看我們設計師經常接觸幾種數據類型：

• 日/周/月活躍用戶數：方便産品設計人員了解産品的每日用戶情況，了解産品的用戶增長或者減少趨勢。
• 留存用戶數：用來衡量産品的用戶粘性和産品的留存用戶規模。
• 留存率：用來衡量用戶使用粘性，也可以用來作為産品改版後的重要指标。
• 流失率：可全局看出所有的流失情況，找到流失異常數據，可追蹤之前是什麼情況導緻流失數據情況。
• 展現PV：判斷有閱讀該功能/産品的次數。
• 展現UV：判斷有多少個用戶閱讀該功能/界面。
• 點擊UV：了解用戶對功能交互事件點擊數量規模，通過用戶的點擊數量了解用戶的使用行為。
• 人均點擊次數：用于衡量産品/頁面/功能中的内容對用戶的吸引度，對比同頁面的不同功能。
• 平均停留時長：用來衡量頁面吸引度，一般來說，停留時間越長，用戶粘性越強。
• 人均使用時長：用來衡量用戶使用産品的深度，判斷用戶使用産品的粘性和依賴度。
• NPS淨推薦值：産品口碑傳播的重要指标。
• 跳出率：用來衡量頁面内容質量。

數據思維及流程

基于“北極星指标”的規則和産品設計流程，不了解的童鞋可以手動搜索一下這個名詞和具體用法，在這裡簡單贅述一下。

主要有以下幾個步驟：挖掘問題/機會點→提出假設→解決方案→ABtest→結果分析。

排查産品的功能問題，産品設計師挖掘需求，提出可能存在的假設去做小範圍的功能驗證，提出解決方案，對方案進行AB測試，驗證該問題方向是否正确，并對結果進行分析。從小點“假設”的測試數據反推驗證“大功能的問題”，即産品設計師所謂的“數據型/增長”。

分産品周期

産品周期不一樣，産品目标以及業務指标就不一樣，所需要的“數據型”就不一樣。

1. 探索期（活下去）

很多人數較少的小公司，設計師的職能很可能承載為需求分析、原型設計、UI設計等多重身份，甚至還沒有産品經理，這種情況下一般不需要“數據型”設計師，需要所謂的“全鍊路”，說白了老闆隻想花1個人的錢幹三五個人幹的活。

2. 成長期（活得好）

此階段公司有固定發展的業務方向，公司規模至少也有個幾百人，并有資金不斷注入，保證産品方向有延續性。這時候“數據型”關注的是産品用戶基數的增長，即使用量，很多數據的制定、測試都是為了“用戶增長”服務。

3. 成熟期（賺不停）

進入此階段的産品可以稱之為大廠産品了，基本都有穩定的資金流，已經靠産品盈利甚至上市，與同期的競品有良好的競争模式，用戶基數穩定。此時的“增長型”數據重點在于觀察底層不同的數據變化，尋找不同關聯業務數據此消彼長的關系，發現更多業務合作的可能性，帶給用戶更多的權益/認同感。

至此關注數據的“用研”“增長型産品”“數據型産品”“增長型設計師”才是真正意義上的“增長型”，更多觀察數據能是為了“業務增長”服務，帶來更多商業可能性的探索。

4. 衰退期

産品生命周期快走到盡頭，跟戰略層面的定位和決策有關系，經曆過前三個周期的大型産品現在還沒完全沒落。

分産品類型

2C數據增長

更關注用戶相關的數據變化，權衡用戶體驗和商業變現之間的關系，需求的本源更關注用戶的行為和操作。

2B數據增長

更關注産品功能與業務目标之間的關系，這就更關注需求本身是不是從提升效率、節約成本等商業價值考慮，才能影響解決方案（設計産出）。

職級&職能

1. 職級

大學生——1年（初級）

基本輪不上分析數據，都是些影響不大的小需求。

1——3>年（中級）

會承擔部分需求分析，進行功能原型設計，但數據埋點等相關功能驗證由産品側決定，基本沒有話語權。（産品設計師/體驗設計師除外）

3——5>年（高級）

需要通過理論驗證/數據分析去制定産品功能的規則，跟數據、業務、産品側有強關聯，甚至會通過有效手段驗證業務/産品目标制定的正确性。

5>年以上（專家級）

行業專家具備戰略性眼光，能根據行業環境和發展趨勢預測一定的産品/業務方向，制定更宏觀的戰略（比如大改版、新項目）

2. 職能

設計師

出現全鍊路、産品設計師、體驗設計師、增長設計師，不再僅僅關注功能設計，需要參考業務/戰略目标，通過數據去驗證産品功能設計的正确性（如：AB測試）。

産品經理

重點傾向變為“業務型”“數據型”“技術型”不單單從産品單邊和業務目标去制定産品計劃，不同行業的高級産品更加專精某行業/某領域（如：業務/後台/AI）

BB了這麼久，大家是否能明白為什麼大公司開始傾向于“增長型”“數據型”人才的需要，中小公司當然也會跟風要這類人才，但實際就是沒有那麼多細分坑位又想讓你多幹活。

适逢招聘季，也希望大家不要那麼焦慮，對自己有點逼數，适時分析自己的能力是否匹配不同公司規模、産品發展周期、産品類型，最後再來看看職級職等是否能賦予你這麼多權力勝任更多的HC需要，畢竟很多HR對職能和職級并不是很了解有知識和能力壁壘，最方便的方式就是抄大廠同崗位的招聘信息。

跟我一樣的新人也不要那麼焦慮和眼高手低，找準方向慢慢摸索行業規律，打破知識壁壘，不要從一個角度/階層看待同一個問題，颠覆已有認知，說不定一不小心就能從低年限變成了具備“複合能力”的硬核互聯網人。

————END————

本文由 @晏鼠 原創發布于人人都是産品經理。未經許可，禁止轉載。

題圖來自Unsplash, 基于CC0協議

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部