首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

所谓的数据增长,真的与设计师有关?

这个话题源于跟小伙伴聊天时对于所谓“数据”“增长型”设计的思考,以及前几年对于产品、运营的业务能力评定,从“KPI”为目标导向变为“北极星指标”去达成业务目标。

“增长”这个名词成为了近两年的热词,起源大事件是可口可乐用“首席增长官”取代了“首席营销官”,“增长”变为成熟期公司们新时代的目标,毕竟品牌和产品的认知度够广,用户量稳定,需要的是更多业务合作和连接带来商业资金变化。

这两年经济形式的大环境,以及大多数的互联网产品已经步入成熟期,用户量基本稳定,C类产品渐渐从过去的追求KPI变成了业务价值“增长”,注意是“业务”带来“增长”变化,行业内的招聘也渐渐变成了“产品经理(数据增长)”“设计师(数据增长)”。

那么问题来了

“数据增长”到底是“真命题”还是“伪命题”

A说:

一个H5推广小游戏,只不过放置在了QQ得开屏页推广,最终就有几亿的流量,这个数据可以成为设计师简历里所谓得"增长"型能力吗?

B说:

核心功能页强加一个广告页,用户要使用这个功能就必须等待广告结束, 这个广告入口设置提升了广告得点击率/浏览时长,这个数据可以成为产品经理简历里所谓的"增长"型能力吗?

C说:

2B型产品,设计师需要验证设计价值提升了商业价值,但实际设计产出对商业价值转换有直接相关性吗?如果是产品经理提出的需求,根据需求提出的解决方案,转化率高算业务的呢,还是算设计立功?反之,如果需求不合理做出的解决方案,转化率低是业务得锅还是设计师得锅?

……

大厂产品进入“成熟期”,用户量已经到达顶峰,无非是稳定用户基数,寻求新的商业机会(业务拓展),所谓的数据变化看重的是用户体验、商业变现直接相关的业务组合。那到底该如何衡量所谓的“增长型”呢?我梳理了几个方向去看待这个问题:

首先先来看看我们设计师经常接触几种数据类型:

· 日/周/月活跃用户数:方便产品设计人员了解产品的每日用户情况,了解产品的用户增长或者减少趋势。

·留存用户数:用来衡量产品的用户粘性和产品的留存用户规模。

·留存率:用来衡量用户使用粘性,也可以用来作为产品改版后的重要指标。

·流失率:可全局看出所有的流失情况,找到流失异常数据,可追踪之前是什么情况导致流失数据情况。

·展现PV:判断有阅读该功能/产品的次数。

·展现UV:判断有多少个用户阅读该功能/界面。

·点击UV:了解用户对功能交互事件点击数量规模,通过用户的点击数量了解用户的使用行为。

·人均点击次数:用于衡量产品/页面/功能中的内容对用户的吸引度,对比同页面的不同功能。

·平均停留时长:用来衡量页面吸引度,一般来说,停留时间越长,用户粘性越强。

·人均使用时长:用来衡量用户使用产品的深度,判断用户使用产品的粘性和依赖度。

·NPS净推荐值:产品口碑传播的重要指标。

·跳出率:用来衡量页面内容质量。

基于“北极星指标”的规则和产品设计流程,不了解的童鞋可以手动搜索一下这个名词和具体用法,在这里简单赘述一下。

主要有以下几个步骤:

挖掘问题/机会点提出假设解决方案ABtest结果分析

排查产品的功能问题,产品设计师挖掘需求,提出可能存在的假设去做小范围的功能验证,提出解决方案,对方案进行AB测试,验证该问题方向是否正确,并对结果进行分析。从小点“假设”的测试数据反推验证“大功能的问题”,即产品设计师所谓的“数据型/增长”。

产品周期不一样,产品目标以及业务指标就不一样,所需要的“数据型”就不一样。

01 探索期(活下去)

很多人数较少的小公司,设计师的职能很可能承载为需求分析、原型设计、UI设计等多重身份,甚至还没有产品经理,这种情况下一般不需要“数据型”设计师,需要所谓的“全链路”,说白了老板只想花1个人的钱干三五个人干的活。

02成长期(活得好)

此阶段公司有固定发展的业务方向,公司规模至少也有个几百人,并有资金不断注入,保证产品方向有延续性。这时候“数据型”关注的是产品用户基数的增长,即使用量,很多数据的制定、测试都是为了“用户增长”服务。

03 成熟期(赚不停)

进入此阶段的产品可以称之为大厂产品了,基本都有稳定的资金流,已经靠产品盈利甚至上市,与同期的竞品有良好的竞争模式,用户基数稳定。此时的“增长型”数据重点在于观察底层不同的数据变化,寻找不同关联业务数据此消彼长的关系,发现更多业务合作的可能性,带给用户更多的权益/认同感。至此关注数据的“用研”“增长型产品”“数据型产品”“增长型设计师”才是真正意义上的“增长型”,更多观察数据能是为了“业务增长”服务,带来更多商业可能性的探索。

04 衰退期

产品生命周期快走到尽头,跟战略层面的定位和决策有关系,经历过前三个周期的大型产品现在还没完全没落。

2C数据增长

更关注用户相关的数据变化,权衡用户体验和商业变现之间的关系,需求的本源更关注用户的行为和操作。

2B数据增长

更关注产品功能与业务目标之间的关系,这就更关注需求本身是不是从提升效率、节约成本等商业价值考虑,才能影响解决方案(设计产出)。

职级

大学生——1年(初级)

基本轮不上分析数据,都是些影响不大的小需求;

1——3年(中级)

会承担部分需求分析,进行功能原型设计,但数据埋点等相关功能验证由产品侧决定,基本没有话语权。(产品设计师/体验设计师除外)

3——5年(高级)

需要通过理论验证/数据分析去制定产品功能的规则,跟数据、业务、产品侧有强关联,甚至会通过有效手段验证业务/产品目标制定的正确性。

5年以上(专家级)

行业专家具备战略性眼光,能根据行业环境和发展趋势预测一定的产品/业务方向,制定更宏观的战略(比如大改版、新项目)

职能

设计师

出现全链路、产品设计师、体验设计师、增长设计师,不再仅仅关注功能设计,需要参考业务/战略目标,通过数据去验证产品功能设计的正确性(如:AB测试)。

产品经理

重点倾向变为“业务型”“数据型”“技术型”不单单从产品单边和业务目标去制定产品计划,不同行业的高级产品更加专精某行业/某领域(如:业务/后台/AI)

BB了这么久,大家是否能明白为什么大公司开始倾向于“增长型”“数据型”人才的需要,中小公司当然也会跟风要这类人才,但实际就是没有那么多细分坑位又想让你多干活。

适逢招聘季,也希望大家不要那么焦虑,对自己有点逼数,适时分析自己的能力是否匹配不同公司规模、产品发展周期、产品类型,最后再来看看职级职等是否能赋予你这么多权力胜任更多的HC需要,毕竟很多HR对职能和职级并不是很了解有知识和能力壁垒,最方便的方式就是抄大厂同岗位的招聘信息。

跟我一样的新人也不要那么焦虑和眼高手低,找准方向慢慢摸索行业规律,打破知识壁垒,不要从一个角度/阶层看待同一个问题,颠覆已有认知,说不定一不小心就能从低年限变成了具备“复合能力”的硬核互联网人。

———— END ————

觉得不错就点一下吧

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190824A0M2SE00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券