9月中旬在前公司办完离职，开始了新的职场征程。在职场这些年，说长不长说短不短，能够不断前进，有一条信条比较重要，就是不把工作仅当作挣工资的手段。践行这个信条，就可以接受和形成延迟满足心态，离职前薪资也只是当初入职时另外一家公司提供的起点，仅从薪资维度看，貌似一年半的时间还在原地踏步。但这一年半的时间，在其他方面却取得了长足的进步和满满的收获。本篇探讨下，在上一份工作中学到的东西和收获。
单产品线->多产品线
在到公司之前，明确的职责是负责一条产品线的产品工作。但随着对市场需求了解的深入，为了适应不同的市场需求，从0到1又做了另外一条产品线。从而实现了从负责单产品线，到负责多产品线的跨越。
从单产品线到多产品线直接的挑战是将原来需求->方案->发布->验证整个过程，从原来一份变成两份。别的业务线一个月发布一次，负责两条产品线就意味了一个月做两次产品发布。双份的工作量，也带动了招聘产品经理的需求，这个稍后讨论。
单产品线和多产品线除了直接的工作量上的差异，不同产品特定和适用的市场，要求对细分行业和客户需求有深入了解，并在此基础上构建产品和姐姐方案。这个过程，受益于公司职能型架构和推荐产品的复杂度，很多都是亲力亲为。从而能够对推荐的应用，从之前经验SaaS模式，不断拓展到传统企业场景。行业认知的形成，也是负责多产品线的副产品，也使得做产品认知层次又前进了一步。
在有限资源前提下，从0到1做B端产品可谓披荆斩棘。在做新产品过程中，仅靠两个种子客户的需求输入（还未落地），就被时间逼着抽象出了一套通用的产品，这也是这些年做产品足够吹一阵子的成就了。能做到这点在于自身职业生涯至今一直聚焦推荐系统产品化工作，有着还不错的积累；其次，是对目标客户和目标场景做了大量的前期调研，能够拨开具体的解决方案，抽象出真实的需求。当然如果重做的话，这个进程会大幅加快，并且首先会做一版简单的界面出来，MVP阶段没有界面，实际推慢了整体进度，并且验证了无论To B 或To C 产品，客户或用户都喜欢看的见摸得着的东西。
入职即负责的产品线，起初的模式是重人工的交付逻辑，产品反而是其次的，并且这样做大家也觉得没有什么违和感。但非标的产品需要大量的人力投入，同时还不一定让客户满意，降低成本就成了目标。之前在AI公司时，公司也会搭算法专家给银行搞项目实施，并且问题也不大。两者差异在于，后者做银行项目，客单价动辄几百万或千万起，即便投入算法专家，最后的ROI仍然是相对可控的。而前者问题在于客单价低，使整个投入变得不那么合理。因此即便行业公认人工智能=人工+智能，也需要尽可能去做标准化产品，才能实现边际成本降低。做产品或业务，最终都是做的商业，技术上的优势，如果转变不成商业价值，也是不可持续的，一城一池的炫技就显得没有必要。选对市场，以恰当的产品形式，实现客户价值和商业价值，这也是产品经理存在的价值。
SaaS模式->传统软件模式
前段时间读《云攻略》，内容是salesforce早期以公有云的方式提供服务，替代的目标是传统的软件模式。SaaS模式相比传统软件模式，确实有着各种优势：接入成本更低、接入周期更短、费用更低.这种模式天然适合价格敏感、希望更快出效果中小型企业。而实际从业务竞争力和稳定度上来讲，小型企业更加容易出现经营问题和流失，续约续费也就相应受影响。
传统软件模式则是另外一个极端。接入成本高、费用更高、接入周期更长。每一点特征都会过滤部分客群，最终反而更加适用于有资金实力、业务更加稳定的大中型企业。这也就不难理解，近些年在国内纯SaaS厂商逐步「SaaS中国化」，为了拿下大中型企业客户，提供传统软件的解决方案而非公有云的SaaS。因此在做新产品或企业时，放眼没有竞争对手，不一定是好事，有可能是进入了商业荒漠，商业模式跑不通或不可持续。
过去三年的工作经历分别经历了SaaS模式和传统软件模式。相比SaaS轻交付的模式，传统软件的重交付模式也使产品工作的开展有诸多不同。
传统软件模式有更重的交付，体现在项目角色更多，有项目经理、实施、客户成功、分析师等角色。交付流程更长，每一步交付内容都不可省略。对于那些能够接受SaaS模式的客户来讲，统一提供传统软件的交付模式，势必会在报价和实施成本及时间上带来成单的劣势。
传统软件模式对产品经理直接影响就是受限于较高的交付成本和交付周期，产品落地和验证周期较长，从而导致产品迭代时间也跟着变长。一个版本以月为单位做验证，并不会让人太惊讶。倘使产品主要适用于大中型客户，而企业又追求多快好省见效益，就会出现理想与现实的巨大矛盾。
SaaS模式和传统软件模式哪个都不会完全取代另外一方，因为本身就是为了满足不同需求的解决方案，只要需求在，解决方案就一定会在。更多的厂商会走向，既有SaaS模式，也有传统软件的模式。并且会有越来越多的中小企业客户逐步也会走标准的demo演示、PoC、招投标等流程，毕竟市场下行和受疫情双重影响，中小企业生存困难，花钱会越来越谨慎。
数据智能->数据洞察
事物总是遵循从低级到高级的规律发展，互联网应用也经历了从以人的数据洞察驱动的模式，逐步切换到以机器智能驱动的模式，淘宝更是传出今年双十一要完全改版为智能推荐的信息流。
但这里之所以用「数据智能->数据洞察」，主要是以个人经历而言，过去主要就是做智能推荐相关产品化工作，数据洞察相关工作反而做的不多。在过去这段经历中，除了继续深耕推荐产品化外，在数据洞察的认知上也提升较大。
数据洞察最基础的一点在于有数据，这是一切洞察的前提，前几个月作为一场线上数据分析活动的评委给选手评价也是这点。没有数据也就谈不上数据洞察，但实践发现有数据这件事在各行各业都是比较困难的，甚至某种程度上讲，数据分析行业比较大的价值，不在于让客户做复杂业务分析和洞察，核心价值在于解决了有数据的问题。
有了数据再加上分析工具，就是一套解决方案，至于使用者用的好不好，就完全取决于业务人员自身的水平了。有了数据要想做好数据洞察，需要对业务现状、业务目标、SQL都要心中有数才行。因此不乏自研或采购数据分析产品，最终并没有用起来，数据驱动更多是口号。因此数据驱动，除了工具外，也需要人的素质和水平跟上。就像收割机替代了镰刀割麦子，但农民不会开收割机，仍然解决不了收麦子的问题。当然也有相当企业，并不需要复杂的分析工具，最后恍然大悟，友盟和百度统计就能解决的问题，劳心费力白折腾一顿。
用户画像是数据洞察另外一个常见应用。前些天去宁夏游玩，贺兰山下史前岩画，线条简单但特征却刻画明显，虽然时隔几万年也能识别出是羊或是鹿。用户画像则是以数据的方式，对用户特征加以刻画，从而实现对用户更深层理解，更好做业务。用户画像产品主要聚焦用户标签的生产，既有的基础属性不需要生产，大部分需要生产的通过规则就能实现，少部分会用到分类算法生产预测标签。
用户画像从结果上看，更多是一种原材料，生产出来的画像只有应用在具体的业务场景才能产生实际的价值，否则就只有汇报和PR价值。常见的应用场景有广告投放、精细化运营、个性化推荐。
需要说明的是，并非有了用户画像就万事大吉了，用户画像的使用也存在许多坑。
最基础的就是，相当部分标签是基于规则打出来的，而规则又包含了人对于业务、用户及数据的理解，不同人打的标签势必是不一样的，因此体现在业务上，效果也大为不同。
再者有接触过广告投放的，很多人都会迷信画像数据，恨不得把BATTMD广告系统吐的标签画像数据都应用到自家的业务上，而实际也不一定起作用。例如NBA打分区决赛，一个用户在资讯平台看NBA文章和视频，而此时这个用户身处宁夏看到大街小巷售卖枸杞，希望给朋友带回点特产。这种情况下，到了购物平台，推体育的还是推枸杞更合理呢？
自动化运营是在有了行为数据和用户画像后，自然而然精细化运营应用，。市面上多以「智能运营」宣传自动化运营，实际自动化运营很少称得上「智能」。自动化运营最大的价值，实际上是能够集成不同的触点，至于能不能提升ROI，也是非常依赖业务人员对业务、用户和数据的理解。
另外一点，市面上自动化运营，虽然也有宣传个性化，但相比真正的千人千面个性化推荐，自动化营销还有一段路要走。营销、运营、个性化推荐在业务面前，实际是统一的。这也是有构想，来不及实现的点。
单兵->团队
初入职负责一条产品线，但也有诸多不同需要投入更多时间和精力。
在AI公司时，公司组织架构是事业部型，业务再小也是各职能都有，有劲一处使，不管事情成不成，推动总不会是问题。而前司的组织架构是职能型的，并不存在专门售卖所负责产品的售前或销售，因此需要投入更多精力在销售交付/市场宣传上，除了正常的产品交付，还需要解决售卖的培训。在这点上，并非完全依靠模板或流程，就能真正解决售卖或宣传问题，在没有足够监督和检查的情况下，就会存在程序正确，而不解决实际问题。
在洞察有部分市场需求在现有产品框架下无法满足时，也就促成了0-1起新业务线的缘由，新起业务线需要投入大量的时间和精力推动每一步向前。以上两点就促使从单兵到团队的转变，当然需要从招聘开始。
招聘就像做产品或业务，起初有美好的假设，但实际市场情况会教做人，需要不断认知市场和迭代才能完成招聘计划。招聘的过程中，棘手的问题是少有优质简历，后来明白优质的候选人通常都会在大厂之间跳来跳去，通常默认就会过滤掉B端小厂。希望招聘技能上匹配的更是发现同样技能的候选人能力良莠不齐，能立志做B端的更是屈指可数。因此招聘策略调整为聪明和学习能力强的候选人，通过培养解决问题。
有了团队后，如何将人数转化为生产力是需要摸索的过程。起初会担心小伙伴做不好，而更多亲力亲为。但随着工作量逐步提升及对小伙伴信任度提升，逐步拆分出更多的工作。考虑到职场上，信任是有成本的。保持积极主动，及时汇报进展，寻求帮助，复盘迭代，是更快更多赢得信任的方式。
另外不要等着事情把人的精力填满再想到招人。而是在人员上要有适当冗余和储备，以便应对工作量不确定性。更多人力能将更多在头脑中和规划中的事情落地；而人力有限，手头的工作都不一定应付的过来，反而容易成为瓶颈和陷入被动局面，再想逆转就难了。
当有团队后，就从个人贡献者到团队贡献者，一个直接的差异是个人贡献者周报内容为自身工作量，而团队贡献者周报需要体现团队的规划和各模块都要体现。在具体事物上，更多承担协调和评估的角色，将需求或事务，做到有机的拆分，并根据团队成员能力，给予匹配。
在某种程度上，管理主要解决人和任务匹配的问题，需要同时清楚人的能力、认知水平、学习能力等，需要清楚任务的难以程度及关键点，再做人和任务的合理匹配。匹配的好，团队效率和产出将大幅度提升；匹配不好，则团队吃力不讨好，还会造成背锅离职的发生。
关于作者：
小乐帝，一线AI产品经理、简书科技优秀作者、产品经理读书会创始人。
「产品经理读书会」
专注于爱读书爱思考的产品人提供读书推荐、产品思考、以书会友的环境
欢迎爱读书的产品人分享产品道路上的感悟
欢迎关注公众号：产品经理读书会
