首页 > 读 文 > 产品经理们,别做数据分析师,要做业务建模师
2021
10-24

产品经理们,别做数据分析师,要做业务建模师

我知道,有些朋友在看到这个标题的时候,肯定会心生怒气,然后准备开骂!

但是,我想说的是,这些朋友先别着急骂,等看完这篇文章后再决定是否要骂。

我们先来看一个几乎所有行业的产品经理都会遇到的一个情况:

假设你现在是某国系品牌整车厂商的产品经理,公司要用一个新产品进入一个新的细分市场(大七座SUV),你是这个新产品的产品经理,但是这个细分市场里已经有了一些竞品,并且这些竞品已经发展了一段时间,老大要求你评估一下,如果你的新产品进入市场,那么,可能的销量是多少。

一般遇到这种情况,你会怎么来评估呢?

有些朋友可能会说,这还不简单,对照已有的竞品评估就可以了。

成,我们来看图1:

第一个问题出现了?

你的新产品要对照哪个竞品来评估销量呢?

有些朋友可能又会说了,这个也简单啊,把这十个竞品的销量做个平均不就行了吗!

如果你按照这样去做,那么,你的第一个错误就出现了。

因为在这十个竞品中,有些并不是你的直接竞争对手,如果你去参照他们的销量去预测你的销量,那么无疑是牛头不对马嘴。

用咱们的专业工作来说,就是“标杆分析法”中的标杆就没搞清楚。

谁是我们的敌人,谁是我们的朋友,这是革命的首要问题,同样,谁是我们真正的竞品,谁是看起来是我们的竞品,这是标杆分析法的首要问题。

好,假设我们的“标杆”搞清楚了,那么,大家看图2:

那么,又该怎么来评估销量呢?

有些朋友可能又会说了,这就简单了,竞品的平均销量是3712,那,既然这是我的直接竞品,那我的销量差不多也应该平均是3712吧。

第二个问题出现了。

为什么竞品是3712,那你的产品也是3712呢?

如果你按照这样去做,那么你犯的第二个错误出现了。

我们应该知道,就算是直接竞品,那么,因为竞品之间的品牌,口碑,影响力,产能,成本,品控等等方面的因素有差异,因此,即使是同级别,同定位的产品,销量也会出现较大的差异,

比方或同样在紧凑级SUV车型中,哈弗H6月月干到将近30000台的销量,而有些怎么才不到3000?

就是因为有很多因素在影响着销量。

有些朋友看到这里,立马明白怎么回事了,肯定会说,那我就可以对这些影响因素进行评估,然后评估出我这个产品的销量可能是多少。

第三个问题出现了。

你要评估的因素都有哪些?而又该怎么进行评估?

我相信你肯定能想到一些评估因素,那么,这些因素评估完后,你得到的是一个定性的结论,还是一个定量的系数呢?

如果你是按照定性的结论去做销量预测,那么,你犯的第三个错误出现了。

我们应该知道,竞品的销量是一个定量的数值,如果你要测算你的产品的销量,定性的结论是肯定不行的,你必须得出一个定量的系数,然后才能进行测算。

好,咱们暂时到这里,大家应该看出一些端倪了吧,看起来就是一个简单的对新品销量的预测,如果从产品管理的角度看,我可以和大家说一下,就涉及到四项工作:

1、标杆分析:我的产品真正的竞争对手是谁?

2、产品反设计:我和竞品之间的差异性如何量化?

3、产品资源评估:我能够达到的产品力和营销力如何?

4、产品业绩预测:基于以上三项工作,较为合理的预测模型是什么。

至少要把这四项工作都做到位了,那么,你最终拿出的就是一个新品销量预测模型,比方说,是这样的:

PS=CS(PP+MP)

PS:自己产品的销量

Cs:竞品月均销量

PP:产品资源系数

MP:营销资源系数

我们再去对比刚才提到的三项工作:

标杆分析:确定的是C,也就是你的真正竞品是谁

产品反设计:确定的是CS,也就是竞品的月均销量

产品资源评估:确定的是PP和MP,也就是产品资源和营销资源的系数

最终形成了上面提到的公式。

这是什么,这就是产品经理构建一个业务模型的基本逻辑。

这还仅仅是预测新品销量,我们应该知道,在销量预测上,就要分很多个目标:

1)在某个细分市场中,你是后来者,如果是这种情况,你的预测模型该怎么建?

2)在某个细分市场中,你是先入者,如果是这种情况,你的预测模型该怎么建?

3)在某个细分市场中,针对你的旧版本的产品,你的新版本产品的预测模型该怎么建?

……

也就是说,作为产品经理,在业务模型构建上,挑战在于:

企业会根据企业所制定的目标分解出很多具体的产品目标,而产品经理就要基于这些产品去构建合理的业务模型来支撑企业目标的实现。

而这还不是最大的挑战,最大的挑战是:

我们他妈的不知道老大们会提出什么样稀奇古怪的目标。

但是,对于一个真正意义上的的产品经理来说,通过自己的智慧构建各种各样的业务模型,不应该感到畏惧,而应该感到牛逼。

我相信,有些朋友可能会说,这是产品经理做的事吗?

怎么会不是呢?

产品管理的定义中,其实就指明了:

产品经理的核心工作职责其实就是三点:

1)商业价值的实现

2)产品可用性的分析

3)产品可实现性的分析

但,首要的职责是商业价值的实现。

其实很多朋友在第二和第三点上做了不少,但是在第一点上明显经验不足,一方面是一直以来,有很多企业对产品经理定位有问题,另一方面是商业这种东西,看起来简单,谁都能聊两句意识流和鸡汤,但是让你用科学的方法把理论落地,这就是相当难的了。

毕竟对于我们这些产品经理来说,要把商业理论落地,不打通产品管理的任督二脉几乎是不可能的,因为涉及到的工作和知识太多了。

写了这么多,那么,和本篇的主题有什么关系呢?

很简单,现在有些观点认为产品经理应该强化数据分析的能力,这个我不反对,多学点知识没错,但是如果你朝着做一个数据分析师的方向去走,那么,你或许就南辕北辙了。

数据只是我们在产品管理工作中做业务建模的底层而已,就如同例子中提到的,给了你竞品的销量数据(即使这个数据不大,比方说你只有24个月的竞品销量数据都可以),你要拿出的不仅仅是基于现有维度的,各种漂亮的数据图表,而是以“业务目标”为导向的能把数据重构化的业务模型。

简单一句话,对于产品经理来说,数据的意义不在于我们知道已经发生了什么,而在于未来会发生什么。

最后呢,说说为什么我要写这篇文章,其实在写的时候是有些犹豫的,因为我知道我的这个观点可能不太主流,甚至会招来一些朋友的讽刺和骂街。

但是,我还是最终决定写出来,原因有三:

1)现在有个观点,说产品经理要落伍了,现在流行的是业务负责人,我说那纯粹扯淡,产品经理打诞生那天起,就是负责业务的,何来现在才让产品经理去负责业务,之所以以前没负责业务,那是很多朋友走错了,被带偏了,还有就是真要负责业务,难度和你现在做的什么搞搞需求,做做原型,那简直是天壤之别,别的不说,本文中提到的业务建模的能力有没有?

2)我坚持认为,机器能做的事情,干嘛要让人去做。在数据的管理上,机器已经能帮我们做大部分的工作了,那么,产品经理的价值何在,就在于你能够根据业务目标,基于数据来灵活构建各种业务模型,如果这个缺乏这个能力,就是给你一堆数据,你也不知道如何产生价值。

联盟推出的PMManager其实就是要最终实现这个目标,让大家解放双手,把真正的精力放到“动脑”上,这才是产品经理的核心价值所在。

当然,现在的PMmanager还很不成熟,大家给我们点时间,也多多支持。

3)我对自己的定位是“一个非主流的技术流产品管理者”,两层含义,第一,我的很多在产品管理上的观点,可能和主流圈子的不太一样,甚至是相悖的(要不你看,咱们公号发的文章点赞的那么少,哈哈),比方说本文的观点,第二,我认为管理其实也是一门技术,我希望能够设计出一些“管理技术”来协助大家做好产品管理工作,比方说本文提到的针对已有竞品,我们的新产品销量预测模型。

其实我一直想做一个课,就是“产品经理的管理技术课”,希望和大家分享一些具体的工作模型来共同推动产品管理在国内的正确发展,但是因为还积累的不够,大家稍等等。

不过已经有的管理技术,我已经发布到了咱们的产品管理课程学习包的具体课程中,已经购买了的朋友可以好好听听啊!

好了,我的话说完了,想骂的朋友们可以骂了!


本文》有 0 条评论

留下一个回复