摘要：1） 初級產品經理應當熟練掌握工具和方法論，例如如何做行業以及競品分析，如何做用戶深訪，正確分析和理解用戶的痛點、癢點、興奮點，正確理解業務線的核心訴求，並根據需求和調研結果以及競品分析提出產品解決方案，寫出質量良好的產品設計文檔，製作高保真原型，與UED、技術等部門進行深入溝通達成一致，並具備基本的項目管理技能，能夠對一個產品從需求提出直到上線以及數據驅動的長期優化有較好的把控。電商用戶動輒數以千萬記，海量人羣構成複雜，差異顯著，但通常應該根據消費特性設計切分方式，可以按性別、年齡／人生階段、消費力、城市線級、購物基因（價格敏感、品質導向、方案導向）、購物偏好（品類偏好）、購物方式（精準、閒逛）等維度對用戶羣體加以精細化切分，對於切分出的每個細分羣體（多維度矩陣的每個單元格），條件具備的話都應當進行手段各異的精細化運營。

徐霄鵬，現任亞馬遜中國高級產品總監及高級增長總監，購物體驗部及市場部增長團隊負責人，Head of PM。職責範圍包括：全局線上產品和購物體驗；全站UX；中央運營，含首頁/跨品類頻道運營，大促運營，Deal運營（鎮店、秒殺等核心常規促銷）；市場部Engagement function（用戶增長）。

• 京東/1號店前端產品&UED高級總監，負責全局前臺產品、UED
• 攜程高級總監，美食業務BU負責人，閉環領導產品、運營、技術、編輯等全部職能
• 羣碩軟件高級總監
• ABIT（升技電腦）軟件部及產品規劃部經理
• 中國科學技術大學碩士，清華大學學士

擅長的領域：

• 互聯網產品，運營，用戶增長，數據（近10年）
• 項目管理：PMP，信息產業部項目集成經理
• 企業級解決方案：數十次成功交付美國應急指揮系統，中國智能燃氣平臺等大型項目
• 技術研發：語音識別技術（2001年在科大訊飛獲中科院學術成果一等獎），彙編/C++及驅動開發，J2EE應用開發（程序員及架構師多項認證）

Q1. 應屆生面試產品崗位需要具備哪些核心素質？

每個不同垂直行業（電商、金融、文娛、生活服務、工具等）不同職能（前臺、中臺、後臺、業務等）的產品經理會需要不同的素質，甚至中國企業和美國企業對產品經理的核心能力及素質要求也會有很大不同，需要根據工作崗位特性有針對性地進行核心素質的選擇。根據我從事過的電商、OTA等行業來說，對於應屆畢業生我會觀察如下方面：

1） 邏輯思維。對於複雜問題的分析推理與分類能力。例如，微信朋友圈的信息流抓取算法會需要考慮哪些因素；綜合性電商的消費者羣體應該如何分類，以及觀察哪些特性。

2） 對人性特點、消費心理學、行爲心理學等層面的思考與理解力。例如，你覺得大家在京東或者淘寶買東西，會根據哪些因素做購物決策？亞馬遜的現有商詳頁可以做哪些優化以提升加車率？

3） 溝通能力。產品經理是顧客、業務、研發等多方訴求的整合者，通常需要有很強的溝通能力，我會觀察他溝通中的理解力、說服力、感染力、換位思考、程度把握和技巧性。

4） 項目管理的基本意識。例如質量和進度把握的意識。學生雖然可能沒有做過工程項目，但組織一次班級活動就是一個很好的項目，會觀察應試者如何做好。

5） 創新意識。看應試者面對一個難題或者某個現象是否有與衆不同卻又合理可行的想法。

6） 對於做產品的熱情。如果真的對產品經理工作有熱忱，應該會讀過一定量的相關書籍或產品經理論壇文章，有一定的積累沉澱和理解。

7） 加分項：技術能力、產品實習經驗、學生社會工作經驗、才智等。

沒多少應屆生能在以上所有方面都出類拔萃，但應該可以瞭解到應試者的基本特徵，進而判別是否適合當前崗位。

Q2. 電商產品經理和其他行業的產品經理相比有什麼特點？

電商是個較爲寬泛的行業，存在大量不同類型電商。除去主流互聯網產品經理都需要理解的獲客、社交傳播、忠誠度體系等異曲同工的共性方面有深入理解，電商產品經理的如下特點會比較鮮明：

1） 對零售行業有深入理解。對商品品類特性有較好的瞭解，明白高頻、低頻、高單價、低單價、標品、非標品、短復購週期、長復購週期的商品因該如何進行銷售引導，通過標籤、推薦方式、賣點溝通、陳列方式等差異化手段進行導購和轉化。此外，還需要理解零售行業的整體發展趨勢，對零售業態、商業環境、消費理念、消費者特性、消費場景等宏觀因素的發展變化有敏銳的把握，包括基於此對新零售的解讀。此外還需要對品類知識、供應鏈體系以及相關政策法規有清晰的認知。

2） 對用戶的消費／購物心理學有較深入的研究。例如，懂得不同年齡層次（70後、80後、90後、00後等）、不同性別、不同城市線級、不同消費特性（精準、閒逛、價格敏感、）的消費者具備哪些購物決策特徵和趨勢；如何按消費者特徵分羣並進行差異化動線引導；對於什麼類型的消費者如何激發和鎖定購物衝動；如何判斷把握促銷信息的露出點位、力度控制、節奏把握；知道爲什麼買，爲什麼不買，如何引導復購……

3） 電商的人羣寬泛，購物動線相對較深（首頁，頻道／搜索，商詳頁，購物車，結算，支付），需要對每個環節用戶的心理狀態和核心訴求有精準的把握，制定每個環節引導策略和核心目標，對人、貨、場進行有針對性的精準打造，以在轉化、留存、頻度、體驗等方面獲得較好的結果和平衡。

Q3. 對於工作多年的產品經理，如何突破瓶頸實現進階？

我對初級、中級、高級產品經理的側重點的解讀是，

1） 初級產品經理應當熟練掌握工具和方法論，例如如何做行業以及競品分析，如何做用戶深訪，正確分析和理解用戶的痛點、癢點、興奮點，正確理解業務線的核心訴求，並根據需求和調研結果以及競品分析提出產品解決方案，寫出質量良好的產品設計文檔，製作高保真原型，與UED、技術等部門進行深入溝通達成一致，並具備基本的項目管理技能，能夠對一個產品從需求提出直到上線以及數據驅動的長期優化有較好的把控。

2） 中級產品經理應該對產品模塊常見的玩兒套路有較多的經驗體會，知道哪個環節常會有什麼樣的問題，用什麼樣的解決方案會有什麼樣的預期效果，對於產品解決方案的長期短期ROI有良好的判斷，能夠制定合理的產品規劃，制定相對中長期的產品目標並緊扣目標進行迭代演進。此外，中級產品經理應當有較好的行業人脈，能夠通過交流跨界獲取思路上的借鑑和延展。

3） 高級產品經理應當對於商業模式有深刻的認知，知道行業現狀和發展趨勢及存在問題，明晰產品的盈利模式和增長模式的本質，能夠根據公司的戰略訴求，緊扣當前的商業模式（及其演進）進行產品戰略的設計，甚至能夠結合社會需求和新科技成熟度提出新的商業模式。能夠有效協調與部門協同，與市場部、業務線、技術部等緊密配合來達成目標。如果是C端的產品，高級產品經理在人性層面應當有深入的認知，在心理學、社會學和哲學層面進行深入的思考，對於目標顧客羣體的意識、心理、行爲、感受、驅動力、價值觀和潛意識有準確的判斷。

一個產品經理的成長就是從初級到中級到高級的過程，最終結果也是一個金字塔。

Q4. 如何根據業務的頻次、額度、受衆等特徵來決定增長模式？

不同垂直行業的增長模式會有較大差別，下面以電商爲例探討上述三個因素對增長的影響和響應的策略。

1） 頻次：電商消費頻次最大的影響因素是品類，其次是鉤子產品設計，如限時秒殺、每日爆款、定期上新等，第三是短時效的補貼手段。當然一些外部觸達手段，如各類提醒（活動、權益時效、降價、到貨、庫存緊張等），以及社交傳播都會對頻次起到調節效果。從增長的角度來看，一端是開源，一端是截流。頻次影響更多的是截流，也就是防止流失。當用戶保持高活躍度時，流失概率就會大幅縮小。因此，可以考慮把部分獲客成本轉移到頻次刺激手段上：A）考慮對高頻品類進行適當補貼並進行強力消費引導來帶動整體活躍度，B）着力打造秒殺、每日爆款、上新等高頻欄目；C）通過利益告知來引導用戶全方位打通和關注觸達渠道（SMS，微信，EDM，App推送）並以雙贏方式推送與用戶高相關的信息拉動活躍度；D）對高流失風險用戶精準發放短有效期無門檻券/紅包；E）打造簽到、抽獎等高粘性產品；F）結合促銷節日或社會熱點設計活動並打造社交傳播產品來喚醒沉睡用戶，這裏要特別注意種子用戶的選擇和裂變機制的設計，以最大化投資的ROI；G）內容欄目往往也有很好的粘性和活躍度，如果條件具備，可以精心打造內容欄目並在全購物動線中打通。此外，深夜或週末的流量低谷，可以通過內容欄目的運營來召回用戶；H）可以通過大數據建模分析抓取在準流失階段並易於喚回的用戶，進行外部渠道觸達，尤其對於高價值準流失用戶可以建立客服回訪機制；I）對於新客，分析自己的魔法數字---在多長時間（T）內下幾單（N）可以達到相對穩定狀態，建立任務或引導機制讓新客在T時間內完成N單，並進行適當補貼（但要注意補貼應適度，否則可能會扭曲魔法數字），最大化新客留存。

2） 額度，也即消費金額，除以上述的消費頻度，即爲電商核心指標之一的客單價。這個維度和增長的關係相對間接。可以從以下方面進行思考：A）客單價受品類特性影響較大，通常高單價品類的消費頻次偏低，用戶相對謹慎，除非有極強的平臺忠誠度，否則留存率也相對會偏低。因此，通過低價高頻品類帶動高價低頻品類是一個重要思路，例如攜程向旅遊美食的滲透，京東向超市品類的遷移；B）滿減滿贈滿折等促銷湊單機制雖然可以有效提升客單價，但導致的消費衝動過度釋放也可能會使頻次減低甚至削弱留存，此外還可能會導致因購物動線和下單決策過程過長而錯失購物衝動，降低轉化率，甚至得不償失，因此有條件的話可以通過AB測試對促銷方式的設計進行反覆推敲，尋找合適的客單價與轉化、頻度的拐點； C）高頻剛需的復購品類（如雞蛋、桶裝純淨水等）可以作爲流量鉤子使用，建議慎用滿件折或N件起購，直接小額補貼打低價（可以限制購買件數），犧牲一定的客單價爲代價維持高頻復訪復購，既維持了活躍度減少了流失，又帶動了關聯銷售；D）隨着用戶從PC端向移動端的遷移，訪問購買頻次顯著提升，但客單價卻隨之下降。但移動端用戶具有極好的粘性和留存，但數據表明頻次的提升和流失的減少可以補償並提升人均消費額度，因此可以考慮通過移動端補貼、移動端專享功能（如領券、抽獎）、deeplink等方式持續推動PC存量用戶往移動端轉化；E）昔日電商價格戰中有一個巧妙的策略是在對方後院放火，在競爭對手的強勢品類上選擇少數代表性商品進行大幅度價格補貼，建立自身價格認知並有效撬動競爭對手用戶向自己遷移，如京東在圖書類目上對當當的突襲，該方法也不失爲一個理想的打擊對手並促成自身增長的手段。當然這個主要適用於進入新領域或以小搏大。

3） 受衆特徵：用戶有多種分類方式，並且在每個分類中會呈現非常不同的特徵，由此需要根據受衆特徵使用差異化的手段進行運營。這是三個因素中最爲複雜的一個，參見下一問題的回答。

Q5. 怎樣區分不同用戶羣體並且對應採取差異化運營？

電商用戶動輒數以千萬記，海量人羣構成複雜，差異顯著，但通常應該根據消費特性設計切分方式，可以按性別、年齡／人生階段、消費力、城市線級、購物基因（價格敏感、品質導向、方案導向）、購物偏好（品類偏好）、購物方式（精準、閒逛）等維度對用戶羣體加以精細化切分，對於切分出的每個細分羣體（多維度矩陣的每個單元格），條件具備的話都應當進行手段各異的精細化運營。從增長的角度看，獲客、激活、留存對於每個細分用戶羣體手段均存在明顯差異，但基本規則均是投其所好對其敏感點進行鍼對性的權益及引導的設計和展示，並且在對方不敏感的維度節約成本以提升整體ROI。限於本文篇幅，在此僅以針對不同購物基因的差異化運營爲例：

1） 價格敏感型用戶，在購物動線環節中應當突出促銷標籤、折扣補貼、比價、降價、限時特價等信息的展示；在欄目設計中可以重點引導到各種類型的促銷欄目，如秒殺、特賣、閃購、團購、拼團、清倉等，並側重活動維度引導；在會員體系中可以針對性重點設計專享折扣或返現，並建立升級機制以提升流失沉沒成本，提忠誠度和頻度；在站外觸達信息中則以活動推介和爆品宣傳爲主；

2） 品質導向用戶，在購物動線環節中突出賣點標籤（直採、獨家、精選、上新、榜單位置等等）、並突出專家推薦信息；欄目設計上可以重點引導到榜單、精選／甄選、買手/編輯推薦、新品首發等欄目，並側重品牌維度引導；會員體系中可以針對性重點設計專享權益，如優先／專屬客服，額外退換貨週期，榮譽標籤，會員勳章等，此外可以通過稀缺品（如定製款、或限量首發商品）建立專享商品或優先入場機制，提升尊貴感；在站外觸達信息中則突出新品、稀缺品和情懷類關懷的宣傳。

3） 解決方案型用戶，典型特徵爲遇到某一個生活場景並由此觸發購物需求，如新媽媽、開學季、首次出國、寒流／霧霾天不能出門等，感興趣的商品可能是某一核心品類，也可能跨品類。對於此類用戶，場景化需求強烈，價格甚至品質均蛻化爲次要因素，而更多在追求一攬子解決方案，想要買“正確的東西”。此時在購物引導上應當提供場景化解決方案專題頁，設計場景專欄，突出KOL或其它同類型用戶曬單推薦內容，提供攻略類內容或頻道，並結合試用、場景套裝摺扣等手段進行轉化；會員體系中可以考慮設計品類／場景達人等級並配套相應權益和勳章，並通過站內外邀請機制來重點刺激拉動體驗分享和曬單等UGC內容等產出。針對性組織此類用戶的線下活動也是一個有效提升忠誠度、活躍度和內容產出的有效方式。

4） 需要注意用戶普遍存在混合基因，上述手段可結合使用，但運營時應當主次分明，區分核心基因，針對不同人羣突出重點，並在不敏感方面節約成本。此外，會員體系可以考慮根據購物基因設計多個分支的免費會員體系，並與收費會員結合使用。

Q6. 運營人員該如何與數據團隊進行合作進而合理利用數據輔助運營？

我一直把數據定位爲產品和運營的雙目之一（另一隻是用研），通過數據可以準確地發現問題，找到規律，提供運營線索，爲運營動作的制定和實施提供明確的指引和依據。互聯網運營領域十分廣泛，每位運營人員（或每個運營小團隊）應當根據自身運營的領域和核心KPI背後的影響因素有針對性地制定數據報表。

數據在運營中的運用大致可以分爲如下方面：

1） 常規性數據報表及數據監控：爲了最優使用BI資源並突出自身專注點的把握，應當特別注意合理區分數據變化週期和觀察頻度訴求，差異化制定日報、週報、月報、季報。以電商的銷售轉化爲例：

· 在大促期間觀察活動效果，流量變化迅速，高峯此起彼伏，爆品庫存時有告罄，此時數據觀察應當精確到最小顆粒度甚至實時監控數據曲線，對數據體現的問題（如售罄、宕機、技術故障、黃金資源位單品滯銷、頁面陳列錯誤、價格設置錯誤導致的波動等）迅速響應，優化促銷品及資源位，並使用賽馬機制，調整會場流量分發，以把大促效果推到極致；

· 對於日常促銷活動，可以以天爲單位，對促銷品類和促銷方式在整體轉化漏斗中的表現進行觀察，定位問題點並迅速進行鍼對性優化，如換品，換促銷規則，更新活動頁／活動欄目，配置促銷標籤等，以達到最佳活動效果；

· 對於首頁或頻道運營，可以以周或月爲單位，通過CTR、停留時間、商詳到達率、加車率、轉化率、復訪頻度等維度觀察欄目用戶的興趣指數，對於薄弱環節通過數據進行深入分析（如用戶動線跟蹤、區域點擊熱度分析、跳失分析等），並適當結合用研的定性定量深訪對頻道入口交互設計、頁面信息架構設計、頻道子欄目鋪設、信息展示、營銷文案等進行優化，以達到最佳效果；

· 對於核心轉化漏斗模塊的功能迭代和新產品模塊的效率效果，可以以月或季爲單位（與技術發版週期和新欄目用戶教育養成周期有關），結合季節性因素，縱向對比同比和環比相應數據的波動，找到可以發力優化提升的環節。

· 個人認爲，運營動作一般帶來較快速的數據響應，側重於日報週報對運營的指導，而產品動作一般受技術發版影響，數據響應週期適中，更偏重月或季爲週期的報表，但都謀求發現問題後迅速響應。年報總體來說可能更適用於公司戰略和財務考量，除了成果和得失總結，產品和運營側的使用相對較少。

· 最後，上述例子是針對電商銷售闡述。如果是針對用戶運營和增長，則觀察方向會有所不同，同樣可以根據頻度對用戶的渠道來源和激活情況、傳播效果（短週期，如天或周）、活躍度、品類滲透率、交易情況、人均價值（中週期，如月）、留存率、流失返回率、生命週期情況（長週期，如季或半年／年）進相應的數據報表制定和監控，並觸發響應的運營調整動作。

2） 針對性專題分析：日常運營中常會碰到一些突發異常情況，例如某階段用戶轉化率大幅波動、交易金額飆升或銳減、某欄目CTR暴跌等，再或者對某些趨勢性的變化（如消費者導購偏好演變、品牌消費趨勢變化）進行分析解讀，此時通常會進行專題性分析以尋找下一步運營的側重點。專題性分析的常用做法是拆分各維度對數據進行觀察對比，找到在哪個維度出現強烈波動，並鎖定該維度進行進一步深入分解以獲取答案。例如，某週週報體現該周全站銷售轉化率大幅下跌，此時可以通過如下維度拆分觀察：

· 首先通過同比分析確定是否存在季節性因素，如春節國慶，該波動實際上是正常現象。如果不是，那麼可以展開下述方向的分析。

· 觀察轉化漏斗各環節的效率波動：首頁跳失率、商詳頁到達率、加車率、結算率、支付成功率等，可能會找到出問題的模塊（多數是技術故障）。

· 觀察分時段（天、小時）的同比環比訂單變化情況。此時有可能會發現某些時段不轉化或高轉化流量激增，可能由爬蟲、廣告上線等因素導致。

· 渠道來源對應的轉化率變化。此時可能會發現渠道投放策略調整或某些劣質渠道刷流量帶來的影響。

· 訂單品類、訂單地域的來源變化。此時可能會發現熱點事件（如北京地區爆發嚴重霧霾導致淨化器和口罩熱銷）、某品類大力度促銷、價格設置錯誤等帶來的影響。

3） AB測試：有時候運營做了某個動作，並觀察到了數據波動，由此結論該動作帶來了對應的數據波動。這樣的推演有時是偏頗甚至錯誤的，因爲數據波動背後會存在多種影響因素。例如，某業務線在週一的首頁圖標入口位置申請到了飄紅資源，次日飄紅取消，週二觀察到50%的流量下跌。那麼，似乎可以結論飄紅可以帶來50%的流量提升，對嘛？其實觀察發現，週一的自然流量本身可能就比周二高10%～20%。如果不做AB測試，可能的分析途徑就是做相對長期的均值統計再進行對比。然而，隨着時間的推移很多因素在變化，如平臺流量、選品和價格策略、促銷活動的啓停、季節性消費變化、競爭對手的動作等，都會產生甚至不小幅度的影響，導致這樣的分析並不準確。不過AB測試的可行性也受平臺技術能力、活動目標的影響，有時不能做到準確的流量隨機切分，有時又不能承受運營動作不可見帶來的損失（如大促階段），因此需要根據情況來判斷如何實施。但正確評估每個動作帶來的影響是精細化運營的基礎，運營應當具備強烈的AB測試的意識，來獲取精確的影響數據。

4） 數據運用的常見誤區。在產品和運營的工作中也有很多數據使用的誤區，常見的如下：

· 爲了數據而數據：我看到非常多的週報、月報，洋洋灑灑地陳列了一大堆的數據，這些數據的來源往往是“看上去好像有用”，或者某一次被用到了，就被加上了週報月報，數據越堆越多，汪洋大海。其實這種狀況往往效果適得其反，首先浪費了數據團隊的人力或技術資源，更糟糕的是，會使得真正值得被注意的數據淹沒其中而得不到關注。要牢記數據是拿來用的，不用的就是無用數據。建議1，根據會實際執行的目的性動作而定製數據需求；2，定期回顧數據報表，哪些很久沒有被使用了，可以定期清理去除。當然，存檔性的基礎數據越全越好，但也應儘量減少數據冗餘，以減低數據一致性風險。

· 過度反應於數據小幅波動：大家常常會對環比做統計，看到流量增減了個3%就花很多時間分析卻得不出有價值結論。其實，唯一永恆不變的就是變化，要對數據波動合理性有一個判斷，超出什麼幅度才代表可能會引起後果的異常（可以參考統計學相關知識），設立合適的警戒閾值，只有超出了上下限才觸發一次分析。這樣可以有效節省數據團隊資源，也可以讓自己專注於正確的事情。

· 忽略趨勢性數據：與上述問題相反，有時小幅的數據持續性變化（同向的增減），則在揭示着背後的某些規律。如果觀察到趨勢性現象（連續5個或7個同向點，基於數據對應的事情本身有多關鍵），哪怕幅度微小，也應當引起重視，觸發分析。

· 倖存者偏差：該現象指的是隻能看到經過某種篩選而產生的結果，而沒有意識到篩選的過程，因此忽略了被篩選掉的關鍵信息。例如戰鬥機製造商統計戰爭中返修飛機被擊傷的部位，發現主要在機翼，因此特別加強了機翼，真相是，最脆弱的是機頭，而機頭被擊穿的飛機都墜毀了，沒能返修而被列入統計。在實際的運營中也常有此類偏差，例如，通過銷售數據觀察發現某品類有較好的訂單數量和用戶活躍度，因此結論該品類的運營工作較爲成功，但真相可能是該品類業務線佔據了大部分的黃金運營資源位，大入口流量促成了最終的銷售結果，然而該品類的轉化效率其實不高。

· 數據扭曲：很多時候數據受到多種未被統計到的因素影響而產生偏差。例如，在留存顧客比率與訂單數的歷史數據觀察中可能會發現用戶下到第五單後呈現相對穩定的留存，由此結論五單爲本站的留存魔法數字，並立項通過每單補貼或任務目標補貼推動用戶從新客一直轉化到五單。然而，該刺激手段可能使用戶不是正常下單心態，而是奔着補貼而來，因此五單達成後迅速流失。解決該問題時需要通過數據觀察和反覆測試仔細推敲補貼的程度、週期，讓補貼可以促進用戶下單但不會成爲下單的主要目的，並針對需求週期合理控制發放頻度，讓用戶健康成長直至穩定。