z

zhouhua

V1

2022/09/23阅读:16主题:默认主题

谈谈迭代与数据驱动

以我在字节这几年的感受,字节的产品性格是小步快跑、数据驱动。今天我想聊聊产品迭代和数据驱动。

首先产品迭代是什么?我们把当前产品的状态(功能集合、数据指标等)记为 ,迭代过程记为函数 ,那么我们就得到了这样一个迭代函数 。我们的目标是在不断迭代的过程中,让 保持递增,同时优化 ,使之输出可衡量可预测。

让产品和迭代过程可量化可衡量,有很多定性的、定量的方法和思路,但同时我们也要敏锐地意识到产品生命周期是一个复杂系统,这些方法和思路可能有统计上的偏误和数值上的误差,并通过不断迭代,而逐渐累积。 字节常常选择的方法是数据驱动,比如通过 ab 实验选择更优的路径、通过转化率漏斗去优化薄弱环节等等。但我思考的一个问题是,这真的有用吗?我们看到太多的产品和功能,一直数据向好,但全盘推翻,为什么。我常做的一个比喻是:打赢了每场战役,却输了整场战争。为什么?战略意图不明确。就像你跟女朋友吵架,吵赢是目标吗?不是,维护爱情才是(不爱的当我没说),所以你越是吵得赢,你越是输得惨。同样,数据驱动下,这些我们关注的数据是目标吗?不是,收入(也可能是真正的使命愿景)才是。但影响收入的因素太多了,我们关注的数据指标也许相关,也许不那么相关,我们真的分得清吗?

最近,我回过头来再来看复杂系统的迭代过程,发现这其实就是一个混沌系统。我曾在一篇文章(https://zhuanlan.zhihu.com/p/30576463)中讲过一些简单的概念,这里我再引述一下。

假设我们去观察一个岛上的兔子数量,我们考虑兔子的出生率( )、死亡率( )、环境所能承载兔子数量上限( ),把兔子的数量记为 ,生态学家用一种叫 logistic model 的模型来简化 的变化过程:

再进一步做简化,定义增长率 ),再定义一个环境承载率 ),那么我们就得到一个针对于 的迭代方程:

看着挺简单的呀,只要 确定了,那么我们就能预测 的变化了。真的是这样吗?我们不妨取 值对迭代过程的影响可以看之前的文章), 的初始值分别取 代入计算,我们得到:

虽然初始值差异极小,但大约迭代 30 次后结果已经明显不同,后面再进行迭代就完全相似性了。

这样的模型给了我两个启示。

第一,产品初期一些微小的差异可能会在迭代过程中持续放大,直到天壤之别。比如 iPhone 早期,蝴蝶扇动的第一下翅膀可能是“取消键盘”,于是才生长出了基于触摸的交互系统,可能也影响了后续的产品逻辑,比如 siri ,比如取消耳机接口等等。而也因此,手机这一成熟的产品领域产生了一次又一次革命。

第二,数据驱动是短期视角,单次迭代带来的影响长期看,是不可预测的。所有的短期决策的成功不能推导长期目标的成功。所以数据驱动在我看来,是一种可选的方法,而不是原则。原则应该是产品方向或者商业目标,再俗气一点说,就是使命和价值观。我们可以因为数据来决策要做什么,但需要时常看一眼我们的方向还对吗。又或者,我们方向定了吗?最近看《俞军产品方法论》,也看到了类似的观点:

我们更难区分产品经理的好坏。AB 测试还给了某些产品心弱的产品经理偷懒、少思考的理由,减少了他们在深度思考方面的锻炼和成长。但其实,快速迭代和 AB 测试都只是降低了互联网产品经理的门槛,互联网产品经理的上限却没降。

分类:

设计

标签:

产品设计

作者介绍

z
zhouhua
V1