Why·Liam·Blog

人生若如初見

「岛读」上线已经 1000 天了,2 个月前就已经在日历上标记了这个日子。但是等今天真正到来的时候,却不知道写点什么。

3 年前还在美国,上一个项目刚刚失败,恰好接到了 XLG 的电话。在加入团队初期,因为没有 iOS 的编程经验,就着手设计了「日课」(「岛读」的前身)作为练手的产品——当时我怎么也想不到这个产品竟然吸引了近百万的用户。

17 年夏天,我和 XLG 在广州喝着啤酒聊着未来。突然 XLG 和我说,你觉不觉得「日课」能成,我当时觉得这真是天方夜谭——毕竟这个产品的功能如此的简单。

后来,在上线的第九月,不知道被哪个大 v 推荐了,突然就在全网传播开了,当然服务器也没有撑住。至此之后便上好几次的 App Store 的推荐榜,并且也杀进了排行榜的前 100。

18 年底,我们迎来了一个全新的版本迭代,并且启用了更具品牌辨识度的名称——「岛读」——构建一座精神岛屿。同时「岛读」的日活到了新的高度。

阅读全文 »

  • 人类简史
  • 把时间当朋友
  • 金字塔原理
  • 淘宝十年产品事
  • 淘宝技术这十年
  • 启示录
  • 黑客与画家
  • 深入浅出数据分析
  • python 数据挖掘与实战
  • 简约至上
  • 破茧成蝶
  • 引爆点
  • 别做正常的傻瓜
  • 批判性思维工具
  • 人人都是产品经理
  • 人人都是产品经理 2.0
  • 启示录
  • 用户体验要素
  • 从 0 到 1
  • 情商
  • 乌合之众
  • 白说
  • 高效能的七个习惯
  • 点石成金
  • 人类简史
  • 把时间当朋友
  • 金字塔原理
  • 启示录
  • 黑客与画家
  • 深入浅出数据分析
  • python 数据挖掘与实战
  • 统计数字不会说谎
  • 巴菲特教你分析财报
  • 乌合之众
  • 马斯洛人本哲学
  • 消费行为学
  • 增长黑客
  • 推荐系统实战
  • 淘宝技术这十年
  • 人类简史
  • 把时间当朋友
  • 金字塔原理
  • 启示录
  • 黑客与画家
  • 深入浅出数据分析
  • python 数据挖掘与实战
  • 统计数字不会说谎
  • 巴菲特教你分析财报
  • 乌合之众
  • 马斯洛人本哲学
  • 消费行为学

The Why·Liam·Blog by WhyLiam is licensed under a Creative Commons BY-NC-ND 4.0 International License.

阅读全文 »

公司每一个人的视角和思考方式。所以,接下来所有内容都是「产品视角」。它不包含我们的商业体系和服务体系的视角。接下来我会提到产品研发,产品研发不是指技术一定要这么干,是产品研发那个阶段要做的东西。也会讲到产品运营,也不是说运营部门一定要这么干,是产品人在产品视角上应该怎么考虑(运营)问题,应该是什么样的原则。

在说产品设计原则之前,我先说基本的产品设计方法论。有三个部分。

第一部分,是产品设计的逻辑,发现问题、发现客户的需求,然后去解决问题,然后再去验证这样的问题有没有被解决,验证完问题之后去发现新的问题,再去解决问题。所以每一个产品人在做的事情,其实就是发现问题、解决问题、验证问题的整个过程。

阅读全文 »

这是个言必谈商业模式的时代,尤其是在创投圈子里,无论是投资人,或是创业者,还是产品经理,最后的争论焦点无一不会集中到商业模式的探讨上。

我喜欢和大家讨论东西,先讲本质,再讲方案,也很愿意把自己的想法所得分享出来。

对于产品经理来说,商业模式也正在逐渐进入到产品管理的工作范畴中,很多公司要求产品经理在思考一个产品的发展时,首先要想清楚产品的商业模式是什么。

那么,商业模式的设计到底是一个工作,还是一个系统呢?

或者说,产品经理去设计商业模式的时候,都应该考虑哪些方面呢?

阅读全文 »

行业研究是通过深入研究某一行业趋势(发展趋势、发展阶段),对比(规模结构、竞争格局),细分(企业分析、影响因素)等综合信息,为企业自身发展和行业投资提供重要的参考依据。一个好的研究报告需要至少涵盖以上内容的分析,当然还需要超级好的 PPT skill,否则发了报告也没人愿意看。。因为可能真的太丑了让人读不下去。。

其实一级市场和管理咨询的研究分析方法相近,只是内容侧重点不同。

一级市场核心是关注「资金效率」,且早期项目运营和财务数据可参考的价值不大,要么不显著,要么不稳定。所以一级市场更关注:

  1. 投资这个领域如何退出?几家公司上市,市值多少?几家公司被并购,交易对手和溢价如何?
  2. 国外是否有相似的模式?发展的如何?能否借鉴(抄袭,呵呵)?
  3. 现在这个细分领域内竞争格局如何?融资进展如何?技术、资源壁垒如何?哪个模式未来增量 / 天花板最高?这个模式里最优质的项目画像是怎样的?

因此一级市场的研究步骤是这样的:

阅读全文 »

TTPPRS = 趋势 – 流量 – 包装 – 产品 – 重复性消费 – 可持续增长

通过这样一个关系链的分析可以对产品的商业逻辑有一个比较清晰的梳理。

趋势(Trend):顺应商业趋势,做到顺势而为,更甚是洞察商业趋势,引流时代潮流。「一个人的命运啊,当然要靠自我奋斗,但是也要考虑到历史的进程。」这句智者名言用来形容产品在商业趋势下的命运也是符合的。

流量(Traffic):更精确的说应该是通过精准渠道获取的有效流量。流量对于互联网产品的成败而言重要性无需多言。同时流量又涉及到产品市场规模预估(目标用户人群数量)和推广渠道投放的选择,导流贯穿商业模式发展的始终,强势品牌可以自导流量,这也是品牌的重要性之一,互联网打破了导流的物理区域限制,因此马太效应显著,也造就了赢家通吃的局面。

包装(Promotion):产品在产生购买行为前在消费者眼中的印象,决定了消费行为是否会发生,包装(Promotion)影响消费决策,产品(Product)影响二次消费。包装应是对产品优质属性的高度强化,并最终塑造用户对于产品的认知,甚至影响用户使用产品的心理感受。包装最终成就一个品牌,而品牌就是终极的包装。

阅读全文 »

在科学中,尤其是在物理和工程教育中,费米问题或费米估算是一个用来做量纲分析,估算和清晰地验证一个假设的估算问题。

费米以他通过非常少量或不精确的数据来得到比较好的估计的能力被广泛熟知,一个例子就是他在主要领导的曼哈顿计划中估算核爆炸的「当量数」。

1945 年 7 月 16 日晚上,原子弹在内华达州的沙漠引爆成功时,费米在原子弹试爆现场附近,突然跃起向空中撒了一把碎纸片,爆炸后气浪将纸片急速地卷走,他紧追纸片跑了几步,并根据纸片飞出的距离估算了核爆炸的「当量」,费米当场推算出的爆炸威力相当于一万吨 TNT 炸药,非常接近现在大众所接受的二万吨的数值,之间的误差少于十倍,即不到一个数量级。

一个经典的费米问题的例子是费米提出的「在芝加哥有多少钢琴调琴师」,一个典型的答案或包括一系列估算数据的乘法。如果估计正确,它将得到一个正确的答案。比如说,我们会采用以下的假设:

  1. 大约有 9,000,000 人生活在芝加哥。
  2. 在芝加哥平均每个家庭有 2 个人。
  3. 大约在 20 个家庭中有 1 个家庭有定期地需要调钢琴。
  4. 定期调琴的钢琴每年需要调整一次。
  5. 每个调琴师大约需要 2 小时调琴,包括路上时间。
  6. 每个调琴师每天工作 8 小时,一周 5 天,一年 50 周。
阅读全文 »

要读懂私域流量,首先要了解流量池的概念,流量池是流量的蓄积的容器,主要是为了防止有效流量流走而设置的数据库,比如:淘宝、百度、微博等。只要有足够的预算,可以持续不断的获客(获取新用户的渠道),被称为流量池。

而私域流量指的是品牌或个人自主拥有的、无需付费的、可反复利用的、能随时触达用户的流量。它并不是一个新生事物,只是与我们曾经接触的流量相比,更加便于商户或个人使用的流量。

比如:之前社交媒体还没普及的时候,私域流量就是客户的联系方式(手机号、邮箱、住址等),想要联系他们时,可以打电话、发短信、发邮件、甚至往他们家寄样品体验。当时这些客户信息甚至都是公司的商业机密。

随着时代的进步,如今的私域流量是一个完全属于「你」自己的私人地盘,大到年入上亿的商家,小到个人经营者。这些流量存在于公众号、微信好友、微博、社群、朋友圈、头条号、抖音等社交媒体里,它是一切你可以随时掌控的私人流量池(既私域流量),这个流量池里聚集的是你的粉丝、客户和潜在客户。

而产品则是承载用户流量的工具,即使用户分布在不同的产品里,但只要是在个人账号的,就是你的私域流量。顾名思义,私域流量就是属于自己的流量,相对公域流量而言,主要指个人或品牌自主拥有的自由流量,它需要通过沉淀和积累来获取的更精准、转化率更高的垂直领域流量。

阅读全文 »

在西方的电影里有很多见神父的场景,就是一个人走进忏悔室,述说着自己的罪行,祈求神父的宽恕。

在现实中,我接触了一些心理医生,也为其他人做过心理上的额疏导。

在交流过程中,最大的障碍就是用户不坦诚。

在一定程度上,来访者不说实话是很正常的。

这里讲的「不说实话」很少是故意撒谎、歪曲事实、说假话,更有可能是像题主说的「因为羞耻」、「害怕被谴责」等原因而隐瞒咨询中需要去谈论的重要议题,或者在讨论问题的时候弱化或者夸张问题的程度,也有可能是怕和咨询师伤感情、不好意思等原因对真实咨询进展撒谎。

阅读全文 »

今日头条的走红带动了「个性化推荐」的概念,自此之后,内容型的产品,个性化算法就逐渐从卖点变为标配。

伴随着「机器学习」,「大数据」之类的热词和概念,产品的档次瞬间提高了很多。而各种推荐算法绝不仅仅是研发自己的任务,作为产品经理,必须深入到算法内部,参与算法的设计,以及结合内容对算法不断「调教」,才能让产品的推荐算法不断完善,最终与自己的内容双剑合璧。

本文以新闻产品为例,结合了我之前产品从零积累用户的经验,整理了作为 PM 需要了解的基本算法知识和实操。

个性化推荐不是产品首次发布时就能带的,无论是基于用户行为的个性化,还是基于内容相似度的个性化,都建立在大量的用户数和内容的基础上。产品发布之初,一般两边的数据都有残缺,因此个性化推荐也无法开展。

所以在产品发展的初期,推荐内容一般采用更加聚合的「热度算法」,顾名思义就是把热点的内容优先推荐给用户。虽然无法做到基于兴趣和习惯为每一个用户做到精准化的推荐,但能覆盖到大部分的内容需求,而且启动成本比个性化推荐算法低太多。

阅读全文 »
0%