Liam's Notes

简单的说，目前的互联网产品的变现方式就是两种广告和交易。而进一步的细分，可以分为 5 种，但其实都是交易方式的变种。接下来，我们来盘点一下。

2018 年中国广告市场大概 8000 亿人民币左右，互联网广告 4500 亿人民币左右，互联网广告占比 56%，而 BAT 三家互联网公司广告营收占 4500 亿的 78% 左右。作为互联网公司，广告变现几乎是最主流的变现方式。

广告变现很容易，平衡体验最重要。

在大数据、后台管理面板、金融等与数据有关的 UI 设计中，数据可视化设计是必不可少而且非常重要，但这些设计很多设计师没有接触或很少接触到，也不懂数据可视化设计规范，为了设计好看的数据图表，不停的找设计灵感参考，最终发现了即使有漂亮的可视化数据图表，但却不能用在自己的项目上非常可惜。

今天将为大家分享谷歌 2019 年 6 月更新的 Material Design数据可视化设计规范指南，这个规范指南基本适用所有数据图表设计，很有参考价值，建议收藏。

数据可视化是一种以图形描绘密集和复杂信息的表现形式。数据可视化的视觉效果旨在使数据容易对比，并用它来讲故事，以此来帮助用户做出决策。

数据可视化可以表达不同类型和规模的数据，包括从几个数据点到有大量变量的数据集。

在形形色色的活动中，如何去吸引用户，用吸引人的话术去引起目标人群的注意是一门技术。

在《爆款文案》这本书籍梳理了如何打造文案的几个技巧。

标题就像是钥匙，写好了，用户就打开了你的文章，所以我们得想办法让用户两秒冲动点击。

我们写文案主要目的就是让用户买你的产品，虽然你已经把用户吸引了进来，但是如何让他购买你分享的产品，还得花点心思，所以得充分提高用户的购买欲，让他欲罢不能，非买不可。

提到如何衡量客户价值，RFM 基本上是头脑中第一个想到的模型，也是大部分运营人员都会接触到的。根据 Arthur Hughes 的研究，发现客户的数据中有三个非常重要的指标：

最近一次消费时间（Recency）
消费频率（Frequency）
消费金额（Monetary）

这三个指标非常有意思，我们可以从中将用户的活跃度，忠诚度和消费能力评估出来，如下图：

按照案例中的情况，我们分别将 R\F\M 三个值都再细分成了 4 个等级，现在大家可以思考一下：000 代表了什么客户，她与 004 的区别在哪里？她们的价值是否不同，是否要区分维护？

数据分析的本质是解决某一个业务问题。

解决业务问题的前提，一定要想清楚两件事情：

理解问题：想清楚这个问题到底是什么
定义问题：用数据拆解出这个问题
我见过太多小伙伴做数据分析的时候，根本就没搞明白为什么要分析？要分析的这个问题到底是什么？所以在分析之前，一定要花时间了解这个数据分析到底解决了什么问题。

这个问题，在定义清楚后，需要和业务方、leader 去反复沟通，直到对这个问题清楚的达成共识。

知道了数据分析的问题是什么后，需要我们去基于这个问题，梳理一个数据分析框架。在这个分析框架里，我们需要明确分析内容的数据范围以及要分析哪些问题。

产品经理的核心价值从来没有消失过。

有产品，就有交易；有交易，就要有用户价值。
从古至今，无一例外。

什么是产品经理的核心价值？

第一，认知用户，洞察需求。第二，创造价值，设计方案。

这个核心价值在产品经理出现之前，早就存在了；在产品经理消失之后，也一定会存在。

这是一个贩卖焦虑的时代。

对于产品经理消亡的言论不绝于耳。

产品经理没有技术的硬实力，工作能力逐渐被替代。

苏杰老师 你到底是想做产品，还是想做产品经理？ 认为：

「产品经理岗位」是解决业务问题的一种阶段性的、组织层面的解决方案，其实，任何岗位都是。
纵观历史，各种职业都会出现、流行、消亡，因为组织目标在演化，导致要做的事情在演化，导致分工在演化，导致岗位名称在演化，这是客观规律。
做产品的人都知道，比解决方案更重要的，是要解决的问题。
要解决的问题是「项目管理」，于是，有了一种解决方案是「项目经理」。要解决的问题是「产品规划、需求分析、用户研究……」，或者合在一起说是「做产品」，于是，有一种解决方案是「产品经理」。
随着时间的推移，我们可能发现有些「做产品」的职责，可以被技术人员、运营人员，甚至某些新岗位解决，这非常好，说明我们很可能找到了更合适的解决方案。
只要团队里的各种岗位拼起来，把「做产品」的事儿全覆盖了，就妥妥的。

这两天有个朋友和我说，最近感觉压力很大。虽然受到了老板的重用，但是工作上的事务比以前多了，很多事情人员都没有配齐，就赶着要上线。

我只能安慰他，说国内很多公司人员就是没有配齐的。特别是创业公司，也许总共就 5 个人，哪来的数据分析师和交互设计师，很多事情都是开发或者产品自己来做。

正巧今天晚上吃饭的时候和 亚马逊 和 Facebook 的朋友聊起了中美在工作上的差异。

他们说，在 Facebook 里对于岗位的划分国内这么细分，可能就技术岗，产品岗，设计岗……

作为一个员工，是对自己的整个项目负责，相比较之下国内的是对自己的工作内容负责。

多米诺效应或骨牌效应：指一件事的发生会引发一连串连锁反应，因按一定间距排列的多米诺骨牌相继倒下得名。通常是指连续发生的一系列事件，其中连续事件发生的时间间隔相对较小

人们经常用多米诺效应形容小事导致了大事，但这个观念是错误的。真的是因为最小的骨牌的倒下导致了大骨牌的倒下吗？

是这些骨牌的排列方式，导致了大骨牌的倒下。这是一个极其危险的系统。就算最小的骨牌不倒，中间任何一个骨牌倒下，都会导致后面所有的骨牌倒下。

如果要追责的话，要问的不是谁推倒了最小的骨牌，而是谁把骨牌排列成这个样子！

现在大部分的信息流应用都加入了推荐算法，但是每个人都会吐槽这个推荐这是难用。有的时候是算法真的很差，有的时候是用户真的在搞事情🐶。

有很多用户会说，这个内容我刚刚明明已经看过了，为什么又给我推荐了。其实这个问题是因为每一个用户对重复内容的容忍度不一样。

比如说，发生了一个事件，用户 A 就想了解和事件有关的所有前因后果；但是用户 B，看完一天，再看第二条后续的报道就觉得信息重复了

频次是不可以让用户控制的参数，但是用户就有这样丧心病狂的场景。

用户 A 在知乎上看到了某个话题觉得很有趣，但是他不是真的关心，平台却开始疯狂的推荐。推荐系统不知道你只是当下需要，还是是长期感兴趣。