最近有个思考结论，跟大家分享下。
1.迭代成本决定了用分析还是实验
迭代成本高，分析法更重要。包括分析用户需求、用户场景、用户价值等等。迭代成本低，实验法更重要。包括MVP/PMF实验、数据驱动、黑客增长等等概念都是实验法的精髓。
像手机硬件的迭代成本很高，就需要产品设计者对手机用户的诉求有洞察， 否则希望通过实验和市场检验去得到结论，成本太高（最有洞察的当然是乔布斯）。小米是个有趣的例子，虽然操作系统的许多功能是以用户投票方式为卖点的，但硬件设计的大多数还是要靠分析方法的，根本原因还是前者可以快速迭代，后者不行。
同样的，O2O行业（出行、外卖）的许多产品模块的设计，由于有不少线下因素影响，成本也很高，就更仰赖对用户的分析和洞察。
像纯线上产品的迭代成本通常就很低。以数据驱动著称的 Facebook 和字节跳动，已经把实验法做到了极致。追求“数据结果”而非“理论正确”成为了信仰，在可极低成本迭代的产品中，效果显著。
不同公司产品经理花在分析和实验上的精力是明显不同的。比如可能会是这样的分布：
2.分析和实验各有利弊
实验法的弊端很显著，它剥去了很多产品经理原来在用户认知方面的价值：既然什么都能实验，那不需要想太深，有了大概，试试不就知道了。
实验法的优势也很显著：可以快速拿结果，助力业务。
相对的，分析法优势是，产品经理的价值得以体现。可是做好的判断，尤其是复杂场景的，对产品经理的分析决策能力要求过高，或者说确定性通常比较差，这样就很容易被认为“不如数据驱动”。
短期拿数据的业务，实验法得心应手的产品经理能做得很好；不过长周期需要沉淀的业务，实验法往往就会失效。像字节跳动涉足汽车、教育、社交等方向更考验对用户分析的产品，明显就比较吃力。
3.分析和实验相辅相成
分析和实验不是相互抵触的。
好的产品经理成长逻辑应该是：
-
把数据驱动和快速实验当成工具，验证自己的想法
-
反复巩固想法中对用户和行业体系化的认知
-
用数据驱动和快速实验交业务成绩，获得更多决策空间
-
在更多决策空间中，用自己的认知判断，做出长周期长价值的决策
这些成长路径，也逐步在我自己和身边许多产品经理身上得到验证了。
史上迭代成本最低的产品，恐怕非网页游戏莫属。连APP都不用发布，随时可以迭代。同时也是离用户场景、用户心智很近的产品（离用户价值和商业价值同样近），能够从数据里洞察用户。
假如懒惰地待在“实验法”的舒适区里，只知道做网页游戏的套路，调调参数，搞点噱头，其实是价值不大的。但若在这些快速实验过程中，有对用户深层的认知，那就可以把经验运用在更多业务场景。（据说拼多多有不少产品经理是页游出身。）
这是最近跟朋友交流和自己思考得到的结论。
希望能帮到你。
评论(0)