Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
大家好 今天我想跟大家聊一聊PM
相信大家不管是数据科学家
数据分析师或者程序员
或者你自己本身就是PM
你平时都会跟很多PM打交道
但是PM这个职业
第一它到底是干什么的
其实没有一个特别统一的定义
就数据科学家也没有
但是PM可能更过分一点
第二就是它的水平挺难量化的
就是你在看到一个PM的第一眼
你可能很难判断
它到底是一个好的PM还是一个不好的PM
第三就是PM的质量
对你这个产品和对你整个Team的成功
都有非常大的影响
就是它可以决定你的很大程度上
决定你的产品的上限和下限
当然来都是大家共同的努力
但是一个好的PM非常重要
其实我自己在工作中也经常受到这样的反馈
就是他们说我说话像PM
就是我在跟别人沟通的时候
或者说我在讲这个东西为什么值得做
为什么不值得做
或者说我在其他的
比如说一个项目做了
或者说我的Analysis
我在Frame这些question的时候
同事们就会说
你这个说话像PM一样
受到这样的反馈
虽然谈不上说开心
但是我也觉得挺好的
我自己在linked in上的签名
就是产品第一
增长第二
data第三
那我反思
就是我为什么会得到这样的反馈
我觉得第一就是我很喜欢讲human problem
就是我在说这个东西要做什么的话
我会先从用户的角度去想
然后从产品的角度去讲
我不会先从数据的角度去思考
然后就是hypothesis driven
第二就是我会讲很多strategy
就是说这个东西对我们work
短期长期到底是什么
大家如果面试过
或者说看面经的话
你会发现一线互联网大厂
对数据科学家的要求
也越来越偏重于这一块
或者说是一个非常重点考察的地方
就是说你一定要对产品本身
有一个product sense
对吧
然后你才去做data
你的这些technical skill
尤其在junior level上还是比较重要的
但是越senior
你的product sense
你的strategic thinking
也越来越重要
这时候就是data scientist
从PM上可以学到很多的东西了
就是我跟一些不好的PM合作过
我也跟一些好的PM合作过
我从好的PM身上学到的东西非常多
也非常重要
而且我觉得在他们身上学到的这些东西
不管是沟通技巧
然后思维方式
然后包括他们的vision
strategic
都是我可以获益终生的东西
我也想在这个视频里边跟大家一起聊一下
好吧
我们就开始聊
我们先从PM是什么聊起来
其实PM是什么
在不同的地方是很不一样的
国内和国外首先就很不一样
国内和国外是一个非常大的区别
这个我们先不讲
这个话题太大了
我们就放在国外的一线互联网大厂上
现在亚马逊其实就分得比较细
亚马逊它会分这个program manager
project manager
product manager
而且这里边它还会有一个TPM和PMT
就是product manager technical
或者说是technical program manager
或者说technical product manager
这就很细了
有的时候它自己也搞不清楚到底哪个是哪个
在我看来就是product manager
是大家说的比较多的
就是产品经理
然后program manager我们这就不聊了
因为program manager在我看来不是一个特别好的定义
在我看来所有的program如果你要认真做的话
都可以把它做成product
你要去把一个人定义成一个program manager
基本上就把它定义成一个打财的了
其实我有一个邻居
我有一个邻居
她90年的姑娘
然后她和我一起加入亚马逊的
现在已经是L7了
所以大家如果知道在场的话
就知道这个东西还是挺厉害的
她就跟我
我们就开玩笑说PM到底是做什么的
她说PM就是干别人都不想干的活
虽然是一句玩笑话
但是里边有一点酸醋的真实的成分在
这个在program manager身上就是特别特别明显了
在project manager身上就是也有一些
但是他们的工作就有更多的autonomy
我们就先不说program manager了
这个很多时候是一个
不好意思
就是有的时候确实就是沦为了一个打财的这个岗位
那project manager
在像微软或者说像在Facebook
就会把它定义成
好像Google也是这样子吧
他们就是TPM
是technical program manager
或者说technical project manager
具体其实不是特别清楚
但是反正就是这个role
这个role就是你负责协调各个东西
比如说我们一个team开了一个sprint
大家有各种各样的做的东西
那我们的stakeholder
我们cross-function team
他们需要知道这些东西是吧
TPM就把这个summarize一下
比如说出了一些什么saved
有些东西可能会影响到别人
有些别人会影响到我们
summarize一下
然后需要开什么会
然后跟进什么项目的进度
或者说有什么东西要汇报
然后确保大家的项目可以如期发布
然后大家该有的dependency
都可以如期的resolve
或者说是确保互相之间不会影响
就是互相之间
就是不同组和不同组之间的合作可以顺畅
这些都是TPM可以帮很多忙的东西
所以说TPM它是一个make sure
这个项目可以好好进行的一个非常好的存在
那有些TPM他因为对这个项目很了解
再加上他本身的背景也比较强的话
他就会进一步的说
这个项目我发现了他的button X在哪
他的blocker在哪
我会主动的identify出来
然后帮他unblock出来
不管他是这个
不管你是需要其他team的合作
还是你需要你的leadership
去给你调用更多的资源去unblock
他们都可以比如说通过数据
或者说对engineer的理解
去把它找出来
然后去保证这个项目进行出去
所以一个好的TPM是
一个好的TPM可以非常好的保证你的东西的下限
然后就说到part-time manager我们的主题
part-time manager它是干什么的呢
如果我从一个稍稍宽泛的个人的角度来说
就是他首先要定下这个产品的方向
他最重要的就是他要知道他要解决什么问题
他要定义他的human problem是什么
然后他要定义出来这个东西应该怎么被解决
在这里面当然
在这里面当然就是engineer
他要定义这个问题是什么
他为什么需要被解决和怎么被解决
然后这里边
然后当这个产品开始出来的时候
他也会在这中间有一个非常强的point of view
不管他是从这个数据来的
还是从一个anarchos来的
他应该就是这个产品的growth
他知道这个产品的inside out
就是每一个feature是怎么用的
每一个feature被大家怎么用
是怎么build出来的
他们之间的关系是什么
和我最后怎么样子去把这个产品不断的迭代
找出来问题
然后把它做得更好
去更好的服务顾客和解决所谓的human problem的
当然了
就是我觉得这件事情不是PM的职责
不是PM一个人的职责
所有好的工程师和所有好的数据科学家
好的designer都应该一起去做这件事情
而且我看到的确实好的这些所有的人
都会去立足于这些问题
然后去解决这些问题
这也就是一个话题
有些程序员就过来问我
因为我身边有好多PM朋友
就来问我说他们想转PM怎么转
在我看来不应该
就是你PM能做的所有的事情你都可以做
而且你还有一些专长
就是你可以争论去code
你是做一个DS的话
你可以从数据中去发现一些更多的东西
但是没有什么东西可以阻止你去做PM做的事情
如果你觉得PM做的东西很重要
那恭喜你
对的确实PM做的东西很重要
但是不代表你不是PM就不应该去做这些事情
而是每个人都应该去做这件事情
但是PM他首先他有一些special training
很多PM都是有很多business background
就是我认识的比较好的PM
我打交道的比较好的PM
几乎无一例外都有一些startup或者说是medium
反正就是有一些一线的
基本上我打交道的比较好的PM
都是有一些一线的经验在
就是他们不管是startup还是一个
大公司的比较frontline的function
他一定是要跟他的用户打过交道
他对用户的心智
他对用户的喜好有一个特别强的感觉
他才有可能把这个产品做好
我觉得如果你想做PM的事情的话
你应该去做
这是PM的优势之一
就是他们的特殊的背景和他们特殊的training
比如说大家都去business school
一般都是MBA毕业
就是受过一些系统的关于business的训练
或者说有类似的方法论
他可以就是他的比较优势
是比较擅长的东西
他的存在可以让大家把这个东西做的最好
或者他的job description
有一个人去make sure把这个事情做好
但是大家都应该去做这件事
所以说这个观点就是人人都是PM
人人都应该是PM
但是PM当然应该是一个更好的PM
那说到这里就可以扯一下
我个人的经历不一定有代表性
就是我打交道
我认为好的PM和不好的PM是什么
先从好的说起
好的PM首先他是一个product leader
就是他一定是从defend this product
defend this problem开始的
他是能知道这个产品最后怎么往前走的
他有一个非常好的vision
他有非常好的strategy
这个其实我是引用了Clear同学一句话
他有他的channel
我们接下来会专门做一期节目
是PM和程序员
PM PK程序员
然后大家互相吐槽一下
和互相学习一下
进行期待
但是我们在排练这个节目的时候
他说了这句话
其实我觉得总结得非常对
就是你好的PM一定是要先drive你这个product
对吧
就是他一定是一个leader
而不是说大家开始做了
然后你不断地unblock
可能这个东西可能是大家看到的PM的工作
但是不应该是一个好的PM的最重要的价值所在
但是第二个就是他很懂
他有很强的抽象思维
他一定是大家会吐槽一个不好的PM
就是你跟他讲了半天他也不懂
好的PM他第一很懂技术
第二他很懂数据
一个好的PM就是他不一定需要能自己去把东西做了
但是他一定要能懂得东西是怎么做出来的
他不一定自己能去拿data
但是他肯定能看出来
肯定知道他应该看什么data
这个data告诉他的到底是什么
这个data是怎么样子验证他的hypothesis
或者说是disproof他的hypothesis的
就是他一定要懂
然后懂的基础之上
就是好的PM一定要有一个非常好的抽象思维
所以说他才能把一个产品的方方面面给拼凑起来
然后知道整个流程是什么的和重点在哪里
我们接下来最重要做的东西是什么
这就回到头来就说不好的PM是什么
不好的PM首先他对一个产品没有好的point of view
他最后就变成一个TPM了
就是组织大家开开会
然后组织大家汇报一下
这种工作很重要
但是不是我们需要一个好的PM去做另外那些事情
第二个就是他不懂
他很多时候不知道这个产品是什么
或者说不知道这个model是什么
或者说不知道这个数据是什么
所以说他抓不到重点
他就会去抓一些他懂的东西
然后这些懂的东西可能根本就不重要
然后他就试图怎么把他懂的东西做好
而不是去把这个产品需要做什么东西做好
另外一方面就是他抓不到重点的时候
他就会说我什么都要
这就会比如说一个不好的PM
他在程序面前他排不出来p0p1p2是什么
p0就是priority是吧
就马上需要做的
他根本不知道
就是他说我什么都需要做
那你问什么先做什么后做我什么都昨天要
这等于什么都没有说
因为一个公司的资源永远是有限的
你要好的产品永远是要往前走的
所以说你这个排序能知道什么东西最先需要做
怎么样最快的把这个东西用一个合适的质量做出来
是片非常重要的功利的体现
你一定有一个好的抽象思维
对整个系统有一个comprehensive的了解
才可以把这件事情做好
那这基本上就讲我们具体的细节
就是好的PM和不好的PM
尤其从程序员的视角
我们接下来就会讲
敬请期待我们也请了当当和柳哥作为程序员来吐槽PM
然后请了Clear去吐槽回去
或者大家一起讨论一下
应该还蛮有趣的
敬请大家期待
那最后我就再讲一下
在我看来Data Scientist和PM之间
应该互相学习的东西
就是一个好的Data Scientist
首先我觉得他本身就应该是一个好的PM
如果你现在把我放到一个大厂去做PM的话
我相信我能做得很好的
就是我不看我不用我任何的Data Scientist的skill
我专门去做PM的工作的话
我相信我能是一个蛮生认的人
毕竟也在咨询混过对吧
但是那PM和Data Scientist的专长都是什么呢
就在我看来PM的专长就是Product
Product Sense
你对Product的执着
你对UX的感受
就是很多时候一个产品它的好坏
技术是一方面
你UX你有没有真正的很好的抓住了用户的心智
你有没有真正的得到的用户的注意力
你有没有真的让你的产品
Resonate with user
到底用户解没解决用户的痛点
这些东西都是一些很settle
很nullance但是又很体现功利的事情
我认识的好的PM在这点就真的很佩服他们
就是比如说我们出了一个产品
它有一些这个message
一个PM就说这个message让我感觉不好
然后他又能非常清楚的告诉大家
为什么让他感觉不好
他觉得用户可能是怎么想的
然后大家一听是很有道理的
而且他不是限于自己的biased
而是他能真的从用户的角度去思考这个问题
我们就觉得这样的价值是非常非常大
那回过头来他对这个business解决的问题
就是我到底是不是
就是用户用了我这个产品
到底有没有解决痛点呢
他也有一个非常好的sense
这是我觉得PM做的很好
然后希望你们做的更好的地方
那DS的相对优势就是我们可以从数据里边去
我们可以用一个科学的tentative去看载数据
和分析数据
因为毕竟一个人的精力是有限的
人肯定是会被自己的精力所biased的
那这个时候好的PM和好的数据科学家
他就是能知道OK
什么东西是我的hypothesis
什么东西是我知道的事实
那这个hypothesis到底怎么样子从数据里边被验证
比如说我会感觉这个东西什么样的用户
什么样的用户targeting是更好的
但是一个好的dialogist就会首先承认
OK这是一个hypothesis
然后我应该怎么样子去design我的marketing
怎么样子去design我的产品
让这个数据能告诉我
我的targeting到底是不是有效的
如果有效有多有效
或者说我的产品这个feature
我怎么样子告诉我用户到底喜欢A还是喜欢B
哪个更有效
这是稍稍总结一下
就是非常非常笼统的总结一下
就是product versus science
然后一个好的PM这两个都应该知道
好的DS这两个都应该知道
这也就是我们之间有很多可以相互学习的东西
最后最后最后一句话
就是最后再总结再说一个点
就是在我看来什么是有能力但是不好的PM
PM的嘴骗人的鬼
就是所有有能力的PM
他们一定都是非常非常会articulate的
就是他任何一件事情都可以把你说的
都可以说的让你觉得OK这个事情很厉害
好值得做怎么样怎么样
就是这个我觉得很多PM都有这个能力
但是好的PM一定是有所为有所不为
他一定是会首先他不会invest in这个项目本身
他要知道他会从一个客观的角度去看
这个项目到底是不是好的
如果不好就把它干掉
如果好的话再把它留下
如果你看到一个有能力但是不好的PM
他可能是会为了升职
可能是会为了
有的时候是为了取悦自己的盟友
他就会让一个好的没有前途的项目
drag on for too long
他就会说这个东西值得做值得做
其实根本不值得做
大家投入了很多资源以后反而是浪费了这些资源
或者说影响了公司的发展
就是在我看来PM有这个能力
你选择做什么和选择不做什么
ultimately是决定你这个PM到底好不好的最重要的因素
好的今天就讲到这里吧
讲到有点琐碎希望对大家有帮助
如果说我什么地方讲的没清楚的话
我们也可以把这个视频重新做一下
把它讲到更多条理一下
那希望大家都给我留反馈
然后我会多产出这样的内容的
希望大家留言点赞转发
好 下次再见