【生活】聊聊如何做一个产品

一、背景

上篇文章《队列与栈就是这么简单【总结篇】》提到，清明回家三天都没有写文章，在陪家人。
这期间空闲时间就多了，便想了很多东西，计划写两篇文章。
第一篇就是产品相关的，如何做一个产品。

二、背景2

我只是一个读书人（微信读书），没独立主导过产品。
但是我看过其他产品的案例分享，自己也独立做过不少项目，加上自己的一些逻辑思考，推理出一些基本规则来。

这里以短视频为例，说给你听听，也许对你有帮助。

三、产品首次上线

产品第一次上线的时候，功能一定要尽可能的简单。
比如搜索、推荐、列表筛选都可以没有的。

那可能有人问：出什么数据呢？
这个最简单：出运营的精品数据。
是的，所有人看到的都一样。

问：精品数据更新策略如何？
答：每天更新一次。

问：精品数据刷完了怎么办？
答：历史上的精品数据循环展示（今天的刷完了推昨天的前天的）。

这里的重点是数据要足够好。
在此期间，要做的技术优化就是体验问题。
UI是否合理，操作是否流畅。

这些优化问题一方面来源是自己多使用自己遇到想到，另一面更大的来源应该是用户反馈的。
所以，一定要给用户一个清晰的反馈入口，并及时耐心的答复每一位用户。

如果做得顺利，一段时间后，就会有一批种子用户以及对应的用户画像。

四、用户冷启动问题

对于信息流产品，最大的问题就是新用户的冷启动。
这个其实反而是最好解决的。
就像产品首次上线时做的那样，推送精品运营数据即可。

由于产品之前已经有一批种子用户了，根据用户的行为，可以得到每日最热视频榜、全网最热视频榜。
对于新用户，给新用户推最热榜单的数据也是其中一种策略。

依靠精品数据和最热数据，就可以轻松解决新用户问题。

五、老用户问题

随着产品的不断迭代打磨，推荐功能肯定会上线，且作为信息流的主要来源。
这里很容易会发生一个问题：全部推荐化。

其实，在前面两步里，我们有两个重要的数据始终不能抛弃：精品运营数据和最热榜单数据。
且这两个数据的权重还应该大点，然后留很小的权重给算法推荐。
精品运营数据、最热榜单、推荐数据的权重比如可以是6:3:1，当然这个权重我瞎编的。

总结一下就是，个性化推荐很重要，但是并不是那么重要。

六、产品优化的误区

产品优化中，有很多误区，这里说两个。

第一个是ABtest误区。 有时候，上线新功能，使用ABtest一看，哇，效果很明显，马上全量上线。
时间拉长后，发现增长也并没有那么明显，甚至还有所下降。
不过这些涉及的因素较多，ABtest往往会甩锅：肯定是其他原因导致的。

第二个是KPI误区。
上线新功能，一看，哇，数据很漂亮。
但是一段时间之后，发现除了数据漂亮外，收入和其他的比较实在的指标都没啥变化。

所以这里，产品优化，一定要找一个客观的实在的指标来参考，而不能找那些虚的指标，如播放量、pv数、日活月活等。
不然就是自己骗自己，最后大家都在自嗨。

有时候好不容易找到一些比较客观的指标，如投诉率。
产品做了一些优化投诉率马上降下来了。
一问，原来是提高了用户投诉的门槛，另外对于投诉活跃用户进行屏蔽。

最后产品死前很多人也不瞑目：明明数据做得这么好，怎么说死就死了呢？

七、最后

做产品，其实需要耐心打磨的。
总结一下就是：初步做一个最简最精的产品，精心运营种子用户，依靠种子用户拉动增长并继续打磨产品，最后形成了自己的产品文化后，再找各种资源来引流导量。

你怎么看待产品这个问题呢？

-EOF-