在最近接受雷德霍夫曼的规模硕士的采访,Marissa Mayer分享了她创建Google招聘和培训产品经理(PM)计划的原因。据她介绍,随着谷歌变得越来越复杂,他们需要更多的人才能够灵活地覆盖公司快速增长的产品范围的任何方面。然而,聘请合格的产品经理比Mayer预期的要困难得多。她想:“我可以在校外雇用新人,培训他们成为Google的优秀产品经理,而不是雇用你喜欢的人,他们更有经验和更高级”。谷歌的APM(助理产品管理)计划只是其中一个例子,它确立了PM在互联网公司和数字业务中发挥的关键作用。

“一个伟大的产品副总裁是拥有工程师的大脑,设计师的核心和外交官的舌头的人”,Deep Nishar

产品经理在产品的成功中发挥着重要作用,即使不是最重要的角色。他们使工程,设计,战略,销售,营销,运营和其他专业以最小的摩擦力协同工作。他们拥有(或至少,极大地影响)有关构建内容及其构建方式的决策。Ben Horowitz的着名文章总结了这一点:“优秀的产品经理了解市场,产品……以及竞争非常好,并在强大的知识和信心基础上运作……一位优秀的产品经理知道背景(公司,竞争) ,……),他们负责设计和执行获奖计划(没有任何借口)。“

另一方面,软件世界已经出现了持续的变化和转变。从网络和移动,到最新和最重要的一个:AI(或更具体的机器学习)。此外,它已经进入了从未被认为可能被“软件”吃掉的行业。例如,在医学和金融领域,数字化转型(包括但不限于AI的引入)正以极快的速度和规模发生。新的独角兽不断涌现,如奥斯卡巴比伦健康罗宾汉Revolut, 仅举几个。大型企业正在招聘数字和人工智能领导者,以推动其雄心勃勃的转型计划。软件产品的范围和领域的这种不断变化,加上AI在现代软件中的重要性,意味着成为一名优秀的产品经理是一个快速发展的目标。几年前在一个行业中曾经被认为是伟大的PM的人,甚至可能不符合今天在另一个行业 – 甚至是同一行业 – 的采访。

“软件正在吞噬世界,但AI会吃软件”,Jensen Huang(Nvidia首席执行官)

“战略下士”(即能够采取独立行动并作出重大决策的低级别单位领导人)这一短语是在90年代后期创造出来的,以说明海军陆战队在现代战场上可能面临的复杂挑战。他们可能被要求在三个相邻的城市街区内进行全面的军事行动,维和行动和人道主义援助。这类似于我们从传统公司到互联网/数字公司的转变。例如,在A / B测试中(即,在数字业务中做出多少产品决策),由于快速的决策周期和复杂的性质,加上大量的用户/运营数据,只有产品经理 – 谁接近数据和用户 – 可以做出真正明智的决定。在这些公司中,决策的很大一部分已经从首席执行官/行政领导者转移到了PM和工程师。这可以被视为数字业务的定义特征。

假设拥有数字化转型的现有企业和初创企业使用新的数字产品来到现场,将人工智能优先设计视为使他们的产品和服务面向未来的关键,我认为需要聘用合格的AI- AI首创产品的首批PM或优秀产品经理。因此,这些纵向可能面临与谷歌面临的挑战相似的挑战:对于新兴产品和问题的合格PM人才稀缺,并且可能需要像APM这样的计划来塑造他们需要的人才。鉴于所有这些,我很高兴看到产品经理的发展。下面我概述了在AI世界中成为优秀产品经理所需的关键技能组合和实用人才战略。

一个伟大的AI-first PM需要有三个关键技能组合:(1)一般PM技能,(2)上下文/市场专业知识,以及(3)AI和机器学习知识。这种技能组合使PM能够从第一天起就拥有强大的知识和信心,并负责提出突破性的产品愿景并执行成功的产品路线图。另一方面,这些人非常罕见,雇用他们对大多数公司来说几乎是不可能的目标。他们需要一个强大的人才战略(特别是,他们愿意培训他们需要的AI-first PM)。

基础知识:总经理必须具备的技能

过去几十年的互联网软件教会了我们很多关于构建和发布稳定软件的有效方法,快速的决策周期以及现代软件团队中各种人才类别的重点。更重要的是,从战略角度来看,我们现在知道产品失败的主要原因是它们不能以比其他替代方案更好的方式满足客户需求:缺乏产品市场契合度。产品经理最基本的技能应该使他们能够建立产品市场契合度并解决用户的问题。

如果您正在开发优质产品,Dan Olsen的精益产品手册是必读的。本书提供了技能概述,例如:

  • 了解客户
  • 问题空间与解空间思维
  • 决定MVP,迭代和数据透视
  • 用于优化产品的分析

这些只是PM在精益产品流程中所需的一些技能,并不断确保产品市场的适应性和商业成功。生活在这本书中的人(或者在工作中经历过这本书,作为PM),肯定会具备出色的一般PM技能(我将在本文中将其称为一般PM)。

适合产品市场的金字塔是Dan Olson的书中心。它说明了PM需要的技能,以及PM在建立产品市场契合时所面临的挑战:交付产品,并在实时评估其性能/良好性。

语境与市场的力量

了解市场对于建立产品市场契合至关重要。在许多消费者应用程序中,这些知识可以(至少,部分)通过个人经验,朋友和家人,快速在线测试等无关紧要。但在商业保险,医药和资产管理等更复杂的行业中,这将需要通常来自行业合理时间段内的理解水平以及与领域专家的有意义的互动。此外,在许多正在经历数字化转型的垂直行业中,PM的角色是重新思考和重新构想业务 – 这是一项需要对价值链和相应业务的首要原则进行全面了解的重大任务。

例如,在保险方面,这需要一定程度的知识,包括承保,定价,索赔,风险管理,资产管理以及保险公司的各种其他内部运作。此外,还有庞大的合作伙伴关系和竞争生态系统(再保险公司,保险公司,经纪人,监管机构等),这增加了决策的复杂性。在医疗保健领域,健康生态系统中各国之间存在巨大差异:支付者,提供者和监管者之间的不同形式的关系; 许多疾病,治疗和技术术语; 医疗道德和敏感的个人数据; 快速发展的科学文献 – 这个名单还在继续。

对行业/市场的深入了解可以帮助PM超越基本的用户请求并引入外部功能。

深入的市场知识和行业专业知识有助于在与各种利益相关者和用户交流时建立PM的可信度。此外,它可以帮助PM将传统智慧从他们的一般PM技能,到目前的情况和市场。例如,想象一下大型资产管理公司的数字/产品部门正在构建产品,通过新闻驱动的信号标记信用风险事件,为1000亿美元的固定收益资产组合。这里的用户和关键决策者数量将非常少(可能分别少于5和50)。在这里,令人尴尬的MVP – 可能是由于在寻找正确信号时可避免的AI错误以及对信用价差进行准确预测 – 可能会对投资组合产生巨大的负面财务影响,并可能导致产品团队失去信誉。

这种动态违背了消费者互联网世界中的传统智慧(有时会有数十亿可寻址的用户),如果您对产品的第一个版本没有感到尴尬,那么您的推出时间太晚了。在这种情况下,用户更像是风险资本家,他们的反馈可以导致对产品资金的决定/不决定。此外,产品团队无法通过持续测试来学习基础知识。平衡传统智慧与互联网业务与特定行业的现实是一种微妙的艺术,具有情境知识的PM可以降低整个产品失败的风险。

“如果你的产品的第一个版本没有让你感到尴尬,那么你的推出太晚了”,Reid Hoffman

深入了解市场可以帮助PM超越基本的用户请求/反馈,并引入开箱即用的功能。2006年,音乐流媒体服务Spotify的Daniel Ek不得不与音乐盗版竞争 – 几乎就像一个与付费流媒体服务竞争的免费流媒体服务。他对市场的深刻理解使得流媒体的速度(通过他对听觉神经科学的了解)和音乐库的广度(通过他对市场和用户的了解)显然是赢得潜在用户的关键。丹尼尔说:“我在这本书中读到,人类大脑需要大约200毫秒来感知任何东西。我对工程团队说,我们得把它降到200毫秒“。他希望用户击打游戏和击中用户耳膜的音乐之间的差距难以察觉,基于对产品如何与用户交互的深刻理解。他还希望用户感觉他们在硬盘上拥有世界上所有的音乐。他知道通过创造这种感觉,Spotify会比盗版更好地构建一些东西。当时有两个疯狂的想法导致Spotify今天取得成功,这两个想法都源于深度市场和背景知识。

机器学习专有技术

在过去的十年中,我们目睹了软件在我们生活的各个方面的大量采用:从搜索,购物和旅行到健康,金融及其他方面。更多软件的正反馈循环>>更多便利+更多数据>>更好的AI >>更多的大规模采用/资金,重复似乎有足够的燃料来帮助AI-first软件几乎达到我们生活的每个角度。这就是为什么一个好的PM不可避免地要理解驱动或在软件内部的算法的优点如何影响用户体验的成功。

想象一下,如果你打电话给Alexa,它只有60%的时间工作。您对整体产品感到满意并继续使用它吗?会话AI代理人应该准确多久才能让客户将体验视为值得回归的事物?例如,如果我们从银行业转向医疗保健,这个答案将如何改变?医院是否应采用紧急再入院预测模型,该模型准确率为90%,以便人们对早期检查进行优先排序,以降低再入院的风险?如何衡量准确度?它是ROC曲线下的区域,还是精确/召回,还是其他什么?这些只是PM在定义产品路线图和评估模型对用户问题的良好性时应该出现的问题的几个示例。当然,这并不意味着AI-first PM必须拥有机器学习的学位; 它指的是将UX KPI映射到机器学习KPI的能力。

为了进一步讲述故事,在构建AI-first产品时,AI是设计过程的起点。而不是将AI功能添加到预AI产品(有时是被称为“AI inside”产品),它是关于创造一个全新的以AI为中心的体验,没有人工智能就没有意义。这些功能的出现将对敏捷框架的使用产生影响,大多数PM都熟悉并提倡产品的交付(按照普通PM所具有的传统技能)。与最近几十年的前AI产品不同 – 它具有许多小功能,可以通过一系列的多周冲刺传递 – AI-first产品通常具有少量深层功能,每个产品需要数月,有时甚至数年的研发。另外,实现这些特征的成功通常具有与之相关的不确定性。例如,计算机是否能够以99%的C统计量预测阿尔茨海默病的时间?在定义路线图和功能里程碑时需要采用不同的方法。

如何制定理想的产品管理计划

在招聘AI-first PM时,技术部门以外的公司面临三个主要挑战:

  • 如上所述,市场上出色的AI-first PMs稀缺
  • PM缺乏适当的内部培训和发展计划
  • PM职业轨迹定义不明确

总的来说,当小规模招聘时,如果他们设计的方法只雇用AI-first PM或普通PM,那么这些公司对正式PM特定人才计划的需求将会少得多; 当然,对于后者,他们必须拥有强大的人工智能和市场专家与PM密切合作,以帮助他们发展成为优秀的AI-first PM。

“当你找不到你需要的员工时,你必须制造它们”,Marissa Mayer

由于AI-first和一般PM(上面提到的两种招聘方案)的稀缺性,而在招聘后更容易处理,很难成功。这就是为什么当人工智能首次进行数字化转型和产品开发时,公司必须愿意雇用更广泛的配置文件来更快地满足PM人才的需求。鉴于优秀的人工智能首席执行官很可能是相当高级的个人,招聘PM的更具包容性的方法将为各种核心技能组的初级PM人才创造一条有机路径,以成长为优秀的AI-first PM概况。这只会是一件好事。

尽管产品经理在数字业务和企业通过数字化转型中发挥着核心作用,但与此功能相关的人才管理实践却令人惊讶地发展不足。例如,根据麦肯锡一份报告,只有35%的产品经理清楚地知道如何在他们的组织中取得进步; 大致相同的数字感觉足够的指导和指导。大约20%的受访者表示他们的公司拥有高效的项目来识别和留住最优秀的人才。该图显示了产品经理(关于人工智能第一产品)的四个主要原型,招聘公司应该专注于招聘:人工智能优先和普通总经理可以从第一天开始领导产品,而技术和通才的PM-to-bes可以向他们学习并最终成为伟大的PM。肯定有额外的原型可以在这里添加(例如,UX和设计领域中的那些),但大多数这样的场景可以是我上面描述的两个初级原型的组合。

无论招聘公司开始担任产品经理的资历水平如何,产品管理主要需要在工作中学习。这就是为什么这些组织需要建立支持这种学习的机制的原因。通过正式和非正式的培训,产品和企业之间的频繁转换,以及对塑造行业的新人才和趋势的接触,优秀的PM将会上升。精心设计的产品管理计划将是雇佣,培养和留住优秀PM的关键,并为他们提供充实的专业体验。

本文转自medium,原文地址