在最近接受雷德霍夫曼的規模碩士的採訪,Marissa Mayer分享了她創建Google招聘和培訓產品經理(PM)計劃的原因。據她介紹,隨着谷歌變得越來越複雜,他們需要更多的人才能夠靈活地覆蓋公司快速增長的產品範圍的任何方面。然而,聘請合格的產品經理比Mayer預期的要困難得多。她想:“我可以在校外僱用新人,培訓他們成為Google的優秀產品經理,而不是僱用你喜歡的人,他們更有經驗和更高級”。谷歌的APM(助理產品管理)計劃只是其中一個例子,它確立了PM在互聯網公司和數字業務中發揮的關鍵作用。

“一個偉大的產品副總裁是擁有工程師的大腦,設計師的核心和外交官的舌頭的人”,Deep Nishar

產品經理在產品的成功中發揮着重要作用,即使不是最重要的角色。他們使工程,設計,戰略,銷售,營銷,運營和其他專業以最小的摩擦力協同工作。他們擁有(或至少,極大地影響)有關構建內容及其構建方式的決策。Ben Horowitz的着名文章總結了這一點:“優秀的產品經理了解市場,產品……以及競爭非常好,並在強大的知識和信心基礎上運作……一位優秀的產品經理知道背景(公司,競爭) ,……),他們負責設計和執行獲獎計劃(沒有任何借口)。“

另一方面,軟件世界已經出現了持續的變化和轉變。從網絡和移動,到最新和最重要的一個:AI(或更具體的機器學習)。此外,它已經進入了從未被認為可能被“軟件”吃掉的行業。例如,在醫學和金融領域,數字化轉型(包括但不限於AI的引入)正以極快的速度和規模發生。新的獨角獸不斷湧現,如奧斯卡巴比倫健康羅賓漢Revolut, 僅舉幾個。大型企業正在招聘數字和人工智能領導者,以推動其雄心勃勃的轉型計劃。軟件產品的範圍和領域的這種不斷變化,加上AI在現代軟件中的重要性,意味着成為一名優秀的產品經理是一個快速發展的目標。幾年前在一個行業中曾經被認為是偉大的PM的人,甚至可能不符合今天在另一個行業 – 甚至是同一行業 – 的採訪。

“軟件正在吞噬世界,但AI會吃軟件”,Jensen Huang(Nvidia首席執行官)

“戰略下士”(即能夠採取獨立行動並作出重大決策的低級別單位領導人)這一短語是在90年代後期創造出來的,以說明海軍陸戰隊在現代戰場上可能面臨的複雜挑戰。他們可能被要求在三個相鄰的城市街區內進行全面的軍事行動,維和行動和人道主義援助。這類似於我們從傳統公司到互聯網/數字公司的轉變。例如,在A / B測試中(即,在數字業務中做出多少產品決策),由於快速的決策周期和複雜的性質,加上大量的用戶/運營數據,只有產品經理 – 誰接近數據和用戶 – 可以做出真正明智的決定。在這些公司中,決策的很大一部分已經從首席執行官/行政領導者轉移到了PM和工程師。這可以被視為數字業務的定義特徵。

假設擁有數字化轉型的現有企業和初創企業使用新的數字產品來到現場,將人工智能優先設計視為使他們的產品和服務面向未來的關鍵,我認為需要聘用合格的AI- AI首創產品的首批PM或優秀產品經理。因此,這些縱向可能面臨與谷歌面臨的挑戰相似的挑戰:對於新興產品和問題的合格PM人才稀缺,並且可能需要像APM這樣的計劃來塑造他們需要的人才。鑒於所有這些,我很高興看到產品經理的發展。下面我概述了在AI世界中成為優秀產品經理所需的關鍵技能組合和實用人才戰略。

一個偉大的AI-first PM需要有三個關鍵技能組合:(1)一般PM技能,(2)上下文/市場專業知識,以及(3)AI和機器學習知識。這種技能組合使PM能夠從第一天起就擁有強大的知識和信心,並負責提出突破性的產品願景並執行成功的產品路線圖。另一方面,這些人非常罕見,僱用他們對大多數公司來說幾乎是不可能的目標。他們需要一個強大的人才戰略(特別是,他們願意培訓他們需要的AI-first PM)。

基礎知識:總經理必須具備的技能

過去幾十年的互聯網軟件教會了我們很多關於構建和發布穩定軟件的有效方法,快速的決策周期以及現代軟件團隊中各種人才類別的重點。更重要的是,從戰略角度來看,我們現在知道產品失敗的主要原因是它們不能以比其他替代方案更好的方式滿足客戶需求:缺乏產品市場契合度。產品經理最基本的技能應該使他們能夠建立產品市場契合度並解決用戶的問題。

如果您正在開發優質產品,Dan Olsen的精益產品手冊是必讀的。本書提供了技能概述,例如:

  • 了解客戶
  • 問題空間與解空間思維
  • 決定MVP,迭代和數據透視
  • 用於優化產品的分析

這些只是PM在精益產品流程中所需的一些技能,並不斷確保產品市場的適應性和商業成功。生活在這本書中的人(或者在工作中經歷過這本書,作為PM),肯定會具備出色的一般PM技能(我將在本文中將其稱為一般PM)。

適合產品市場的金字塔是Dan Olson的書中心。它說明了PM需要的技能,以及PM在建立產品市場契合時所面臨的挑戰:交付產品,並在實時評估其性能/良好性。

語境與市場的力量

了解市場對於建立產品市場契合至關重要。在許多消費者應用程序中,這些知識可以(至少,部分)通過個人經驗,朋友和家人,快速在線測試等無關緊要。但在商業保險,醫藥和資產管理等更複雜的行業中,這將需要通常來自行業合理時間段內的理解水平以及與領域專家的有意義的互動。此外,在許多正在經曆數字化轉型的垂直行業中,PM的角色是重新思考和重新構想業務 – 這是一項需要對價值鏈和相應業務的首要原則進行全面了解的重大任務。

例如,在保險方面,這需要一定程度的知識,包括承保,定價,索賠,風險管理,資產管理以及保險公司的各種其他內部運作。此外,還有龐大的合作夥伴關係和競爭生態系統(再保險公司,保險公司,經紀人,監管機構等),這增加了決策的複雜性。在醫療保健領域,健康生態系統中各國之間存在巨大差異:支付者,提供者和監管者之間的不同形式的關係; 許多疾病,治療和技術術語; 醫療道德和敏感的個人數據; 快速發展的科學文獻 – 這個名單還在繼續。

對行業/市場的深入了解可以幫助PM超越基本的用戶請求並引入外部功能。

深入的市場知識和行業專業知識有助於在與各種利益相關者和用戶交流時建立PM的可信度。此外,它可以幫助PM將傳統智慧從他們的一般PM技能,到目前的情況和市場。例如,想象一下大型資產管理公司的數字/產品部門正在構建產品,通過新聞驅動的信號標記信用風險事件,為1000億美元的固定收益資產組合。這裡的用戶和關鍵決策者數量將非常少(可能分別少於5和50)。在這裡,令人尷尬的MVP – 可能是由於在尋找正確信號時可避免的AI錯誤以及對信用價差進行準確預測 – 可能會對投資組合產生巨大的負面財務影響,並可能導致產品團隊失去信譽。

這種動態違背了消費者互聯網世界中的傳統智慧(有時會有數十億可尋址的用戶),如果您對產品的第一個版本沒有感到尷尬,那麼您的推出時間太晚了。在這種情況下,用戶更像是風險資本家,他們的反饋可以導致對產品資金的決定/不決定。此外,產品團隊無法通過持續測試來學習基礎知識。平衡傳統智慧與互聯網業務與特定行業的現實是一種微妙的藝術,具有情境知識的PM可以降低整個產品失敗的風險。

“如果你的產品的第一個版本沒有讓你感到尷尬,那麼你的推出太晚了”,Reid Hoffman

深入了解市場可以幫助PM超越基本的用戶請求/反饋,並引入開箱即用的功能。2006年,音樂流媒體服務Spotify的Daniel Ek不得不與音樂盜版競爭 – 幾乎就像一個與付費流媒體服務競爭的免費流媒體服務。他對市場的深刻理解使得流媒體的速度(通過他對聽覺神經科學的了解)和音樂庫的廣度(通過他對市場和用戶的了解)顯然是贏得潛在用戶的關鍵。丹尼爾說:“我在這本書中讀到,人類大腦需要大約200毫秒來感知任何東西。我對工程團隊說,我們得把它降到200毫秒“。他希望用戶擊打遊戲和擊中用戶耳膜的音樂之間的差距難以察覺,基於對產品如何與用戶交互的深刻理解。他還希望用戶感覺他們在硬盤上擁有世界上所有的音樂。他知道通過創造這種感覺,Spotify會比盜版更好地構建一些東西。當時有兩個瘋狂的想法導致Spotify今天取得成功,這兩個想法都源於深度市場和背景知識。

機器學習專有技術

在過去的十年中,我們目睹了軟件在我們生活的各個方面的大量採用:從搜索,購物和旅行到健康,金融及其他方面。更多軟件的正反饋循環>>更多便利+更多數據>>更好的AI >>更多的大規模採用/資金,重複似乎有足夠的燃料來幫助AI-first軟件幾乎達到我們生活的每個角度。這就是為什麼一個好的PM不可避免地要理解驅動或在軟件內部的算法的優點如何影響用戶體驗的成功。

想象一下,如果你打電話給Alexa,它只有60%的時間工作。您對整體產品感到滿意並繼續使用它嗎?會話AI代理人應該準確多久才能讓客戶將體驗視為值得回歸的事物?例如,如果我們從銀行業轉向醫療保健,這個答案將如何改變?醫院是否應採用緊急再入院預測模型,該模型準確率為90%,以便人們對早期檢查進行優先排序,以降低再入院的風險?如何衡量準確度?它是ROC曲線下的區域,還是精確/召回,還是其他什麼?這些只是PM在定義產品路線圖和評估模型對用戶問題的良好性時應該出現的問題的幾個示例。當然,這並不意味着AI-first PM必須擁有機器學習的學位; 它指的是將UX KPI映射到機器學習KPI的能力。

為了進一步講述故事,在構建AI-first產品時,AI是設計過程的起點。而不是將AI功能添加到預AI產品(有時是被稱為“AI inside”產品),它是關於創造一個全新的以AI為中心的體驗,沒有人工智能就沒有意義。這些功能的出現將對敏捷框架的使用產生影響,大多數PM都熟悉並提倡產品的交付(按照普通PM所具有的傳統技能)。與最近幾十年的前AI產品不同 – 它具有許多小功能,可以通過一系列的多周衝刺傳遞 – AI-first產品通常具有少量深層功能,每個產品需要數月,有時甚至數年的研發。另外,實現這些特徵的成功通常具有與之相關的不確定性。例如,計算機是否能夠以99%的C統計量預測阿爾茨海默病的時間?在定義路線圖和功能里程碑時需要採用不同的方法。

如何制定理想的產品管理計劃

在招聘AI-first PM時,技術部門以外的公司面臨三個主要挑戰:

  • 如上所述,市場上出色的AI-first PMs稀缺
  • PM缺乏適當的內部培訓和發展計劃
  • PM職業軌跡定義不明確

總的來說,當小規模招聘時,如果他們設計的方法只僱用AI-first PM或普通PM,那麼這些公司對正式PM特定人才計劃的需求將會少得多; 當然,對於後者,他們必須擁有強大的人工智能和市場專家與PM密切合作,以幫助他們發展成為優秀的AI-first PM。

“當你找不到你需要的員工時,你必須製造它們”,Marissa Mayer

由於AI-first和一般PM(上面提到的兩種招聘方案)的稀缺性,而在招聘後更容易處理,很難成功。這就是為什麼當人工智能首次進行數字化轉型和產品開發時,公司必須願意僱用更廣泛的配置文件來更快地滿足PM人才的需求。鑒於優秀的人工智能首席執行官很可能是相當高級的個人,招聘PM的更具包容性的方法將為各種核心技能組的初級PM人才創造一條有機路徑,以成長為優秀的AI-first PM概況。這隻會是一件好事。

儘管產品經理在數字業務和企業通過數字化轉型中發揮着核心作用,但與此功能相關的人才管理實踐卻令人驚訝地發展不足。例如,根據麥肯錫一份報告,只有35%的產品經理清楚地知道如何在他們的組織中取得進步; 大致相同的數字感覺足夠的指導和指導。大約20%的受訪者表示他們的公司擁有高效的項目來識別和留住最優秀的人才。該圖顯示了產品經理(關於人工智能第一產品)的四個主要原型,招聘公司應該專註於招聘:人工智能優先和普通總經理可以從第一天開始領導產品,而技術和通才的PM-to-bes可以向他們學習並最終成為偉大的PM。肯定有額外的原型可以在這裡添加(例如,UX和設計領域中的那些),但大多數這樣的場景可以是我上面描述的兩個初級原型的組合。

無論招聘公司開始擔任產品經理的資歷水平如何,產品管理主要需要在工作中學習。這就是為什麼這些組織需要建立支持這種學習的機制的原因。通過正式和非正式的培訓,產品和企業之間的頻繁轉換,以及對塑造行業的新人才和趨勢的接觸,優秀的PM將會上升。精心設計的產品管理計劃將是僱傭,培養和留住優秀PM的關鍵,並為他們提供充實的專業體驗。

本文轉自medium,原文地址