1.数据分析
产品数字背后的深层次逻辑：用户习惯
数据：让我们知道发生了什么
用户研究：让我们理解为什么
数据是检验产品好坏的重要标准：性能、活跃、收入
数据思维
1）业务数据生产过程（产品是数据最直接的生产源头）
2）业务数据分析的思考（业务是怎么分析数据，产品数据架构设计如何平衡）
3）数据建设方式思考（什么样的数据是流转，如何流转）
4）数据创新方法的研究（数据能给业务从形态、体验等多方面支持创新）
2.需求分析
2.1 To B 的核心：提效降费
1）行业价值链分析
行业变革的主要原因？
上下游谁更需要谁？
谁是最终买单的关键决策者？
2）定价权
对客户的影响力，竞争力，不可替代性
收入模式是否可持续增长？
3）如何积累数据？
从-1到0:信息化／网络化／智能化 三波叠加
2.2 To C 的核心：LTV-CAC
1）痛点假设
真刚需？频次如何？代价多大？
天使人群？
2）商业模式关键点
LTV：Lifetime Value（用户生命周期价值）
CAC：Cost Acquire Customer（获客成本）
PBP：Payback Period （投资回收期）
3）积累数据的方式
用更好的体验来勾数据（如今日头条/百度）
2.3 To B与To C的异同
| 类别 | To B | To C |
|---|---|---|
| 技术成熟度 | 垂直细分场景下的技术应用 | 成熟且较为通用的技术 |
| 产业依赖度 | 定制化或者自主研发相关部件 | 依赖上下游产业链的成熟 |
| 毛利率 | 重视毛利和财务指标 | 借助资本，快速扩张 |
| 商业模式 | 往往是提效降费，旧瓶换新酒 | 改变产品成本结构或缩短产业中间环节 |
| 产品周期 | 相对较长，从-1到0 | 迭代迅速，精益试错 |
| 团队能力 | 行业纵深与技术能力是核心 | 比拼工程、成本、运营的综合优化能力 |
3.市场分析
市场研究
1）规模
2）频度
3）保持体验优势的能力
4）单次使用商业价值
市场洞察
1）分析反馈的现象，归纳出问题
2）提炼问题的各种关键性信息，场景，角色，目的，动机，原因---需求
3）抽象出类似的需求，用共性特征评估市场规模
4）用最简单低成本的方法试验并分析，如MVP、PMF
5）作出是否要立项的判断
6）立项资源配置和组织配置
网友评论