字节跳动的价值观，带给“数据主义者”哪些启示？( 二 )

所以贸然替用户做决定是不科学的，因为用户是多元的、复杂的、流动的，你上个月掌握的用户画像、看的行业分析报告，在这个月就不一定成立了。因为用户群的分布可能发生了变化，用户的心智模型也可能发生了变化，所以要敬畏用户，用科学定量的实验办法来验证自己对用户的理解。
2. 坚持做大众需求
市面上有很多小众产品，但小众产品往往健壮性较差。由于客观世界规模效应的存在，大多数资源会倾向于少数产品，而大多数人会使用趋同的热门产品。如果产品只是小众且美，但找不到自己独特的价值，是很缺乏竞争力的。
在策略上也是一样，策略分为通用策略、垂类策略两大类，一定优先做通用策略，再做垂类策略。如果你有100个用户，且100个用户的价值是相等的，那一定优先做100%用户都受益的策略，尽量不优先做小于10%的人群的需求，除非这类人群有着更大的价值。
举个例子，如果大盘用户的人均阅读数是7条，有一个垂类策略能影响10%的用户，会使这类用户的人均阅读数增加20%（也就是1.4条），那么对整体大盘数据的影响其实也只有0.14条（（8.4×10 + 7×90）/100 - 7）的人均阅读提升而已。除非这类用户是高净值用户，否则不优先做这个小策略。
尽管大众需求有很多，但有一条价值观还是要保证的，即永远不做损害他人的需求。这不仅是产品的价值观，也是做人的底线。

本文插图
3. 平台共享
用户画像一直饱受争议，争议的点有以下几个。

从模型侧来讲，用户画像其实对算法模型有帮助但并不太大，毕竟用矩阵分解等机器学习算法模型的用户往往更多一些。
从产品、运营经理的日常工作来讲，用户画像又是一个不可或缺的工具，毕竟我们需要可解释的产品运营策略。
从公司领导层来讲，用户画像是一个需要高成本搭建（要维护画像准确率和召回率），同时需要高成本工具实现运用，用户画像若不运用是无法对线上指标产生作用的。

尽管如此，对于经济压力较小的公司来说，底层的基础数据是最为重要的，因为它是避免重复造轮子来实现规模效应的重要因子，所以优先做平台共享的模块、特征数据是非常重要的“道” 。
4. 假设驱动迭代
举个例子，商场的扶梯设计和地铁的扶梯设计，理念明显是不同的。商场的扶梯设计理念是要以最长的路径让用户从1楼到5楼，而地铁的扶梯设计理念则是以最大效率让用户快速通过。这取决于顶层设计的目标是希望用户留下来，还是希望用户走出去。
所以数据验证服务于顶层设计，在顶层设计结束后，数据驱动的本质是假设驱动，无论是做数据分析还是A/B测试实验，都需要依赖假设的建立。
以不同的假设来验证假设的正确与否的目标，要通过数据分析和实验设计来达成。
假设驱动的方法是自适应的，是可以根据数据结果进行自我修正。在得到正确的数据分析结论之前，假设也在一步步地进行迭代与验证，最终达到理想态。
而顶层设计，往往是CEO完成的，是根据商业格局构建的理论模型做出的判断。顶层设计是无法进行自我修正的，只能以企业最高决策者的意志为转移，所以数据驱动并非是万能的。策略产品经理必须要认清假设驱动的壁垒，即假设驱动无法验证全局，只能验证局部，全局只能通过市场和时间进行验证。
5. 不要忤逆用户
永远做顺应人性的需求，可以适当引导但不可以寄希望于大幅度改变用户心智。人性是一个很复杂的系统，大多数人既有天使价值观也有恶魔价值观。
当我们做任何决策的时候，脑中往往会有两个“小人”在打，其中一个是天使，一个是恶魔。天使往往督促你做正确的事，这种事往往需要付出一些体力、脑力或者心力作为代价，而恶魔在诱惑你做舒服的事，比如躺下、吃甜食，刷短视频。