產品企劃開發人員的學習地圖
我大學唸資訊工程,研究所唸圖書資訊,1998進入新浪網,依序歷練搜尋引擎頻道編輯、電子郵件服務製作人、搜尋引擎頻道經理、Portal產品線主管(管理新浪網首頁、搜尋引擎、內容類、社群類等十個頻道)。之後待過電信公司、數位內容新創公司、軟體公司。2007年加入104,至今20多年都是扮演產品經理與主管的角色。
分享我在網路產業擔任產品經理20年,領悟的觀念、原理與方法。職務技能大致可分成【產品企劃】、【產品開發】、【產品行銷與營運】三大階段。每家公司對於產品企劃人員的角色與責任設定不同,對於技能的要求側重也會不同。
學習領域知識,是從事產品企劃工作的第一步
每個領域都有其特性,學習領域知識是從事產品企劃工作的第一步。
我剛進新浪網時,在搜尋引擎頻道負責網站登錄與分類工作,在圖資所學到的知識,正好派上用場。但我沒有網路產業經驗,必須補足產業背景知識。
公司給我的任務之一是每天登錄80個網站,並進行分類、摘要撰寫與評價。工作內容沒什麼變化,許多人覺得枯燥,後來是找圖資系的工讀生來做。但我覺得這樣的基層工作為我後來的職涯發展打下很好的基礎,因為一個月累積下來,可看超過1600個網站。
入口網站有新聞、財經、娛樂、社群…等各類頻道,負責人來自不同領域背景,我如果看到相關主題的優質網站,會主動寫mail推薦給相關的頻道負責人參考。雖然常因此加班到很晚,但幫助我更快了解網路產業的各種服務。
後來的幾次轉職,都是不同的領域,我快速學習領域知識的方法都是:上班時保持好奇心,多聽多問;下班後上網或到書店蒐集與研讀領域相關資訊,特別是上班時聽不懂的名詞、觀念與知識。進104之前,我對就業服務產業完全陌生,同樣的學習方法,還考取了就業服務技術士的證照。領域知識學習沒有秘訣,勤勞而已。
學員可先依目前從事或想進入的領域,決定學習哪些領域知識。電子商務是Internet產業的主要領域之一,持續蓬勃發展,因此成為產品企劃開發人員的需求技能。
電子商務了解目標族群的需求、痛點與行為
我在新浪網擔任搜尋引擎頻道經理時,當時入口網站的搜尋服務只有「網站搜尋」與「網頁搜尋」。我從用戶的搜尋紀錄,觀察到不少使用者會有找相關新聞與論文的需求,但既有的網頁搜尋結果不夠精準。於是找了當時的服務廠商,合作開發「新聞搜尋」服務。上線後頗獲好評,總部請我協助將「新聞搜尋」服務導入到北美站與香港站,是當時台灣站少數幾個輸出到海外的產品服務。
後來又和國家圖書館合作推出「期刊論文搜尋」服務,讓用戶只需要一個click就在搜尋結果中切換「網站搜尋」、「網頁搜尋」、「新聞搜尋」、「期刊論文搜尋」結果。這樣的設計概念現在大家應很熟悉,Google的搜尋結果介面就是如此,但在當時算是小創新。
產品/服務是為用戶解決問題與創造價值而存在。
產品企劃不能只憑個人經驗想像,須研究目標族群的需求與痛點,也須評估市場規模、市場機會與競爭情況。以經營網路平台為例,會透過分析用戶意見反映、網站流量與用戶行為紀錄,並進行市場調查、使用者研究,來了解目標族群的需求、痛點與行為。有的公司會另有市場研究部門與產品企劃人員一起協作。
熟悉產品企劃流程
產品構想提案至少需要包含
目標族群(TA)、要解決的用戶需求與痛點(Issues)、佐證資料(Evidence)
、可衡量的目標(Objective)
等。通常產品企劃新手會從產品/服務局部功能的改善開始歷練,資深企劃或產品經理會提供提案與企劃書範本。
有好的提案與簡報技巧有助於取得主管與關係人的支持,順利進入下一關。
「工欲善其事,必先利其器」,學習產品企劃工具
以前我當產品企劃時,撰寫企劃書的工具是Microsoft
Word,搭配Visio畫網頁流程,
通常得頻繁與設計師、工程師來回溝通,解釋期待的網頁流程與互動效果。
現在有更好用的工具,例如Axure RP,可以規劃網站與App原型(prototype),模擬真實產品的互動,大幅提高產品企劃人員與設計師、工程師之間的溝通效率。
Axure RP以終為始,透過企劃、開發、營運循環提升產品企劃力
20年前,我剛進入新浪網時,大家都是邊做邊學,並沒有已驗證有效,可驅動網站持續成長的理論可參考。記得大學時看過一本「控制論與科學方法論」的科普書籍,很喜歡其中的「可能性空間」、「透過負反饋調節擴大控制能力」的概念,便嘗試把這樣的方法用在搜尋引擎頻道經營。
每天進公司第一件事,打開Webtrend(一種像GA的流量分析工具),觀察昨天的流量變化,思考與假設原因。用Excel記錄數據,畫成流量趨勢圖,分析與歸納哪些行動方案和成長有密切相關,哪些無關。再汰弱留強,重新配置投入資源,再觀測結果,持續循環。這樣的方法,讓搜尋引擎頻道流量成長為公司各產品之冠。
後來負責整個Portal產品線,嘗試將同樣的方法導入內容類頻道,也有很好的成效,帶動網站整體流量屢創新高。這樣的方法,和大家可能聽過的PDCA與迭代優化很像,但更強調貫徹「假設」、「驗證」與「快速轉動」的循環優化。