亚马逊高级产品总监徐霄鹏：如何对不同用户群体采取差异化运营

嘉宾介绍

徐霄鹏，现任亚马逊中国高级产品总监及高级增长总监，购物体验部及市场部增长团队负责人，Head of PM。职责范围包括：全局线上产品和购物体验；全站UX；中央运营，含首页/跨品类频道运营，大促运营，Deal运营（镇店、秒杀等核心常规促销）；市场部Engagement function（用户增长）。

• 京东/1号店前端产品&UED高级总监，负责全局前台产品、UED

• 携程高级总监，美食业务BU负责人，闭环领导产品、运营、技术、编辑等全部职能

• 群硕软件高级总监

• ABIT（升技电脑）软件部及产品规划部经理

• 中国科学技术大学硕士，清华大学学士

擅长的领域：

• 互联网产品，运营，用户增长，数据（近10年）

• 项目管理：PMP，信息产业部项目集成经理

• 企业级解决方案：数十次成功交付美国应急指挥系统，中国智能燃气平台等大型项目

• 技术研发：语音识别技术（2001年在科大讯飞获中科院学术成果一等奖），汇编/C++及驱动开发，J2EE应用开发（程序员及架构师多项认证）

Q1. 应届生面试产品岗位需要具备哪些核心素质？

每个不同垂直行业（电商、金融、文娱、生活服务、工具等）不同职能（前台、中台、后台、业务等）的产品经理会需要不同的素质，甚至中国企业和美国企业对产品经理的核心能力及素质要求也会有很大不同，需要根据工作岗位特性有针对性地进行核心素质的选择。根据我从事过的电商、OTA等行业来说，对于应届毕业生我会观察如下方面：

1） 逻辑思维。对于复杂问题的分析推理与分类能力。例如，微信朋友圈的信息流抓取算法会需要考虑哪些因素；综合性电商的消费者群体应该如何分类，以及观察哪些特性。

2） 对人性特点、消费心理学、行为心理学等层面的思考与理解力。例如，你觉得大家在京东或者淘宝买东西，会根据哪些因素做购物决策？亚马逊的现有商详页可以做哪些优化以提升加车率？

3） 沟通能力。产品经理是顾客、业务、研发等多方诉求的整合者，通常需要有很强的沟通能力，我会观察他沟通中的理解力、说服力、感染力、换位思考、程度把握和技巧性。

4） 项目管理的基本意识。例如质量和进度把握的意识。学生虽然可能没有做过工程项目，但组织一次班级活动就是一个很好的项目，会观察应试者如何做好。

5） 创新意识。看应试者面对一个难题或者某个现象是否有与众不同却又合理可行的想法。

6） 对于做产品的热情。如果真的对产品经理工作有热忱，应该会读过一定量的相关书籍或产品经理论坛文章，有一定的积累沉淀和理解。

7） 加分项：技术能力、产品实习经验、学生社会工作经验、才智等。

没多少应届生能在以上所有方面都出类拔萃，但应该可以了解到应试者的基本特征，进而判别是否适合当前岗位。

Q2. 电商产品经理和其他行业的产品经理相比有什么特点？

电商是个较为宽泛的行业，存在大量不同类型电商。除去主流互联网产品经理都需要理解的获客、社交传播、忠诚度体系等异曲同工的共性方面有深入理解，电商产品经理的如下特点会比较鲜明：

1） 对零售行业有深入理解。对商品品类特性有较好的了解，明白高频、低频、高单价、低单价、标品、非标品、短复购周期、长复购周期的商品因该如何进行销售引导，通过标签、推荐方式、卖点沟通、陈列方式等差异化手段进行导购和转化。此外，还需要理解零售行业的整体发展趋势，对零售业态、商业环境、消费理念、消费者特性、消费场景等宏观因素的发展变化有敏锐的把握，包括基于此对新零售的解读。此外还需要对品类知识、供应链体系以及相关政策法规有清晰的认知。

2） 对用户的消费／购物心理学有较深入的研究。例如，懂得不同年龄层次（70后、80后、90后、00后等）、不同性别、不同城市线级、不同消费特性（精准、闲逛、价格敏感、）的消费者具备哪些购物决策特征和趋势；如何按消费者特征分群并进行差异化动线引导；对于什么类型的消费者如何激发和锁定购物冲动；如何判断把握促销信息的露出点位、力度控制、节奏把握；知道为什么买，为什么不买，如何引导复购……

3） 电商的人群宽泛，购物动线相对较深（首页，频道／搜索，商详页，购物车，结算，支付），需要对每个环节用户的心理状态和核心诉求有精准的把握，制定每个环节引导策略和核心目标，对人、货、场进行有针对性的精准打造，以在转化、留存、频度、体验等方面获得较好的结果和平衡。

Q3. 对于工作多年的产品经理，如何突破瓶颈实现进阶？

我对初级、中级、高级产品经理的侧重点的解读是，

1） 初级产品经理应当熟练掌握工具和方法论，例如如何做行业以及竞品分析，如何做用户深访，正确分析和理解用户的痛点、痒点、兴奋点，正确理解业务线的核心诉求，并根据需求和调研结果以及竞品分析提出产品解决方案，写出质量良好的产品设计文档，制作高保真原型，与UED、技术等部门进行深入沟通达成一致，并具备基本的项目管理技能，能够对一个产品从需求提出直到上线以及数据驱动的长期优化有较好的把控。

2） 中级产品经理应该对产品模块常见的玩儿套路有较多的经验体会，知道哪个环节常会有什么样的问题，用什么样的解决方案会有什么样的预期效果，对于产品解决方案的长期短期ROI有良好的判断，能够制定合理的产品规划，制定相对中长期的产品目标并紧扣目标进行迭代演进。此外，中级产品经理应当有较好的行业人脉，能够通过交流跨界获取思路上的借鉴和延展。

3） 高级产品经理应当对于商业模式有深刻的认知，知道行业现状和发展趋势及存在问题，明晰产品的盈利模式和增长模式的本质，能够根据公司的战略诉求，紧扣当前的商业模式（及其演进）进行产品战略的设计，甚至能够结合社会需求和新科技成熟度提出新的商业模式。能够有效协调与部门协同，与市场部、业务线、技术部等紧密配合来达成目标。如果是C端的产品，高级产品经理在人性层面应当有深入的认知，在心理学、社会学和哲学层面进行深入的思考，对于目标顾客群体的意识、心理、行为、感受、驱动力、价值观和潜意识有准确的判断。

一个产品经理的成长就是从初级到中级到高级的过程，最终结果也是一个金字塔。

Q4. 如何根据业务的频次、额度、受众等特征来决定增长模式？

不同垂直行业的增长模式会有较大差别，下面以电商为例探讨上述三个因素对增长的影响和响应的策略。

1） 频次：电商消费频次最大的影响因素是品类，其次是钩子产品设计，如限时秒杀、每日爆款、定期上新等，第三是短时效的补贴手段。当然一些外部触达手段，如各类提醒（活动、权益时效、降价、到货、库存紧张等），以及社交传播都会对频次起到调节效果。从增长的角度来看，一端是开源，一端是截流。频次影响更多的是截流，也就是防止流失。当用户保持高活跃度时，流失概率就会大幅缩小。因此，可以考虑把部分获客成本转移到频次刺激手段上：A）考虑对高频品类进行适当补贴并进行强力消费引导来带动整体活跃度，B）着力打造秒杀、每日爆款、上新等高频栏目；C）通过利益告知来引导用户全方位打通和关注触达渠道（SMS，微信，EDM，App推送）并以双赢方式推送与用户高相关的信息拉动活跃度；D）对高流失风险用户精准发放短有效期无门槛券/红包；E）打造签到、抽奖等高粘性产品；F）结合促销节日或社会热点设计活动并打造社交传播产品来唤醒沉睡用户，这里要特别注意种子用户的选择和裂变机制的设计，以最大化投资的ROI；G）内容栏目往往也有很好的粘性和活跃度，如果条件具备，可以精心打造内容栏目并在全购物动线中打通。此外，深夜或周末的流量低谷，可以通过内容栏目的运营来召回用户；H）可以通过大数据建模分析抓取在准流失阶段并易于唤回的用户，进行外部渠道触达，尤其对于高价值准流失用户可以建立客服回访机制；I）对于新客，分析自己的魔法数字---在多长时间（T）内下几单（N）可以达到相对稳定状态，建立任务或引导机制让新客在T时间内完成N单，并进行适当补贴（但要注意补贴应适度，否则可能会扭曲魔法数字），最大化新客留存。

2） 额度，也即消费金额，除以上述的消费频度，即为电商核心指标之一的客单价。这个维度和增长的关系相对间接。可以从以下方面进行思考：A）客单价受品类特性影响较大，通常高单价品类的消费频次偏低，用户相对谨慎，除非有极强的平台忠诚度，否则留存率也相对会偏低。因此，通过低价高频品类带动高价低频品类是一个重要思路，例如携程向旅游美食的渗透，京东向超市品类的迁移；B）满减满赠满折等促销凑单机制虽然可以有效提升客单价，但导致的消费冲动过度释放也可能会使频次减低甚至削弱留存，此外还可能会导致因购物动线和下单决策过程过长而错失购物冲动，降低转化率，甚至得不偿失，因此有条件的话可以通过AB测试对促销方式的设计进行反复推敲，寻找合适的客单价与转化、频度的拐点； C）高频刚需的复购品类（如鸡蛋、桶装纯净水等）可以作为流量钩子使用，建议慎用满件折或N件起购，直接小额补贴打低价（可以限制购买件数），牺牲一定的客单价为代价维持高频复访复购，既维持了活跃度减少了流失，又带动了关联销售；D）随着用户从PC端向移动端的迁移，访问购买频次显著提升，但客单价却随之下降。但移动端用户具有极好的粘性和留存，但数据表明频次的提升和流失的减少可以补偿并提升人均消费额度，因此可以考虑通过移动端补贴、移动端专享功能（如领券、抽奖）、deeplink等方式持续推动PC存量用户往移动端转化；E）昔日电商价格战中有一个巧妙的策略是在对方后院放火，在竞争对手的强势品类上选择少数代表性商品进行大幅度价格补贴，建立自身价格认知并有效撬动竞争对手用户向自己迁移，如京东在图书类目上对当当的突袭，该方法也不失为一个理想的打击对手并促成自身增长的手段。当然这个主要适用于进入新领域或以小搏大。

3） 受众特征：用户有多种分类方式，并且在每个分类中会呈现非常不同的特征，由此需要根据受众特征使用差异化的手段进行运营。这是三个因素中最为复杂的一个，参见下一问题的回答。

Q5. 怎样区分不同用户群体并且对应采取差异化运营？

电商用户动辄数以千万记，海量人群构成复杂，差异显著，但通常应该根据消费特性设计切分方式，可以按性别、年龄／人生阶段、消费力、城市线级、购物基因（价格敏感、品质导向、方案导向）、购物偏好（品类偏好）、购物方式（精准、闲逛）等维度对用户群体加以精细化切分，对于切分出的每个细分群体（多维度矩阵的每个单元格），条件具备的话都应当进行手段各异的精细化运营。从增长的角度看，获客、激活、留存对于每个细分用户群体手段均存在明显差异，但基本规则均是投其所好对其敏感点进行针对性的权益及引导的设计和展示，并且在对方不敏感的维度节约成本以提升整体ROI。限于本文篇幅，在此仅以针对不同购物基因的差异化运营为例：

1） 价格敏感型用户，在购物动线环节中应当突出促销标签、折扣补贴、比价、降价、限时特价等信息的展示；在栏目设计中可以重点引导到各种类型的促销栏目，如秒杀、特卖、闪购、团购、拼团、清仓等，并侧重活动维度引导；在会员体系中可以针对性重点设计专享折扣或返现，并建立升级机制以提升流失沉没成本，提忠诚度和频度；在站外触达信息中则以活动推介和爆品宣传为主；

2） 品质导向用户，在购物动线环节中突出卖点标签（直采、独家、精选、上新、榜单位置等等）、并突出专家推荐信息；栏目设计上可以重点引导到榜单、精选／甄选、买手/编辑推荐、新品首发等栏目，并侧重品牌维度引导；会员体系中可以针对性重点设计专享权益，如优先／专属客服，额外退换货周期，荣誉标签，会员勋章等，此外可以通过稀缺品（如定制款、或限量首发商品）建立专享商品或优先入场机制，提升尊贵感；在站外触达信息中则突出新品、稀缺品和情怀类关怀的宣传。

3） 解决方案型用户，典型特征为遇到某一个生活场景并由此触发购物需求，如新妈妈、开学季、首次出国、寒流／雾霾天不能出门等，感兴趣的商品可能是某一核心品类，也可能跨品类。对于此类用户，场景化需求强烈，价格甚至品质均蜕化为次要因素，而更多在追求一揽子解决方案，想要买“正确的东西”。此时在购物引导上应当提供场景化解决方案专题页，设计场景专栏，突出KOL或其它同类型用户晒单推荐内容，提供攻略类内容或频道，并结合试用、场景套装折扣等手段进行转化；会员体系中可以考虑设计品类／场景达人等级并配套相应权益和勋章，并通过站内外邀请机制来重点刺激拉动体验分享和晒单等UGC内容等产出。针对性组织此类用户的线下活动也是一个有效提升忠诚度、活跃度和内容产出的有效方式。

4） 需要注意用户普遍存在混合基因，上述手段可结合使用，但运营时应当主次分明，区分核心基因，针对不同人群突出重点，并在不敏感方面节约成本。此外，会员体系可以考虑根据购物基因设计多个分支的免费会员体系，并与收费会员结合使用。

Q6. 运营人员该如何与数据团队进行合作进而合理利用数据辅助运营？

我一直把数据定位为产品和运营的双目之一（另一只是用研），通过数据可以准确地发现问题，找到规律，提供运营线索，为运营动作的制定和实施提供明确的指引和依据。互联网运营领域十分广泛，每位运营人员（或每个运营小团队）应当根据自身运营的领域和核心KPI背后的影响因素有针对性地制定数据报表。

数据在运营中的运用大致可以分为如下方面：

1） 常规性数据报表及数据监控：为了最优使用BI资源并突出自身专注点的把握，应当特别注意合理区分数据变化周期和观察频度诉求，差异化制定日报、周报、月报、季报。以电商的销售转化为例：

· 在大促期间观察活动效果，流量变化迅速，高峰此起彼伏，爆品库存时有告罄，此时数据观察应当精确到最小颗粒度甚至实时监控数据曲线，对数据体现的问题（如售罄、宕机、技术故障、黄金资源位单品滞销、页面陈列错误、价格设置错误导致的波动等）迅速响应，优化促销品及资源位，并使用赛马机制，调整会场流量分发，以把大促效果推到极致；

· 对于日常促销活动，可以以天为单位，对促销品类和促销方式在整体转化漏斗中的表现进行观察，定位问题点并迅速进行针对性优化，如换品，换促销规则，更新活动页／活动栏目，配置促销标签等，以达到最佳活动效果；

· 对于首页或频道运营，可以以周或月为单位，通过CTR、停留时间、商详到达率、加车率、转化率、复访频度等维度观察栏目用户的兴趣指数，对于薄弱环节通过数据进行深入分析（如用户动线跟踪、区域点击热度分析、跳失分析等），并适当结合用研的定性定量深访对频道入口交互设计、页面信息架构设计、频道子栏目铺设、信息展示、营销文案等进行优化，以达到最佳效果；

· 对于核心转化漏斗模块的功能迭代和新产品模块的效率效果，可以以月或季为单位（与技术发版周期和新栏目用户教育养成周期有关），结合季节性因素，纵向对比同比和环比相应数据的波动，找到可以发力优化提升的环节。

· 个人认为，运营动作一般带来较快速的数据响应，侧重于日报周报对运营的指导，而产品动作一般受技术发版影响，数据响应周期适中，更偏重月或季为周期的报表，但都谋求发现问题后迅速响应。年报总体来说可能更适用于公司战略和财务考量，除了成果和得失总结，产品和运营侧的使用相对较少。

· 最后，上述例子是针对电商销售阐述。如果是针对用户运营和增长，则观察方向会有所不同，同样可以根据频度对用户的渠道来源和激活情况、传播效果（短周期，如天或周）、活跃度、品类渗透率、交易情况、人均价值（中周期，如月）、留存率、流失返回率、生命周期情况（长周期，如季或半年／年）进相应的数据报表制定和监控，并触发响应的运营调整动作。

2） 针对性专题分析：日常运营中常会碰到一些突发异常情况，例如某阶段用户转化率大幅波动、交易金额飙升或锐减、某栏目CTR暴跌等，再或者对某些趋势性的变化（如消费者导购偏好演变、品牌消费趋势变化）进行分析解读，此时通常会进行专题性分析以寻找下一步运营的侧重点。专题性分析的常用做法是拆分各维度对数据进行观察对比，找到在哪个维度出现强烈波动，并锁定该维度进行进一步深入分解以获取答案。例如，某周周报体现该周全站销售转化率大幅下跌，此时可以通过如下维度拆分观察：

· 首先通过同比分析确定是否存在季节性因素，如春节国庆，该波动实际上是正常现象。如果不是，那么可以展开下述方向的分析。

· 观察转化漏斗各环节的效率波动：首页跳失率、商详页到达率、加车率、结算率、支付成功率等，可能会找到出问题的模块（多数是技术故障）。

· 观察分时段（天、小时）的同比环比订单变化情况。此时有可能会发现某些时段不转化或高转化流量激增，可能由爬虫、广告上线等因素导致。

· 渠道来源对应的转化率变化。此时可能会发现渠道投放策略调整或某些劣质渠道刷流量带来的影响。

· 订单品类、订单地域的来源变化。此时可能会发现热点事件（如北京地区爆发严重雾霾导致净化器和口罩热销）、某品类大力度促销、价格设置错误等带来的影响。

3） AB测试：有时候运营做了某个动作，并观察到了数据波动，由此结论该动作带来了对应的数据波动。这样的推演有时是偏颇甚至错误的，因为数据波动背后会存在多种影响因素。例如，某业务线在周一的首页图标入口位置申请到了飘红资源，次日飘红取消，周二观察到50%的流量下跌。那么，似乎可以结论飘红可以带来50%的流量提升，对嘛？其实观察发现，周一的自然流量本身可能就比周二高10%～20%。如果不做AB测试，可能的分析途径就是做相对长期的均值统计再进行对比。然而，随着时间的推移很多因素在变化，如平台流量、选品和价格策略、促销活动的启停、季节性消费变化、竞争对手的动作等，都会产生甚至不小幅度的影响，导致这样的分析并不准确。不过AB测试的可行性也受平台技术能力、活动目标的影响，有时不能做到准确的流量随机切分，有时又不能承受运营动作不可见带来的损失（如大促阶段），因此需要根据情况来判断如何实施。但正确评估每个动作带来的影响是精细化运营的基础，运营应当具备强烈的AB测试的意识，来获取精确的影响数据。

4） 数据运用的常见误区。在产品和运营的工作中也有很多数据使用的误区，常见的如下：

· 为了数据而数据：我看到非常多的周报、月报，洋洋洒洒地陈列了一大堆的数据，这些数据的来源往往是“看上去好像有用”，或者某一次被用到了，就被加上了周报月报，数据越堆越多，汪洋大海。其实这种状况往往效果适得其反，首先浪费了数据团队的人力或技术资源，更糟糕的是，会使得真正值得被注意的数据淹没其中而得不到关注。要牢记数据是拿来用的，不用的就是无用数据。建议1，根据会实际执行的目的性动作而定制数据需求；2，定期回顾数据报表，哪些很久没有被使用了，可以定期清理去除。当然，存档性的基础数据越全越好，但也应尽量减少数据冗余，以减低数据一致性风险。

· 过度反应于数据小幅波动：大家常常会对环比做统计，看到流量增减了个3%就花很多时间分析却得不出有价值结论。其实，唯一永恒不变的就是变化，要对数据波动合理性有一个判断，超出什么幅度才代表可能会引起后果的异常（可以参考统计学相关知识），设立合适的警戒阈值，只有超出了上下限才触发一次分析。这样可以有效节省数据团队资源，也可以让自己专注于正确的事情。

· 忽略趋势性数据：与上述问题相反，有时小幅的数据持续性变化（同向的增减），则在揭示着背后的某些规律。如果观察到趋势性现象（连续5个或7个同向点，基于数据对应的事情本身有多关键），哪怕幅度微小，也应当引起重视，触发分析。

· 幸存者偏差：该现象指的是只能看到经过某种筛选而产生的结果，而没有意识到筛选的过程，因此忽略了被筛选掉的关键信息。例如战斗机制造商统计战争中返修飞机被击伤的部位，发现主要在机翼，因此特别加强了机翼，真相是，最脆弱的是机头，而机头被击穿的飞机都坠毁了，没能返修而被列入统计。在实际的运营中也常有此类偏差，例如，通过销售数据观察发现某品类有较好的订单数量和用户活跃度，因此结论该品类的运营工作较为成功，但真相可能是该品类业务线占据了大部分的黄金运营资源位，大入口流量促成了最终的销售结果，然而该品类的转化效率其实不高。

· 数据扭曲：很多时候数据受到多种未被统计到的因素影响而产生偏差。例如，在留存顾客比率与订单数的历史数据观察中可能会发现用户下到第五单后呈现相对稳定的留存，由此结论五单为本站的留存魔法数字，并立项通过每单补贴或任务目标补贴推动用户从新客一直转化到五单。然而，该刺激手段可能使用户不是正常下单心态，而是奔着补贴而来，因此五单达成后迅速流失。解决该问题时需要通过数据观察和反复测试仔细推敲补贴的程度、周期，让补贴可以促进用户下单但不会成为下单的主要目的，并针对需求周期合理控制发放频度，让用户健康成长直至稳定。

PMCAFF问答专场是一场与PMCAFF用户互动的问答活动，我们每期都会邀请知名互联网公司的一线产品从业者和咖友们共同交流，目前已成功举办过60+期，先后有来自腾讯、百度、阿里、360、小米、京东、去哪儿等大厂嘉宾入驻。

这个世界问题太多，我们需要一个能够解决问题的人。

如果你有足够的能力解决来自PMCAFF用户在你的专业领域中，以不同的角度提出各类刁钻问题，那么欢迎你参加PMCAFF问答专场。

活动申请可以添加工作人员微信沟通咨询，加好友请备注：问答专场。