'數據增長對於設計師來說，是“真命題”還是“偽命題”？'

這兩年經濟形式的大環境，以及大多數的互聯網產品已經步入成熟期，用戶量基本穩定，C類產品漸漸從過去的追求KPI變成了業務價值“增長”。行業內的招聘也漸漸變成了“產品經理（數據增長）”“設計師（數據增長）”，那麼問題來了：“數據增長”到底是“真命題”還是“偽命題”？

這兩年經濟形式的大環境，以及大多數的互聯網產品已經步入成熟期，用戶量基本穩定，C類產品漸漸從過去的追求KPI變成了業務價值“增長”。行業內的招聘也漸漸變成了“產品經理（數據增長）”“設計師（數據增長）”，那麼問題來了：“數據增長”到底是“真命題”還是“偽命題”？

這個話題源於跟小夥伴聊天時對於所謂“數據”“增長型”設計的思考，以及前幾年對於產品、運營的業務能力評定，從“KPI”為目標導向變為“北極星指標”去達成業務目標。

“增長”這個名詞成為了近兩年的熱詞，起源大事件是可口可樂用“首席增長官”取代了“首席營銷官”，“增長”變為成熟期公司們新時代的目標，畢竟品牌和產品的認知度夠廣，用戶量穩定，需要的是更多業務合作和連接帶來商業資金變化。

這兩年經濟形式的大環境，以及大多數的互聯網產品已經步入成熟期，用戶量基本穩定，C類產品漸漸從過去的追求KPI變成了業務價值“增長”，注意是“業務”帶來“增長”變化，行業內的招聘也漸漸變成了“產品經理（數據增長）”“設計師（數據增長）”。

那麼問題來了：“數據增長”到底是“真命題”還是“偽命題”？

A說：

一個H5推廣小遊戲，只不過放置在了QQ得開屏頁推廣，最終就有幾億的流量，這個數據可以成為設計師簡歷裡所謂得“增長”型能力嗎？

B說：

核心功能頁強加一個廣告頁，用戶要使用這個功能就必須等待廣告結束， 這個廣告入口設置提升了廣告得點擊率/瀏覽時長，這個數據可以成為產品經理簡歷裡所謂的”增長”型能力嗎?

C說：

2B型產品，設計師需要驗證設計價值提升了商業價值，但實際設計產出對商業價值轉換有直接相關性嗎？如果是產品經理提出的需求，根據需求提出的解決方案，轉化率高算業務的呢，還是算設計立功?反之，如果需求不合理做出的解決方案，轉化率低是業務得鍋還是設計師得鍋?

……

大廠產品進入“成熟期”，用戶量已經到達頂峰，無非是穩定用戶基數，尋求新的商業機會（業務拓展），所謂的數據變化看重的是用戶體驗、商業變現直接相關的業務組合，那到底該如何衡量所謂的“增長型”呢？

我梳理了幾個方向去看待這個問題：

設計師常見的幾種數據

首先先來看看我們設計師經常接觸幾種數據類型：

• 日/周/月活躍用戶數：方便產品設計人員瞭解產品的每日用戶情況，瞭解產品的用戶增長或者減少趨勢。
• 留存用戶數：用來衡量產品的用戶粘性和產品的留存用戶規模。
• 留存率：用來衡量用戶使用粘性，也可以用來作為產品改版後的重要指標。
• 流失率：可全局看出所有的流失情況，找到流失異常數據，可追蹤之前是什麼情況導致流失數據情況。
• 展現PV：判斷有閱讀該功能/產品的次數。
• 展現UV：判斷有多少個用戶閱讀該功能/界面。
• 點擊UV：瞭解用戶對功能交互事件點擊數量規模，通過用戶的點擊數量了解用戶的使用行為。
• 人均點擊次數：用於衡量產品/頁面/功能中的內容對用戶的吸引度，對比同頁面的不同功能。
• 平均停留時長：用來衡量頁面吸引度，一般來說，停留時間越長，用戶粘性越強。
• 人均使用時長：用來衡量用戶使用產品的深度，判斷用戶使用產品的粘性和依賴度。
• NPS淨推薦值：產品口碑傳播的重要指標。
• 跳出率：用來衡量頁面內容質量。

數據思維及流程

基於“北極星指標”的規則和產品設計流程，不瞭解的童鞋可以手動搜索一下這個名詞和具體用法，在這裡簡單贅述一下。

主要有以下幾個步驟：挖掘問題/機會點→提出假設→解決方案→ABtest→結果分析。

排查產品的功能問題，產品設計師挖掘需求，提出可能存在的假設去做小範圍的功能驗證，提出解決方案，對方案進行AB測試，驗證該問題方向是否正確，並對結果進行分析。從小點“假設”的測試數據反推驗證“大功能的問題”，即產品設計師所謂的“數據型/增長”。

分產品週期

產品週期不一樣，產品目標以及業務指標就不一樣，所需要的“數據型”就不一樣。

1. 探索期（活下去）

很多人數較少的小公司，設計師的職能很可能承載為需求分析、原型設計、UI設計等多重身份，甚至還沒有產品經理，這種情況下一般不需要“數據型”設計師，需要所謂的“全鏈路”，說白了老闆只想花1個人的錢幹三五個人乾的活。

2. 成長期（活得好）

此階段公司有固定發展的業務方向，公司規模至少也有個幾百人，並有資金不斷注入，保證產品方向有延續性。這時候“數據型”關注的是產品用戶基數的增長，即使用量，很多數據的制定、測試都是為了“用戶增長”服務。

3. 成熟期（賺不停）

進入此階段的產品可以稱之為大廠產品了，基本都有穩定的資金流，已經靠產品盈利甚至上市，與同期的競品有良好的競爭模式，用戶基數穩定。此時的“增長型”數據重點在於觀察底層不同的數據變化，尋找不同關聯業務數據此消彼長的關係，發現更多業務合作的可能性，帶給用戶更多的權益/認同感。

至此關注數據的“用研”“增長型產品”“數據型產品”“增長型設計師”才是真正意義上的“增長型”，更多觀察數據能是為了“業務增長”服務，帶來更多商業可能性的探索。

4. 衰退期

產品生命週期快走到盡頭，跟戰略層面的定位和決策有關係，經歷過前三個週期的大型產品現在還沒完全沒落。

分產品類型

2C數據增長

更關注用戶相關的數據變化，權衡用戶體驗和商業變現之間的關係，需求的本源更關注用戶的行為和操作。

2B數據增長

更關注產品功能與業務目標之間的關係，這就更關注需求本身是不是從提升效率、節約成本等商業價值考慮，才能影響解決方案（設計產出）。

職級&職能

1. 職級

大學生——1年（初級）

基本輪不上分析數據，都是些影響不大的小需求。

1——3>年（中級）

會承擔部分需求分析，進行功能原型設計，但數據埋點等相關功能驗證由產品側決定，基本沒有話語權。（產品設計師/體驗設計師除外）

3——5>年（高級）

需要通過理論驗證/數據分析去制定產品功能的規則，跟數據、業務、產品側有強關聯，甚至會通過有效手段驗證業務/產品目標制定的正確性。

5>年以上（專家級）

行業專傢俱備戰略性眼光，能根據行業環境和發展趨勢預測一定的產品/業務方向，制定更宏觀的戰略（比如大改版、新項目）

2. 職能

設計師

出現全鏈路、產品設計師、體驗設計師、增長設計師，不再僅僅關注功能設計，需要參考業務/戰略目標，通過數據去驗證產品功能設計的正確性（如：AB測試）。

產品經理

重點傾向變為“業務型”“數據型”“技術型”不單單從產品單邊和業務目標去制定產品計劃，不同行業的高級產品更加專精某行業/某領域（如：業務/後臺/AI）

BB了這麼久，大家是否能明白為什麼大公司開始傾向於“增長型”“數據型”人才的需要，中小公司當然也會跟風要這類人才，但實際就是沒有那麼多細分坑位又想讓你多幹活。

適逢招聘季，也希望大家不要那麼焦慮，對自己有點逼數，適時分析自己的能力是否匹配不同公司規模、產品發展週期、產品類型，最後再來看看職級職等是否能賦予你這麼多權力勝任更多的HC需要，畢竟很多HR對職能和職級並不是很瞭解有知識和能力壁壘，最方便的方式就是抄大廠同崗位的招聘信息。

跟我一樣的新人也不要那麼焦慮和眼高手低，找準方向慢慢摸索行業規律，打破知識壁壘，不要從一個角度/階層看待同一個問題，顛覆已有認知，說不定一不小心就能從低年限變成了具備“複合能力”的硬核互聯網人。

————END————

本文由 @晏鼠 原創發佈於人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash, 基於CC0協議