【干货】搭建社区运营团队的一些经验和“血的教训”

搭建团队这个话题可能篇幅会过长,所以我准备分几篇来写。这次先谈招人的问题。希望大家见谅。

从2011年我接手猫扑的社区运营团队,到后来猫扑南迁,运营团队前后共重建了四波。南迁是最煎熬的一段时光,北京运营全部解散,我的团队成员也陆续去了别的公司。我和当时的运营总监只身去了南宁,重建运营团队,后来他走了我接盘,运营重建了两拨。

其实猫扑的运营人数一直很少,2007年以后最多时都不过百人。社区这块更是精干,但最多的时候也不过20人,猫扑的社区运营人员论单兵作战能力我估计在业界也能排进前三,但凡用心,练就的综合能力都可以很强,一个人顶好几个人用,这毫不夸张。我现在在酷我K歌的运营配备只有3人,但每个人都十分精干。

运营团队是需要慢慢“养”的,也许短期不见效,但越往后期作用越大。运营只是解决问题的一种手段,不代表万能,还讲究合理搭配各个运营模块。和运营关系最紧密的就是产品,我一直主张把产品和运营放在一个大部门下面的方式,一个不懂用户的产品是做不好社区的,不逼不行。

我这些年的经历和在创业公司也差不多,经常断粮缺水,还得继续做。一个高级运营,不会开口闭口就是资源、预算。在没有任何预算、缺兵少将的情况下还能做出事情来,运营和运营之间的区别高下立判。这样在供给充足的情况下,你自然更能灵活处置。

人才永远是第一位的,所谓千军易得,一将难求。下面就跟大家谈下以往的一些经验和教训,希望给大家一些启示。不妥之处,还请大家见谅!


一、一个社区,一定得有一个“灵魂”

带头大哥会影响整个团队的气质。你搞定了,很多事情自然迎刃而解。

什么样的人最合适?在一线工作经验至少在3年以上、有过带队经验、在一家公司有非常健康的成长曲线(业绩突出、职位变化明显),这样的运营是潜力股。

我给的这些要求其实在当今本身已经不低了,可以作为参考。

什么样的人一定不要选?

1)靠频繁跳槽涨工资、升职的;2)人品有问题的;3)一线经验不足2年的;4)工作了好多年,业绩毫无亮点,连自己最自豪的事情都讲不清楚的。

带头大哥的经验、可塑性是最关键的。如果你遇到一个不错的,就赶紧收了吧。

二、一定不要招毫无社区经验的“纯管理”

我说这个肯定会得罪一票人(如果介意的单独找我发红包啊)。目前国内运营这块目前比较特殊,还毫无书籍、教程可靠,网上很多空洞的理论,放在实际工作中根本不适用。

一个优秀的运营,一定是经过长年、大量的实际工作形成条件反射,练就出来的。底子不牢,很多运营工作中的坎儿,根本不会遇到。运营的很多“潜规则”,和一般人也根本解释不清楚。

社区和其他产品模式不太一样,道道实在太多了。纯管理,意味着他必须再招一个懂社区的人来帮自己。运营工作实在太琐碎了,现在超过30岁的管理人员,有几个还会塌下心来钻研各个细节工作的?再说他可能有这个时间么?钻研的完么?

三、对于普通运营人员:可塑性更重要

运营其实更重要的是我常说的所谓的特质,其实就是做事的责任心、态度、细心程度、耐性、时间观念、灵活性、视野和大局观等等,再就是逆商,非常重要。

做社区是需要情怀的。无情之人,永远做不好社区。

一个耐性很差的运营,一定成不了最优秀的高级运营。有天我开了好几个会,有个面试者等了我一下午,最后面试时我觉得还不错,就让她入职了。后来她成了同一批人里让我最惊喜的一个。

还有我之前给过的那个心理测试题,我每次面试时都会用,百试百灵。

经验是可以后天慢慢培养出来的,但人本身的性格、素质却是一辈子都很难改变的。事实就是这样。

四、运营团队是慢慢搭建起来的,不是搞人海战术

一个有经验的运营总监、VP,都会清楚一点:运营的模块有很多,比如内容运营、用户运营、活动运营、新媒体运营、数据运营等等等等。产品处于不同的时期,需要不同模块的合理搭配。

所以,不是上来就搞人海战术。你得先搭好架子,看你当前究竟需要哪些模块,就对应找哪类人。

五、社区的气质很重要,好运营往往会将其植根在自己的言谈举止里

微信摇一摇火的那阵子,人家用它找情人,我却用这个功能招了一个下属。之前她是做杂志的,我只是从她身上看到了一些社区的影子。后来那女孩去了百度,仅用了几个月时间,便搞定了百度贴吧的明星拓展工作,连我自己都很佩服她。

当然这个社区感觉比较难把握。可能我是见过的人太多了,惺惺相惜。一般人可以从综合维度看这人是否具备社区的气质。

六、用户出身转运营的,需要注意的一些问题

早期的社区,运营人员大部分都是从用户里面拔出来的。当然,现在大家也可以沿用这种方式,现在的渠道很多,微博达人、社区达人都有很多蛮不错的,可以考虑。我只是跟大家说一些注意事项,这样也有利于他们的个人成长。

用户出身转运营的优势

1)很快就会熟悉社区,并很快跟用户打成一片,社区的感觉会很好;

2)做事不会讲求各种流程;

3)做事专注,注重结果;

劣势:

1)用户思维过重,时常把自己当普通用户对待,而忘了自己的身份。这其实就是所谓的“大局观不够”。这点需要他的主管在做事时多提醒他注意,该说的时候一定得说。

2)易疲劳。所有人玩社区的寿命都是有限的。现在可玩的社区太多了,这个“寿命”会变的更短。

你想你招他进去之前已经透支几年了,进来后可不会疲么?

让他克服这个问题的办法很简单:时常激励和鞭策他,让他找到更多的成就感。另外让他多去尝试一下其他运营相关的工作。

3)总结能力差。因为光顾着做事了。

他们做事绝对是一把好手,但总结能力往往都很差,很少会把自己的工作总结成一个体系、流程。

这个问题克服起来更简单,你让他把自己的成绩总结出来,跟团队的人多分享就行了。

其实说真话啊,这几个问题也是我当年存在的问题,只是多年来一直逼着自己去规避克服了。


七、最好的运营人员,一定要想方设法留下

运营是和用户走的最近的,运营的动荡,直接导致的就是用户的动荡和流失。

我们南迁那会,贴贴的两个编辑(编辑是运营的一个分支)流失了,贴贴的pv瞬间就没了500万。其中的一个女孩刚来的第一个月那会儿,负责一个小模块,数据当月就涨了3倍。运营和运营区别就是这么大。

我和她男朋友也很熟,后来我才知道,她每天回家都和她男朋友聊社区发生的各种事情。

做社区,一定要专注,你的专注程度决定你的成绩多少、小宇宙有多强。

我工作10年,还从来没见过一个每天准点上下班、回家把电脑一关从来不问工作的人,还能做好社区的。

人才难得,别天真的认为流失一个不错的运营,还能找个人来取代他,想啥呢?

八、工作2-3年的运营最好带

这个阶段的运营可塑性还很强,最具备培养的潜质。好好带,很短的时间内,就可以成为一个相对不错的运营人才。

再说运营是讲求灵活性的,工作超过七八年的,思维已经形成定式,很难被改变了。如果工作七八年以上了还是初级运营人员的,我基本上是不会用的。

另外,工作2-3年,平时的时间相对来说也都比较充裕,没有太多的负担。因为运营必须用大量琐碎的时间来练手,培养基本功,练底子,这个真没办法。试想他如果每天都不够专注,忙于各种自己的私事、琐事、杂事,哪有时间练底子?


pmcaff合作媒体:Chinaz

更多精彩推荐

回复“31”——【干货】腾讯产品大拿告诉你,用户体验是这样设计的!!!

回复“32”——【专访】小米产品经理颠覆早教行业,欲送给孩子1000万美金的人生

回复“33”——【产品】阿里产品经理内训:能力模型解读

回复“34”——【重温经典】张小龙:微信背后的产品观

回复“35”——【专访】PP租车张丙军:“打虎亲兄弟“,好团队才能书写互联网传奇

回复“36”——【干货】产品经理的需求管理

回复“37”——【干货】APP解构重构,让你用户不再流失

回复“38”——【干货】产品经理解决问题七步法则

回复“39”——【运营】你不知道的HTML5的概念、方法和推广实战指南

回复“40”——【干货】从苹果ios8的发布,来细数那些精彩纷呈的引导页

文章推荐可直接回复公众账号或者发送至xiaoxi@pmcaff.com,可根据推荐质量将推荐人邀请至pmcaff智囊团预备群中,原创或者推荐均可,欢迎来稿~

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Spark Streaming 和 Flink 都是流处理框架,但在一些方面有所不同。 1. 数据处理模型 Spark Streaming 基于批处理模型,将流数据分成一批批进行处理。而 Flink 则是基于流处理模型,可以实时处理数据流。 2. 窗口处理 Spark Streaming 的窗口处理是基于时间的,即将一段时间内的数据作为一个窗口进行处理。而 Flink 的窗口处理可以基于时间和数据量,可以更加灵活地进行窗口处理。 3. 状态管理 Spark Streaming 的状态管理是基于 RDD 的,需要将状态存储在内存中。而 Flink 的状态管理是基于内存和磁盘的,可以更加灵活地管理状态。 4. 容错性 Flink 的容错性比 Spark Streaming 更加强大,可以在节点故障时快速恢复,而 Spark Streaming 则需要重新计算整个批次的数据。 总的来说,Flink 在流处理方面更加强大和灵活,而 Spark Streaming 则更适合批处理和数据仓库等场景。 ### 回答2: Spark Streaming 和 Flink 都是流处理框架,它们都支持低延迟的流处理和高吞吐量的批处理。但是,它们在处理数据流的方式和性能上有许多不同之处。下面是它们的详细比较: 1. 处理模型 Spark Streaming 采用离散化流处理模型(DPM),将长周期的数据流划分为离散化的小批量,每个批次的数据被存储在 RDD 中进行处理,因此 Spark Streaming 具有较好的容错性和可靠性。而 Flink 采用连续流处理模型(CPM),能够在其流处理过程中进行事件时间处理和状态管理,因此 Flink 更适合处理需要精确时间戳和状态管理的应用场景。 2. 数据延迟 Spark Streaming 在处理数据流时会有一定的延迟,主要是由于对数据进行缓存和离散化处理的原因。而 Flink 的数据延迟比 Spark Streaming 更低,因为 Flink 的数据处理和计算过程是实时进行的,不需要缓存和离散化处理。 3. 机器资源和负载均衡 Spark Streaming 采用了 Spark 的机器资源调度和负载均衡机制,它们之间具有相同的容错和资源管理特性。而 Flink 使用 Yarn 和 Mesos 等分布式计算框架进行机器资源调度和负载均衡,因此 Flink 在大规模集群上的性能表现更好。 4. 数据窗口处理 Spark Streaming 提供了滑动、翻转和窗口操作等灵活的数据窗口处理功能,可以使用户更好地控制数据处理的逻辑。而 Flink 也提供了滚动窗口和滑动窗口处理功能,但相对于 Spark Streaming 更加灵活,可以在事件时间和处理时间上进行窗口处理,并且支持增量聚合和全量聚合两种方式。 5. 集成生态系统 Spark Streaming 作为 Apache Spark 的一部分,可以充分利用 Spark 的分布式计算和批处理生态系统,并且支持许多不同类型的数据源,包括Kafka、Flume和HDFS等。而 Flink 提供了完整的流处理生态系统,包括流SQL查询、流机器学习和流图形处理等功能,能够灵活地适应不同的业务场景。 总之,Spark Streaming 和 Flink 都是出色的流处理框架,在不同的场景下都能够发挥出很好的性能。选择哪种框架取决于实际需求和业务场景。 ### 回答3: Spark Streaming和Flink都是流处理引擎,但它们的设计和实现方式有所不同。在下面的对比中,我们将比较这两种流处理引擎的主要特点和差异。 1. 处理模型 Spark Streaming采用离散流处理模型,即将数据按时间间隔分割成一批一批数据进行处理。这种方式可以使得Spark Streaming具有高吞吐量和低延迟,但也会导致数据处理的粒度比较粗,难以应对大量实时事件的高吞吐量。 相比之下,Flink采用连续流处理模型,即数据的处理是连续的、实时的。与Spark Streaming不同,Flink的流处理引擎能够应对各种不同的实时场景。Flink的实时流处理能力更强,因此在某些特定的场景下,它的性能可能比Spark Streaming更好。 2. 窗口计算 Spark Streaming内置了许多的窗口计算支持,如滑动窗口、滚动窗口,但支持的窗口计算的灵活性较低,只适合于一些简单的窗口计算。而Flink的窗口计算支持非常灵活,可以支持任意窗口大小或滑动跨度。 3. 数据库支持 在处理大数据时,存储和读取数据是非常重要的。Spark Streaming通常使用HDFS作为其数据存储底层的系统。而Flink支持许多不同的数据存储形式,包括HDFS,以及许多其他开源和商业的数据存储,如Kafka、Cassandra和Elasticsearch等。 4. 处理性能 Spark Streaming的性能比Flink慢一些,尤其是在特定的情况下,例如在处理高吞吐量的数据时,在某些情况下可能受制于分批处理的架构。Flink通过其流处理模型和不同的调度器和优化器来支持更高效的实时数据处理。 5. 生态系统 Spark有着庞大的生态系统,具有成熟的ML库、图处理库、SQL框架等等。而Flink的生态系统相对较小,但它正在不断地发展壮大。 6. 规模性 Spark Streaming适用于规模小且不太复杂的项目。而Flink可扩展性更好,适用于更大、更复杂的项目。Flink也可以处理无限制的数据流。 综上所述,Spark Streaming和Flink都是流处理引擎,它们有各自的优缺点。在选择使用哪一个流处理引擎时,需要根据实际业务场景和需求进行选择。如果你的业务场景较为复杂,需要处理海量数据并且需要比较灵活的窗口计算支持,那么Flink可能是更好的选择;如果你只需要简单的流处理和一些通用的窗口计算,Spark Streaming是更为简单的选择。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值