6大要素告诉你,产品经理这个物种如何进化!

图片描述

一、引子

上篇文章《阿龙说:从攻城狮到产品汪,你需要知道的9件事》中提到了产品经理的基本修养这个话题,也谈到一个概念:物种。这两天刚好有些时间,于是决定继续聊聊这个话题——产品经理的物种特征。

二、物种的解释

众所周知,生物学上的物种是由基因决定的。

龙哥这里所谓的“物种”,并非生物学划分意义上的概念,而是比它更宽泛,更关注精神层面的划分。因此,在这个“物种”的概念下,同一生物学物种范畴内的生物也是分很多“物种”的。
具体到人,人的物种是由什么划分的?答案是性格!

不同物种的人拥有不同的性格,一种性格,一种生活方式。特定性格的人自然有其特定的行事风格,可能跟另外一种性格的人截然相反。另一方面,不同的行业,不同的岗位对人的性格要求也是不一样的。
比如销售物种的人需要这样的性格:开朗大方,喜欢与人交往,善于营造价值,要会来事。而财务物种的人需要却这样的性格:心思缜密,对数字感兴趣,性格内敛(老板一般不喜欢财务话太多),做事情一丝不苟。

同样,产品经理这个岗位也对人的性格有要求,需要具备相应物种特征的人才能胜任。

三、PM这个物种

产品经理是个什么物种?

龙哥依据自己这点微薄的道行,对这个问题是这么理解的:

产品经理是一个入门容易,但卓越很难的物种。真正好的产品经理凤毛麟角,牛13的比如令人羡慕妒忌恨的乔爷, Low13的比如。。。比如经常自我感觉良好的龙哥(此处要脑补龙哥内牛满面的画面~)。

为什么这么说?

因为这个物种要需要懂的东西太多,粗粗列一下:市场调研、团队管理、产品设计、用户体验、运营推广、市场营销、心理学、数据挖掘与分析,甚至,你最好能看懂程序。

这里所列出来的每个词组细究起来都是一门专业,一个合格的产品经理要懂这些,不但要懂,而且要能将这些点连贯起来。广而不深不行,深而不广也不行,要既广又深才行。

这种境界怎么说呢?

举个栗子:就好比华山论兵器,你不但要有一套非常stunning的套路,而且要十八般兵器都要玩的溜,兵器切换之间的衔接要自然流畅,气质要飘逸灵动,动作还要舒展大方才行。

不过这也正是这个职业的魅力所在,无限风景在险峰,如果人人都能轻易做得很好,那对有追求的你又有什么意思呢?

四、PM的物种特征

1、癫狂之爱

你要热爱产品经理这个职业,最好是癫狂,如痴如醉。

这是所有物种的第一个基本特征。没有这个特征,无论你多么富有天赋,随着时间的流逝,都会渐渐“泯然众人矣”。

关于产品经理是干什么的,网上和很多书籍中都谈到过。不过,龙哥对这个岗位有自己的理解,不那么学术,更接地气一些:

想做一个东西,完了这个东西会让很多人喜欢,因为这些人觉得它有用。

就这么一件事,你把这句话读上3遍,确定两件事:第一件事,这句话得背后的东西你明白了,第二件事,这句话的意思有没有让你的内心刮起一阵小旋风?如果有,你可以确定你有这个成为这个物种的潜质;

如果没有,那。。。下雨该收衣服了,收完衣服后赶快换个别的行当试试。

龙哥并没有丝毫抬高产品经理这个职业的意思,万法归宗是龙哥认识这个精彩世界的终极原则之一,对这个原则的阐述是另一个话题,这里不展开,以免跑题。龙哥在这里想强调的是:你要确定你喜欢这件事,有这个前提,后面一切都好说。

2、机会敏感

你要对机会非常敏感。

机会这个东西,可遇不可求,但非常重要。因为这个世间的事情,不是你有能力就能怎么样的。古人说:时势造英雄。就是这个意思。

在兵法上,先机是个非常重要的概念,宁失一子,不失一先。而你一定也听过另外一句话:商场如战场。在市场方兴未艾的前期阶段,一般来讲,只要你IQ卡余额正常,你怎么做都是对的,甚至犯些错误也不要紧,因为你有很大的迂回空间。但中后期,一旦市场成熟,事情就完全不是这样了。

假定你能力很强,你能设计出一个比QQ更接近完美、更加强大的IM,运营、资源各个方面也都非常OK,但对不起,IM这个点已经过了,龙哥不能说你没有机会,但你想以做小马哥做的那些事情来获得IM上成功的可能性微乎其微,这也就是为什么阿里的来往不行,为什么百度的Hi不行,为什么新浪的UCTalk不行的根本原因,不是他们能力不行,而是时机过了。

3、逻辑清晰

你的逻辑性要好,思考的线路要非常清晰。

逻辑性的基本要求是能把一件事情说清楚,让听众能明白你在说的是什么,尤其是当你说的是一个复杂产品的时候。

在PM的日常工作中,一定有机会发现有好多相关、相似的事情混在一起的情况,这个时候此性格特征的重要性就显出来了,你需要将这些事情清晰地区分出来,从容地穿梭在这些事情之间,拥有明确的逻辑主线,不会轻易地被干扰带偏。

一个逻辑不够清晰,主线逻辑不完整的产品经理不仅对公司,而且对自己的发展来说都是一个灾难。

4、兼容并蓄

一个人的能力毕竟是有限的,就连乔爷都说过:优秀的产品是抄的,而伟大的产品是偷的。

当然以乔爷境界,这里的抄和偷肯定不是一般意义上的意义,这并不重要,重要的是你要明白这句话告诉你的建议:

产品经理要善于从周围的环境中寻找到不同的、但又有价值的东西,并能为己所用。

产品经理在日常工作中,也会遇到很多人,他们也会给你一些建议,但你要明白每个人看问题的角度可能都是不一样的,这不一样的背后可能是世界观、价值观的不同,甚至冲突,但你要能兼容并蓄,能够识别出这其中正确的观念你要能够吸取和采纳。

5、独立精神

产品经理是一个产品的负责人。

在很多时候,产品经理总会碰到这样的情况:同样的流程,同样的业务,同样的理念,实现起来却可能有很多种选择,而每种选择似乎都有其合理的地方。

这个时候你要有自己独立判断的、负责任的精神和能力,你要能分辨出哪种是最合适的并给出有说服力的理由。然后你要决定这个流程、业务、理念究竟要用何种方式落地,你要决定这个产品究竟走向何方。你必须要具备这样的能力和魄力。

6、能抗压

产品经理是CEO的学前班。

产品是一个公司的基石,大概除了人和钱之外,老板最关心的莫过于产品本身了,高层领导其实也一样,而领导的视野、经历大多数情况下是比你要高出很多,气场也比你强大很多。在做产品评审的时候,你几乎无法避免会遭到或多或少,或低级或高级的质疑甚至是挑战,你要有良好的心理素质,你能扛得住,既不自负,也不自卑,百折不挠,坚守该坚守的,改变该改变的。

只为一个目的:做出好产品。

五、结语

以上就是龙哥对产品经理这个物种的一些认识和思考。

需要说明的是,万层高楼平地起,上面谈到这些都只是产品经理最基本的要求。什么是最基本的要求?就是你拥有了不一定能做好,但不拥有一定做不好。

在此基础之上,产品经理还有很多其他方面的要求,比如技能性要求等等,以后有时间龙哥会逐步分享。

文章写完,已经哈欠连天,泪眼迷茫。。。那个,See you again~

作者:阿龙,产品总监一枚。微信公众号:阿龙的天空(ID:lxltk123),保留以上版权说明即获得默认授权转载。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索的方法来解决这些问题。
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