AI人物 2天前 82 阅读 0 评论

外企 PM 分享:从麦肯锡思维工具练习产品经理的做题公式

作者头像
人人都是产品经理

AI技术专栏作家 | 发布了 246 篇文章

在外企当产品经理,不止要懂需求和交付,更要练“思维力”。这篇文章来自一位具备麦肯锡咨询背景的 PM,用三个常用思维工具拆解如何构建产品人的“做题公式”,带你跳出经验主义,从认知方法上重新定义产品思维。

在我之前的很多产品相关文章中提到,外企非常重视结构化思维(Frame)的能力,也衍生出一系列常用的框架(Frameworks)。这些框架就像解决问题的“公式”,帮助我们更高效地拆解问题、梳理思路。

其中,麦肯锡的思维工具就是非常典型的一套框架体系,大致可以分为三类:

  1. 对要素进行分解的框架(比如:MECE原则)
  2. 把握流程的框架(比如:用户旅程、流程图)
  3. 做对比、排序的框架(比如:优先级矩阵)

这三类刚好也对应了产品经理日常工作中最常遇到的三个问题

  1. 回答“这是什么问题?”
  2. 梳理“这个问题涉及哪些流程?”
  3. 判断“什么更重要?我们该先解决哪一个?”

OK,那直接拿我最近在社媒上刷到的产品题目实战一下,怎么运用一些 Framework 去回答,到底怎么用。

面试题:为什么最近的外卖大战以奶茶为入口?

不知道怎么回答,我们不防先挑个看的顺眼的关键词 —— 奶茶。

  • 我们先从流程上,想想配送奶茶会接触到的对象,比如:1.卖家2.骑手3.买家
  • 再看看我们有没有别的角度,比如我们都离不开的环境:1.物理环境2.社会环境

再想想还有没有别的,如果想不到,没关系我们就先拆到这步,恭喜你,已经成功运用了 MECE 思考框架(不重复不遗漏的拆解)。

接下来我们根据这几个方面细分拆解下去,这时候就可以运用金字塔框架:

1)卖家方

  • 门店数量:连锁多、覆盖广
  • 制作流程:标准化、出品快
  • 利润空间:高毛利、定价灵活

2)买方

  • 用户基数:年轻人、学生党、上班族
  • 购买频次:本身用户复购高,并且属于娱乐性消费很容易刺激增加频次
  • 单价适中:客单价合适,不会太贵

3)骑手

  • 配送占体积:体积小
  • 配送难度:出餐快、易打包,适合聚合配送
  • 配餐时间:全天可点,不限特定餐时,不会增加餐食压力

4)物理环境

最近这几个月是夏天,天气热需求量增加

5)社会环境

奶茶文化本身就自带社交属性、话题流量,易传播

做到这一步,你已经完成了一个高质量的结构化拆解。Well Done!

接下来我们继续来看问题:外卖大战

平台为什么要打外卖大战?他们真正的目标是什么?

这里我快速拆解一下外卖平台的目标,小伙伴也可以自己再练习一遍:

  1. 提高订单频次→增加用户黏性
  2. 占领用户心智→成为“默认选择”
  3. 训练配送效率→扩大履约优势
  4. 扩大市场份额→拉新+提高留存

互联网黑话一下:平台想争抢用户的高频消费场景、构建使用习惯、打造平台认知。

再对比回来看看奶茶?

奶茶 = 高频 + 低门槛 + 易传播 + 情绪价值高 + 配送友好

完全就是平台要争夺的“理想入口”。

写在最后

当然,这是个练习题,并且我们是对着答案(奶茶)去回答问题,我们的信息量不如平台自己本身掌握的多,以上的答案也不绝对正确。

更多时候,我们做产品是从问题本身出发,从问题去拆解,去寻找合适的答案。

但是这些框架,MECE拆解框架、金字塔框架,都能常常去用,帮助你练习思路,找到问题的本质。

当然你也可以自己总结自己的框架, 比如我下次分析商品,我就可以从商品的流程,商品的环境去分析。这就是你自己的 Framework 了。

希望大家都能掌握 Frame(结构化)的能力,也很推荐大家去学习优秀的框架和解题思路,比如《麦肯锡思维工具》,祝大家能总结自己的 Framework。

留个作业,以上我全部都只是分享了思路,大家可以自己组织一下答案吗?欢迎分享你自己的见解。

本文由 @CoopyWorks 原创投稿或授权发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

作者头像

AI前线

专注人工智能前沿技术报道,深入解析AI发展趋势与应用场景

246篇文章 1.2M阅读 56.3k粉丝

评论 (128)

用户头像

AI爱好者

2小时前

这个更新太令人期待了!视频分析功能将极大扩展AI的应用场景,特别是在教育和内容创作领域。

用户头像

开发者小明

昨天

有没有人测试过新的API响应速度?我们正在开发一个实时视频分析应用,非常关注性能表现。

作者头像

AI前线 作者

12小时前

我们测试的平均响应时间在300ms左右,比上一代快了很多,适合实时应用场景。

用户头像

科技观察家

3天前

GPT-4的视频处理能力已经接近专业级水平,这可能会对内容审核、视频编辑等行业产生颠覆性影响。期待看到更多创新应用!