互联网从业者充电站
25.8K subscribers
22.3K photos
1.02K videos
820 files
13.5K links
互联网从业者专属
内容多为技术、产品、设计、运营等不同话题内容;
目标人群为程序员、设计师、产品经理、运营管理等不同职能。
投稿/合作: @inside1024_bot


内容来源网络
Download Telegram
#职场社畜日常

分享个刚想清楚的事儿:我见过的厉害的决策者,比起平庸的决策者强在哪里?
如何让自己成为厉害的决策者?

1、
其实,大多数人也都有基本的决策素养:
决策前会做调研;
有条件时,会做AB测试或者MVP,先验证再投入资源;
做了啥,也都会复盘、总结经验。

那为啥,我们身边的大多数人决策质量还是不高呢?

昨天,我是被一件事情刷新了认知——
在去年,和几位做公众号的朋友聊天,打听公众号整体的流量情况。
有朋友和我说:
“现在公众号整体的流量,搞不好只有巅峰时期的10%了。”
因为他还在同样写文章,
但是文章的打开率,只有巅峰时期的5-10%。
流量大不如前。
这个流量下降的开始,就是2019年,抖音带动了短视频的普及,抢走了用户时间。

我是公号作者嘛,主要的输出形式,是公众号文章。
反正去年我听到这个数据,心里哇凉哇凉的。

但是,
昨天和另一位朋友聊天,问到同样的话题。
他说:
“公号的整体流量最多也就掉了一半、搞不好只掉了30%。”
为啥呢?
那为啥好多作者感觉自己的文章打开率只有5-10%呢?

他说:
因为同时还发生了几个变化。
做得好的号,质量越来越高。
伴随着质量变高的同时,投入也在越来越重。
不同的人对内容的需求不一样,这些号们也在越来越垂直和专注。

那些文章打开率掉得厉害的,
公众号整体的流量下降,还是次要原因。
主要的原因是,用户们对质量的要求大大提高了,小投入的作者们,很可能跟不上。

当然,
同时流量玩法也在变,如果作者们没适应,流量也会受影响。
比如:
曾经公众号的最有效流量来源是群和朋友圈。
今天刷朋友圈的人越来越少了,因为朋友圈都是广告……
“看一看”带来的流量在越来越大。
视频号,提高了微信“发现”页的流量,这个流量也让更多人注意到了“看一看”。

而这两种不同的判断,会指向两个截然不同的选择:
第一种,
如果真是“公众号整体流量只有巅峰的5-10%”?
那我就应该控制资源投入,去追着流量跑。
第二种,
如果是“公号流量只下降了30-50%,但是对质量要求大大提高”?
那我就应该果断追加投入,不断提高质量。

2、
这个过程,也让我意识到了“厉害的决策者”与“平庸决策者”的本质差异——
大家都知道基于事实总结经验。
大家也都知道验证之后、才能形成结论。
但是,
面对同样的事实,不同的人总结经验的质量截然不同。
而大多数人,包括我,一不小心,就会形成错误经验。

比如:
我做了个活动,预计拉来20万用户,结果只拉来1万。
钱却花了不少。
那一般本能的结论都是“看来这个活动形式不靠谱,得再换个形式。”
但是,也有可能不是形式不对,是执行不到位。
其实,执行不到位更常见。
可是大多数人却总是本能的说“方向不靠谱”,因为向外归因自己更好受。
决策就因此掉到了坑里。

比如:
有人做了一款蜂蜜,卖相很好,产地直发、纯天然。
刚一上市,销量就很高。
那这是个爆款产品呀!说明用户需求旺盛、产品有竞争力。
就果断追加产能!
结果产能刚追加上去,发现产品却卖不动了……
因为,
其实买蜂蜜回去吃、会稳定复购的用户并不多。
大多数买的人是图个新鲜,买回去并不会吃,也就更不会复购。
这帮图新鲜的人,转化快速、但数量有限。
一波卖完,就无以为继了。

这些,都是“客观事实”没问题,但是“总结经验”、“归因”的过程出了大问题。
经验、原因总结错了,自然会导致错误的结论和错误的动作。

3、
那厉害的决策者会怎么做?怎么解决这个问题呢?
其实也很简单——
就是在“形成经验”、“找到原因”后,再追加一个问题:“有没有其他的可能原因?如何确定的确是这个原因?”

比如:
在美团,某个MVP效果不好。
在团队说“方向不靠谱”后,一定会有人问:
有没有其他的可能性?会不会是执行不到位?
别的公司有没有做过同样的方向?
他们效果如何?
如果他们还在持续的做,是不是能说明这个方向靠谱?
那我们和他们的差异到底在哪里?
这些执行差异是不是才是真正的原因?

于是,
美团的决策质量,总是强于大多数企业。
当美团看好一个方向时,只要这个方向未被真正证伪,美团总是能更坚持、直到执行问题被解决。
因此,才能做到比对手更多的有效动作。
实现更高的业务效率。

这个“在形成结论前,再追加一个问题”的方法。
“问问有没有其他可能性、如何确知是这个原因?”
适用于几乎所有决策。
在同样的事实下,归因和形成经验的质量,几乎决定了后续的决策质量。
所以,
这个再追问一次的方法,值得每个需要日常决策的人养成习惯。
👍4
#运营

每天早晚各洗个冷水澡,然后觉得干什么事都变得轻松了一些。
2🤡1
#产品知识库

试了下竟然是真的........
😢4
#产品知识库

我不是社区产品经理,现在我们的 app 要开放一级独立入口做社区。

最难的是社区内容推荐,请问有哪些大神公众号或文章等有比较系统性的内容可以学习吗?

网上检索的比较浅,算是窥知一二,但是落地心里没底。
👍2
#工程师学习 今年的 Stack Overflow 2023 开发者调查报告做得挺好的,推荐工程师朋友们一读,这次还赶潮流融入了 Ai 相关的调查,以及可以看看当前世界上全职和独立开发者比例,国外开发者的工资啥的,挺有趣的。
🤖https://survey.stackoverflow.co/2023/
#工程师工具 之前在看时间线看到有推友分享「AI 艺术二维码」的方案,不过比较少有教你一步一步用 Stable Diffusion 来弄一个的,很简单使用,但是真有趣,想折腾的可以玩玩看。
🤖https://stable-diffusion-art.com/qr-code/
#职场社畜日常

10000天什么概念?
27年多一些,半个职场生涯了。
1996年入职新浪到现在。
喂,大家看清楚啊,是新浪的老周,不是我。
移动端App开发H5开发小程序原型基础样式库组件库
#产品知识库

元件库文件包含 页面相关 首页 内页 排行榜页 弹窗 活动规则 排行榜 有奖品 (V1.1) 有奖品 无奖品 兑换核销弹窗 助力弹窗 玩法弹窗 确认弹窗 留言弹窗 登记信息通用 收货地址通用 登记有验证码 登记短信验证码2.0 关注弹窗 游...

https://axurehub.com/1336.html
#运营

1、
在大数据的时代做事,必懂算法。
算法是一切话术、一切选品、一切运营知识的来源,对数据的学习贯穿全局。听不懂就多听几遍,学不会就多学几遍。

2、
算法指引的是:流量从来不会无故分配,流量一定是最优分配。「最优」依然算法决定。算法只允许被猜测,但绝不会公开,这就是「玄学」

3、
分配流量必有机制,有机制必有指标,有指标必有套路。

4、
所有的套路,都是为了拉伸指标。
互动率?转化率?UV价值?GPM?骗?憋?送?免?
他有且只有一个最终目的:停留
有停留有一切,停留时长,是流量考核化的第一标准。

5、
停留仅代表了用户沉淀,但无法抓取用户更深层次的兴趣。
但用户行为却可以。
点赞、评论、关注,进入粉丝团,代表了用户对直播间的反馈。就像一个个病毒不断传染,扩散到具有相同标签的人

6、
推荐流量无法筛选,但视频流量可以。
账号可以通过短视频打标签形式,获取精准粉丝。
这些粉丝在开播是进入流量,称之为精准粉丝流量,这也是打标签的直接意义。

7、
算法会采取递进式的流量分发形式,进一步用更大的流量验证直播间模型。
注意是递进式,而不是喷发式。
喷发式造成的结果就是大量流量的无效匹配,这不符合流量最优分配的逻辑。这也是为什么大多数情况下,流量需要螺旋式上涨,而不是一次拉满。

8、
流量不是单向的自我竞争,而是同品竞争。
要求在本身数据螺旋上涨的情况下,还必须满足同品类的指标要求,也就是与同行赛跑。

9
低价不算一种玩法, 低价是最简单的手段。没有明星、没有内容、没有IP
低价能够达成目的,就够了。低价是真的低价吗?低价是用户看起来低价。
🥱3
电商/旅游/BI系统大数据可视化看板Axure RP原型设计软件源文件(可编辑)
#产品知识库

数据可视化已经成为企业数据分析与决策的核心工具之一。从通用企业数据到旅游迁徙数据,从控制台数据到仪表盘数据图表,数据看板涵盖了众多行业的各种数据形态,而电商实时交易数据大屏看板则是其中最为重要的一种形态之一。 电商实时交易数据大屏看板是指通...

https://axurehub.com/1378.html
👍1
今天产品内测一周了,看了一下数据,注册用户到付费用户的转化率大概在25%左右,不知道这个数据处于一个什么状态,整体比我预期好一些;

目前注册和支付以及产品本身体验有几个大的bug还没解决,比方说好几个只有海外手机号的用户反馈说没法完成注册订阅,预计下周完成微信直接登录和支付,包括PC端,到时候可能好一些;

我不懂怎么运营,怎么想怎么来,非常感谢一些朋友的友情支持,不过大部分付费用户我基本不认识,因此大部分应该来自自然转化。

这一周有一个收获,当产品没有付费时,我以为的主要客户群是A,甚至这些免费用户表现出来的也是A这个客户群的特征,但是当产品真正收费了,发现更多的是来自B、C、D等其它用户群,非常有意思的一个点 #Build in public
#职场社畜日常

一个朋友想来我们公司,但是简历被pass掉了。
我也不道咋寻思的,安慰人家:“好鞭炮在哪儿都能炸!”。
😁1
#工程师学习 这篇「走向计算机视觉的通用人工智能:GPT和大语言模型带来的启发」文章写得挺好的,来源于清华大学博士谢凌曦,作为AGI的下一个重要战场,CV 领域正在走向大一统模型,但是面临的困难还很大。
🤖https://zhuanlan.zhihu.com/p/620631150