深度解析“如何打造一款畅销产品”

如何打造一款畅销产品呢？笔者的观点是成就用户，而如何成就用户呢？笔者进行了具体的深入分析。

01

现在我要问一个事关所有PM的核心问题，“如何打造一款畅销产品？”

一个重要结论是“可持续成功的产品是由推荐产生的。”

理论依据如下：

1. 92%的人说，与其他所有形式的广告相比，他们更信任来自朋友和家人的推荐。
2. 70%的人说，他们相信在线消费者的评论。与其他所有形式的广告相比，这是第二可信的推荐来源。（来源：尼尔森全球广告信任度报告）

虽然我们都知道，大量的刷单、刷评论、恶意攻击竞争对手的情况屡见不鲜，甚至已经成为业界潜规则。但不可否认，在没有至亲好友推荐的情况下，好评率依然是我们的重要参考。用户对其信任程度依然要比品牌的自我宣传要高的多。

究竟是什么激发了这些推荐？

• 他们不会因为喜欢产品而说他们喜欢这个产品。
• 他们说喜欢这个产品，其实是以为他们喜欢自己。

所以，我们： 不要打造更好的产品，要打造更好的用户。成就用户才能创造可持续的成功。

02

对于大多数有经验的PM来讲，“用户体验”几个字实在是没有什么新鲜感了，而我们要了解的一个新的概念是 ****“后用户体验” 。出发点不仅仅是帮助用户“使用”产品，而是给用户一个更大、更有吸引力的场景，让用户在这个场景中成就卓越。

因为人们不希望在使用工具方面变得卓越。他们想要在工具帮助他们取得的成果上变得卓越。

其实，这样的产品和营销理念也已经融入到我们的生活之中，例如，售卖户外装备的广告，画面往往是让人心向往之的户外景色，而不是一双双的登山鞋。

所以，我们作为产品经理，应该为 后用户体验的用户体验而设计 。

接下来的问题就是，该如何成就用户了？

我们首先看一下用户的成长曲线示意图：

上图清晰明了地告诉了我们，成就用户的路径：

1. 尽快帮助用户度过困难区，要想做到这一点，必须在基础环节下苦功夫， 从功能到交互体验，千万不要因为这些基础的问题，给用户制造困难。
2. 无论任何情况下，不要让用户重返困难区（例如产品迭代、功能升级等）。

在成就用户的过程中，应该怎样帮助用户沿着成长曲线向右上方移动呢？那就必须做好两件事情：帮助他们持续不断的构建技能、帮助他们保持渴望成功的愿望。

研究人员还提出了一个相当振奋人心的观点——

“据数十年的科学研究标明，对于绝大多数人来说，在绝大多数的非体育运动领域，天赋并不是获取高水平专业能力的绝对条件。”

既然如此，我们就有途径让用户成就卓越。下图是专家构建专业能力的过程。

通过此图，有三点认识如下：

1. 专家从不停止增加新的技能；
2. 专家既有意识地构建技能，也无意识地构建技能。
3. 专家会改进现有的技能。

那些已成为专家的人与有经验、但非专家的人在两件关键的事情上有着很大的不同。由此提出了两个比较新颖的概念。其一是“刻意练习”，另外一个是“感性接触”。

刻意练习

通常情况下， 刻意练习是有意识地从“不能做”到“精通”构建技能的最佳途径。

设计练习，使其符合如下标准：完成一项细粒度的任务，经过一到三组45-90分钟的练习就能达到95%的精通度。这样做不同于一般的练习方式，差异就在于特定的细节。这些细节会将可能有效的练习转换成超级有效的练习。如果你无法达到95%的精通度，请停止练习。如果是因为任务或技能过于复杂，就将其划分为更细粒度的子任务或子技能。如果是因其难度太高，则降低要求或者标准。

我们举两个刻意练习的例子：

1. “半速演奏一段音乐，不能有任何错误。”
2. 站在距离篮筐2.5米至3.5米的地方，以45度角将篮球投进篮筐。

感性接触

介绍感性接触，我们要引用一个十分经典的“小鸡性别鉴定”的案例。

判断刚刚孵化出来小鸡性别是非常困难的。对于养鸡场来说，越早将母鸡和公鸡区分开来，越能尽快进入鸡生蛋的生产环节。

20世纪初，日本人研发了一种鉴别小鸡性别的方法，但当时只有寥寥数名专家掌握了这一能力。当他们让这些专家将这一能力传授给其他人时，小鸡性别鉴定专家却说不出来自己是“怎么做到的？”他们说：“我就是知道！”

那么，这样专家应该如何培训新手呢？

他们让新手站在鸡笼前随便的猜“这是公的”、“这是母的”，小鸡性别鉴定专家给予及时的反馈“对”或“不对”，很多遍之后，奇迹发生了——新手在小鸡性别鉴定方面表现越来越好。

这不是什么魔力，这就是感性知识的力量。所有领域的专家都在学习和利用无意识的感性知识。

那么如何设计高质量的感性接触活动呢？

秘密就在于使用大量的、高质量的，表面有差异但性质完全相同的实例。高质量的感性接触训练从不作解释。它们创建一种特殊的场景，让学习者的大脑自己发现模式。

当然，也要注意一些问题：需要多样化、大量的实例；接触与反馈间隔时间不要过长；特征和模式不能过于细微。

读到这，大家有没有发现，感性接触的这种方式与机器学习的方式是如此的相像，只不过是一个针对计算机，一个是针对人脑。

例如我们利用机器学习的方法，针对很多文章做一个简单的二分类，要做的，只是给出一定数量的标注数据，至于这些数据里面具体的特征，则由计算机自行学习，判断。

既然我们都已经掌握了成功的钥匙，下一步就是帮助我们的用户继续前进，帮助他们“排除万难、走向胜利”。

用户之所以在遭遇困难时放弃，并不是因为他们遭遇了困难。这是因为他们不知道他们的困境是正常的。不知道他们努力的方向是正确的。不知道其他人也会在同一阶段遭遇困难。需要我们把事实告诉用户。用户不需要你完美，他们需要你诚实。

上述所言，并不是要我们产品经理放弃自己的责任，放弃对于产品的优化，由于产品的缺陷导致的用户困境会让我们丧失大量的机会。依然是我们要重点关注并排除的。但是对于一些门槛较高的产品，我们确实需要把事实告诉用户，要让他们有充足的心理准备。

例如机器学习平台之类的产品，虽然已经大量简化了用户操作的难度，采用了可视化的界面和托拉拽的操作形式，但是对于大多数不熟悉算法的用户来说，依然存在门槛。

为了帮助用户不断的进步，应该在排除困难的同时，给与他们更为明确的指导。

• 一份描述当前路径的指南，帮助他们了解当前所处的阶段；
• 一些想法和工具，帮助他们尽早、尽可能的频繁应用当前掌握的技能。

理想的 成长路径图 如下：

• 清晰的成长步骤，从初学者到专家；
• 一个评估当前状态的有效手段“你在这里”；
• 一个高度可信的理由，让他们相信，成功不需要“天赋”或运气。

在帮助用户成长方面，作者讲述了几个小技巧，在我们产品设计的过程中，也都是很有借鉴意义的。

1. 畏惧会让用户“出师不利”，说服用户，让他们大胆些，允许他们自由尝试。
2. 让用户尽可能的获得内在激励体验。
3. 为卓越用户建立深度有效的交流平台。
4. 给用户提供高回报的技巧和诀窍。

我们通过下面一张图就可以清晰展示出成就卓越用户的路经了。

如果想让这个准则真正有效，我们还需要做什么呢？这件事情事关用户幸福的关键要素。

我们在这里依然是通过一个实验，为大家揭示出来一个另人瞠目的结论。

实验是这样的，哈佛大学的一位教授和165位学生一起开展了一个简单的实验，将学生分成两组，要求一半学生记忆一个7位数，其余学生记忆一个两位数。实验结束后，参与者被告知可以得到水果或者蛋糕，结果是记忆7位数的参与者选择蛋糕的可能性要比另一组高出大约1倍。

研究人员发现的结论是， 意志力与认知加工能力从同一个资源池中获取能量。

所以身为PM的我们，应该做什么？

确保用户把稀缺、易耗的认知资源用在正确的事情上。他们的核心任务既是减少资源泄露。

作为产品经理，我们应该不断追问自己，我的用户希望把他们宝贵的认知资源花费在哪里？我可以给他们提供什么样的帮助？我所做的事情有哪些缺点或不足？

• 要想减少认知泄露，应该把认知工作委托给外部世界。（这样它就不会滞留在用户的大脑中）
• 要想减少认知泄露，设法让正确的事情成为最可能做的事情。
• 要想减少认知泄露，设法让正确的行为变得自然和明显。
• 要想减少认知泄露，帮助用户内化技能。
• 要想减少认知泄露，传授实用技巧。
• 要想减少认知泄露，帮助用户处理琐碎但重要的事情。
• 要想减少认知泄露， 减少对意志力的要求 。
• 要想减少用户对意志力的要求，帮助他们构建习惯。
• 要想减少用户对意志力的要求，帮助他们体验内在激励。（当这个更大的应用场景与你自身紧密相关时，从事与之相关的枯燥乏味的工作只需花费很少的意志力。）
• 要想减少用户对意志力的要求，帮助他们的大脑集中注意力。

最后一部分内容介绍了帮助用户将信息穿过大脑过滤器的方法，这样可以有效的避免认知泄露的情况。

那么，大脑究竟关注什么事情呢？

• 大脑关注那些令人害怕、具有威胁性的事情。
• 大脑关注面部表情，尤其是那些表现强烈情感的表情。
• 大脑关注幼小的，看似无助的人和物。
• 大脑关注那些能够触发感情的事情。即使你的大脑不知道某件事情为什么有趣。它也会认为你的情感反应足以成为时期穿越垃圾过滤器的理由。
• 大脑喜欢即学即用式学习，而不是储备式学习。

所以，PM们要慎之又慎，针对需要学习的内容要详加验证，尽量减少用户的资源消耗。

接下来我们要讲一下成就卓越用户的最后一部分内容， 减少认知资源泄露 。

这就是如何打造一款畅销产品的精华所在，它从科学的认知出发，一层层推导出如何成就卓越的用户。作为PM，知识面的广博程度有时候也是制约我们有所成就的重要原因，心理学和认知科学就是很值得我们关注的领域。做产品，首先要了解人，关注人。

本文由 @燕然未勒 原创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。

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: