產品經理修鍊之道：結構化輸入和結構化輸出

05-12

本文要點如下：

結構化輸入有兩種基本的方法：1、將無結構的內容進行結構化分析；2、將已有結構的內容打散，與自己的知識結構進行重組，形成新的結構
將無結構的內容進行結構化分析的拆建三部曲：成分拆解、結構／關係梳理、時間線／流程梳理
打散現有結構進行重組的案例：AARRR模型→ AAR服務導向模型&RR營銷導向模型
持續地進行結構化輸入後，個人的結構化輸出能力的提升也就水到渠成了
產品經理沒有職權，怎麼才能叫得動其它部門同事？怎麼才能處理好複雜的事件？結構化學習可以提供很有效的方法

上篇文章《產品經理進階之路：用模型化思維解決問題》中，說了「5W2H」和「Why-What-How」這兩個問題解決模型，以及一個「保安三連問」問題思考模型。這都是工作中最基本的工具。那麼有什麼方法，可以持續地積累更多的實用模型，向上更進一步呢？

小時候，我的某位老師曾經深情地對我們說，「你們現在讀書越讀越厚，但是最後你們會發現，書要越讀越薄」。實是至理明言。書讀得厚，只不過是知識的積累，就像孔乙己會「茴」字的4種寫法，算不得高明；而書讀得薄，是把所讀到新的知識點，都融會貫通到自己的知識體系當中，變成自己的骨骼肌肉，隨時隨地都能夠有效應用在工作生活當中，這才叫作高級。

要做到這種「高級」，簡單來說，就是要做到結構化輸入和輸出。

結構化輸入

什麼叫做結構化輸入？

一個淺顯的例子是，假設大腦是一個倉庫，繁多雜亂的知識點是棉被，每天都有新的貨物進來——非結構化的輸入，就等於隨意堆放這些棉被，倉庫很快就會被佔滿，並把原有的棉被擠出去；結構化的輸入，就相當於在倉庫中建立框架，並將棉被壓縮抽氣成為一個又硬又小的貨物放置在框架中，這樣棉被的儲存量就以次方級增加。

這就是結構化輸入的魅力所在。

結構化輸入的方法論包含兩個層面：

將無結構的內容抽象成為結構化存儲
將已有結構的內容打散，與自己的知識結構進行重組，形成新的結構

具體怎麼操作，上案例：

1、將無結構的內容進行結構化分析

美國佛蒙特大學的研究者曾經做過一項工作，他們通過自然語言處理與文本數字化等方式，在分析1737個故事後，根據情緒曲線和主成分分析法，總結出了6種講故事的套路：

由窮變富（Rags to riches，rise）
由富變窮（Riches to rags or tragedy， fall）
陷入絕境然後成長（Man in a hole，fall-rise）
伊卡洛斯式（Icarus，rise-fall）
辛迪瑞拉式（Cinderella，rise-fall-rise）
俄狄浦斯式（Oedipus，fall-rise-fall）

根據這幾個套路，有個博主@時悅shadow 逐個分析了國內的各種瑪麗蘇劇。比如范冰冰主演的《武媚娘傳奇》，使用的就是辛迪瑞拉式灰姑娘路線。

這就是一個簡單的將看似鋪開無結構的劇情充分結構化的例證，有興趣的同學，可以把國內大部分IP劇都套入來做一個結構化的分析，然後你們會發現，滿滿的都是套路啊！

作為普通人，我們也許沒有那麼強大的數據分析工具，但也可以按照如下三步進行拆解和重組，搭建自己的結構（不妨叫他們拆建三部曲）：

1）成分拆解。可以用到前一篇文章提到的5W2H方法，將內容要素根據主要成分進行分解。根據自己實際的需要，來把握分解顆粒度的粗細。

2）結構／關係梳理。成分拆解之後，根據不同成分之間的關係來確定結構。

3）時間線／流程梳理。成分、成分結構確認之後，各成分之間如何發生作用、本結構如何與外界發生作用也可以進一步確認下來。

幾年前看了一篇文章，介紹王石領導萬科的管理層應對君安證券「逼宮」的全過程（文章名稱是《王石回憶20年前那一戰：萬科與君安的較量》，有興趣的同學可以去搜來看一下）。看完後，我用了兩天的業餘時間做了一個結構分析圖，基本就是按照這種方法操作（這張圖真的好長長長長長，所以我單獨做了一張圖片，在我的微信公眾號後台回復「王石」，就可以看到這張結構圖）。

通過拆建三部曲，幾萬字、幾十萬字、甚至幾百萬字的知識，就能夠簡化成一個個清晰的架構展現在你面前。

2、將已有結構的內容打散，與自己的知識結構進行重組，形成新的結構

我們以一個互金運營經理讀《增長黑客》為例：

Step1. 帶著問題閱讀

在不斷地「學習」其他理財app的運營設計並陸續上線了很多運營功能之後，你忽然迷惑了。你不知道自己為什麼要做這些功能或是活動，也不知道該針對哪些用戶推出什麼運營活動最合適。這時，你的老闆推薦了一本書《增長黑客》，希望能給你一點啟發。

Step2. 理清閱讀過程中產生的新問題之間的關係

通過閱讀，你發現AARRR模型能夠告訴你，在用戶生命周期的不同階段，有不同的運營目標，必須針對這些來設計運營活動。然後，還需要設定相應的數據指標來驗證這些目標是否已經達到。通過這樣的閱讀，你就在運營目標-用戶-數據指標之間建立了關聯。

Step3. 知識重組，形成新模型或新技能（拆建三部曲）

1）成分拆解：平台、用戶

2）結構／關係梳理：「平台&用戶」的互動（拉新、促活、留存）和交易（獲取收入）關係、「用戶&用戶」的傳播關係（傳播）

3）時間線／流程梳理：

拉新→促活→留存。從時間線看，體現的是用戶從入門到放棄的全過程
在全過程的每一個節點（瀏覽／點擊／訪問／下載／註冊／綁卡／投資交易／復投等）中，都有可能發生「用戶→用戶」的傳播行為。比如，家裡是老婆管錢，老公在朋友圈看到朋友分享的一個收益率不錯的產品時，就可能僅僅是在訪問完產品介紹頁面後，就把鏈接地址發給老婆，完成了一次傳播過程
對互聯網金融產品來說，只有發生了實際的交易，才有收入可言。而在交易後發生的用戶間傳播，可信度和新用戶的交易轉化率都會比較高。這樣，又會將一個新用戶拉進「拉新→促活→留存」的生命周期。

經過以上一番梳理，新的結構模型也就呼之欲出了——

1）「拉新-促活-留存」模型（AAR服務導向模型）

你發現在這個模型中，由於獲取用戶、提高留存率、提高活躍度這三項反映的是用戶在本平台一個完整的生命周期，所以可以單獨拉出來，構成「拉新-留存-促活」的框架，而這恰好也是用戶運營的核心。你結合自己的從業經歷，整理出了下表：

拉新（A）：核心是「開源」，表現為渠道管理，目標是促成註冊。操作手法上，自傳播（分享、邀請好友）、有線上線下活動、新媒體、地推、付費廣告、SEM、換量等——用戶視角：有個不錯的產品，過去看看
促活（A）：核心是「轉化率」，表現為用戶管理，目標是促成用戶在本平台不斷從能級低的狀態往能級高的狀態轉化和躍遷。比如，註冊→綁卡→投資→復投→定投，用戶投入了金錢和精力，於是躍遷到更高的能級。操作手法上，有用戶成長體系建設和用戶激勵體系建設——用戶視角：在這兒投資，太過癮了
留存（R）：核心是「節流」，表現為產品管理，目標是促成用戶留在本平台、召迴流失用戶。操作手法上，有基於用戶分層的精細化運營、push或簡訊召回（生日券發放、紅包發放、新品上線通知）等——用戶視角：我喜歡這裡，就是比別的平台好

在這裡，很重要的一點是根據產品所屬行業，定義好留存率。比如，遊戲行業最重要的是看7日留存率，而對於互聯網金融來說，回款後30天內未續投就可以算作流失了。在此，通過留存率也可以比較有效地檢視拉新這個節點中，不同渠道的質量高低。一般來說，能夠有效留存的的渠道才是優質渠道。

2）傳播-收入模型（RR營銷導向模型）

去掉「拉新-留存-促活」三要素後，傳播與收入之間又有什麼關係呢？

在這裡就需要引入改造過的「營銷漏斗模型」了。

從AARRR 模型和營銷漏斗模型轉化來的「RR模型」

傳播（R）：在營銷漏斗模型中，展現量、點擊量、訪問量都可以認為是基於「平台→用戶→用戶」的傳播過程中產生的行為和數據。
首先是「平台→A用戶」的單向傳播，A用戶在過程中對平台或是產品產生了好感，進而產生「A用戶→B用戶」的用戶間傳播，在「展現」、「點擊」、「訪問」這三個環節中，都有可能觸發用戶間的傳播行為發生。——用戶視角：東西看著不錯，你也看看
收入（R）：在前置的傳播過程完成後，用戶對平台和產品有了基本的認知和信息，就可以進入到交易和產生訂單的階段了。與媒體型平台不同，對互聯網金融產品來說，有交易才有收入。
在這個過程中，發生的是「A用戶→B用戶」的用戶間傳播，用戶因為在平台上通過交易獲得了需求的滿足，進而產生分享和傳播的動力。——用戶視角：我買過，確實不錯，快來看看

總結一下，從近似的角度來看：

AAR模型以用戶服務為抓手，著眼於用戶本身
RR模型以營銷行為為抓手，著眼於用戶的交易

這樣，原有的一個AARRR模型就變成了「拉新-留存-促活」和「交易-收入-傳播」兩個模型，別人的知識，就這樣變成了自己的技能。通過不斷地閱讀和思考，就會有越來越多的知識轉換成了技能，並分門別類地儲存了起來，你的武器庫將越來越強大。

同樣是閱讀後的知識整理，這種方式比單純做思維導圖的效果就會好很多。之所以說思維導圖這種模式不夠好，就是因為將來在需要調用的時候，你需要從作者原來的思維框架中尋找可能有用的知識點，效率不可同日而語。

持續地進行結構化輸入後，你會發現對於你已經積累了多個可應用的有效框架，但是要把這些模型真正有效地應用起來，我們還必須學會結構化輸出。

結構化輸出

什麼叫做結構化輸出？

假設繁冗複雜的事件是材料，輸出的過程是流水線。結構化輸出就是把將模型（結構化輸入時我們已經積累了很多）放在流水線上，從後端推入材料，另一端出來的就是按照模型做好的製成品了。

結構化輸出的方法論：

把素材填入已經積累學習過的模型中

具體怎麼操作，上案例：

我們可以將很多來源不同但相關性較高的多組內容都組織在同一個模型之下，形成立體的事件解決方案，直接應用於業務規劃、產品設計和運營方案等。

以我將衛哲關於B2B的觀點總結成為精益畫布的例子作為說明：

某次在喜馬拉雅聽「湖畔大學」時，對衛哲說的B2B業務模式很感興趣
於是就在聽完後，到網上找他更多的採訪稿以及其它資料，從龐雜的資料中整理出要點
在整理的過程中，我發現他的思維框架與精益畫布似乎有一些暗合之處（精益畫布是商業模式畫布的進化版，是我在結構化輸入中學習到的一個模型）
將整理出來的要點逐個填入畫布，並根據畫布的指標要求反過來尋找更多素材

於是，就有了下圖：

這就是一個將龐雜材料擠壓進模型成為結構化解決方案的過程。圖畫完了，一種新的業務規劃思路也就出來了。

整理衛哲關於的B2B業務思路，這屬於結構化輸出的前段，整理完成後，將思路進行有效應用，才是結構化輸出的重頭戲所在——「基金公司這樣的資產管理機構，大量的業務也是屬於B2B，從中我是不是也能找到突破點？在基金公司的B2C直銷和互聯網金融業務中，我又能從中找到什麼啟發？」限於業務安全的需要，這些設計方案不能公開，但相信結構化輸出的精髓所在大家已經能夠有所明白了。

作為產品經理，每天要面對大量紛繁蕪雜的事情，也需要處理與用戶、老闆、設計、運營、BD、開發、測試、項目經理等各路神仙妖怪的關係。最經常聽到的一句話是「產品經理負責制」，可是沒有職位，又能拿什麼負責呢？答案是「理結構，講邏輯」，不管是一次溝通，還是一個項目，都有它內在的結構和邏輯，怎麼做，方法都在這篇文章里了。

註：

在RR模型中，展現量包括簡訊、push、朋友圈／微博等社交平台、搜索引擎、應用商店、應用內展示等。
衛哲B2B業務精益畫布中，受限於個人能力和公開資料，「獨特賣點」這一項沒有填充進來，其它的指標也有不盡準確的地方，還請大家原諒。這個模型中，好的內容都是衛哲先生帶來的，不足的地方都是我的局限和不周全。
模型不是拍腦袋想出來的。需要從用戶的基本需求和業務屬性出發，並使用數據反覆驗證和優化。

作者：張德春，微信公眾號：道是無。原Wind資訊移動產品負責人、平安付產品總監，現公募基金互聯網金融與技術負責人。專研（互聯網+金融）10年+。