产品经理修炼之道：结构化输入和结构化输出 | 人人都是产品经理

安宇雨 - 随手采集
2019-04-12 00:51:46
随手采集
0000-未整理-等待研究

上篇文章《产品经理进阶之路：用模型化思维解决问题》中，说了“5W2H”和“Why-What-How”这两个问题解决模型，以及一个“保安三连问”问题思考模型。这都是工作中最基本的工具。那么有什么方法，可以持续地积累更多的实用模型，向上更进一步呢？方法有很多，其中收效最快的方式，就是结构化的学习。

本文要点如下：
（1）结构化输入有两种基本的方法：一是将无结构的内容进行结构化分析；二是将已有结构的内容打散，与自己的知识结构进行重组，形成新的结构；
（2）将无结构的内容进行结构化分析的拆建三部曲：成分拆解、结构／关系梳理、时间线／流程梳理；
（3）打散现有结构进行重组的案例：AARRR模型→ AAR服务导向模型&RR营销导向模型；
（4）持续地进行结构化输入后，个人的结构化输出能力的提升也就水到渠成了；
（5）产品经理没有职权，怎么才能叫得动其它部门同事？怎么才能处理好复杂的事件？结构化学习可以提供很有效的方法。

结构化输入

小时候，我的某位老师曾经深情地对我们说，“你们现在读书越读越厚，但是最后你们会发现，书要越读越薄”。实是至理明言。书读得厚，只不过是知识的积累，就像孔乙己一样会“茴”字的4种写法，算不得高明；而书读得薄，是把所读到新的知识点，都融会贯通到自己的知识体系当中，变成自己的血液肌肉，随时随地都能够有效应用在工作生活当中，这才叫作高级。要做到这种“高级”，简单来说，就是要做到结构化输入。

什么叫做结构化输入？

一个浅显的例子是，假设大脑是一个仓库，繁多杂乱的知识点是棉被，每天都有新的货物进来——非结构化的输入，就等于随意堆放这些棉被，仓库很快就会被占满，并把原有的棉被挤出去；结构化的输入，就相当于在仓库中建立框架，并将棉被压缩抽气成为一个又硬又小的货物放置在框架中，这样棉被的储存量就以次方级增加。

这就是结构化输入的魅力所在。

结构化输入的方法论

结构化输入的方法论包含两个层面：

将无结构的内容抽象成为结构化存储
将已有结构的内容打散，与自己的知识结构进行重组，形成新的结构

具体怎么操作，上案例：

1、将无结构的内容进行结构化分析

美国佛蒙特大学的研究者曾经做过一项工作，他们通过自然语言处理与文本数字化等方式，在分析1737个故事后，根据情绪曲线和主成分分析法，总结出了6种讲故事的套路：

由穷变富（Rags to riches，rise）
由富变穷（Riches to rags or tragedy， fall）
陷入绝境然后成长（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）

根据这几个套路，有个博主时悦shadow逐个分析了国内的各种玛丽苏剧。比如范冰冰主演的《武媚娘传奇》，使用的就是辛迪瑞拉式灰姑娘路线。

辛迪瑞拉式灰姑娘路线-《武媚娘传奇》

这就是一个简单的将看似铺开无结构的剧情充分结构化的例证，有兴趣的同学，可以把国内大部分IP剧都套入来做一个结构化的分析，然后你们会发现，满满的都是套路啊！

作为普通人，我们也许没有那么强大的数据分析工具，但也可以按照如下三步进行拆解和重组，搭建自己的结构（不妨叫他们拆建三部曲）：

成分拆解。可以用到前一篇文章提到的5W2H方法，将内容要素根据主要成分进行分解。根据自己实际的需要，来把握分解颗粒度的粗细。
结构／关系梳理。成分拆解之后，根据不同成分之间的关系来确定结构。
时间线／流程梳理。成分、成分结构确认之后，各成分之间如何发生作用、本结构如何与外界发生作用也可以进一步确认下来。

几年前看了一篇文章，介绍王石领导万科的管理层应对君安证券“逼宫”的全过程（文章名称是《王石回忆20年前那一战：万科与君安的较量》，有兴趣的同学可以去搜来看一下）。看完后，我用了两天的业余时间做了一个结构分析图，基本就是按照这种方法操作。

通过拆建三部曲，几万字、几十万字、甚至几百万字的知识，就能够简化成一个个清晰的架构展现在你面前。

2、将已有结构的内容打散，与自己的知识结构进行重组，形成新的结构

我们以一个互金运营经理读《增长黑客》为例：

（1）带着问题阅读

在不断地“学习”其他理财app的运营设计并陆续上线了很多运营功能之后，你忽然迷惑了。你不知道自己为什么要做这些功能或是活动，也不知道该针对哪些用户推出什么运营活动最合适。这时，你的老板推荐了一本书《增长黑客》，希望能给你一点启发。

（2）理清阅读过程中产生的新问题之间的关系

通过阅读，你发现AARRR模型能够告诉你，在用户生命周期的不同阶段，有不同的运营目标，必须针对这些来设计运营活动。然后，还需要设定相应的数据指标来验证这些目标是否已经达到。通过这样的阅读，你就在运营目标-用户-数据指标之间建立了关联。

（3）知识重组，形成新模型或新技能（拆建三部曲）

1）成分拆解：平台、用户

2） 结构／关系梳理：“平台&用户”的互动（拉新、促活、留存）和交易（获取收入）关系、“用户&用户”的传播关系（传播）

3）时间线／流程梳理：

拉新→促活→留存。从时间线看，体现的是用户从入门到放弃的全过程
在全过程的每一个节点（浏览／点击／访问／下载／注册／绑卡／投资交易／复投等）中，都有可能发生“用户→用户”的传播行为。比如，家里是老婆管钱，老公在朋友圈看到朋友分享的一个收益率不错的产品时，就可能仅仅是在访问完产品介绍页面后，就把链接地址发给老婆，完成了一次传播过程
对互联网金融产品来说，只有发生了实际的交易，才有收入可言。而在交易后发生的用户间传播，可信度和新用户的交易转化率都会比较高。这样，又会将一个新用户拉进“拉新→促活→留存”的生命周期。

经过以上一番梳理，新的结构模型也就呼之欲出了——

1）“拉新-促活-留存”模型（AAR服务导向模型）

你发现在这个模型中，由于获取用户、提高留存率、提高活跃度这三项反映的是用户在本平台一个完整的生命周期，所以可以单独拉出来，构成“拉新-留存-促活”的框架，而这恰好也是用户运营的核心。你结合自己的从业经历，整理出了下表：

拉新（A）：核心是“开源”，表现为渠道管理，目标是促成注册。操作手法上，自传播（分享、邀请好友）、有线上线下活动、新媒体、地推、付费广告、SEM、换量等——用户视角：有个不错的产品，过去看看
促活（A）：核心是“转化率”，表现为用户管理，目标是促成用户在本平台不断从能级低的状态往能级高的状态转化和跃迁。比如，注册→绑卡→投资→复投→定投，用户投入了金钱和精力，于是跃迁到更高的能级。操作手法上，有用户成长体系建设和用户激励体系建设——用户视角：在这儿投资，太过瘾了
留存（R）：核心是“节流”，表现为产品管理，目标是促成用户留在本平台、召回流失用户。操作手法上，有基于用户分层的精细化运营、push或短信召回（生日券发放、红包发放、新品上线通知）等——用户视角：我喜欢这里，就是比别的平台好

在这里，很重要的一点是根据产品所属行业，定义好留存率。比如，游戏行业最重要的是看7日留存率，而对于互联网金融来说，回款后30天内未续投就可以算作流失了。在此，通过留存率也可以比较有效地检视拉新这个节点中，不同渠道的质量高低。一般来说，能够有效留存的的渠道才是优质渠道。

2）传播-收入模型（RR营销导向模型）

去掉“拉新-留存-促活”三要素后，传播与收入之间又有什么关系呢？

在这里就需要引入改造过的“营销漏斗模型”了。

从AARRR 模型和营销漏斗模型转化来的“RR模型”：

传播（R）：在营销漏斗模型中，展现量、点击量、访问量都可以认为是基于“平台→用户→用户”的传播过程中产生的行为和数据。

首先是“平台→A用户”的单向传播，A用户在过程中对平台或是产品产生了好感，进而产生“A用户→B用户”的用户间传播，在“展现”、“点击”、“访问”这三个环节中，都有可能触发用户间的传播行为发生。——用户视角：东西看着不错，你也看看

收入（R）：在前置的传播过程完成后，用户对平台和产品有了基本的认知和信息，就可以进入到交易和产生订单的阶段了。与媒体型平台不同，对互联网金融产品来说，有交易才有收入。

在这个过程中，发生的是“A用户→B用户”的用户间传播，用户因为在平台上通过交易获得了需求的满足，进而产生分享和传播的动力。——用户视角：我买过，确实不错，快来看看。

总结一下，从近似的角度来看：

AAR模型以用户服务为抓手，着眼于用户本身
RR模型以营销行为为抓手，着眼于用户的交易

这样，原有的一个AARRR模型就变成了“拉新-留存-促活”和“交易-收入-传播”两个模型，别人的知识，就这样变成了自己的技能。通过不断地阅读和思考，就会有越来越多的知识转换成了技能，并分门别类地储存了起来，你的武器库将越来越强大。

同样是阅读后的知识整理，这种方式比单纯做思维导图的效果就会好很多。之所以说思维导图这种模式不够好，就是因为将来在需要调用的时候，你需要从作者原来的思维框架中寻找可能有用的知识点，效率不可同日而语。

持续地进行结构化输入后，你会发现对于你已经积累了多个可应用的有效框架，这种感觉简直就是——棒棒哒！但是要把这些知识真正有效地应用起来，我们还必须学会结构化输出。

结构化输出

经常有人脑袋里全是道理，叽里呱啦说了一大堆，但是别人却压根听不明白。简单来说，就是结构化输出做得不好，输出全是散点，不成体系不成架构，乱成一团，其他人自然听不懂。

什么叫做结构化输出？

假设繁冗复杂的事件是材料，输出的过程是流水线。结构化输出就是把将模型（结构化输入时我们已经积累了很多）放在流水线上，从后端推入材料，另一端出来的就是按照模型做好的制成品了。

结构化输出的方法论

把素材填入已经积累学习过的模型中。

具体怎么操作，上案例：

我们可以将很多来源不同但相关性较高的多组内容都组织在同一个模型之下，形成立体的事件解决方案，直接应用于业务规划、产品设计和运营方案等。

以我将卫哲关于B2B的观点总结成为精益画布的例子作为说明：

某次在喜马拉雅听“湖畔大学”时，对卫哲说的B2B业务模式很感兴趣
于是就在听完后，到网上找他更多的采访稿以及其它资料，从庞杂的资料中整理出要点
在整理的过程中，我发现他的思维框架与精益画布似乎有一些暗合之处（精益画布是商业模式画布的进化版，是我在结构化输入中学习到的一个模型）
将整理出来的要点逐个填入画布，并根据画布的指标要求反过来寻找更多素材。

于是，就有了下图：

卫哲B2B业务精益画布

这就是一个将庞杂材料挤压进模型成为结构化解决方案的过程。图画完了，一种新的业务规划思路也就出来了。

整理卫哲关于的B2B业务思路，这属于结构化输出的前段，整理完成后，将思路进行有效应用，才是结构化输出的重头戏所在——“基金公司这样的资产管理机构，大量的业务也是属于B2B，从中我是不是也能找到突破点？在基金公司的B2C直销和互联网金融业务中，我又能从中找到什么启发？”限于业务安全的需要，这些设计方案不能公开，但相信结构化输出的精髓所在大家已经能够有所明白了。

作为产品经理，每天要面对大量纷繁芜杂的事情，也需要处理与用户、老板、设计、运营、BD、开发、测试、项目经理等各路神仙妖怪的关系。最经常听到的一句话是“产品经理负责制”，可是没有职位，又能拿什么负责呢？答案是“理结构，讲逻辑”，不管是一次沟通，还是一个项目，都有它内在的结构和逻辑，怎么做，方法都在这篇文章里了。