数据增长对于设计师来说，是“真命题”还是“伪命题”？

　　这两年经济形式的大环境，以及大多数的互联网产品已经步入成熟期，用户量基本稳定，C类产品渐渐从过去的追求KPI变成了业务价值“增长”。行业内的招聘也渐渐变成了“产品经理（数据增长）”“设计师（数据增长）”，那么问题来了：“数据增长”到底是“真命题”还是“伪命题”？
　　这个话题源于跟小伙伴聊天时对于所谓“数据”“增长型”设计的思考，以及前几年对于产品、运营的业务能力评定，从“KPI”为目标导向变为“北极星指标”去达成业务目标。
　　“增长”这个名词成为了近两年的热词，起源大事件是可口可乐用“首席增长官”取代了“首席营销官”，“增长”变为成熟期公司们新时代的目标，毕竟品牌和产品的认知度够广，用户量稳定，需要的是更多业务合作和连接带来商业资金变化。
　　这两年经济形式的大环境，以及大多数的互联网产品已经步入成熟期，用户量基本稳定，C类产品渐渐从过去的追求KPI变成了业务价值“增长”，注意是“业务”带来“增长”变化，行业内的招聘也渐渐变成了“产品经理（数据增长）”“设计师（数据增长）”。
　　那么问题来了：“数据增长”到底是“真命题”还是“伪命题”？
　　A说：
　　一个H5推广小游戏，只不过放置在了QQ得开屏页推广，最终就有几亿的流量，这个数据可以成为设计师简历里所谓得“增长”型能力吗？
　　B说：
　　核心功能页强加一个广告页，用户要使用这个功能就必须等待广告结束，这个广告入口设置提升了广告得点击率浏览时长，这个数据可以成为产品经理简历里所谓的”增长”型能力吗？
　　C说：
　　2B型产品，设计师需要验证设计价值提升了商业价值，但实际设计产出对商业价值转换有直接相关性吗？如果是产品经理提出的需求，根据需求提出的解决方案，转化率高算业务的呢，还是算设计立功？反之，如果需求不合理做出的解决方案，转化率低是业务得锅还是设计师得锅？
　　大厂产品进入“成熟期”，用户量已经到达顶峰，无非是稳定用户基数，寻求新的商业机会（业务拓展），所谓的数据变化看重的是用户体验、商业变现直接相关的业务组合，那到底该如何衡量所谓的“增长型”呢？
　　我梳理了几个方向去看待这个问题：
　　设计师常见的几种数据
　　首先先来看看我们设计师经常接触几种数据类型：
　　日周月活跃用户数：方便产品设计人员了解产品的每日用户情况，了解产品的用户增长或者减少趋势。
　　留存用户数：用来衡量产品的用户粘性和产品的留存用户规模。
　　留存率：用来衡量用户使用粘性，也可以用来作为产品改版后的重要指标。
　　流失率：可全局看出所有的流失情况，找到流失异常数据，可追踪之前是什么情况导致流失数据情况。
　　展现PV：判断有阅读该功能产品的次数。
　　展现UV：判断有多少个用户阅读该功能界面。
　　点击UV：了解用户对功能交互事件点击数量规模，通过用户的点击数量了解用户的使用行为。
　　人均点击次数：用于衡量产品页面功能中的内容对用户的吸引度，对比同页面的不同功能。
　　平均停留时长：用来衡量页面吸引度，一般来说，停留时间越长，用户粘性越强。
　　人均使用时长：用来衡量用户使用产品的深度，判断用户使用产品的粘性和依赖度。
　　NPS净推荐值：产品口碑传播的重要指标。
　　跳出率：用来衡量页面内容质量。
　　数据思维及流程
　　基于“北极星指标”的规则和产品设计流程，不了解的童鞋可以手动搜索一下这个名词和具体用法，在这里简单赘述一下。
　　主要有以下几个步骤：挖掘问题机会点提出假设解决方案ABtest结果分析。
　　排查产品的功能问题，产品设计师挖掘需求，提出可能存在的假设去做小范围的功能验证，提出解决方案，对方案进行AB测试，验证该问题方向是否正确，并对结果进行分析。从小点“假设”的测试数据反推验证“大功能的问题”，即产品设计师所谓的“数据型增长”。
　　分产品周期
　　产品周期不一样，产品目标以及业务指标就不一样，所需要的“数据型”就不一样。
　　1。探索期（活下去）
　　很多人数较少的小公司，设计师的职能很可能承载为需求分析、原型设计、UI设计等多重身份，甚至还没有产品经理，这种情况下一般不需要“数据型”设计师，需要所谓的“全链路”，说白了老板只想花1个人的钱干三五个人干的活。
　　2。成长期（活得好）
　　此阶段公司有固定发展的业务方向，公司规模至少也有个几百人，并有资金不断注入，保证产品方向有延续性。这时候“数据型”关注的是产品用户基数的增长，即使用量，很多数据的制定、测试都是为了“用户增长”服务。
　　3。成熟期（赚不停）
　　进入此阶段的产品可以称之为大厂产品了，基本都有稳定的资金流，已经靠产品盈利甚至上市，与同期的竞品有良好的竞争模式，用户基数稳定。此时的“增长型”数据重点在于观察底层不同的数据变化，寻找不同关联业务数据此消彼长的关系，发现更多业务合作的可能性，带给用户更多的权益认同感。
　　至此关注数据的“用研”“增长型产品”“数据型产品”“增长型设计师”才是真正意义上的“增长型”，更多观察数据能是为了“业务增长”服务，带来更多商业可能性的探索。
　　4。衰退期
　　产品生命周期快走到尽头，跟战略层面的定位和决策有关系，经历过前三个周期的大型产品现在还没完全没落。
　　分产品类型
　　2C数据增长
　　更关注用户相关的数据变化，权衡用户体验和商业变现之间的关系，需求的本源更关注用户的行为和操作。
　　2B数据增长
　　更关注产品功能与业务目标之间的关系，这就更关注需求本身是不是从提升效率、节约成本等商业价值考虑，才能影响解决方案（设计产出）。
　　职级职能
　　1。职级
　　大学生1年（初级）
　　基本轮不上分析数据，都是些影响不大的小需求。
　　13年（中级）
　　会承担部分需求分析，进行功能原型设计，但数据埋点等相关功能验证由产品侧决定，基本没有话语权。（产品设计师体验设计师除外）
　　35年（高级）
　　需要通过理论验证数据分析去制定产品功能的规则，跟数据、业务、产品侧有强关联，甚至会通过有效手段验证业务产品目标制定的正确性。
　　5年以上（专家级）
　　行业专家具备战略性眼光，能根据行业环境和发展趋势预测一定的产品业务方向，制定更宏观的战略（比如大改版、新项目）
　　2。职能
　　设计师
　　出现全链路、产品设计师、体验设计师、增长设计师，不再仅仅关注功能设计，需要参考业务战略目标，通过数据去验证产品功能设计的正确性（如：AB测试）。
　　产品经理
　　重点倾向变为“业务型”“数据型”“技术型”不单单从产品单边和业务目标去制定产品计划，不同行业的高级产品更加专精某行业某领域（如：业务后台AI）
　　BB了这么久，大家是否能明白为什么大公司开始倾向于“增长型”“数据型”人才的需要，中小公司当然也会跟风要这类人才，但实际就是没有那么多细分坑位又想让你多干活。
　　适逢招聘季，也希望大家不要那么焦虑，对自己有点逼数，适时分析自己的能力是否匹配不同公司规模、产品发展周期、产品类型，最后再来看看职级职等是否能赋予你这么多权力胜任更多的HC需要，毕竟很多HR对职能和职级并不是很了解有知识和能力壁垒，最方便的方式就是抄大厂同岗位的招聘信息。
　　跟我一样的新人也不要那么焦虑和眼高手低，找准方向慢慢摸索行业规律，打破知识壁垒，不要从一个角度阶层看待同一个问题，颠覆已有认知，说不定一不小心就能从低年限变成了具备“复合能力”的硬核互联网人。
　　END