Extra Cookies

To B 行业近来流行一种增长策略：PLG（Product-led Growth），即产品驱动增长，区别于以往的 SLG（Sales-led Growth）销售驱动增长策略。

PLG 策略是对 To C 企业增长策略的学习，侧重于用产品吸引用户，可以理解为是“拉”的方式：我把产品先给你用，当你试用后觉得产品不错，自愿付费，或反向推动企业付费。SLG 策略则更侧重销售及服务，可以理解为是“推”的方式：销售主动跟进客户，通过产品和方案介绍，吸引客户购买产品。

在PLG 策略下，产品本身成为获取流量、转化商机、留存用户的核心动力，企业获客成本更低，增长速度也更快，而且因为加大了和用户的连接，PLG 策略下的产品也更受用户喜爱。

这么多优点，那是不是所有的 To B 产品都可以尝试下 PLG 策略？

当然不是，因为不是所有产品都适合，可以说大部分 To B 产品都不适合。这种策略更适合 To B 产品里的偏 C 端产品，比如钉钉、飞书、石墨文档、Notion 等，这些产品都有一个共同的引入路径：个人使用，到小组使用，到公司使用。

越来越多的互联网企业进入 To B 领域。

一种形式是企业在 To C 领域面临增长瓶颈，进入 To B 领域探索第二发展曲线。

另一种形式是企业对内的技术产品，对外部开放，做商业化，探索增长机会。

两种形式是相互交织的，第一种是自上而下的战略，有很多优秀的对内技术产品能对外开放，是竞争力的体现。第二种是自下而上的推动，没有企业的战略方向指引，就只是小打小闹，做不大。

这篇内容，主要是从第二种形式出发，谈谈一些想法。

To B 人，很多可能都听到过销售、售前团队这么抱怨产品团队。

抱怨基本上会集中在产品这需求那需求不支持，研发的交付太慢，系统不稳定三个方面。在 To B 领域，这个问题很常见，不用过分紧张。

问题的症结也是 To B 相比 To C 的一个显著不同：To B 的链条太长了。

从客户反馈，到产品设计、实现，或者从产品功能发布，到客户升级、使用，时间可能已经过去 3 个月了。产研团队很难去判断销售、售前口里的客户需求，到底是真的客户需求，还是只是为了商务关系给客户夸下的海口，也很难持续跟进需求在客户侧的落地情况，客户使用的时候，产研团队可能已经在忙其他需求了。

「事实」这本书，讲述了人的十种情绪化本能，以及每种本能该如何有效控制。很适合现如今的信息环境，越来越极端化，热门推荐充斥着让人不由产生愤怒、悲观、焦虑或恐惧情绪的信息。

书中内容可以帮助我们用「事实」思考，建立实事求是世界观，让乐观，希望，理性的情绪回来。当然，反向操作，也可以成为打造10万+热门文章的流量密码。

十种情绪化本能分别是：一分为二、负面思维、直线思维、恐惧本能、规模错觉、以偏概全、命中注定、单一视角、归咎他人、情急生乱。

一分为二 - The Gap Instinct

第一个情绪化本能是人们习惯把事情一分为二，比如好的和坏的，英雄和恶棍。

书中内容分三大部分，第一部分从宏观上讲了供应链管理是什么，如何做；第二部分聚焦在供应商管理，如何选择合适的供应商，如何把它们管好；第三部分探讨采购管理，五个阶段，以及“小采购”和“大采购”的区别。

内容比较多，有比较明显的集合作者多篇独立文章而成的痕迹，偏重于实践和案例，对外行入门而言，理解门槛较低，但需要有自己的判断，尤其里面的案例。

供应链的全局观

什么是供应链管理？

横向：供应链是从客户的客户到供应商的供应商，供应链管理是对贯穿其中的产品流、信息流和资金流的集成管理，以最大化给客户的价值、最小化供应链的成本。它是一个综合管理、全局优化的思想，以摆脱单个公司、单个职能层面的局部优化，实现供应链条的全局优化为目标。

做大数据 To B 服务的企业，在产研环节，要解决两个核心问题：

1. 如何定义好产品架构？
2. 如何建设好交付体系？

产品架构

产品分两大类，

1、基础产品体系，覆盖大数据的采、建、管、用环节，提供通用数据能力的产品。

做数据产品的过程，经常会陷入一个困局，“你的产品不就是一张张报表堆砌起来的，那短平快解决掉当前问题是不是就可以了？是不是不需要做产品规划，响应需求就可以”。

作为一名数据产品经理，如果你面临的实际情况就是这样，那相信你的产品很快将寿终正寝，或者这个产品有你没你一个样。

做产品，我们的出发点大多是追求长期价值，做数据产品，追求的就是从数据中获取长期价值。只是解决短期的特定问题，用户或开发人员直接用搭建工具搭报表就行了。

作为一名数据产品经理，你的目标是实现产品的长期价值，这个目标需要你具备打造持续演进数据产品的能力。要培养这种能力，关键在于能发现客户真正的、持续的问题，然后用产品解决掉。

我们需要更懂客户，我们需要和客户建立信任，真正了解他们的问题，他们的目标，我们可以从以下5点开始。

最近的思考，关于数据产品几种形态。

1. 聚合报表的Dashboard类产品，解决有数可看的问题。
2. 具备分析思路的场景化分析看板类产品，简化数据可被理解的难度。
3. 数据洞察到action的策略类产品，实现数据驱动业务动作执行。
4. 数据智能决策类产品，实现数据洞察到业务动作的自动化、智能化执行。

1、Dashboard 类产品

可以是基于 Tableau、PowerBI 等BI工具建立的报表集合，也可以是通过BI工具的产品搭建能力，或者自研，形成的数据可视化产品，分业务，分模块展示数据。

这类产品主要是解决看数的问题，核心能力在于能快速响应需求，稳定，准确的反映数据现状，建构有完整的指标体系、提供美观易懂的可视化形式，会是加分项。

这本书的内容主要来自作者魏杰在一些公开论坛和研讨会的演讲。

话题比较大，作为一个宏观经济的门外汉，这本书主要给我带来三个方面的收获，一是了解当前的大环境如何，二是对现在的一些政策会有更深的认识，站高一点更客观去理解现存的问题，三是可以作为在行业方向判断上的输入，也对中国经济的发展更有信心。

从自己阅读的角度总结了下，主要有如下几个主题：

• 2012-2035经济周期，我们面临的三大任务
• 中国经济进入全面调整期要做的三件事
• 深化改革的要点
• 面对美国遏制我们该怎么办
• 改革开放再起航要做哪些改革
• 什么是双向型对外开放战略

2012-2035经济周期，我们面临的三大任务

这两年，离开做企业服务这门生意，真正到企业里带领团队实践如何用数据来服务电商业务，自己的很多观点发生了改变，同时，对行业的观察和理解也在迭代自己对 To B 这门生意的认知。

产品视角 (Product PoV)

1. 如何做一个好的数据产品
   • 1.1 分清客户和用户
     1. 客户是产品的购买者，用户是产品的实际使用者，他们之间往往层级相差很多。
     2. 产品的价值是帮助客户实现其业务价值：既要让老板买单肯定你产品的价值，又要让下面的人真正使用起来，让产品在客户的企业里创造价值。
   • 1.2 分层服务“阅览者”和“编辑者”
     1. “阅览者”消费产品的内容，是消费者；”编辑者“生产产品的内容，是生产者。
     2. 产品不仅要让消费者很舒服，也要帮助生产者提效降本。
   • 1.3 平衡好“功能强大”和“简单上手”的矛盾
     1. 能服务好超级用户是产品在竞争中获得优势的核心能力，但真正做到初级用户很容易上手，随着使用的深入不断发掘更多更深入的功能，才是产品的能力体现。
   • 1.4 兼顾产品的前台功能和运维治理能力建设
     1. 不光要做被用户看得到的功能，也要关注产品的运维保障、用户使用监控、资源成本治理等能力建设，做到产品全生命周期的管理和服务。
2. 如何做好B端产品经理
   • 2.1 跟着企业业务负责人走
     1. 了解企业业务方向，才能对该做什么心中有数。
   • 2.2 是既懂业务又懂产品的通才
     1. 懂如何做产品，懂所服务的业务或行业，（如果是技术产品）懂技术。
     2. 大多数产品经理自己不是核心用户，相比C端产品，对需求的把握天然就要远很多。一定要做好需求探索和客户访谈乃至客户共创，详细了解对方到底要什么，什么是最刚需的。
   • 2.3 能判断需求业务价值
     1. 能对业务价值做判断，才能在做不过来时，准备把控优先级，而不是通过产品的实现难易来定。
3. 如何解决产品定制化问题
   • 3.1 要用标准化产品满足碎片化需求，是企业服务的核心壁垒。
   • 3.2 解决客户的问题，能用产品解决，就不要用服务解决，能用服务解决就不用咨询解决。咨询工作尽量服务化，服务工作尽量产品化。因为一旦你的模式越来越依赖于高阶的人力，企业一定很难规模化。
4. 如何选择产品的交付模式
   • 4.1 私有化部署（On-premises）
     1. 数据产品一般是要连接或者采集企业的各种数据，很多企业不希望自己的数据出去，要求采用传统的私有化部署模式。
     2. 对数据产品而言，在产品的基本能力之外，要有能力连接企业的其他系统，比如企业的用户账号系统，要有能力嵌入到企业的内部系统，如企业的门户系统 (Portal)。总结起来就是产品要具备开放和集成的能力。
     3. 要降低后期运维服务的人力成本，产品要足够稳定，要能自动化部署，要有完善的运维工具来提高问题定位和解决效率，总结起来就是产品要具备稳定和运维的能力。
   • 4.2 云服务（SaaS）
     1. 云服务让数据产品可以以很低的成本服务企业客户，按服务、按量收费的模式也能大大降低企业使用产品的开销。产品的更新或问题解决能以更快的节奏给到企业客户，私有化部署可能带来的碎片版本，隔几年憋大版本重新收费的痛苦变得不复存在。
     2. 这种模式对数据产品的挑战1：生态的能力，这类企业的业务很大可能也已经在云上，那么如何去连接云上数据源的数据，甚至连接企业在云上其他 SaaS 服务的数据，会是不可或缺的能力。
     3. 挑战2：云服务面对的客户会更广，分类会更细，可能存在大量的小微企业。那么产品在使用门槛方面需要尽可能的降低。输出业务场景化的分析模版、或者提供基于领域的解决方案，会是一个途径。
     4. 挑战3：云服务的另一个优势在于可以平台化，虽然逻辑上客户之间是不可见的，但物理上是在同一个平台的，那么是否让不同客户能够分享甚至交换数据？是否要扩充、集成其他服务，比如提供云上数仓服务，甚至大数据基础服务？需要做抉择。
5. To B 需要稳而慢
   • 5.1 稳指对产品的质量要求非常高。
   • 5.2 慢指产品对外发布要做到慢节奏，且重视向后兼容。
6. To B 和 To C 产品有哪些重大差异点
   • 6.1 To B 产品的使用者、决策者和买单者往往是不同的三个人。
   • 6.2 To B 的决策周期非常长。
   • 6.3 To B 的转化链路非常长，需要长期沟通。
   • 6.4 To B 趋于线性增长，To C 一般需要指数增长。
7. 数据产品上的一些方向和机会
   • 7.1 数据智能在数据产品上的落地方向
     1. 洞察（Insights）：诊断归因（指标拆解&归因，业务流程诊断&归因）；智能交互（数据智能解读，问答式交互）。
     2. 预测（Prediction）：机会发现，趋势预测，异常检测。
   • 7.2 数据产品特别是分析型数据产品 SaaS 化的几个方向
     1. 对接线上SaaS产品（营销、客服、财务等SaaS服务），自动生成数据看板。
     2. 场景化分析模版市场，打造行业分析经验分享和交流平台。
     3. 一站式数仓技术服务，数据接入、生产、应用和管理SaaS化。
     4. 数据共享和交换平台，数据作为资产能在保障数据安全的情况下共享或交易。

策略视角 (Strategy PoV)

1. 如何选择客户
   • 1.1 选择增长行业客户
     1. 客户增长，产品才能体现更大价值，才能赢得口碑。
   • 1.2 聚焦行业头部客户
     1. 成功落地头部企业，才能更好在行业内做复制。
2. 如何做产品定价
   • 2.1 定价要与你的潜在客户数和客户分布相匹配。
   • 2.2 定价既要能够保证合理的销售速度，又要有足够的利润流向销售渠道。
3. 如何制定产品策略
   • 3.1 标准产品和解决方案并重
     1. 标准产品打长尾，解决方案打头部。
   • 3.2 做解决方案，要敬畏客户，认真做功课
     1. 知己知彼，研究客户及其竞争对手，针对性给出解决方案。
   • 3.3 解决方案要尽量产品化
     1. 聚焦行业，定制需求做场景化抽象，才能规模化复制。
   • 3.4 对外版本更新不求快，重视产品质量和前后一致性。
4. 如何制定客户服务策略
   • 4.1 基于客户分层的差异化运营体系，有中长尾客户，才有未来。
   • 4.2 关注客户钱包深度，持续挖掘商机。
   • 4.3 用户分层差异化服务。
   • 4.4 数字化客户全生命周期使用情况，并持续优化。
   • 4.5 后方出台尽可能后置，可安排在临门一脚时，或产品交付回访时。
5. 如何制定市场策略
   • 5.1 To B市场推广主要途径：SEM，线下活动，社区运营。
6. 如何设定商业化目标（特别是商业化起步阶段）
   • 6.1 营收要做拆解：标杆客户数 + 付费客户数量。
   • 6.2 重点打造产品的竞争优势，可以从试用转化，竞对分析角度来看。
   • 6.3 关注产品稳定性指标、产品功能交付效率指标。