数据 To B 商业化的一些心得
从产品、商业策略和组织视角谈谈自己对数据 To B 商业化的一些心得。
产品视角
如何做一个好的数据产品？
分清客户和用户。
客户是产品的购买者，用户是产品的实际使用者。
大部分情况下，客户和用户不是一群人，甚至在企业里往往层级相差很多，对产品有不同诉求很正常。面临不同诉求，要记住一条准则：产品的价值是帮助客户实现其业务价值。
分层服务“阅览者”和“编辑者”。
“阅览者”消费产品的内容，”编辑者“生产产品的内容，产品不仅要让消费者很舒服，也要帮助生产者提效降本。
平衡好“功能强大”和“简单上手”的矛盾。
能服务好超级用户是产品在竞争中获得优势的核心能力，但不能自high，将产品的上手难度和产品的能力挂钩。
真正做到初级用户很容易上手，但随着使用的深入，不断发掘更多更深入的功能，才是产品的能力体现。
兼顾产品的前台功能和运维治理能力建设。
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。
如何做好B端产品经理？
和企业业务负责人建立深入连接。
能和企业业务负责人建立顺畅且持续沟通的关系，了解业务方向，才能对该做什么心中有数。
追寻需求业务价值。
能从需求中洞察业务价值，通过对业务价值的判断而不是产品的实现难易来定优先级。
做很懂业务的通才。
技术产品经理要懂技术，数据产品经理要懂服务的业务或行业。
数据智能在产品上落地有哪些方向？
数据洞察（Insights）
1）诊断归因，包括指标拆解、归因，业务流程诊断、归因等；2）智能交互，包括数据智能解读，问答式交互等。
数据预测（Prediction）
1）机会发现；2）趋势预测；3）异常检测。
数据产品特别是分析型数据产品 SaaS 化的几个方向？
- 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。
- 场景化分析模版市场，打造行业分析经验分享和交流平台。
- 一站式数仓技术服务，数据接入、生产、应用和管理SaaS化。
- 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。
最后
- 2B 需要稳而慢，稳指对产品的质量要求非常高，慢指产品发布要做到慢节奏，且重视向后兼容。
商业策略视角
选择什么样的客户？
- 选择增长行业客户：客户增长，产品才能体现更大价值，才能赢得口碑。
- 聚焦行业头部客户：成功落地头部企业，才能更好在行业内做复制。
如何做产品定价？
- 定价要与你的潜在客户数、客户分布相匹配。
- 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。
如何设计产品策略？
- 标准产品和解决方案并重：标准产品打长尾，解决方案打头部。
- 做解决方案，要敬畏客户，认真做功课：知己知彼，研究客户及其竞争对手，针对性给出解决方案。
- 解决方案要尽量产品化：聚焦行业，定制需求做场景化抽象，才能规模化复制。
- 对外版本更新不求快，重视产品质量和前后一致性。
做客户服务要关注什么？
- 基于客户分层的差异化运营体系，有中长尾客户，才有未来。
- 关注客户钱包深度，持续挖掘商机。
- 数字化客户全生命周期应用，持续优化。
- 后方出台尽可能后置，可安排在在临门一脚时，或产品交付回访时。
组织视角
商业化团队有哪些角色？
市场、销售、产品，三足鼎立。不同于2C，销售和市场拥有巨大的话语权。
商业化团队的岗位如何设定？
售前阶段，
销售（客户经理）负责商机跟进，维持客户关系和合同洽谈。
售前（解决方案架构师），站在客户视角，从产品的角度为客户提供解决方案建议。
ToB市场，负责网站及外宣材料、线上推广（SEM）、活动/会议组织、社区运营、客户成功案例收集、竞品调查等。
售后阶段，
实施工程师、交付经理，为产品交付负责。
技术支持/客户成功，为客户满意度负责。
最后
- To B需要既懂技术又懂业务的技术商人，为业务规模和P&L负责。