思想领袖

优秀的产品团队如何决定下一步构建什么

mm
将 Unite.AI 添加到您在 Google 上的首选来源

为什么在 AI 时代,真正的客户行为比以往任何时候都更重要

产品经理和工程师可以花费数月时间塑造一个功能,然后由业务外部的客户使用。当客户使用它时,他们可能会按照预期使用,也可能会找到一个完全不同的路径。他们可能会忽略主要功能,而不断返回到团队在开发过程中几乎没有注意到的东西。这就是真正的学习和有趣的决策开始的地方。

与此同时,AI 已经改变了产品和工程团队的工作方式,使得将一个想法变成可用的软件变得更加快速。编码助手和自动化测试工具正在加速这一进程。曾经需要数周的工程工作现在可以在几天内变成可用的原型,从而创造了更多的测试和发布机会 —— 以及从客户开始使用新功能时学习的机会。

随着开发速度的加快和更多新想法到达客户,产品团队必须快速从早期用户交互中学习,并决定如何响应。随着软件的发布,学习和决策也必须加快。如果学习跟不上开发的速度,用户将会被新功能和“改进”淹没,这些功能和改进可能是他们不想要的,甚至可能使他们的体验变得更糟。

更快地构建改变一切

最近的研究涉及 超过 100,000 名 GitHub 开发者,这表明这种转变发生得有多快。AI 编码工具将编码活动增加了多达 180%,而发布量增加了约 30%。研究人员还研究了四个应用商店,在那里新的发布量正在增加,但总体使用量保持不变或下降。这意味着更多的软件正在竞争相同的客户注意力。

这是发布后数据必须填补的差距:了解哪些已发布的内容实际上赢得了客户的日常使用,而哪些只是增加了噪音。

假设一个在线零售商推出一个 AI 购物助手。它可以回答产品问题,推荐合适的商品,并且似乎按照计划工作。下一个问题是客户实际上如何使用它 —— 以及为什么。

客户是否在访问开始时打开助手,还是只有在搜索失败后才打开?哪些问题会导致产品查看或购买?对话在哪里突然结束?返回的客户是否与首次访问的客户不同地使用它?

答案揭示了助手实际上扮演的角色。高互动次数可能看起来很健康,但更仔细的观察可能会显示客户重复相同的问题,因为答案不清楚。另一方面,适度的采用率可能是可以接受的,如果这些用户转化率更高或探索更广泛的产品。

产品分析显示了功能上线后发生了什么。客户是否使用了它?它是否帮助他们向前迈进,还是将他们引向意外的方向?答案为产品经理提供了具体的内容来决定如何改变。

从客户实际做的事情中学习

由于 AI 使得将新功能引入产品变得更加容易,许多产品团队正在进行比历史上更多的更改,这可能会为用户带来意想不到的摩擦。例如,一个团队可能会推出一个助手,而另一个团队可能会快速推出推荐或尝试新的界面。很快,客户就会在多个竞争的想法中选择,而体验开始感觉混乱或不连贯。

我们的零售商可能会发现客户在同一个任务中在 AI 搜索工具和购物助手之间切换。产品分析可以显示他们在哪里失去了动力,以及哪条路更频繁地导致完成了购买。这为业务提供了简化旅程和专注投资于最有影响力的基础。

更好的问题, 更好的产品决策

今天,产品构建者的工作有很大一部分是决定哪些问题值得解决,以及如何深入地解决一个想法。做出这个决定的困难部分是当检查证据时提出正确的问题。

显示大量客户活动的仪表板可能具有误导性,因为采用本身并没有什么意义。重要的问题是用户试图做什么,功能是否帮助他们实现目标,以及他们是否在最初的好奇心消失后再次回来。

问题也应该随着时间的推移而改变。在发布后的前几天,优先考虑混乱的交互或技术故障可能是首要任务。几周后,重点转移到是否重复使用以及是否与商业结果相关。询问发布当天的问题六周后没有什么价值。

AI 可以标记异常的行为变化,并帮助产品经理探索大量的事件数据。这缩短了发现信号和调查之间的差距。

当然,数据的变化并不能自我解释。使用量的下降可能表明工作流程中断或成功删除了不必要的步骤。了解产品和其用户的人仍然需要弄清楚变化的真正含义。

跟上客户的步伐

发布和审查之间的差距变得越来越难以忽视。如果软件每周都在改变,季度会议将会留下大量的客户行为未被察觉。产品经理需要重要的变化在发布的上下文消失之前到达他们手中。

这从人们知道他们拥有的结果和能够轻松探索相关行为开始。像 Mixpanel 这样的 AI 技术可以将注意力引向值得调查的变化,并提供客户实际做了什么的记录。产品经理可以专注于值得更仔细检查的事情。

最好的产品团队会改变他们的想法

这个功能是否应该进一步投资?小的改变是否会在关键点消除摩擦?实验是否已经告诉我们足够的信息?或者它是否添加了客户从未要求的复杂性?每个答案都给产品经理一个决策。最好的产品经理在证据表明更好的结果时会改变他们的想法。

软件发布得越快,产品团队就需要学习得越快。对于任何发布 AI 启用的产品来说,一个问题比其他所有问题都更重要:你是否愿意挑战自己的假设并从发布后的用户数据中学习?你是否愿意改变你的想法?在发布前决定你的答案。然后确保你准备好看到它 —— 并采取行动。

安安特·古普塔(Anant Gupta)是Mixpanel的首席技术官,在那里他正在推动向AI本地产品智能平台的转变。他此前曾在Included Health、Uber和LinkedIn领导工程和数据组织,建立团队和系统,规模遍及全球。