动态

从Whatnot CPO分享AI时代PM的十大洞见:AI改变数据工作、系统思维重要性、避免产品表演等

Lenny Rachitsky
我从@tdrobbo(Whatnot首席产品官)那里得到的最重要启示:

1. AI对PM(产品经理)最大的解锁现在在于数据科学(而非原型制作)。队列留存分析、用户日志分析、以及在一个@_hex_tech线程上的敏感性和回归模型——这些工作在2017年可能需要亚马逊L7数据科学家一两周才能完成,现在几分钟就能搞定。Tom花在数据上的时间比职业生涯中任何时候都多十倍,而与数据科学家交谈的时间却比以往任何时候都少。

2. Tom“后悔产品管理这个岗位的存在”,但这并不是对PM的侮辱。Tom认为PM是一种手艺,而非资格——一种由重复练习锻炼出来的肌肉。默认雇佣太多PM会剥夺工程师和设计师的练习机会,让他们变得幼稚,本来完全有能力做出好决定的人却从不需要做决定,因为“总有PM像保姆一样看着他们。”

3. AI正在揭露泛滥的“产品表演”。利益相关者管理、对齐、讲故事——这些是真正的工作,但不是产品工作,而这正是过去五年行业奖励PM的地方。但表演只在真实工作难以验证的地方才能存活,而现在已不再如此。Whatnot的每个新员工都会被分配一个问题和一个数据集,并当众捍卫自己的观点——你会看到那些能言善道但思维不清的人其思维衰减得有多快。

4. 上升最快的PM技能:系统思维。Tom在每次产品评审中都会问这个问题:“如果实验结果是绿色(成功)我们怎么做?如果是红色(失败)我们怎么做?”如果答案是“我不知道”,那你还没做运行这个实验所需的脑力工作。

5. 停止把你的A级员工从他们擅长的工作中提拔出去。常见的陷阱:把一个A级PM提升为总监,告诉他们不要亲力亲为,看着他们的直觉萎缩,而初级PM在评审中反复折腾同一份PRD。在Whatnot,四五个PM管理者每人至少花90%的时间在IC(个人贡献者)工作上;Tom作为CPO大约一半时间在做IC。

6. “这真的很复杂”通常是领导力薄弱的说辞。Twitter在Tom任职期间一直就解除140字符限制进行工作组讨论。每个人都知道这是不可避免的——日本用户发推频率是六倍,因为汉字每个字符包含更多含义——但没人愿意做决定。他离开近两年后才上线,结果什么坏事都没发生。当某件事看起来很复杂时,问问它到底是真复杂还是只是领导层不愿做决定。

7. 把PM映射到问题上,而不是团队上。每六个月,Tom、CEO和高层领导会定义公司战略和关键支柱,然后根据技能分配DRI(直接责任人)。有些工程团队一年都没有PM。结果:一个PM可能处理过买家、卖家和信任问题,而不是花三年时间在通知上。更多练习,更多肌肉群。

8. 平均值对个人没有意义。这是贯穿Tom最糟糕决策的一条主线。一个只有3%用户使用的功能看起来像该废弃的候选——直到你深入一层发现对某些用户来说它构成了100%的用例,杀死它就像“Westfield购物中心在圣诞节前夕断电”。永远要问平均值下隐藏着什么分布,当轶事与数据冲突时,相信轶事。

9. 真正的PMF(产品市场契合)是你在数据中看到之前就能感受到的东西。Tom在Twitter的两年里,Twitter换了九位产品主管,但它仍然活了下来,因为产品拥有的PMF水平足以吸收极其糟糕的管理。Elon改了名字、品牌、团队和文化;网络效应依然存在。职业教训:早期在拥有真正PMF的地方工作,这样你就能知道瓶中闪电(指难以复制的神奇成功)到底是什么感觉。

10. 通过让一个人同时承担权衡的两面来结束地盘之争。在Twitch,发现和广告一直为展示量而战。Tom最初的举措之一是把广告放在发现功能内,由单一PM负责来自信息流的总GMV,无论自然流量还是付费流量。权衡自然会被做出,节省了数月的来回推诿。
动态Lenny Rachitsky2026-08-03原文

相关内容