产品经理如何做一套完整的业务模型梳理文档(干货)

上周六去了一趟花卉世界,等待的过程中凝视着一段流水,不知道会从哪头流向哪头;但是就是那么神奇,一滩水是死水,但是一汪水缺拥有了生命。

工作了那么多年,经历过了那么多的行业,摸过那么多业务;经历过死的业务,也经历过活的业务,经历过把死业务做活,当然,也经历过把或业务做死。

经历过那么多,也就慢慢抽象出了对业务的认知,也慢慢抽象出了所谓的业务模型,通俗的说:就是一套有逻辑的体系(可能包含了许多规则、协作机制和业务流程),它服务于一家公司的核心商业模式,能够在商业逻辑下保证稳定的 Input 和 Output,最终让一家公司的业务更可规模化发展。

“不抽象就无法还原,不还原就无法看到全貌”。

活的业务好似一条流水,是动态的,由生产的这一头,流向使用后产生价值的那一头,甚至两头可能在某处相会形成循环。

最近我获得了一个新的认知,叫「流通价值链」,定义了一条以价值为导向,面对的是为终端创造价值为目标构建出来的生产到流通到消费的完整链路。

来公司那么多年,你理清楚公司的业务模型了吗?

我将流通价值链拆解成三部分,「流通」「价值」「链」来理解。

一、流通

所谓流通模式,通俗地说,是指制造商将产品卖出去的方式,即渠道(通路)的设计和安排,也可以称作渠道模式或通路模式。

从理论上说,它是指制造商流通价值链的组合方式,流通环节串起了生产和消费,从商业画布的思路上看,流通就是「渠道通路」部分,是链接细分客户与价值主张的核心环节。

如果把流通价值链比作轨道,在上面运行的要素主要有商流、物流和信息流。

其中,商流是核心,其内容是交易活动和行为,它由两个运动方向相反的“子流”组成:

  • 自上游至下游的商品所有权(无形的权利)的流动(注意:不能笼统地称为商品的流动,这样容易与物流混同;尤其当商流、物流相分离时,这种区分就更为重要);
  • 自下游至上游的资金流动,即商品销售的货款回流。

信息流也包括“下行”和“上行”两个子流:“上行”信息主要包括消费者(使用者)的需求信息,下级渠道向上级渠道的订货及回款信息,以及渠道向上游制造商(供应商)的订货及回款信息;“下行”信息主要包括渠道对消费者(使用者)的销售信息,各层级渠道的“进、销、存”(进货、销售、存货)信息,上游制造商(供应商)向下游渠道的销售信息以及自身的存货信息和生产信息等。

来公司那么多年,你理清楚公司的业务模型了吗?

按照从制造商到消费者中间环节的特征与数目,可以将渠道模式分为三类:

1. 分销

即制造商通过分销商(代理/经销商)将产品辐射至各零售网点。

它体现了厂商专业化分工的特征。与直供相比,分销模式投入较少、效率较高,对制造商自身人力资源及管理能力的要求较低;因此更具适用性和普遍性。

2. 直供(直营)

在家电等行业通常称作直营,在快消品领域通常称为直供,是指制造商(供应商)跨越分销(批发)环节,直接与零售商合作(供货和交易)。

3. 直销

制造商(供应商)不经过任何中间环节将产品直接销售给最终消费者(使用者)。

而你的业务适合怎么样的流通模式,主要影响因素包含如下:

产品变量,产品的属性绝大程度上决定了流通模式,比如产品的知识含量,更新速度和附加值空间,本质逻辑在于产品是否会因为链路太长导致耗损严重;另外,产品的毛利是否能够支撑长链路?另外还包含产品的售后概率,物流模式等等,都影响了流通模式的选择。

顾客变量,主要包括客户的分布特征,是密集还是松散?客户的购买习惯是线上还是线下?客户的认知水平是高还是低?

下游渠道资源变量,中间商的多寡决定了向下渗透的程度。

企业内部因素变量及竞争对手的渠道策略也起到了影响流通模式的作用。

当然,影响程度是递减的,从产品变量到对手的渠道策略。

二、价值

制造商、分销商(代理/经销商)、零售商、用户共同组成了流通价值链。

在这根链条上,各主体之间存在着利益上的“统一对立”关系;它要求制造商必须通过价格、返利等手段,合理有效地管理链上各主体的利益分布,均衡各主体的利益,使流通价值链产生持续不断的合力。

但是并不是所有的价值链的利益都是均衡的,市场上存在大量的利益不均衡的链路,很多企业在苦苦前行,缺不知道自己利润低下的本质原因是什么。

利益分布不均衡的主要原因在于上下游环节的谈判地位和话语权不同。而这背后,涉及上下游各环节不同的集中度——垄断程度高的一方通常能切分较多利益(比如家电产业链上的天猫、京东,药品产业链上的大型医院),也涉及上下游各环节之间的信息对称性——通常掌握用户信息的一方更加主动。

本质上就是通过各种手段寻求边际收益等于边际成本的平衡点,而价值链上的利益分配会出现这几种情况:

1. 中间断裂型

中间断裂主要指的是分销这层的利益断裂,从利益曲线上看,制造商和用户的利益最大化,而分销/零售商的利益最小——这是相对理想的一种模式,也就是产品性价比几乎独步天下,用户价值得到尊重和保证,产品的指认购买率极高,用户坚决要买,渠道不得不卖。

来公司那么多年,你理清楚公司的业务模型了吗?

举个例子,诺基亚等国际手机品牌,走的是全国代理对下沉分销来说利润太低;但是整个链条可以不断裂持续跑的主要原因还是国际品牌的影响力,消费者的明确购买意愿倒逼渠道参与分销。

而国产品牌能快速崛起,就是打破了这个利益关系,让利给到渠道,渠道会尽可能的推进国产品牌的销量;但是后面还是没做起来的主要原因还是产品能力的问题,而近几年国产品牌的崛起也是产品质量崛起的原因。

2. 需求抑制型

从价值链上看,体现为渠道强势,在整个流通价值链上拥有绝对的话语权。

来公司那么多年,你理清楚公司的业务模型了吗?

比如说医院,医院的医生链接了医药和患者,但是医生的诊断属性使得在价值链上处于垄断地位,所以制药单位根本无法与医院平等对话,只能采用加大产品毛利、提高销售费用、进行“公关”营销的手段,而最终患者买到的都是高价药。

3. 紧逼上游

典型场景就是电商平台,通过掌握流量,倒逼厂商让利并拉长帐期,消费者也同时获利,获得性价比高的商品。

这种情况下,厂家若与平台合作会被积压利润空间,若不予平台合作,则会失去市场份额和销售效率。

来公司那么多年,你理清楚公司的业务模型了吗?

这里提现了得用户者得天下,平台“挟天子以令诸侯”作为用户价值的代言人向制造商提出种种苛刻的利益要求。

可以反思你自己所在的业务情况,通过分析价值链,的确能够定位到一些比原来还深层次的本质问题。

有完美的价值链曲线吗?

当然有,三方共赢的价值链曲线看上去的完美的,但是存在吗?

我理解是不存在的;所以回到价值链的末端,价值的表达一定是末端的消费者使用价值,并且是可持续的价值,先满足这一步再慢慢的构建制造商价值或者渠道价值才是王道,出发点不能搞错。

三、链

单点不能成为链,一定是多点,并且紧密结合、环环相扣才能形成链。

所以一个企业的业务也是多点构成,环环相扣,并且有一个明确的流向及反馈;这很类似商业画布中的右半部分,就是通过怎么样的渠道通路向怎么样的细分客户传递怎么样的价值主张以建立怎么样的客户关系,从而形成一条价值链条。

来公司那么多年,你理清楚公司的业务模型了吗?

而价值链的末端是实现价值,合理的价值链应该是由末端的消费者的价值拉动生产源头,再从生产源头推动流通渠道触达末端消费者,实现价值兑现。

来公司那么多年,你理清楚公司的业务模型了吗?

这条链上的每个点都是参与其中并一定是从中获利的,如果其中一个点无利可图,那么一定会断链。

如何把整条链条的价值最大化?

这就涉及到了调控价值链合力。价值链核心企业应合理安排价值链各相关参与者,包括厂家、代理商、零售商、消费者之间的利益结构;保证利益的均衡化,使价值链按照顾客导向的运动方向形成合力(拉力和推力之和为最大值);避免出现价值链断裂(推力不足)和需求受到抑制(拉力不足)等不合理现象。

换一个角度来看,流通价值链上只要存在利益分布不均衡、不合理现象,改变价值链上的利益分布,就是一种有效的竞争策略,甚至是商业模式创新的契机。

01 业务

首先,什么是业务?在产品上,为了满足需求而诞生的产品逻辑和具体流程。如果是B端产品,业务也能是指客户自身的工作或生产逻辑和具体流程。这里我们主要讨论的是产品业务。而业务需求,指的是开展业务和构建业务模型过程中,产生的需求。业务需求通常并非来至于用户。通常将能形成完整闭环的一个流程,称为业务。当然,不完整的流程也是业务。

某些关联的业务按照一定规则和结构,形成一个整套的系统。然后各个系统,再有机的形成一个整体的系统。这个整体的系统就是我们所说的业务模型。业务模型是对抽象的业务的概括性描述。在产品的体系中,业务模型比较容易与产品架构混淆。两者都是对产品的整体结构性描述。但是,业务模型是对产品业务抽象出的系统。而产品架构是对实际系统的整体性结构设计。

建立一个良好的业务模型,最终会形成一个源源不断产生商业价值的良性生态系统。一个没有良好的业务模型的产品,通常 ROI 都比较低。

对于产品,业务也是需要架构设计的。只有将业务模型搭建完善,才能实现业务的可控。不可控的业务,最终都是压死产品的最后一根稻草。产品迭代的过程,就是寻找最优业务建模的过程。

商业模式和业务模型,也存在直接的关联。商业模型会影响,业务的建模。业务模型的变迁,也会引发商业模式的变化。两者间的关联关系,类似先有鸡还是先有蛋。无论如何,最终都是业务模型为商业模式服务,商业模式为公司收入服务。

在产品的业务模型正式运转起来时,会产生大量的数据。这些数据可以帮助优化业务模型,寻找业务模型的方向。同时,数据也是建立业务模型的目标和依据。所以,建立业务模型都需要先从数据入手。

02 数据

数据是,产品的业务和用户的行为的表现和记录。在使用数据时,可以将数据分为三类。结果数据、行为数据和过程数据。

结果数据是产品表现的数据结果。是以产品整体或者某个维度整体的数据。比如,ROI、日活等。结果数据也可以是目标数据。产品规划时制定的。也是对于产品的预期。

过程数据是指满足用户需求的过程中产生的路径数据。是以业务为维度的数据。比如,业务环节中流失率、完成业务循环的路径步骤数等。这部分数据,都是与业务强依赖的。

行为数据是用户使用产品的过程中,产生的操作数据。是以用户为维度的数据。比如,用户浏览路径、页面热力图、用户画像等。

除了本文的主题外,数据还有很多用处,可以创造很多价值。数据可以帮助产品经理,找到产品产生的问题。通过数据能够将主观的判断,定量为客观的结论。比如,某个功能对用户是否友好。数据自身也可以创造商业价值。比如,建立用户画像进行 AI 推荐。这也是很多领域产品提升商业收入的重要业务模式。今天,产品经理的方法论,大部分都是建立在数据分析的基础上。

03 数据与业务

在产品经理的常规的认知中,通常是先有业务再有数据的。但是,在本文讨论的数据要更宽泛。针对产品未来预期,制定的目标数据也是本问所探讨的数据。所以,在本文的方法中,是先有数据再有业务。

在设计业务时,一定是先要有指标数据,再设计业务。这样,才能为设计业务建立一个预期,作为某些设计决策的指导。即使是 MVP,也不能例外。

在产品开始运行后,业务就会源源不断的产生各种类型的数据。对这些数据加以利用,可以优化业务,探索产品的方向。伴随业务的开展和迭代,也会反过来影响目标数据的制定,扩充新的数据维度。

所以,数据与业务是彼此关联,你中有我我中有你的关系。一个产品要产生更多的可能性,必然是数据和业务彼此有机结合,彼此相互促进的。

1. 数据预期

要以数据为引导,构建业务模型,第一步是要设置数据预期。数据预期,类似上文阐述的数据目标。指的是大家预期,我们的业务未来的表现。因此,数据预期是用来衡量业务的产出结果。

数据预期的数据,一般是能代表业务或产品整体性表现的数据维度。比如,用户量、GMV、营收等。同时,也要与行业和业务深度结合,具有典型特征的数据维度。比如,电商产品的交易额。

创始的数据预期,是根据我们对自身资源实力的评估,对行业发展调研和竞品调研后,假设的结论。初始的数据预期是最难设置的,因为我们手中一片空白,只有外部参照。业务上线后,初始的数据预期,需要伴随业务发展的数据不断的修改和升级。

在设置数据预期时,需要将数据拆解到产品的生命周期阶段中去。产品的每个生命周期,一定是对应着不同的数据预期。同一个数据,在不同的产品生命周期阶段,预期值是不一定相同的。整体的数据预期,是长远目标,代表产品的最终成就。而阶段数据预期,则是产品经理为之努力的短期目标。只有一步步完成短期目标,才能取得一个较大的成就。这也就是互联网典型的「小步快跑」思维。

设置数据预期,一定要合理,一定要是未来可期的。虽然,也需要宏大的预期来给我们自身打鸡血。但是,切不可夜郎自大,忽视自身的实力和脱离行业规律。

2. 拆解数据

设置好数据预期后,产品经理需要将数据预期拆解为可落地的数据。拆解出的可落地的数据,要对应业务的关键节点。这些关键节点的数据,就是数据的分类中的过程数据和行为数据。一般情况下是先拆解过程数据,在通过过程数据去分析出对应的行为数据。这个过程可以这样理解,要达到某个结果,首先要确定达到结果的过程,然后确定过程中用户的表现。这是一层一层细化分析的过程。

找到关键节点数据,需要根据业务着手。首先,根据已有业务和业务数据,找到会影响预期数据的数据维度。然后,对于这些数据维度进行细分。最后,在结合预期数据的具体值来设置拆解后的数据的值。这些拆解出来的数据,就是产品经理日常需要跟踪的数据。

如果,已经有了可以参考的数据,那么在拆解数据和设置值时,就会好做很多。因为,可以用已有的数据作为参考。如果,没有数据作为参考,可以去收集竞品和行业数据,摸索行业的规律。来作为拆分数据维度和设置值的参考。

在拆解数据预期的时候,也需要进行一些前瞻性的思考。因为有的数据维度,并不是值对产品有价值,反而是值的变化过程对于产品具有很大的价值。还有一些非预期目标关联的数据,也是需要考虑的。这些数据可能是帮助判断业务问题,并优化业务的。最后的结果也是保障产品如愿达成预期。

3. 验证数据

当敲定了需要的数据后,就到了实际运用数据的环节。也就是业务运作起来的时候。数据运用主要在业务的两个阶段,一个是业务初步进行的过程,另一个业务进入稳态的过程中。

应用数据的第一步,是验证数据。验证数据也分为两类,一是数据追踪,二是数据的复盘。在业务的运行的过程,要随时盯牢数据,随时关注数据的表现情况。同时,还需要做阶段性的整体数据复盘。

验证数据就是与数据预期进行对比。是否达到预期?与预期的差值是多少?在这之上,还要通过数据找到变化的原因,甚至于数据的优化策略。在验证数据的过程中,还要关注数据的变化过程。如果数据的最终结果达到了结果,但是数据变化过程不符合设置的阶段数据。那也需要重视,寻找根本原因。特别是,数据表现不稳定,走势出现了剧烈波动。

当数据出现异常或者与预期存在差值时,要第一时间分析数据,查找原因,寻找应对策略。如果是结果数据出现异常,要从过程数据着手。如果是过程数据出现异常,要从行为数据着手。简单的方案就是,一定是要从关联的数据入手,或者同步表现异常的数据入手。

在验证数据的过程中,可以灵活的运用数据。比如,当收到某个新需求时。就需要考虑,是否可以用当前的数据作为分析依据。当某个业务表现异常时,是否能通过数据来推导原因。

04 迭代业务模型

应用数据的最终目的,都是为产品服务,通过数据去迭代业务模型。数据迭代业务模型,核心是对业务进行重构,分为两个方面。首先,可以通过数据改进现有的业务模型。其次,可以通过数据去寻找业务的迭代方向。业务的迭代方向,其实就是产品的方向。在数据的基础上,甚至可以验证产品的商业模式。例如依据数据,预测出的 ROI 不能达到预期时。要不就面临业务关停。要不就需要通过优化业务,寻找新的业务方向,建立新的商业模式。

在应用的数据的过程中,很重要的一环是数据分析。严格的数据分析,需要很多算法的支撑。对于产品经理,很多场景下仅需要能理性分析数据与业务表现,通过数据预测业务走向和规模。

如果分析数据,一定少不了数据清洗。当分析数据时,对于数据的正确性,要保持警惕。数据从提出到研发和采集的过程中,可能有各种各样的原因导致产生错误的数据。当设置数据预期时,总会假定某数据能代表某业务。但是,预设总会有可能和实际情况相出入。特别是以竞品为参考时。因为,竞品对于产品经理来说就是黑盒,一切都是基于猜测。数据清洗的本质是,保证数据的准确性。

虽然,数据在设置预期和分解数据的过程中,就会考虑数据的场景。在数据分析时,仍然需要紧密结合数据的场景。相同的数据维度,在不同的业务场景,不同行业背景下,具有不同的代表意义。

优化业务模型,主要是找到能够提升预期数据的行为数据和过程数据。然后通过调整和优化业务,来改变行为数据和过程数据,最后达到提升预期数据的目的。

比如,以 A/B 测试举一个例子。当发现C数据与预期存在差异时,则需要提升C数据的值。然后,经过数据分析,发现过程数据D的提升可能会提升C数据,行为数据E的异常可能是C差的原因。所以,这时候就针对D数据做了业务优化方案A,针对E数据做了业务优化方案B。这时候,将A/B方案都定向给部分用户。然后观察D、E数据变化,所引起的预期数据C的变化。最终,再来敲定具体的业务优化方案。

A/B 测试是一种通过对比验证数据的方法。在这些方法之外,在验证数据的过程中,即使仅分析数据的表现,也能找到一些业务的优化方法。

寻找业务方向,主要从数据的表现的规律和预测出发。最简单的,比如产品中有A、B、C三个功能模块。对比三个功能模块的预期数据表现或者对预期数据贡献,就可以选择某个功能模块作为产品的主推方向。在此基础上,也可以使用灰度测试等产品方法,来主动探索业务方向。

最后

数据是具有时效性的。在业务运行中,追踪数据是最能掌握业务当前现状的。数据要及时复盘。数据等待分析的周期越长,数据的表现场景就会越模糊。

任何基于数据的工作,都不能让数据成为空中楼阁。设计的预期数据,一定要符合实际。否则,在验证数据的过程中,永远无法得到正确的结论。

数据分析中,最重要的就是对比。只有拥有了对比参照,才能知道数据表现的合理性。产品经理主观认为合理的数据,不一定符合客观的规律。最好的是以竞品或行业数据为对照。产品自身也可以作为参考。比如,周期性的对比。

数据不会说谎。数据比人的「想」更加真实。但是,人对数据客观理解是很容易不准确的。产品经理在判断数据表现时,既要相信自己的判断,又要保持批判性思维。所以,这本质也是对产品经理决策能力的考验。

 

文章由PM28网编辑,作者:海阁,如若转载,请注明出处:http://www.pm28.com/4063.html欢迎投稿

联系我们

在线咨询:点击这里给我发消息

邮件:403567334@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息