求职面试急救包：自我介绍+项目介绍+表达能力提升+简历模版
3招学会自我介绍，打败99%的面试者 最近在招聘B端产品，面试了百来个人，大部分人在说完自我介绍就接近被淘汰了 他们到底犯了什么错呢？ 美国心理学家提出了一个概念叫“首因效应”，即“先入为主”会影响人们对他以后一系列行为和表现的解释。 如果一开始我就觉得无聊，后面他说的什么我都会往无聊联想 面试官的精力、时间都有限，要看很多的简历，面试很多的人。 想要更高概率通过面试需要帮面试官...
3招速成PPT，附250个PPT模版
最近忽然间被自然流眷顾了，感到非常开心。9月底分享的 《产品架构图怎么画？附14个高质量架构图》 拥有了接近3000次的分享，真的非常感谢每一位读者。 对架构图模版的需求，让我忽然发现做PPT真的是职场人的痛点。 在大厂磨炼过也算是练出来了，在职场里落地只是本分，我们不仅要学会想故事，但最重要的还是学会讲故事， 在我看来做PPT只有3招： 梳理逻辑、寻找模型、视觉优化。 第一点是最重要的一点...
方法论：1周内快速认知行业，快速分析业务问题。
很多朋友问我到底要怎么快速成长为优秀职场人，其实学习能力不是天生的，是培养出来的。 在我看来核心分为3点： 1）掌握优秀的思维模型，拥有正确的思考方法 2）熟悉各大分析框架，全面且符合逻辑的分析问题 3）结合实际分析问题，掌握分析问题的步骤 思考得不够严谨，拥有框架也没有用，更别说分析实际的业务问题。职场竞争力的核心是：方法论+业务知识。 拥有充足的方法论能解决不同的问题，掌握丰...
方法论：竞品分析系统教程
今天分享的是腾讯产品能力模型：竞品分析。它隶属于能力模型的第一项：市场分析。 市场分析更偏宏观，主要在回答 ，如果都是肯定的，那么竞品分析会更聚焦一些。要回答的是要 怎么做以及怎么做得更好 P7及以下，需要明晰的宏观的环境、动态，要求 P8-P9，细化到定位、趋势，产品侧细化到模块级别。并且要求具备 分析能力、处理能力，发现机会，能落地为短期规划。 P10及以上，需要独立负责完整的市场分析，...
产品架构图怎么画？附14个高质量架构图
由产品抽象而成的模块化、层次化的架构，体现不同层级内外的交互关系，包含功能模块的组合、数据和信息的流转。 用于传递产品的业务流程、发展方向以及产品的设计思路。 俗话说：不会做饭的产品不是好的建筑工。 假如把房子比作产品，居住者是我们的用户，产品架构描述的是房子的构成，产品是房间，功能是房间里的家具，中台服务是某类供应商例如家电、床品，而底层能力是最原始的石头、木头。 围绕产品目标及商业模式，...
三个愿望2022
-- NO.27 -- 这是Becomewiser的第27篇文章 返乡过年，迎接大年初一的不再是城市里的难忘今宵，而是农村里的烟花、鞭炮和约定俗成的断网。 伴着阴雨，这一刻也算是辞了旧也迎了新，一切又重新开始。我总觉得时光匆匆，但却只是给自己拧了太多圈的发条。 超负荷地运转了太久，崩溃的时候计划就再也没办法应对变化。 在新年的所思所愿是慢下来。去感受变化，探寻未知和陌生，能够恰逢其...
适应新团队的思考
-- NO.25 -- 这是Becomewiser的第25篇文章 全文约3324字，建议先收藏看看 Hi，断更数月，好久不见。 这段时间，我的工作、生活节奏发生了很大的变化，直到这两周才调整回来。痛苦又艰难，好在也想明白了一些事。 所以也想和朋友们聊聊怎么样去适应一个新团队，近期所得可以分为三个部分： 个人诉求、职能、模块化执行 第一个部分是为了心安，后面两个则是为了做事。 01&...
谈谈选择
-- NO.22 -- 这是Becomewiser的第22篇文章 全文约2801字，建议先收藏再看 这篇文章的主题其实转换了很多次，可能在正式离职的前夕，才知道自己想表达些什么。 关于选择，这次核心想谈的是：去或留、小厂或大厂、专业性或全面性。 去或留，想描述的是是否要离职。 这个问题之前会有一个更前侧问题 个人的观点是，面试是有必要的，只是需要选择较为恰当的时机。 个人在社会、企...
有手就行，小白入门数据分析
来到传统私企后，发现很多人还停留在明细数据的阶段。相对好一些的，却是被毒害的青年，开局RFM、帕累托，然后解密宇宙。 提起数据分析，很多人容易陷入过于复杂的模型和工具中， 为了“打破迷信”也为了有一份相对能看的数据 ，决定写一篇易于理解的保姆级实践指南。 数据科学，不是量子力学 无论多么高大上的语言或工具，数据分析绕不过这3点 获取数据、清洗数据、理解数据。 它的难，难在热搜里充斥着不实用和...
浅谈知识体系
-- NO.15 -- 这是Becomewiser的第15篇文章 全文约2718字，建议先收藏再看 在电影《教父》中，有一句台词：“在一秒钟内看到本质的人和花半辈子也看不清一件事本质的人，自然是不一样的命运。” 为什么你只能看见的是豹子身上的花斑？为什么看到本质的人和他人的命运会不同呢？这是因为他人的知识水平比你更加全面，更加深刻。 选择面更广，每多掌握一门知识，就多一种未来。 其...
数据分析应学习逻辑思维及分析方法
-- NO.11 -- 这是Becomewiser的第11篇文章 全文约7373字，建议先收藏再看 数据分析的下限，取决于逻辑归纳。与其说 提高分析质量，不如说提升逻辑归纳能力。 逻辑归纳，需要拥有良好的逻辑思维，并结合领域知识形成该领域的分析方法。而领域方法，进一步归纳则能够成为通用了方法论。 关于数据分析，本文将从 2个角度进行解读，其中分析方法会介绍数据分析前的准备以及 如何...
LTV及DAU的计算、预估方法
-- NO.13 -- 这是Becomewiser的第13篇文章 全文约2502字，建议先收藏再看 LTV和DAU是运营中常常接触到的词，这2者的计算 高频的发生在“缺乏数据”的时候，产品上线前要预估其ROI及回报周期，决定是否立项。上线后又需要根据LTV及DAU，不断调整运营策略。 在缺乏数据的时，决策总让人头疼。本文将介绍在缺乏数据时LTV及DAU的预估方法，也会详细的介绍公式...
A/B实验，了解一下。
-- NO.14 -- 这是Becomewiser的第14篇文章 全文约2756字，建议先收藏再看 1 为什么要做A/B实验？ A/B实验，是一种验证假设的方法，其核心方法及原理分别是 在实际实验时会从总体抽取部分个体组成样本单位，并从个体实验结果推断总体结果。 ，能通过对比发现因果性，并根据实验结果量化正向和负向的影响程度。 当实现了某个新的特性，我们无法准确预估上线...
炒个冷饭：之前在社交平台做增长
-- NO.30 -- 这是Wise的第30篇文章 全文约3439字，建议先收藏看看 好久不见，上一次更新还是在上一次，发长文大概是2年前。总算在一个相对稳定的环境、情绪里写些东西，没意外的话，应该会恢复更新。那就接着上一次，写写22年发生的事情，就当炒个冷饭。 21年下半年结束匆匆半年的游戏直播，开始了一年半的元宇宙，也没想过一直都在做中后台的我会走上这条路。这里已经是说得出口的...
之前在社交平台做游戏直播
-- NO.28 -- 这是Becomewiser的第28篇文章 很多朋友问我之前在做些什么。说得比较多，也说得比较散。先说一下半年前只做了半年的事吧，做个记录。 如有雷同，那就是我编的。 在社交平台做游戏直播，乍一听确实是一件较难理解的事，但如果尝试从社交解题则会容易的多。 社交关系，可以粗略划分为：陌生人、半熟人、熟人。 一般的社交平台会选择一种关系作为核心，当发展到了一定的阶...
对UGC游戏直播的理解
-- NO.26 -- 这是Becomewiser的第26篇文章 全文约3597字，建议先收藏看看 这个话题的缘自于微信视频号开放了移动端游戏直播，一开始还奇怪为什么只开放了几款游戏，尝试开播后才发现它和传统的录屏直播能力大不相同。 将玩家在游戏操作数据，经由云端将数据还原成直播画面 。目前只有对局画面是1:1还原，而其他的画面都是模拟生成。 对比传统方式，其不占用手机性能和流量，...
游戏与社交的连接方向思考
-- NO.23 -- 这是Becomewiser的第23篇文章 全文约3770字，建议先收藏看看 截至2020年12月我国网民规模为9.89亿，网络普及率约70.4%，根据《第7次人口普查公报》人口预估，2021年网民规模约为9.92亿， 移动社交及游戏增速放缓的前提下，尝试探索移动社交及游戏的增长的方向 本文选取产品样本为 QQ 及 王者荣耀 。 01 市场规模 1...
用户运营平台产品设计指南
-- NO.24 -- 这是Becomewiser的第24篇文章 全文约8851字，建议先收藏看看 “用户画像”、“用户标签”、“大数据”这些名词是我们近些年来常听的词，可是这些词却很难直接的产生价值，我们都知道大数据有用，画像也有用，但到底怎么用？又怎样具象成一个产品却很少人能够说清楚。 如何采集数据，形成服务再到供给运营，这也是这篇文章想分享的核心。 在市场上神策、易观数科会将...
用户运营体系的推导思考
-- NO.16 -- 这是Becomewiser的第16篇文章 全文约2609字，建议先收藏再看 体系，是一定范围内同类的事物按照秩序联系组合而成的整体。 用户运营体系，则是用户需求与企业需求的结合，是面向双方的解决方案。 规划用户运营的体系，其目的为厘清业务运作模式及提前做好能力储备，便于后续进行产品规划。 近期在思考体系规划时，也尝试着归纳 符合逻辑且较为通用的方式。 本文将...
构建用户画像中所用到的AI算法
谈及用户画像，我想产品和运营的朋友们都不会陌生，用户画像是用户研究的重要输出，它能帮助我们更好的进行业务决策以及产品设计。 用户画像落实到产品设计，本质上是 将数据组合成数据特征，从而形成用户的数据模型 构建用户画像的主流方法有4种： 前两者是基于已有数据的构建方法，其缺陷是无法处理数据缺失或不在规则范围内的用户。 而解决这一类问题，也正是机器学习存在的意义，它让计算机像人一样去学习处理问题...