斯洛姆是一家专注于技术、战略和业务转型的现代咨询公司。Slalom认为产品分析是产品开发每个阶段的关键核心。他们以产品为中心的思维方式促使他们赢得了胜利，包括开发一款移动应用程序，使凯悦的预订收入增加了80%，并改进了REI Adventure的数字体验，以改善客户旅程的早期阶段。为了进一步了解Slalom对产品分析的看法，我们采访了他们产品和创新团队的Sameer Karim和分析与优化策略师Dave Rogers。泰拉提根：你在回转赛中的角色是什么？你是怎么做到的？萨米尔·卡里姆：我是我们产品和创新实践的领导者之一。我与我们的客户一起确定下一个客户机会领域，并帮助他们改进创新和产品开发方法。我在创业、创业加速、财务方面有经验，在大小公司与产品团队合作。我把这一切都集中在我们的客户身上。戴夫·罗杰斯：我是一名数据分析战略家，擅长分析和优化。我职业生涯的第一部分是在学术界度过的，主要研究社会心理学和人类行为。大约15年前，我搬到了商业区。最初，我为大型技术组织和初创企业建立分析功能，然后经营自己的数字分析机构7年。大约一年半前，我参加了回转赛。你可以说我仍然研究人类行为，但现在主要是在线行为。TR：为什么这么多大的、传统的、数字化的公司会选择回转？韩国：我们拥有广泛的深层次能力组合——从业务战略和运营到软件工程——为客户带来产品的生命。我们对交付和迭代学习也有强烈的偏见。因此，对我们来说，与众不同之处在于将战略和执行结合在一起，以量身定制的方式满足客户的需求。我们通过了解客户现在所处的位置来实现这一目标，从而为他们确定下一步的最佳方案。博士：我们是一个一站式商店，可以处理所有这些。我们不仅仅是一个数字创造者商店，我们不仅仅是一个战略商店，我们不仅仅是一个实施商店。我们拥有资源和专业知识来处理客户的所有需求，包括战略、执行、交付和下一次迭代的构建。TR：在产品分析方面，公司面临的最大挑战是什么？韩国：最大的困难之一是从所捕获的大量数据中获取可操作的见解，并将这些见解转化为产品路线图。换言之，您需要在业务环境中查看数据，然后"您需要在业务环境中查看这些数据，然后解释真实世界的数据，以确定下一个产品增长领域。"—Slalom Consulting的产品和创新主管Sameer Karim解释了真实世界的数据，以确定下一个领域产品增长领域。这是一件很难振作起来的事。有很多技术可以使用，这些技术需要在正确的时间点应用到正确的问题上。这些技术因您在产品开发生命周期中所处的位置而不同。例如，当你处于产品成长的早期阶段时，你真的在探索所有的可能性。在这一点上，定性技术是最有用的，尽管定量数据可以给你一些额外的方向。再往前走一点，当你进入一个构建、发布、测试和学习的循环时，你就可以把产品数据作为你洞察问题的主要来源，而定性数据就成了次要的辅助技术。博士：我认为最大的挑战是从数据中获取知识并应用这些知识。你需要以最好的步伐快速进入市场，在我支持的许多组织中，投资没有在过程和战略上做出。这使得产品团队不具备快速行动的能力。结果，他们花了三倍的时间为他们的用户设置正确的功能，因为他们没有投资或投入时间来建立一个强有力的案例来满足这些需求。我相信从一开始就有更多的数据源和更多类型的数据格式为我们创造最好的产品奠定了基础。而且，我相信在"仅仅观察用户行为是不够的"的范围内使用数据是很重要的。光看用户行为是不够的。我们应该从总体上了解用户——他们的体验，他们喜欢什么和不喜欢什么，他们与其他群体的不同之处，以及按细分市场划分的使用模式。此外，为了开发出最好的产品，产品经理需要了解市场格局——一般市场力量、竞争情报和定位，以及新产品开发的时机。在根据假设测试数据源时，使用可靠的不同数据源集合，同时特别关注决策和构思过程，这是一种最好的方法，可以通过构建几个概念来推进。TR：产品创新和数据分析在回转中意味着什么？为什么它是你战略的核心？韩国：对我们来说，这意味着平衡大赌注、增强功能和渐进改进。它是关于利用现有产品，并使它在你前进的过程中变得更好，同时使用分析和洞察力来确定那些突破性的产品增长领域。在核心上，我们采用组合方法来构建产品路线图，无论是确定新的客户细分市场，解决未满足需求的新体验，还是我们在用户旅程中看到的差距。然后，我们应用产品分析和其他见解来推动机会讨论。博士：对我们来说，定义的数据分析视角不仅仅是工具和报告。我们"定义的数据分析视角不仅仅是关于工具和报告"——戴夫罗渣士认为最成功的分析能力是在强大的数据策略基础上开发的。关键的基础是组织内最好的分析和决策，解锁最成功的产品创新，是所有组织的核心业务战略组件。当你向客户推荐产品时，你会在技术方面寻找什么？韩国：我们首先与客户合作，确定他们近期的需求，以及他们长期的需求，以确保任何建议都能满足他们当前和未来的需求。我们考虑到他们的技术需要的灵活性。我们所寻找的，特别是当技术面向用户或员工时，很大一部分是它的易用性。我们将关注入职的易用性、工具的灵活性（例如，新的和更高级的用户可以从中获得一些东西）以及提供的培训和支持。所有这些都是从客户计划如何使用该技术以及用户将是谁的角度来看待的。博士：选择将哪些分析技术引入数据平台需要平衡当前需求和预期未来需求。我倾向于将那些在其特定领域内处于领先地位并在一段时间内为各行业提供价值的技术进行短名单。跨工具的集成和架构策略对我来说很重要，认识到任何给定的技术都只是分析解决方案的一个组成部分。我也在寻找能够解决用户问题的技术。