应对职场,给自己的一颗糖

2 评论 4816 浏览 18 收藏 14 分钟

打工人在职场中该如何应对加班内卷呢?作者将从自己的经验做出对策——首先,了解自己的个人优势。接下来,我们看看具体该如何做,希望能对你有所启发。

概述:本文介绍了作者对职场内卷给出的解决方案,首先使用Ikigai模型发掘自己的优势,接着参考LLM的自我迭代逻辑,运用MVP原则设计一次次的实验,最后要注意实验的可积累性,从而获得结构性优势。

最近刷招聘软件,有一家的方向我还有些兴趣。联系之后,对方HR坦荡的说:我们是早9晚9,不知道能不能接受。

实话说,无论业务发展如何,企业“加班多”对你我这种打工人而言,天然是扣分项。

理由有二:

  • 在疲惫状态下工作,事倍功半。因为一天中,人脑高效工作的时间是有限的,不承认这一点,就是在跟客观规律较劲。
  • 考虑机会成本,如果把自己想象成一个产品,在一件事上过度出售自己,会损失其他方面获得进步的可能性。

这也让我联想到了可口可乐前首席执行官布莱恩 · 戴森(Brian Dyson)的“人生五球”理论,它形象地为你我展示出“平衡生活中优先事项的重要性”。

Brian Dyson在1991年9月6日佐治亚理工学院第172届毕业典礼上提出:“把生活想象成一个游戏,你在扮演小丑,职责是在空中来回扔五个球。

它们分别是:工作,家庭,健康,朋友和精神。你必须让所有这些球都保持在空中。

扔久了你就会发现,工作是一个橡皮球。如果你不小心让它掉到了地方,它还会反弹回来。但其他四个球——家庭,健康,朋友和精神——是由玻璃制成的。如果你掉落其中之一,它们将被不可避免地被磨损、划伤甚至破碎。你必须明白这一点,并努力在你的生活中保持平衡。”

挺有道理的,对吗?

不过你可能会想,话虽这么说,但在现实中,很多企业就是要加班的呀,我也没有选择。

咱们作为产品经理,职业病可能就是“爱刨根问底”了。所以,这次我想和你交换下经验,说不定能给你一些启发。

一、不仅是找到你的优势

日语中有个词汇叫【Ikigai】,又称作【生き甲斐】。中文含义为【生命的意义】,在英文中,它的意思是【The reason of living】。

这个模型将事物划分为4个象限。

当然,你一眼就能看出:只要能取得【你擅长的事】、【你喜爱的事】、【世界需要的事】、【他人付钱请你做的事】这4件事的交集,那就能得到最完美的结果。

这种分类的模型有很多。马云老师早期的演讲中,也经常提到:你要想清楚下面这些点,分别是:你有什么、你要什么,你愿意付出什么。

道理挺正确,但问题是我们该怎么做呢?

比如,我现在正上着班,虽然内卷,但是会有收入啊,你让我追寻自己喜爱的事,万一赚不到钱,怎么办?

首先,我们要确立自己的目标,找到自己更看中哪个方面,排出个优先级来。

对我而言,Ikigai中,我看重的首先是“专业”,其次是“热情”。这意味着我会优先在工作中尽职尽责,做一个靠谱的同事,然后再尽量将自己的热情联系到工作中来。

举个例子,之前我在做教育产品用户端时,就参考了自己喜爱的游戏——《超级马里奥:奥德赛》—里的反馈机制,制作了所谓的“AI双师”即时反馈交互,在AB测中,得到了超百万DAU用户的认可。体现在北极星指标上,平均上涨了10%。后来,“AI双师”这一模式几乎成了教育行业的标配。

这个例子其实是为了让你想想看:如果用Ikigai方法,你会怎么排序呢?你的优先级是怎么样的,有没有一些例子来为你自己支持它?

找到这些支持点,就能让我们更明确自己“想要什么”“不想要什么”,从而更有结构地进行选择,并通过生活的反馈,不断迭代。

1. 通过测试,突破内卷

那,定好了目标,接下来就要去“做实验”了。

作为产品经理,工作中,我认为最有用的思考方式就是MVP(最小可行性产品),即:去测试,看看结果怎么样。

说人话就是“投石问路”。

比如,ChatGPT的爆火连OpenAI本身都没有预料到,GPT只不过是他们的一个Demo。

有趣的是,OpenAI的科学家Kenneth Stanley和Joel Lehman应该很认同“做实验”这种思路。他们在《为什么伟大不能被计划》中写道:

“我们书中所举的成功者们并没有长远的规划,他们都是先做过一些事情,发现自己更感兴趣的是什么,并为之转行,从而找到为其带来巨大成功的职业。”

长久以来,我们抗拒“边走边看”,我们会被教导要“确立明确的目标,让人生有前进的动力”。

“你有什么职业规划”、“找不到自己明确的目标,该怎么办”等等问题,你或多或少应该听过。

但有了明确的规划,听上去顺耳,实际上可能很糟心——海量的目标测算、计量和因偏差带来的焦虑,将会侵入生活的方方面面,让我们为了“目标”而焦虑、而奔波、而劳累。

或许在某些时候,“目标”能为我们提供生活的意义或方向,但它同样限制了我们的自由,成为禁锢我们探索欲望的牢笼。

所以我想,人生中,我们是不是也能应用MVP思维,以做实验的方式,来积累正反馈呢?

说起来可能有些俗气,MVP的要点就是去拆解自己的目标,让它变成一个个有明显节点的里程牌,然后去做就是了。

这时,我们首先要意识到“现实是骨感的”,来降低自己的预期,不要妄想一口气吃成大胖子。因为事情的发展可能是像下图一样的。

举个例子,之前有人问我:“产品经理如何学习技术知识”,我给了他廖雪峰的python教学网站让他先试试。如果你也是从这里入门编程的,你会发现廖雪峰深入浅出的为你介绍了一系列基础概念。

你也会自己发现适于你的,要补充学习、进一步探索之处。

但你找到这些问题,主动去搜索的过程,其实就是在解锁一个个里程牌。

拓展一下,我们做MVP的过程,其实和LLM(大语言模型)进行深度学习很像。

LLM底层其实会有3个东西:

a.一个目标

b.一个损失函数,用来计算和当前结果和目标的差距

c.一个优化器,用来根据差距调整下一步的行为

我们熟知的ChatGPT,就是在这个基础上制成的“单词模拟器”,它以人类数十亿的文本为基础,一次次地猜测下一次可能出现的词的概率,也就是n-gram概率(即第n个字母的概率分布取决于之前的n-1个字母)。

最初,它很笨,生成的是一堆无意义的字符;到现在,结果你也看到了。

看到这里,你可能已经发现:为了完成这一切,最需要的是其实你想改变的“动机”,而不是了解SOP,比如收藏了一堆一个从0到1学习技术的路线图。

所以在做MVP时,给自己一个低的预期是很好的方式。因为你只要做出一个粗糙的第1版,你就能得到这个世界给出的反馈。

所以请不要仅仅为公司的目标费了大劲,加班加点;我们也要为自己的目标,积极尝试呀。

2. 如何去设计MVP呢

MVP这么好用,那有没有什么做它的原则好供我们一步步实施呢?

我觉得,用来进行质量管理的KANO模型可以用在这里,用于公司产品规划时,它能帮我们分析和分类客户需求。把我们自己当做一个产品时,KANO模型也能帮我们梳理出计划的优先级。

以下是对KANO模型的一些科普,有基础的同学可以跳过。

KANO模型基于对产品或服务特征与客户满意度之间关系的研究,将需求分为五个不同的类别:

  • 基本型需求:这些是客户对产品或服务的基本期望,如果缺乏这些要素,客户会非常不满意,但是当满足这些要素时,并不会带来额外的满意度。
  • 期望型需求:这些要素是客户通常期望的功能或特性,满足这些要素可以使客户满意,但不满足它们不会引起极度不满。
  • 兴奋型需求:这些要素是超出客户期望的惊喜功能或特性,它们能够引起客户的兴奋和高度满意。
  • 反向型需求:这些要素是客户并不期望的功能或特性,但如果产品或服务缺乏这些要素,会引起客户的不满。
  • 无差异需求:这些要素是客户尚未意识到的,有或没有都无所谓。

应用KANO模型时,最重要的三条原则是:

  • 理解客户需求的多样性和优先级。
  • 通过满足基本要素和期望要素来确保基本的客户满意度。
  • 不断创新和提供兴奋要素以超越客户期望,提高客户满意度和忠诚度。

二、不仅是积极尝试

但积极尝试就够了吗?

实际上,我们应当去追求结构性的优势,也就是说我们要去做一些可以不断积累的事情,哪怕最开始很微小,但随着时间的积累,也会“积土成山,风雨兴焉”。

这里面,能积累的优势,是最重要的。哪怕失败再多次,就当做爱迪生在制作电灯泡时,分类试验了1600多种不同耐热的材料好了。

就好像互联网常常有35岁危机,我们应当提早发现自己的天赋与热情,在这个上面去投资。而不是凭借一次次“好勇斗狠”、“不撞南墙不回头”来消耗自己的能量。

有的时候,我会做一个思想实验:巴菲特今年92岁了,如果他要来你们应聘,你们老板会说:92岁了,“还能干什么”,还是万分激动呢?

人的能力果然不在“年龄”,而在“经历”啊。

作者:探索者,公众号:探索者的神庙

本文由 @探索者 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 这篇文章讨论了在当前内卷的环境下,如何平衡生活和找到自己的优势。我觉得文章的核心观点可以总结为:
    1. 不要仅仅为了公司目标而过度工作,要平衡生活的各个方面。
    2. 要找到自己的优势和热情所在,并以此为导向做选择。
    3. 可以用MVP的思路,通过做实验来探索自己的兴趣和可能性。
    4. 在做实验时,要注重可以积累的能力,从小地方做起,逐步获得优势。
    5. 我们应该重视积累经历,而不是简单依赖一次次拼搏。

    来自江苏 回复
    1. 很棒的总结!

      来自北京 回复