主题
02 - 产品经理的分类
同样都叫"产品经理",但 C 端 PM 和 B 端 PM 的工作日常可能天差地别。选对方向,比努力更重要。
目录
- 1. 为什么要了解 PM 的分类
- 2. C 端产品经理
- 3. B 端产品经理
- 4. 数据产品经理
- 5. AI 产品经理
- 6. 增长产品经理
- 7. 平台型产品经理
- 8. 各类 PM 的核心差异对比表
- 9. 如何选择适合自己的方向
- 10. 本节小结
1. 为什么要了解 PM 的分类
"产品经理"是一个大的职业类别,就像"医生"一样——内科医生和外科医生虽然都叫医生,但工作内容截然不同。
产品经理
|
+------------------+------------------+
| | | | |
v v v v v
C 端 B 端 数据 AI 增长 平台
PM PM PM PM PM PM
| | | | | |
v v v v v v
微信 企业微信 数据中台 ChatGPT 拼多多 淘宝
抖音 Salesforce 推荐系统 Copilot 百亿补贴 开放平台
小红书 飞书 风控系统 文心一言 裂变增长 微信支付了解分类的意义:
- 明确求职方向:不同类型的 PM 岗位要求不同,提前了解有助于针对性准备
- 规划技能发展:知道目标方向后,可以有针对性地补足技能短板
- 避免入错行:每种 PM 的工作节奏和成就感来源不同,选择适合自己的方向很重要
2. C 端产品经理
定义
C 端产品经理(Consumer Product Manager)负责面向普通消费者的产品。用户规模通常很大,产品追求极致的用户体验。
核心特点
+--------------------------------------------------------------+
| C 端产品经理画像 |
+--------------------------------------------------------------+
| |
| 用户群体:普通消费者(可能是数百万甚至数亿级别) |
| |
| 产品形态:App、小程序、网站等消费者直接使用的产品 |
| |
| 核心驱动:用户体验、情感共鸣、使用习惯 |
| |
| 关键指标:DAU、MAU、留存率、使用时长 |
| |
| 代表产品:微信、抖音、小红书、美团、淘宝 |
| |
+--------------------------------------------------------------+日常工作内容
| 工作项 | 说明 |
|---|---|
| 用户研究 | 通过用户访谈、问卷、A/B 测试了解用户行为和偏好 |
| 需求定义 | 基于用户洞察和数据分析确定产品迭代方向 |
| 交互设计 | 设计用户使用流程,追求"让用户爽"的体验 |
| 数据监控 | 关注 DAU、留存、使用时长等核心指标 |
| 竞品分析 | 密切关注竞品动态,发现差异化机会 |
| 版本迭代 | 快速迭代,通常 1-2 周一个小版本 |
C 端 PM 的核心能力要求
- 用户同理心:能够深入理解用户的情感和行为动机
- 审美和品味:对好的产品体验有直觉性的判断力
- 数据敏感度:善于从数据中发现问题和机会
- 创新思维:能在红海市场中找到差异化切入点
- 快速学习:C 端市场变化快,需要持续学习新趋势
适合什么样的人
- 对用户体验有极致追求的人
- 喜欢研究人的心理和行为的人
- 享受产品被千万人使用的成就感
- 能接受快节奏、高竞争的工作环境
3. B 端产品经理
定义
B 端产品经理(Business Product Manager)负责面向企业客户的产品,如 SaaS 工具、企业管理系统、内部工具平台等。
核心特点
+--------------------------------------------------------------+
| B 端产品经理画像 |
+--------------------------------------------------------------+
| |
| 用户群体:企业员工、管理者、IT 部门 |
| |
| 产品形态:SaaS 平台、ERP、CRM、OA、内部工具 |
| |
| 核心驱动:效率提升、成本降低、流程规范 |
| |
| 关键指标:客户续约率、ARR、客户满意度(CSAT) |
| |
| 代表产品:飞书、钉钉、Salesforce、企业微信、有赞 |
| |
+--------------------------------------------------------------+C 端 vs B 端的关键区别
| 维度 | C 端 PM | B 端 PM |
|---|---|---|
| 用户量级 | 百万~数亿 | 几十~几万家企业 |
| 决策者 | 用户本人 | 采购者 ≠ 使用者 |
| 核心诉求 | 好玩、好看、好用 | 好用、安全、稳定 |
| 迭代速度 | 快(1-2 周) | 慢(1-3 个月) |
| 需求来源 | 用户行为数据 | 客户直接反馈、销售转达 |
| 试错成本 | 低(A/B 测试) | 高(影响客户业务) |
| 收入模式 | 广告、增值服务 | 订阅、License、定制化 |
| 产品复杂度 | 相对简单 | 非常复杂(权限、工作流等) |
B 端 PM 的核心能力要求
- 业务理解:深入理解客户的行业和业务流程
- 逻辑思维:能够处理复杂的业务逻辑和流程设计
- 系统设计:具备架构级思维,设计可扩展的产品体系
- 客户沟通:直接与企业客户对接,理解其深层需求
- 商业意识:理解 B 端产品的商业模式和定价策略
B 端产品常见的挑战
挑战 1:买单的人和使用的人不是同一个人
+----------+ 购买决策 +-----------+
| 老板 | ----------------> | 买 SaaS |
+----------+ +-----------+
+----------+ 日常使用 +-----------+
| 员工 | ----------------> | 用 SaaS |
+----------+ +-----------+
PM 需要同时满足"决策者"和"使用者"的需求
挑战 2:需求来自多个大客户,优先级难排
客户 A:我要功能 X!
客户 B:我要功能 Y!
客户 C:我要功能 Z!
PM 需要在个性化需求中提炼通用解决方案
挑战 3:系统复杂度高,改动牵一发动全身
权限系统 <--> 工作流 <--> 审批系统 <--> 报表系统
PM 需要强大的系统设计能力4. 数据产品经理
定义
数据产品经理负责设计和构建数据相关的产品和工具,帮助公司和用户更好地利用数据做决策。
核心特点
+--------------------------------------------------------------+
| 数据产品经理画像 |
+--------------------------------------------------------------+
| |
| 用户群体:内部分析师、运营、决策者;或外部数据消费者 |
| |
| 产品形态:数据中台、BI 系统、推荐系统、风控系统 |
| |
| 核心驱动:数据准确性、分析效率、决策支持 |
| |
| 关键指标:数据准确率、查询响应速度、用户采纳率 |
| |
| 代表产品:神策数据、GrowingIO、阿里 DataWorks |
| |
+--------------------------------------------------------------+数据产品的典型类型
数据产品
|
+-- 数据采集类
| +-- 埋点管理平台
| +-- 数据集成工具
|
+-- 数据处理类
| +-- ETL 工具
| +-- 数据质量平台
|
+-- 数据分析类
| +-- BI 报表系统
| +-- 用户行为分析平台
| +-- A/B 测试平台
|
+-- 数据应用类
| +-- 推荐系统
| +-- 搜索排序
| +-- 风控系统
| +-- 广告系统
|
+-- 数据治理类
+-- 数据资产目录
+-- 数据权限管理
+-- 数据血缘追踪数据 PM 的核心能力要求
| 能力 | 详细说明 |
|---|---|
| SQL 能力 | 至少能独立完成中等复杂度的数据查询 |
| 统计学基础 | 理解基本的统计概念(均值、中位数、方差、假设检验等) |
| 数据建模 | 理解数据仓库概念、维度建模、指标体系设计 |
| 业务理解 | 能将业务问题转化为数据问题 |
| 技术沟通 | 能与数据工程师讨论技术方案 |
5. AI 产品经理
定义
AI 产品经理负责将人工智能技术转化为用户可感知的产品价值。这是近年来最火热的 PM 方向之一。
时代背景
AI 产品经理的时代机遇
================================================================
2016-2019 AI 1.0 时代
+---------------------------------------------------------+
| 机器学习、计算机视觉、NLP |
| 代表产品:人脸识别、语音助手、推荐系统 |
| AI PM 需求:少量,主要在大厂 |
+---------------------------------------------------------+
2020-2022 AI 2.0 萌芽
+---------------------------------------------------------+
| 预训练大模型开始出现 |
| 代表产品:GPT-3、DALL-E |
| AI PM 需求:开始增长 |
+---------------------------------------------------------+
2023-2026 AI 2.0 爆发(当前阶段)
+---------------------------------------------------------+
| 大语言模型(LLM)全面落地 |
| 代表产品:ChatGPT、Claude、Copilot、文心一言 |
| AI PM 需求:爆发式增长,几乎所有公司都在招 |
+---------------------------------------------------------+
未来趋势 AI Agent 时代
+---------------------------------------------------------+
| AI 从工具变为自主代理(Agent) |
| 产品形态将发生根本性变化 |
| AI PM 将成为标配而非稀缺 |
+---------------------------------------------------------+AI PM 的工作范畴
| 工作内容 | 说明 |
|---|---|
| 场景挖掘 | 找到 AI 技术能够真正解决的用户问题 |
| 能力评估 | 评估当前 AI 技术能做到什么水平(准确率、延迟、成本) |
| 产品设计 | 设计人与 AI 的交互方式(提示词、对话、自动化) |
| 效果评估 | 建立 AI 产品的效果评估体系(不同于传统产品) |
| 数据闭环 | 设计用户反馈到模型优化的闭环机制 |
| 伦理安全 | 关注 AI 的偏见、幻觉、安全和隐私问题 |
AI PM 的独特挑战
传统 PM 的世界: AI PM 的世界:
+------------------+ +------------------+
| 需求确定 | | 需求模糊 |
| 功能可预期 | | 效果有概率性 |
| 逻辑可穷举 | | 行为不可完全预测 |
| Bug = 代码错误 | | Bug = 模型幻觉 |
| 测试可自动化 | | 测试需要人工评估 |
| 上线即稳定 | | 上线后需持续调优 |
+------------------+ +------------------+AI PM 的核心能力要求
- AI 技术理解:不需要自己训练模型,但需要理解 LLM、RAG、Fine-tuning、Prompt Engineering 等核心概念
- 场景判断力:判断哪些场景真正适合用 AI 解决(而非为了用 AI 而用 AI)
- 评估能力:能够设计 AI 产品的效果评估标准
- 用户预期管理:帮助用户建立对 AI 产品的合理预期
- 快速迭代:AI 技术日新月异,需要持续学习和快速适应
6. 增长产品经理
定义
增长产品经理(Growth PM)专注于通过产品手段驱动用户增长、留存和变现。
核心特点
+--------------------------------------------------------------+
| 增长产品经理画像 |
+--------------------------------------------------------------+
| |
| 核心目标:用户增长(拉新、促活、留存、变现、推荐) |
| |
| 工作方式:数据驱动、快速实验、A/B 测试、漏斗优化 |
| |
| 关键指标:新增用户数、激活率、留存率、K-factor |
| |
| 代表案例:拼多多砍一刀、Dropbox 邀请奖励、微信红包 |
| |
+--------------------------------------------------------------+AARRR 海盗指标模型
增长 PM 的核心工作框架:
+-----------------------------------------------------------+
| AARRR 海盗模型 |
+-----------------------------------------------------------+
| |
| Acquisition(获取) |
| +-----------------------------------------------------+ |
| | 用户从哪里来?SEO、ASO、广告、社交裂变、内容营销 | |
| +-----------------------------------------------------+ |
| | |
| v |
| Activation(激活) |
| +-----------------------------------------------------+ |
| | 新用户是否完成关键动作?注册、首次下单、发出第一条消息 | |
| +-----------------------------------------------------+ |
| | |
| v |
| Retention(留存) |
| +-----------------------------------------------------+ |
| | 用户是否持续回来?次日留存、7日留存、30日留存 | |
| +-----------------------------------------------------+ |
| | |
| v |
| Revenue(收入) |
| +-----------------------------------------------------+ |
| | 用户是否付费?付费转化率、ARPU、LTV | |
| +-----------------------------------------------------+ |
| | |
| v |
| Referral(推荐) |
| +-----------------------------------------------------+ |
| | 用户是否推荐给其他人?邀请率、K-factor、NPS | |
| +-----------------------------------------------------+ |
| |
+-----------------------------------------------------------+增长 PM 的核心工作方式
| 步骤 | 内容 | 举例 |
|---|---|---|
| 发现机会 | 通过数据分析找到增长瓶颈 | 注册转化率只有 30%,远低于行业平均 |
| 提出假设 | 假设某种改变能提升指标 | "简化注册流程可以提升转化率" |
| 设计实验 | 设计 A/B 测试方案 | A 组:原流程;B 组:一键手机号注册 |
| 快速验证 | 上线实验并收集数据 | 运行 7 天,收集足够样本 |
| 分析结果 | 判断实验是否成功 | B 组转化率提升到 52%,统计显著 |
| 全量推广 | 成功则全量上线 | 全量切换到新注册流程 |
增长 PM 的能力要求
- 数据分析:这是增长 PM 的核心能力,需要精通 SQL 和数据分析
- 实验设计:熟练掌握 A/B 测试的设计和统计显著性判断
- 用户心理:理解用户决策的心理因素(损失厌恶、从众效应等)
- 营销理解:懂得基本的营销和推广渠道
- 快速执行:增长工作强调速度,需要快速推进实验
7. 平台型产品经理
定义
平台型产品经理负责设计和维护连接多方参与者的平台型产品,需要同时考虑供给方和需求方的利益。
核心特点
+--------------------------------------------------------------+
| 平台型产品经理画像 |
+--------------------------------------------------------------+
| |
| 产品模型:连接供给方和需求方的双边/多边平台 |
| |
| 核心挑战:平衡多方利益、解决冷启动、设计平台规则 |
| |
| 关键指标:平台交易额(GMV)、供需匹配效率、平台抽成率 |
| |
| 代表产品:淘宝、美团、滴滴、微信开放平台、App Store |
| |
+--------------------------------------------------------------+平台的典型结构
+-------------------+
| 平台产品经理 |
| (制定规则) |
+--------+----------+
|
+------------+------------+
| |
v v
+-------------------+ +-------------------+
| 供给方(B 端) | | 需求方(C 端) |
| | | |
| 商家、司机、房东、 | <-> | 消费者、乘客、租客 |
| 内容创作者 | | 读者、观众 |
+-------------------+ +-------------------+
淘宝:商家 <--平台--> 消费者
滴滴:司机 <--平台--> 乘客
美团:商家 <--平台--> 食客
抖音:创作者 <--平台--> 观众平台 PM 的核心挑战
| 挑战 | 说明 |
|---|---|
| 冷启动 | 先有鸡还是先有蛋?先吸引商家还是先吸引用户? |
| 供需平衡 | 确保供给方和需求方的数量和质量匹配 |
| 规则设计 | 制定公平有效的平台规则(如搜索排序、评价体系、分成比例) |
| 生态治理 | 处理刷单、假货、恶意竞争等平台生态问题 |
| 多方利益 | 平衡平台自身、供给方、需求方三者的利益 |
平台 PM 的能力要求
- 系统思维:能够从全局理解平台的运行机制
- 经济学思维:理解供需关系、网络效应、边际成本等概念
- 规则设计:能设计出既公平又有效率的平台规则
- 数据分析:通过数据监控平台的健康度
- 战略思维:平台产品往往涉及较高层面的战略决策
8. 各类 PM 的核心差异对比表
综合对比
| 维度 | C 端 PM | B 端 PM | 数据 PM | AI PM | 增长 PM | 平台 PM |
|---|---|---|---|---|---|---|
| 用户对象 | 普通消费者 | 企业客户 | 分析师/运营 | 各类用户 | 各类用户 | 多边用户 |
| 核心目标 | 用户体验 | 业务效率 | 数据价值 | AI 落地 | 用户增长 | 生态健康 |
| 关键指标 | DAU/留存 | 续约率/ARR | 数据准确率 | 效果指标 | 增长率/LTV | GMV/匹配率 |
| 迭代速度 | 快(1-2周) | 慢(1-3月) | 中等 | 中等 | 非常快 | 中等 |
| 技术要求 | 中 | 中 | 高 | 高 | 中 | 中高 |
| 商业理解 | 中 | 高 | 中 | 中高 | 高 | 非常高 |
| 用户同理心 | 非常高 | 高 | 中 | 高 | 高 | 高 |
| 门槛 | 中等 | 中等 | 偏高 | 偏高 | 中等 | 偏高 |
所需技能对比
| 技能 | C 端 PM | B 端 PM | 数据 PM | AI PM | 增长 PM | 平台 PM |
|---|---|---|---|---|---|---|
| 用户研究 | ★★★★★ | ★★★☆☆ | ★★☆☆☆ | ★★★★☆ | ★★★★☆ | ★★★☆☆ |
| 交互设计 | ★★★★★ | ★★★★☆ | ★★★☆☆ | ★★★★☆ | ★★★☆☆ | ★★★☆☆ |
| SQL/数据 | ★★★☆☆ | ★★☆☆☆ | ★★★★★ | ★★★★☆ | ★★★★★ | ★★★★☆ |
| 业务理解 | ★★★☆☆ | ★★★★★ | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | ★★★★★ |
| 技术理解 | ★★☆☆☆ | ★★★☆☆ | ★★★★☆ | ★★★★★ | ★★★☆☆ | ★★★★☆ |
| 商业思维 | ★★★☆☆ | ★★★★★ | ★★☆☆☆ | ★★★☆☆ | ★★★★☆ | ★★★★★ |
| 实验能力 | ★★★☆☆ | ★★☆☆☆ | ★★★☆☆ | ★★★★☆ | ★★★★★ | ★★★☆☆ |
代表公司
| 类型 | 国内代表 | 海外代表 |
|---|---|---|
| C 端 PM | 微信、抖音、小红书、B 站、网易云音乐 | Instagram、TikTok、Spotify、Netflix |
| B 端 PM | 飞书、钉钉、有赞、明道云、北森 | Salesforce、Slack、Notion、Figma |
| 数据 PM | 神策数据、GrowingIO、阿里云 DataWorks | Snowflake、Databricks、Amplitude |
| AI PM | 百度文心一言、讯飞星火、月之暗面 Kimi | OpenAI、Anthropic、Google DeepMind |
| 增长 PM | 拼多多、趣头条、瑞幸咖啡 | Airbnb、Uber、Dropbox |
| 平台 PM | 淘宝、美团、滴滴、微信开放平台 | Amazon、Uber、Airbnb、App Store |
9. 如何选择适合自己的方向
自我评估清单
根据以下几个维度来评估自己适合哪个方向:
你更喜欢哪种工作方式?
|
+-- 喜欢和用户打交道,关注体验细节 -------> C 端 PM
|
+-- 喜欢深入理解复杂业务逻辑 ------------> B 端 PM
|
+-- 喜欢和数据打交道,擅长 SQL -----------> 数据 PM
|
+-- 对 AI 技术充满热情,喜欢探索前沿 -----> AI PM
|
+-- 喜欢做实验,用数据验证假设 -----------> 增长 PM
|
+-- 喜欢设计规则和系统,全局思考 ---------> 平台 PM从背景出发的建议
| 你的背景 | 推荐方向 | 原因 |
|---|---|---|
| 计算机/软件工程 | 数据 PM、AI PM、B 端 PM | 技术优势,能和工程师深度沟通 |
| 设计/交互 | C 端 PM | 设计思维和用户同理心是天然优势 |
| 市场/运营 | 增长 PM、C 端 PM | 用户理解和营销经验可以直接复用 |
| 数据/统计 | 数据 PM、增长 PM | 数据分析是核心竞争力 |
| MBA/商科 | B 端 PM、平台 PM | 商业思维和战略视野是独特优势 |
| 无特定背景 | C 端 PM | 入门门槛相对较低,机会多 |
不同方向的薪资参考(仅供参考,实际因城市、公司、个人能力差异很大)
薪资水平(3-5 年经验,一线城市)
================================================
AI PM ████████████████████████████████████ 35-60 万/年
数据 PM ██████████████████████████████████ 30-55 万/年
平台 PM ██████████████████████████████████ 30-55 万/年
B 端 PM ████████████████████████████████ 28-50 万/年
增长 PM ████████████████████████████████ 28-50 万/年
C 端 PM ██████████████████████████████ 25-45 万/年
* 以上数据仅为市场参考范围,实际薪资取决于公司、个人能力、城市等因素
* AI PM 因市场供需失衡,当前溢价较高10. 本节小结
核心要点回顾
+-------------------------------------------------------------------+
| 本节核心要点 |
+-------------------------------------------------------------------+
| |
| 1. PM 不是一种笼统的岗位,不同方向差异很大 |
| |
| 2. 六大 PM 类型: |
| - C 端 PM:面向消费者,追求极致体验 |
| - B 端 PM:面向企业,注重业务效率 |
| - 数据 PM:围绕数据,需要较强技术能力 |
| - AI PM:AI 技术落地,当前最热门方向 |
| - 增长 PM:数据驱动增长,强调快速实验 |
| - 平台 PM:多边平台,需要系统和商业思维 |
| |
| 3. 选方向要结合自身背景和兴趣,没有绝对的好坏 |
| |
| 4. AI PM 是当前最热门的方向,但入门门槛也相对较高 |
| |
+-------------------------------------------------------------------+自我检查
读完本节,尝试回答以下问题:
- C 端 PM 和 B 端 PM 最核心的 3 个区别是什么?
- AI PM 面临哪些传统 PM 不会遇到的挑战?
- 增长 PM 的核心工作方法论是什么?
- 根据你自己的背景和兴趣,你倾向于哪个方向?为什么?
下一节:03 - 职业发展路径与能力模型