Figma 首席产品官的产品扩展与叙事课程

从 6 周的发布周期和一个简单的循环开始：发布小型更新，收集真实用户的截图，并在会话中决定是否进行迭代。这种方法使团队能够专注于学习，并将用户信号转化为具体的产品举措，让每个人都能信任。

领导者将直觉转化为工程师可以发布的计划：收集少数高信号用户，捕获简明的截图，并将下一步行动构建为一个单一的假设。团队一直使用这种方法来围绕一个单一的叙事进行协调，而设计和工程之间的协作确保了正确的问题得到解决；用户能够看到每一次改变的意义。团队中的一名工程师可以用通俗的语言阐述其价值，让每个人都专注于此。

每次发布后跟踪一组关键指标，以捕获早期信号：激活度、价值实现时间（time-to-value）和留存率。每一次发布都应带来可衡量的、易于向利益相关者解释的改进，而截图中的视觉差异有助于每个人理解发生了什么变化。如果指标与用户价值不符，则根据反馈快速调整。

小规模、可重复的实验优于过度工程化：保持计划精简，依靠实际的直觉，并让循环驱动发布成果。首席产品官的纪律表明，一些有针对性的测试可以及早发现问题，从而降低用户和企业的风险。工程师欣赏具体的目标和反馈，这些反馈会进入待办事项列表，而不是妥协势头。

随着时间的推移，产品战略变成了一种持续的讲故事实践，使团队围绕一个共同的叙事进行协调：发布提供切实价值的实验。Figma 的产品负责人所使用的流程帮助每位工程师和设计师了解想法如何变为现实，以及出色的成果如何获得客户的青睐。如果你保持循环紧密和叙事诚实，你的产品就能在不丧失清晰度或信任的情况下进行扩展。

Figma 的首席产品官手册：规模化、讲故事和人工智能驱动的路线图

建议：构建一个以受众需求和清晰的问题与解决方案分类为中心的、目标明确的行动手册。为产品定义一个原创的背景，通过定性信号验证产品市场契合度，并使用简短有力的文字来锚定各团队的视角。习惯性地倾向于简洁，以便快速做出大多数决定；当市场到来时，你的路线图就成为每个开发阶段可用的资产。让定性信号来自用户访谈，并支持这些说法。

为了在实践中实现这一点，可以考虑 Gagan，他是一位 Adobe 的首席产品官，他推出了一款人工智能驱动的路线图工作流程，该工作流程将定性发现转化为一系列精简的策略。他通过分类定义了产品市场问题空间，使决策能够针对受众细分进行本地化，从而避免了功能臃肿。写简洁的用户陈述成为一种习惯，他们的观点清晰，设计在不同的小组之间保持一致，而不是分散。

实施蓝图：从一个发现阶段开始，捕获受众的痛点；创建 5 个原创问题陈述和 3 个指导性策略。然后使用人工智能将定性笔记综合成优先主题；为即将到来的冲刺应用一个精益化的设置。为每个阶段分配负责人，并根据简单的 KPI 集合衡量价值。

定义可扩展的产品架构和设计系统，并随用户需求增长

立即行动：定义一个模块化的产品架构和一个与用户需求共同成长的活的设计系统。构建一个核心平台，包含一组可组合的组件和一个令牌化的 UI 层，以通过稳定的接口实现快速、增量的更新，而不是完全重建。

与管理者、设计师和工程师之间明确的负责人建立治理。创建定期的审查周期，并将决策记录在案。邀请客户和社区领导的群体参与反馈循环，使产品选择与实际需求保持一致。管理者希望可靠的交付和清晰的可见性，以了解其影响。

定义设计系统构件：组件、模式、令牌和指南。确保您的撰写内容与设计匹配，并且团队能够在所有平台一致地实现它们。团队以结果和重用为出发点，将可访问性和性能的直觉嵌入到每个规则中，以支持可扩展的采用。

规模化的组织意味着通过跨职能团队进行增量交付。按影响和工作量对传入的请求进行分类，并首先推动高价值的更改。战略性地规划招聘，以填补能力差距并维持快速迭代的文化。

使用一组精简的领先指标来衡量影响：激活度、留存率和客户满意度。进行即时审查，以使优先级与业务目标保持一致，并直接与客户沟通以确认假设。维护一个轻量级的待办事项列表，优先处理最高价值的、能带来增长的更改。

创建讲故事框架，以在规模化过程中协调设计、产品和工程

从一个单一的、共享的叙事开始，将用户成果与业务里程碑联系起来，并为设计、产品和工程分配明确的所有权。定义我们想要的结果类型、它们的重要性以及我们将如何跟踪进度。利用这个故事来指导我们规模化过程中的决策，并赋予团队清晰的行动权力，并将其保存在每次启动、审查和回顾中。

三个构件锚定框架：一个由 Figma 驱动的设计视图、一个简洁的产品规范和一个具体工程计划。设计视图将流程与真实的用户任务联系起来，并列出所需的约束条件，产品规范则阐明了价值、指标和风险，工程计划则将关键点转化为里程碑、负责人集和依赖关系图。拥抱一种“黑客”思维，快速测试想法而不进行过度工程化。将所有构件与组织的 Worfklows 保持一致，并将它们保存在一个单一的、可访问的位置。

角色和仪式：指定一名管理者负责协调；尽早聘请工程师以填补关键空白；组建包含设计师和工程师的跨职能团队。以 Julie 和 Lucy 为协作的典范，她们在设计师和工程师之间进行协作：Julie 在 Figma 中创建轻量级的原型，Lucy 进行快速用户研究，她们俩都向产品经理和首席工程师提供反馈。引用 Rachitsky 的指导，在整个组织中扩大协作。

流程和阶段：三个核心阶段：发现、交付、规模化。每个阶段都有关卡，例如问题构建、设计就绪、构建就绪和发布就绪。设置一个指定的负责人、一个简短的审查周期和明确的成功标准。映射决策的归属以及风险如何在整个组织中揭示。

执行步骤和周期：起草一份单一页面的故事，将用户成果与里程碑联系起来；将其映射到 Figma 的流程和产品规范；制定一个包含里程碑、测试和风险的轻量级工程计划。每周与设计师、产品和工程师进行一次跨职能的视图会议。如果团队分裂成孤岛，请用共享的 OKR 和决策日志重新组合，然后根据研究和现场试验的经验教训迭代框架。这能让组织保持一致的向前发展。

利用人工智能预测需求、确定优先事项并为路线图提供未来保障

从一个 90 天的人工智能预测开始，该预测输出一个需求范围和未来一个季度三个高置信度的投注。构建一个轻量级的工具，从产品分析、续订和扩展指标、试用到付费的漏斗以及社交信号流式传输数据，返回一个单一页面的视图，显示预测范围（低/可能/高）、影响分数（0-100）、可行性评级和推荐时间表。这不是猜测；而是一个完整的数据驱动视图，与整个产品组合保持一致，并设定清晰的投注。这就是将数据转化为行动的纪律，它有助于团队决定首先推动哪些设计。

用 26 周的使用事件、实验结果、收入信号和社会情绪来喂养模型。该循环每周更新一次；如果信号使预测偏移超过 5%，则重新计算投注。预测会提供未来 6-12 个月的月度值，具有低/基本/高范围和明确的置信区间，帮助您制定有余地的计划。维护预测的单一信息源，以便跨受众的团队可以依赖相同的数字。该工具会暴露风险感，但会将其转化为您可以与工程师、设计师和高管沟通的具体权衡。从不同的角度思考在哪里进行投资。

通过将预测转化为三个具有影响、风险和可行性分数的投注来确定投注的优先级。使用一个单一的目标过滤器将列表缩小到三个可行的选项；当超过三个选项通过阈值时，将相关的投注合并成一个单一的计划，并附带子指标。输出告诉您首先构建什么、如何排序实验以及观察哪些指标来决定是扩展还是放弃一个投注。这意味着可以自信地做出更艰难的决定。

通过嵌入防护栏来为路线图提供未来保障：数据依赖项、平台约束、隐私注意事项以及允许团队解耦功能的模块化设计。大规模创造价值需要将发布周期与每个投注挂钩，映射依赖关系，并为数据差距创建备用选项。包含一个轻量级的场景层（基本、乐观、保守），以便路线图能够应对不断变化的需求。其结果是一个有用的计划，随着新功能的上线和产品线的增长，该计划将保持相关性。

面向受众的讲故事：展示一份强调简洁的简明英文摘要。数据本身会讲故事，但视角很重要：Mike、Wang、Biyani 和 Yuhki 各自提供独特的角度，在用户感受和业务成果之间取得平衡。使用重点突出预测、投注和路线图的视觉效果，然后以一个明确的行动号召结束：您应该期待清晰性、行动以及持续的迭代循环。

实施规模化的快速实验和功能标志治理

集中式功能标志平台，并构建精简的治理模型，将实验与产品市场成果联系起来。设定一个清晰的周期：第一周计划和原型设计，第二周测试，第三周决定，只有在验证后才广泛推广。这可以保持势头并最大限度地降低风险。

围绕可重复的节奏组织工作至关重要。创建一个实验委员会，包括产品、设计、数据和工程部门，以及一个专门的标志所有者角色。该委员会标准化了防护栏、通用语言和评分标准，以根据影响、置信度和风险对实验进行评分。正如 Rachitsky 所强调的，在扩展学习时，成文的仪式优于英雄式的技巧。

它们不是为了阻碍创造力，而是为了加速学习。从一组少量产品市场假设和一个专注于学习的单一目标开始，然后随着模型的证明而扩展。使用一个单一的 LED 指示灯——影响分数——来决定是推广更改还是撤销它。每个决策的背后都有一条可追溯的数据路径，从原型到真实客户。

直接的闭环反馈渠道很重要。将每个标志与可衡量的结果联系起来，例如转化率、价值实现时间或留存率。构建从想法到原型，再到经过验证的信号，然后到受控发布的 Worfklows。这些 Worfklows 应支持快速迭代，同时保留安全和用户信任的防护栏。

为了负责任地规模化，应正式化治理流程，明确角色和职责、升级路径和有时限的审查。标志审查委员会可以作为推广的决策点，确保负责成果的人——产品、设计、数据和工程——在更改用户体验之前就标准达成一致。

语言很重要。标准化功能、标志、用户群和实验的命名，以便每个人都说同一种语言。记录报告和仪表板中使用的语言，以便利益相关者以相同的方式解释结果，从而减少决策过程中的误解和偏见。

采用透明、以数据为驱动的文化，以保持心理安全和乐观。不仅衡量成功，还衡量失败模式和学习；庆祝学习的速度和质量，而不仅仅是胜利。心智模型应承认，当围绕证据和对齐的激励措施进行组织时，艰难的投注是可以接受的。

指标和工具驱动纪律。使用一个简单的评分器，包含四个维度：影响、置信度、范围和风险。校准评分标准，以便团队可以在公平的条件下比较实验，即使想法在范围或复杂性上有所不同。跟踪有多少实验达到了分阶段推广，有多少被放弃，以及有多少比例的实验为下一次循环提供了信息。

从强大的原型思维开始很有帮助。每个新的功能标志都始于一个低风险的原型，具有有限的曝光度、清晰的成功标准和有吸引力的信号时可扩展的计划。这种方法降低了学习成本，并加快了从概念到经过验证的客户影响的周期。

结果是一个可扩展的系统，人才可以在不失去焦点的情况下为各个团队做出贡献。通过围绕相同的流程进行组织，团队可以快速阐明价值，就决策达成一致，并自信而一致地将想法转化为可衡量的影响。

使用叙事就绪的仪表板跟踪领先和滞后指标

启动一套单一的、叙事就绪的仪表板，将领先指标与滞后结果配对，并为每个指标附加一个具体的行动。这些仪表板为您提供了更大的决策背景和关于影响的清晰真相，而不仅仅是数字。对于每个指标，附加一个简短的叙事：发生了什么变化，为什么很重要，下一步该做什么。

为每个领域定义四个到六个领先指标（激活率、入职完成率、价值实现时间、周活跃用户数、功能采用率），并将它们与滞后结果（留存率、收入、流失率、成本）联系起来。将仪表板构建为动态文件，而不是静态报告。为每个指标包含一句话的结论：如果激活率低于 40%，则调整入职流程；如果 30 天后的留存率下降，则重新设计核心流程。

创建叙事部分，用通俗的语言解释原因。利用这些来推动整个组织的对话。确保每个指标都有一个“原因”框和一个“该做什么”框。这种思考方式可以提高效率并减少含糊不清的投注。还应包含一个指向设计的原型链接和一个决策文件。

通过设计来管理数据质量：指定一名负责人，例如 Andy，担任仪表板管家；设置数据源，定义刷新周期；每周进行一次质量检查。使用这种方法在数据扭曲决策之前发现差距。在注释中维护一个 fralic 基准来指导思考和比较。

示例：重新设计后，入职激活率从 28% 上升到 40%；价值实现时间从 9 天缩短到 5 天；90 天留存率从 55% 上升到 62%。每用户收入增长 8%，服务成本下降 12%。附加到每个指标的叙事注释解释了原因和下一步行动，因此招聘人员和整个团队可以快速而自信地采取行动。这些数字表明，通过将衡量的内容与所做的事情联系起来，可以获得更大的改进。

无论是什么领域，这些仪表板都能促进与 Andy、Wallace 和 Nels 的引人入胜的对话，并使套件专注于重要的事情。它们附带一个可以在团队会议室进行演示的原型，以及一个可以在下一个规划周期中引用的决策文件。