今天当顶级 PM 需要什么——Robby Stein(Google)

• Robby Stein 做了将近 20 年产品，消费级为主：创过业；在 Instagram 带的团队首发了 Stories，还做了 Reels、信息流排序（feed ranking，决定你先刷到哪条内容）和私信；现在在 Google Search 带团队重新想「AI 时代的搜索是什么」。两家的产品如今都有几十亿人在用，他也自嘲做过今天用户数「真的是零」的东西。→ 详细
• 这场演讲要交的东西：把做成的和没做成的产品放在一起看，里面有一个「可以重复的模式」。→ 详细

• 他先划界：今天不谈 AI 怎么改造产品，只谈「做产品的手艺」（craft）。他认为这套事现在任何一个人靠几个 agent 就能做，而他们当年要花好几年、动用一整个一整个团队。→ 详细
• 根本的转变：过去 PM 很大一块价值是「把事情推到做完」——组织协调、制造势头，差不多半个项目经理。但「几乎任何你想得到的东西都能做出来」之后，他比以往任何时候都更确定，PM 真正的价值在判断、在品味、在把一件事做到极致。同一场峰会的另外几段（同批 254 / 255 / 256）从别的角度答了同一道题。→ 详细

• 流行的说法是，PM 的主要手艺就是「很多事都做得还不错」。他认为这只对了几分：归根结底只有一件你该做到绝对最好的事，「那就是做决策」，PM 应该当个学生，专门钻研「做出好决策到底需要什么」。→ 详细
• 他补了一句让人谦卑的话：大多数决策——他随即改口说「很多决策」——都是错的；后面讲的，只是这些年帮他和团队做对了一部分决策的东西。→ 详细
• 骨架来自他脑子里「一本没写出来的书」，他说是第一次这样公开讲。幻灯片上的总题是 The New PM Playbook，三章依次是 Understanding people deeply（深刻地理解人）、Diagnosing root causes（诊断根因）、Craft is not optional（手艺不是可选项）。→ 详细

• 一切从人开始：能做的东西可以想出很多，但最后要回到「一个人的根本需求是什么」。他推荐 Clayton Christensen 的《Competing Against Luck》（《与运气竞争》）和书里的 Jobs to Be Done 框架（待办任务理论，简称 JTBD），核心一句是「我们不是在使用产品，而是雇用产品来替我们办事」——所以你得知道那件「事」到底是什么。→ 详细
• 他在 Instagram 的一个团队，跟创造这套框架的那批人一起做过一次外出研讨（offsite），把流程真走了一遍，后来内化成了团队自己的做法。→ 详细
• 问法是一份可以照抄的清单：让对方回到上一次大件消费的那个时刻，追问生活细节——那天是什么样的？你在哪儿？在读什么？跟谁在一起？穿的什么？带着孩子还是一个人？在店里还是在网上？问到你真的站进对方当时的位置为止。→ 详细

• 他自己上一次大件消费是一张床。他和太太对着一大片床挨个试，最后有三四张感觉都很好，太太忽然说「你能帮我个忙，往这上面跳一下吗」「你上去滚一圈」。他一头雾水地重重扑上去，太太当场拍板：「这张床我们现在就买。谢谢。搞定了」。→ 详细
• 理由只有一句：「我最需要的就是一张你一动也不会把我弄醒的床」。他说这话有点冒犯人，但确实是真需求。→ 详细
• 假如他是做床的 PM，按老套路会先想路线图——凉感（大家都在做）、环保、拼价格。这些都重要，但那天真正定下买哪张的是 transference（动静传导：一侧有人翻身，另一侧能感觉到多少）。「如果你没跟我聊过、没了解到这一点，那 PM、那个团队就永远不会知道」——这就是替一个人找出「待办任务」。→ 详细

▲ 图注：同一段演示里四个时刻的拼图——附上一张客厅照片问该配什么沙发，AI Mode 先给文字建议，再给出 Mustard Yellow Sofa、Emerald Green Velvet Sofa 两组带商品图的推荐。

• 他说再讲两个数字世界的例子、「一个来自 Google」（两个其实都出自 Google 搜索）。第一个：做 AI 体验的早期，团队发现用户是为「找灵感」来的，可 2 年前聊天机器人只有文字——你怎么靠文字向别人描述一张沙发？描述不了。→ 详细
• 于是他们成了最早一批投入多模态（不只懂文字，也懂图片）理解、检索和知识系统的团队之一：问沙发能拿到视觉化的回答，还能多轮追问「想要祖母绿的」「想要毛茸茸的」，盯住图里的抱枕再出一整面抱枕的网格。他说这些在「很多年前」都非常难。→ 详细

▲ 图注：桌面版 AI Mode 的一页结果——文字回答下面接着一张旧金山地图和带星级的餐厅卡片，右侧是一家餐厅的详情面板。他说早期版本里缺的就是这一块。

• AI Mode（在 Google Search 里问任何问题、连续对话的用法）探索的很早期，回答里信息很多，却缺了用户本来就指望 Google 有的东西：在地图上看到要去的地方，Google 级别权威的星级、打烊时间、菜系、价位。合进去之后才成了他口中「有魔力的产品」；按点赞评分（thumbs up）等指标，它至今仍是这个产品上最受欢迎的东西之一。→ 详细
• 两个例子同一个落点：回到用户「为什么」来用、当初是什么让他们来的。→ 详细

▲ 图注：幻灯片的第二章章节页，小字是 Chapter 2: The New PM Playbook，大字是 Diagnosing Root Causes。

• 理解了人，你手里只有「一颗种子」；然后你做出一个东西，「而这个东西通常不怎么样」——他说自己参与做过的东西大多数一开始都不怎么样，随即改口「说实话，全都是」。→ 详细
• 做法是一个循环：把产品里的问题看清楚，按优先级排序，吃透，真的修掉，再递归地问一遍。他的比方是「有点像模型训练的一个 epoch」（epoch：把全部训练数据完整过一遍，算一轮）。→ 详细
• 每拿着这份改动清单（change list）更新一轮，就离市场契合（market fit，产品正好对上一群人的真实需求）近一步，直到真的契合上。→ 详细

• Stories 上线后其实起飞了，算最早那批「一上来就跑得不错」的东西；但此前内部做过很多版把 Stories 塞进 feed 流（信息流）的方案，效果都不好。→ 详细
• 起飞之后仍有一件事很明显：不是所有人都在用、都敢发。他们的流程很简单，把第一章的问题反过来——第一章问「你为什么做了这件事」，现在东西有了，问的是「那你为什么不做这件事」。→ 详细
• 把回答想成一团云，每个答案是一个叶子节点；按主题归类再排序，排第一的差不多就是「受众」问题：我前任在上面，我老师、我阿姨、我姐都在上面，我才不会随手发个犯傻的东西。→ 详细
• 定性之后接定量：以这些归类为输入，做了一轮几千人参与的问卷，把各项原因的权重量出来。结论很硬——这道坎迈不过去，「什么创作工具、什么有意思的产品点子，都不会管用」。→ 详细
• 团队为此花了两年轮番试点子，才摸到 Close Friends（只发给一小圈亲近的人看）。中间的变体多到他称为「多元宇宙」：有一版叫 Favorites，在个人主页开了个后门能看私密版主页，还能打着类似 Close Friends 的标签往 feed 流里发——「特别让人犯晕，没人看得懂」，没人想把一张很原生态的照片夹在光鲜的 feed 流中间。唯一行得通的是放进 Stories：他们把整个产品砍掉，作为 Stories 里的一种体验重新上线，成了。→ 详细

• Reels 最早在巴西上线。团队当时的推理是：跳舞、搞怪的内容，谁会想让它永远挂在个人主页上给所有人看？听着有道理，于是做成了限时消失（ephemeral）的形态。结果是 huge failure，一败涂地。→ 详细
• 根因有两层：花了很多时间跳出一段好舞的人，不希望它一天后就没了（他说「事后看这再明显不过」）；更大的洞察是，发这些内容的人哪怕很年轻，想当的是艺人（entertainer），想靠内容做成生意，想让内容留着、还能爆火。→ 详细
• 于是照着「改动清单」大改：Reels 成为独立的形态，差不多永久保留，而且可以让全校都看到——不是原先假设的「我可不想让全校都看到」。他的原话是「不，这恰恰就是你想要的」。这条路后来起飞了。→ 详细

• 他说有了 AI，这套诊断现在容易多了，是「你们每个人每天都能做的事」。他们内部用 Google 的 Antigravity（Google 自家的 agent 式开发工具）；另有一套系统面向主动选择加入、愿意分享使用情况的用户，在一旁问「你觉得这个怎么样、哪里没答到点子上」，攒成一个巨大的反馈库交给模型去读（他这句只说了一半就转去讲例子）。→ 详细
• 例子是一条买背包的反馈：你了解每款背包、知道大小和尺码，很棒，「但你本该问问我儿子的情况、问问身高的」，不然对孩子来说会太重。把反馈排个序，这是非常常见的一类。→ 详细
• 由此长出「协作」这个理念：把回答做成一场对话，帮人朝最终目标推进——用户自己并不知道回答这个问题需要先了解什么。他说从参与度、使用量、价值和有用程度看，这是他们在这个产品上做过的最重大的事情之一。→ 详细

• 种子想法不错、循环也走完了，产品才到可以正式登台的阶段——推给所有客户，群发那封邮件。这时比的是做工和最后的细节（fit and finish），也就是手艺；他说这常被忽视，幻灯片上这一章就叫 Craft is not optional。→ 详细
• 他对手艺的定义：人们察觉得出做这个产品的人在不在乎。驱动这种感觉的有两件事——产品是不是运转得完美、有没有任何让用户难受的地方；以及用的时候有没有感到快乐、兴奋。→ 详细

▲ 图注：他那个工具的产出页，标题是 AI Mode Visual Evaluation Report。左边每行是一个测试问题配一张截图缩略图，后几行能看到 PASS 标签和 Comparison table rendered correctly 这类评语；右边叠着一条被评测的回答，是一道物理题的解答，公式渲染正常。

• 「消灭痛点」的老办法是自己死磕、人人当自己产品的重度用户；他说现在的重点是用 AI 把这件事规模化。他强调「这是我真的自己做出来的一个工具」，在内部用 Antigravity 搭的，把他们可能会问的所有潜在问题都过一遍。→ 详细
• 流程：让 agent 以用户身份去用产品——真的打开 Google、敲进一个问题，再到 AI 那里追问一句；把这段体验录下来、截图；最后按一份「非常全面的评分细则」（rubric，事先写好的逐项打分标准）评估看到的东西。→ 详细
• 模型看这类事情「能力强得惊人」。他举的检查项：数学题或学校作业，LaTeX（排数学公式的标准写法）渲染得好不好、有没有吐奇怪的字符；问生物发光这种视觉性的东西，回答里有没有视觉内容栏（visual tray），还是只有文字。→ 详细
• 这样不光能找到最好的回答，还能很轻松地看见哪里坏了。团队已经做了一批 agent，自己去发现哪些东西坏了或不合规格（off spec），并「越来越多地」自己修好，形成反馈闭环。把判断写成可执行细则这条线，见 ep134。→ 详细
• 他的判断：以前得有个 QA（测试）团队、得有一个 PM，或者有人着了魔似的把产品每个角落都用一遍——「这样的日子很多都已经过去了」。→ 详细

▲ 图注：新搜索框同一段动画里四个时刻的拼图——收起的 Ask anything 胶囊框、点开后上沿出现彩色渐变描边、光标换成另一种颜色、输入文字后出现蓝色发送按钮。

• 「让人愉悦」这一面的例子是 Google 搜索框：时隔 20 年重新发明，在 I/O（Google 的年度开发者大会）上发布——能跟着你伸展变大，能上传东西，能带上文件、视频、照片的上下文。原则是 Google 依然要有 Google 的感觉，又要让人觉得「AI 来了」，于是用一种颜色渐变来代表产品背后的 AI 力量。→ 详细
• 设计团队的细节：光标闪烁时在 Google 的几种颜色间轮换（他数不清多少次在 X 上看到有人注意到并专门发帖）；点一下搜索框，它像兴奋地往外蹦一下，再加载出那圈光环；还带触觉反馈（haptics，手指能感到的细微震动）。→ 详细
• 落点：靠动效、色彩、手感、触碰和那份用心，「你就传达出了产品背后的人味儿，给了它一个灵魂」；他认为很多人忽视了这一部分。同场峰会专讲品质与匠心的一段见 ep241。→ 详细

▲ 图注：收尾的总览页，三章的章名都在上面——Understanding people deeply、Diagnosing root causes、Craft is not optional；右下角是他的 X 账号 @rmstein 和一句 Let's keep in touch。

• 三章合起来就是他说的打法（playbook）：深入理解人的核心需求；严谨地理清「为了让产品赢、对人管用，我需要修掉哪些东西」；再把它做得简单、顺畅、让人用着感觉好。他说得很直白，「这里面很多都不是新东西」，只是有了 AI 能用全新的方式做到；PM 这门手艺、做出好决策的能力，从没像现在这么重要。→ 详细
• 他也留了余地：这只是其中一种方式，在座的人今天多半已经听了「另外 10 种」，同样站得住脚，带走一样东西就够。→ 详细
• 最后的期望：下次想自己的产品时，少花点时间在「凭空冒出来的酷功能」「往上一怼的技术」「把它送到人们面前的新办法」上，多花时间想屏幕另一头那些真实的人。→ 详细

他口头没有留联系方式；收尾那页幻灯片的右下角写着 X 账号 @rmstein 和一句 Let's keep in touch（见第十六节的图）。演讲里提到的资源有三样：

• 书：Clayton Christensen《Competing Against Luck》（《与运气竞争》），Jobs to Be Done 框架的出处。→ 详细
• 工具：Google 的 Antigravity，他做内部评测工具用的就是它。→ 详细
• 产品：Google Search 的 AI Mode，以及在 I/O 上发布的新搜索框。→ 详细