|
|
# 第102讲 | 姚从磊：巧用AARRR模型，吸引优秀技术人才（一）
|
|
|
|
|
|
你好，我是百炼智能联合创始人兼CTO姚从磊，我于2008年从北京大学网络实验室博士毕业，先后经历过大型外企、大型互联网公司和不同规模不同阶段的创业公司，并于2018年5月创办百炼智能。
|
|
|
|
|
|
这十年间，作为技术线和业务线负责人，先后面试过的技术人员超过两千人，读过的简历更是数以万计。在这个过程中，经常会为吸引到顶尖的技术人才而感到欣喜，更为错过优秀的技术人才而感到惋惜。
|
|
|
|
|
|
欣喜和惋惜之余，逐渐发现吸引优秀技术人才这件事儿，跟研发运营一款成功的产品有着相通之处；并且，产品研发运营过程中的成熟方法论，可以直接拿来提升吸引优秀技术人才的成功率，AARRR 模型就是其中之一。
|
|
|
|
|
|
## 何为 AARRR 模型？
|
|
|
|
|
|
AARRR 模型（图1）是一个经典的用户生命周期分析模型，在互联网产品研发运营中被频繁使用。在这个模型中，一个产品的用户生命周期分为五个阶段：
|
|
|
|
|
|
1. Acquisition：获取用户阶段，通过各种免费和付费的方式获取大量用户；
|
|
|
2. Activation：产品互动阶段，在用户初次体验产品的时候，最大程度让用户感受产品的核心价值，并尽可能将其吸引回来重复使用；
|
|
|
3. Retention：用户留存阶段，用户被产品功能吸引，频繁使用产品；
|
|
|
4. Revenue：获取收入阶段，利用广告、收费等模式，将用户流量转化为商业收入；
|
|
|
5. Referral：口碑传播阶段，用户认为产品足够好，主动向周围的人介绍。
|
|
|
|
|
|
|
|
|
（图1 产品研发运营的 AARRR 模型）
|
|
|
|
|
|
AARRR 模型也是一个漏斗转化模型，可以用来验证产品的价值，并指导产品的研发和运营行为。
|
|
|
|
|
|
从产品的角度来看，如果每个阶段的表现都很好，就可以形成理想的产品闭环：
|
|
|
|
|
|
* 因为有很好的用户获取能力，就会有源源不断的新用户来尝试产品；
|
|
|
* 因为有很好的产品体验，新用户在尝试过程中更容易被产品核心功能吸引；
|
|
|
* 因为有很高的留存率，新用户会频繁使用产品核心功能，快速转化为忠实用户；
|
|
|
* 因为有很强的获取收入能力，就可以在不影响用户体验的前提下获取足够多的收入，进一步投入产品研发、采购更多新用户；
|
|
|
* 因为有很好的口碑传播，用户一传十十传百，就能免费获得更多的高质量新用户；
|
|
|
* 因为有能力采购更多新用户、获取更多免费的高质量新用户，用户获取能力就变得更强，最终形成闭环。
|
|
|
|
|
|
AARRR 模型只是一个普适性的分析模型，它可以帮助优化产品体验和运营策略，但无法决定产品成败；一个产品的成败，还取决于一个关键问题：产品解决了哪群人的哪个痛点？这个关键问题不能解决好，AARRR 就全无用武之地。
|
|
|
|
|
|
## AARRR 模型 VS. 吸引优秀技术人才
|
|
|
|
|
|
一提到吸引优秀技术人才，大都会第一时间想到「招聘」。但真正的吸引，远不止于把人才招聘进来。在吸引优秀技术人才加盟后，更重要的是让每位人才在公司充分实现价值，高度认同公司，并源源不断地介绍自己的亲朋好友加盟，这样才会形成吸引优秀人才的「闭环」。
|
|
|
|
|
|
这个闭环，同前面提到的产品闭环、用户体验闭环完全相同。借鉴产品研发和运营的 AARRR 模型，我们可以得到吸引优秀技术人才的 AARRR 模型，如图2所示。
|
|
|
|
|
|
|
|
|
（图2 吸引优秀技术人才的 AARRR 模型）
|
|
|
|
|
|
这个模型同样分为五个阶段：
|
|
|
|
|
|
1. Acquisition：触达人才阶段，通过各种渠道触达尽可能多的优秀技术人才；
|
|
|
2. Activation：面试入职阶段，打造一流的面试入职体验，促成优秀人才顺利面试入职；
|
|
|
3. Retention：人才留存阶段，为人才提供足够良好的工作和学习环境，提高人才对公司的认同感；
|
|
|
4. Revenue：实现价值阶段，人才在公司充分实现自我价值，并为公司发展贡献力量；
|
|
|
5. Referral：内部推荐阶段，人才对公司高度认同，主动推荐亲朋好友加入，一起奋斗。
|
|
|
|
|
|
同样，这个模型可以奏效的前提是，必须弄清楚两个关键问题：
|
|
|
|
|
|
1. 公司需要什么样的优秀技术人才（目标用户画像）；
|
|
|
2. 这些优秀技术人才需要什么（目标用户痛点）。
|
|
|
|
|
|
接下来，我们会首先解决「目标用户画像」和「目标用户痛点」两个问题，之后集中讨论 AARRR 五阶段中的关键策略，最后是简短的总结和建议。
|
|
|
|
|
|
## 目标用户画像——何为优秀的技术人才？
|
|
|
|
|
|
宁要一位优秀的技术人才，也不要100位平庸的工程师。一位优秀技术人才的贡献，要超过至少100位平庸的工程师。
|
|
|
|
|
|
虽然不同阶段的公司对优秀技术人才的定义有所差别，但还是有着诸多共性。
|
|
|
|
|
|
**首先，「聪明和好奇心」会是一个基本特征。** 聪明意味着学习能力强，成长速度快，可以同公司一起成长，将不可能变为可能。好奇心意味着探索精神强，对未知事物有强烈的求知欲，对新技术有浓厚兴趣。
|
|
|
|
|
|
聪明和好奇心往往是联系在一起的，只有聪明但没有好奇心，则只是在自己熟悉的领域里原地打转，虽然看起来更专注，但由于好奇心的缺失，事实上很难越钻越深；只是有好奇心但不够聪明，则只是对大多数技术领域略懂皮毛，夸夸其谈可以，深入解决问题就不灵了。
|
|
|
|
|
|
**第二，「实战能力」会是重中之重。** 过去的面试中，我经常遇到聪明且好奇心强的人，开始聊的时候会非常开心。一旦抛出一个实际的问题，不少人会很快提出一个大体方案，但当尝试细化到可执行层面时，往往就不太顺利了。尤其是在自然语言处理领域，如果不是标准化的问题（给定输入输出，给定训练集、测试集和评价标准），而是一个开放性的来源于实际研发中的问题，十有八九会不太顺利。
|
|
|
|
|
|
这些情况，大都是缺乏实战能力造成的，虽然思路不错，但还是浮于表面，离具体落地尚有一段距离。当然，一部分这样的候选人，可以作为较初级的技术人才培养。但是，如果在聊及过往主要参加的项目时，候选人对具体细节和例外情况的处理也是含糊不清的话，那就建议敬而远之了。
|
|
|
|
|
|
**第三，「一技之长」会是非常关键的因素。** 当然，这一点主要针对有一定工作经验（工作两年以上）的人，但如果经验尚浅也具备一技之长的话，那就更好了。
|
|
|
|
|
|
所谓一技之长，指的是在一个技术领域有一定的技术深度和积累。技术领域无所谓大（比如图数据库）小（比如中文分词），关键是要对领域内的主流技术方案有全面的理解，有独特的分析视角，更有第一线解决实际问题的实战经验和积淀。具备「一技之长」的人，是对自己职业生涯有着详细规划和强执行力的人，是非常优秀的技术人才。
|
|
|
|
|
|
**共性的最后一点，我认为是「无边界」的特质。** 没有一个人是可以脱离团队而独自达成高难度目标的，攀登珠峰如此，研发运营产品更是如此。在团队合作中，如果成员可以做到「无边界」，乐于承担更多，乐于帮助团队内外的同事，为了共同的目标而不计小节，这样的团队往往无往不利，团队中人才的成长速度也往往超出预期。
|
|
|
|
|
|
「无边界」的技术人才，是大多数公司都异常需要的，但往往可遇不可求，一旦遇见，就一定要拼尽全力去打动、去吸引，因为他们的辐射作用会使得周边的技术人才变得更加优秀。
|
|
|
|
|
|
**谈完共性，再聊聊差异。** 公司在发展的不同阶段，对优秀技术人才的定义也会有所不同。对于类似百炼智能这样的初创公司来讲，除了以上提到的这些共性的点，还对人才的「野心」和「乐观」非常关注。
|
|
|
|
|
|
有了足够强的「野心」，会相信自己和团队可以一起创造不可能；有了足够强的「乐观」精神，则会更容易克服从0到1过程中的各种困难，在坎坷时不但不气馁，反倒会觉得坎坷之后就是胜利。
|
|
|
|
|
|
对于从1到10的快速发展期的公司来讲，就会对人才的「快速学习能力」更为看重，因为公司业务的快速发展会产生大量的空缺，需要每个人及时的补位，需要人才在极短时间内快速大量地学习。
|
|
|
|
|
|
而对于稳定期的公司来讲，则会对人才是否「耐得住寂寞」较为看中，毕竟稳定期的业务，在大量重复性工作的同时，需要能够深入发掘钻研，发现更大的机会，而这个过程会需要极大的耐心和稳定性，所以「耐得住寂寞」会是一个需要的特质。
|
|
|
|
|
|
## 下篇预告
|
|
|
|
|
|
在讲清楚 AARRR 模型同吸引优秀技术人才的关系，并讨论完「目标用户画像」这个关键问题后，我们会在下一篇详细分析目标用户的痛点，尝试讨论清楚优秀的技术人才需要什么这一关键问题。
|
|
|
|
|
|
最后给你留一个思考题：为什么宁要一位优秀的技术人才，也不要100位平庸的工程师？
|
|
|
|
|
|
## 作者简介
|
|
|
|
|
|
姚从磊，百炼智能联合创始人兼CTO，致力于利用深度自然语言处理技术，将无结构的公开互联网信息结构化，构建以商业机构和商业人物为核心的知识图谱，服务于各种商业场景。2008年博士毕业于北京大学计算机系“天网”实验室，师从李晓明教授。毕业后，先后在惠普中国研究院、腾讯负责文本挖掘和搜索引擎相关技术和产品研发。2012年加入豌豆荚先后负责技术团队和搜索、营收等业务，主导建设的技术团队成为当时国内最有吸引力和竞争力的团队。2016年加入Kika任CTO，负责AI技术团队打造、输入法AI引擎、语音识别等业务，大幅提升 Kika 的技术实力。
|
|
|
|