Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

姚从磊作者

巧用 AARRR 模型,吸引优秀技术人才(二)

你好,我是百炼智能联合创始人兼CTO姚从磊,上一篇文章中,我与你分享了AARRR 模型同吸引优秀技术人才的关系,而这个模型奏效的前提必须弄清楚两个关键问题,一是公司需要什么样的优秀技术人才,即目标用户画像;二是这些优秀技术人才需要什么,即目标用户痛点。

上一篇文章中,我们已经讨论完「目标用户画像」这个关键问题,今天,我将详细分析目标用户痛点,尝试讨论清楚优秀的技术人才需要什么这一关键问题。

虽然不同阶段的公司对优秀技术人才的定义会有所差异,但从「目标用户痛点」的角度来看,优秀技术人才的痛点往往共性更多,差异更少。最基本的痛点有二,一为「成长」,二为「成就感」。

「成长」痛点

每一位立志于长期从事技术工作的人,都渴望能够在技术和相关产品业务领域快速成长。而技术人才的快速成长需要满足三个支撑条件。

1.牛人环境

首先,成长环境非常重要,需要有「牛人环境」。如果周围的人都比自己要强,耳濡目染下,自己也会有不错的成长。如果周围有行业中一流的牛人,有了牛人作为参照,自己成长为牛人的概率也会大大提高。并且,这里的「牛人」,不仅指自己专业领域的牛人,其他相关领域的牛人,也是多多益善。

从我这些年组建打磨优秀技术团队的经历来看,「打铁首先自身硬」,团队中必须要有一些真正的牛人,这样才会吸引更多优秀人才;久而久之,团队水平越来越高,也会吸引到能力水平远超现有团队的「大牛」,毕竟「大牛」也是喜欢与优秀的技术人才群体一起工作的。

2.成长路径

「牛人环境」之外,每位技术人才的「成长路径」也非常重要。每个人在职业路径的关键节点上,大都会迷茫,不知道自己应该怎么往下走。这时,清晰可执行的「成长路径」就显得非常重要了。有了清晰的路径,技术人才们就可以时刻对照现状,及时发现问题并改正,然后根据现实情况实时调整。

因此,为了吸引优秀的技术人才,我们必须结合每位人才的成长诉求和现状,为其量身定做成长路径,并提供相应的条件使其快速成长。在每一位技术人才成长的路径中,「牛人」又会起到非常关键的指导和帮助作用,结合「成长路径」的 mentor 制度,为每位技术人才在团队内匹配可以长期指导其工作的 mentor,会起到事半功倍的作用。

在我的成长过程中,在豌豆荚非常幸运地遇到了一位大牛老师——邓草原老师;当时我每周都会有跟邓老师的固定聊天时间,主题不定,聊聊技术,聊聊人生,或者聊聊天下大事,每次聊天都是收获良多,既开阔视野,也使得自己更加自信。

3.技术氛围

好环境和成长路径之外,另一个关键因素是「技术氛围」。团队有没有好的技术氛围,有没有好的技术导师及时解答每一个人的问题,有没有高水平的技术分享使大家可以有更多沉淀和学习,是非常重要的。无论业务压力多大,技术氛围的打造都不能松懈。打造良好的技术氛围,并适时向行业输出成熟技术方案,提升技术影响力,是每个公司都必不可少的工作。

在打造「技术氛围」的过程中,有两点需要避免。

一为闭门造车,仅停留在团队内部技术分享的阶段,虽然有助于技术沉淀和锻炼口才,但很容易坐井观天。好的技术氛围,应该是开放式的,既有团队内部的技术沉淀式分享,也有同其他公司团队的交流分享,更要经常邀请行业大牛来进行高水平分享和讨论。

二为脱离业务,技术是为业务服务的,最忌「为了技术而技术」,在保持技术敏感性的前提下,除了聚焦于团队目前的技术方向构建技术氛围外,也需要适当扩大技术领域的外延,为将来的业务工作进行准备。

好环境、成长路径、技术氛围都是技术人才获得成长的支撑条件,但更重要的是「实战」,必须有足够高难度的目标来挑战,他们才可以在实战的过程中不断提升自己。在设定技术人才的目标时,一个建议的原则是「一定要蹦起来才可以够到」,人的潜力永远都比自己想象的大,不给自己挑战,又如何能成长呢?

在对实战结果进行考核时,需要考虑好技术和业务的平衡。所有的技术人才,首要的是要完成业务目标,然后在这个前提下考核其技术方案的优劣和技术水平的高低。技术人才的考核是一个较大的话题,在此仅给出两个建议:

1)分别考核业务目标完成情况,和业务过程中技术水平的提升情况;

2)技术水平提升的前提是,业务目标必须达成,否则技术水平提升无从谈起。

「成就感」痛点

成就感对于每个人都必不可少,没有成就感的工作,是无法吸引任何人的,优秀的技术人才更是如此。

成就感之一为「业务增长成就感」

技术人才虽然从事的是研发相关的工作,但最终目标是为了服务产品、服务业务。只有他们的贡献真正对业务增长提供了支撑甚至决定性的作用,他们工作的价值才会真正体现,个人的满足感和成就感才会足够强。这一点,即使是在纯技术部门也是如此,如果跟业务没有关系,个人很难收获真正的成就感。

为了达到「业务增长成就感」,每位技术人员都需要是业务人员,从属于具体的业务团队,扛具体可衡量的业务目标。在这个前提下,利用「牛人环境」、「成长路径」和「技术氛围」确保每位技术人才能够在业务发展的同时取得技术上的成长。

有朋友可能会认为,这样容易造成不同业务团队重复造车等各种研发资源浪费问题,这是明显的只见树木不见森林的看法。一方面,重复造车的问题可以利用日常的技术手段(比如技术方案评审、Code Review等)加以避免和控制;另一方面,很多好的技术方案往往是经过了很多次「重复」/「重构」才真正形成的,适当的「重复造车」会形成技术团队间的良性竞争,反而益处更大。事实上,这种方式可以类比为「市场经济」的方式,通过适当的「调控」,可以最大化个体的积极性,最大化生产力的发展。

成就感之二为「技术提升成就感」

在贡献业务增长的同时,技术人才的技术得到了磨练,技术能力得到了提升,有了更多的积累和沉淀。这时,公司应该及时通过技术职级晋升的方式对他们的提升进行肯定,并提供高质量的技术分享机会,帮助优秀人才打造自己的行业技术影响力。

技术职级晋升是一件非常神圣的事情,最忌讳领导制定等暗箱操作方式,必须确保标准明确、过程透明、结果公正,在合理设计技术职级体系的前提下,通过精心设计职级晋升的评审过程,确保相关信息对所有参与人均保持及时和透明,并利用机制确保最终的投票过程可以消除少数人的偏见,最大程度确保结果的公平和公正。对于处在业务快速发展阶段的公司,技术职级晋升以半年为周期为宜。

在打造行业技术影响力方面,公司应该积极提供各种支持,并对核心技术人才提出特殊要求和支持;在实操过程中,需要摒弃「他/她在行业中出名了会被别家挖走」的不自信想法,真心实意地帮助技术人才构建行业影响力,这样公司的技术影响力才会水涨船高,才会吸引更多的技术人才。

成就感之三为「现实收益成就感」

多劳多得,能力越强得到的也应该越多。现实收益,不仅仅局限于现金以及股票等现金等价物,也包括更好的学习机会(比如参加Google I/O等世界一流的技术会议等)、更好的发展机会(更重要的职位等)和更高的目标及背后更高的现实收益等。

在现实收益的设计上,一定要明确对技术人才能力水平的期望,并设计相应的现实收益水平。例如,如果期望技术团队平均技术水平超过行业中75%的人,那薪酬/股票体系的设计需要确保在行业75分位以上;对于团队急需且非常合拍的「牛人」,则要不惜代价,以最大的诚意和现实收益来吸引其加入。与现实收益平行,更好的学习和发展机会也会是非常重要的因素,可以同现实收益打包形成有竞争力的人才吸引手段。

下篇预告

在解决了「目标用户画像」和「目标用户痛点」两个关键问题后,我会在接下来的两篇文章中详细分析吸引技术人才的 AARRR 模型每个阶段的主要目标和策略,以及一些对应的实操型建议,敬请期待。

最后给你留一个思考题:在你的公司中,经常出现「不同团队重复造车」的情况吗,这些情况真的都是不好的吗?

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。

百炼智能
百炼智能

百炼智能是一家提供知识引擎服务的人工智能公司,旨在应用AI技术,把互联网上非结构化的信息,再组织成结构化的知识,提高人们获取知识的效率,并从中受益。

http://bailian.ai/
专栏二维码
产业招聘工程师
1
相关数据
重构技术

代码重构(英语:Code refactoring)指对软件代码做任何更动以增加可读性或者简化结构而不影响输出结果。 软件重构需要借助工具完成,重构工具能够修改代码同时修改所有引用该代码的地方。在极限编程的方法学中,重构需要单元测试来支持。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

文本挖掘技术

文本挖掘有时也被称为文字探勘、文本数据挖掘等,大致相当于文字分析,一般指文本处理过程中产生高质量的信息。高质量的信息通常通过分类和预测来产生,如模式识别。文本挖掘通常涉及输入文本的处理过程,产生结构化数据,并最终评价和解释输出。'高品质'的文本挖掘通常是指某种组合的相关性,新颖性和趣味性。

推荐文章
暂无评论
暂无评论~