FDE Times 数据在招 FDE 职位 924▲33 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 80在招公司 196支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 107
ENVI

前线部署工程师(FDE)的专业媒体

技能指南 · 指南

零 bug、零报错,计划员为何还守着旧表格

只数登录会掩盖问题。前线部署工程师(FDE)需要采用基线、内部推广者,并正视旧表格的长处。

分享微博

要点速览

  • 安装本身不创造价值。只有用户改变工作方式,价值才会出现;而用户不会仅仅因为有了新系统就改变。
  • 只数登录,很容易误以为一切正常。应该统计有意义的操作,再除以目标用户总数。
  • 用户舍不得旧表格,通常是因为表格里有系统缺少的上下文。坐到他们身边,把这些上下文找出来。
两组各 40 个圆点,每个圆点代表一名计划员。左组有 31 个蓝点,表示本周登录过的人,占 77.5%;右组只有 6 个橙点,表示审阅或修改预测并推送到订单的人,占 15%。其余 25 人登录了,但并没有真正使用系统。
文中示例:40 名计划员中,31 人登录,但只有 6 人真正使用了系统。真实采用率是 15%,而不是 77.5%。

最终演示很顺利。需求预测模型结果准确,数据管道运行无误,仪表盘一路绿灯。三周后打开日志,你却发现大多数计划员仍在把数据导出到旧表格里,自己动手计算。

对前线部署工程师(FDE)来说,这是最让人沮丧的一种失败,因为根本没有 bug 可修。Umbrex 指出,企业软件很少仅靠安装就产生价值。模型再准,计划员不用,它给客户带来的价值就是零。

因此,采用本身就是交付物的一部分,而不是离场后交给别人的事。Tryolabs 为“推动采用”这一步规定了两项具体产出:一份采用指标基线,以及一支训练有素的内部推广者团队。下文介绍如何做出这两样东西。

旧表格能做什么,而你的系统做不到?

回到上面那位计划员。表格之所以还在,并不是因为用户固执。Umbrex 举的正是这个例子:供应计划员守着表格不放,是因为企业资源计划(ERP)系统缺少上下文;用户不会仅仅因为来了新系统就改变工作流程。

表格里有官方系统没有的东西。所以你的工作分两部分:第一,诚实地度量,弄清现状;第二,找出解决方案与用户日常工作之间缺失的那一环。

登录不等于使用

最常见的错误是统计登录次数。Basedash 强调,只有完成了有意义的操作,用户才算“活跃”;登录不算。

分母同样重要。

对大多数 FDE 项目来说,下面四个指标足以建立基线:

指标 计算方法 回答的问题
采用率 完成有意义操作的用户数 / 目标用户总数 需要用的人里,实际有多少在用?
WAU 过去 7 天内完成有意义操作的用户数 按每周的工作节奏,有多少人在稳定使用?
激活率 完成解锁核心价值操作的用户数 / 开始使用的用户数 新用户能否到达“顿悟时刻”?
价值实现时间 从首次使用到首次获得价值的时间 用户要等多久,才看到解决方案有用?

Basedash 认为,对大多数 B2B 产品而言,周活跃用户数(WAU)是最合理的核心参与度指标。原因很简单:许多企业工作按周循环,按天统计反而可能误导你。

Basedash 还给出了日活/月活比(DAU/MAU)的参考阈值:高于 0.25 意味着平均每位用户至少每四天打开一次产品,对 B2B 来说算好;低于 0.10 则偏弱。

一个例子:40 名计划员,真正用的只有 6 人

设想一家分销商,有 40 名计划员应当使用你的预测工具。你把有意义的操作定义为:审批或修改一条预测建议,再将其推送到采购订单。在事件表上的查询如下:

-- 按有意义的操作统计 WAU,以目标用户为分母
SELECT
  COUNT(DISTINCT e.user_id)                AS wau_meaningful,
  (SELECT COUNT(*) FROM intended_users)    AS intended,
  ROUND(COUNT(DISTINCT e.user_id) * 1.0
        / (SELECT COUNT(*) FROM intended_users), 3) AS adoption_rate
FROM events e
JOIN intended_users u ON u.user_id = e.user_id
WHERE e.event_type IN ('forecast_approved', 'forecast_edited_and_pushed')
  AND e.created_at >= CURRENT_DATE - INTERVAL '7 days';

假设上周有 31 人登录。按登录汇报,数字是 31/40,即 77.5%,足以让整个部门满意。但上面的查询只返回 6 人。真实采用率是 6/40 = 15%。

接着用同一口径计算 DAU/MAU。假设平均每天有 2 人完成有意义的操作,当月至少完成过一次的有 16 人。

比值为 2/16 = 0.125,介于偏弱阈值 0.10 和良好阈值 0.25 之间。综合来看,这些数字说明:试过工具的人不少,但用它取代旧工作方式的人很少。

数字告诉你工具卡住了,却没说卡在哪里。Invisible Technologies 提到,FDE 有时一整天什么都不做,只是坐在用户旁边,了解决策实际上是怎么做出来的。

假设你在一位计划员身边观察时,发现她把市场团队邮件里的促销日历抄进自己的表格,因为你的模型不知道哪几周有促销。表格里存的,恰恰是系统缺少的上下文。

现在的修复同时涉及数据和工作流。你把促销日历加为特征,并把建议直接显示在计划员本来就用来创建订单的界面上,而不是让他们再打开一个标签页。

Invisible Technologies 称之为设计符合用户实际行为的工作流。然后,你从 6 名真正的用户中挑出两人,培养成内部推广者,因为同事更信任同事,而不是供应商的人。

五步自己动手

  1. 与客户的项目发起人商定目标用户是谁,并把名单记录为一张数据表。
  2. 用一句话写下有意义操作的定义,在上线前为这一操作添加事件埋点。没有事件,就没有基线。
  3. 上线后第一周,运行采用率、WAU、激活率和价值实现时间的查询。把数字连同定义一起发给客户,避免误读。
  4. 至少在三个人身边观察:一位重度用户,一位试过又放弃的人,一位从未打开过的人。
  5. 精准补上缺失的部分,培养内部推广者,再用同一定义重新度量,与基线对比。

让你误以为一切正常的错误

第一个错误是用账号数而不是目标用户数做分母。如果 40 人中只有 10 人开了账号,这 10 人里 100% 的使用率仍然掩盖了从未触达的 30 人。第二个错误是对一个每周只需打开一次的工具使用 DAU,进而错误地断定用户不感兴趣。

第三个错误是把所有采用问题都当成培训问题。如果表格里有系统缺少的上下文,再培训一次也解决不了问题。最后一个错误是离场时没有留下内部推广者:你一走,采用率就会下滑。

如果你正准备转型做 FDE,可以在岗位描述里留意“drive adoption”或“user enablement”这类说法。

在简历上,不要写“部署了 X 系统”,而要写清楚你把每周完成某项具体操作的人数从多少提升到多少,目标用户总共多少。

这样一句话能说明,你明白安装并不是工作的终点。

模型跑起来,项目并没有结束。计划员不再需要打开旧表格时,项目才算结束。

这篇文章对你有帮助吗?

5 个信源
路线图上的下一篇 · 阶段 6: 价值度量试点成功了,为何仍会输在 30 分钟汇报上Knaflic 2015 年的《用数据讲故事》从决定扩大还是叫停的那个人讲起,FDE 也该从这里开始。