与不同的产品经理交流后发现，各家公司都存在自己的价值观信仰。对于头条，这可能归结为：数据信仰。

数据信仰，是笃信数据标尺作为最终衡量。

在完备AB系统的支撑下，产品的最终决策有了统一的度量衡：核心业务指标 + 产品核心指标。
在两类指标的引导下，在产品全量前的LaunchReview时，所有人都能够放下级别，用数据说话：数据好的上线，数据差的回滚。
减少了产品经理的拍脑袋，减少了老板的决策，对于产品而言，莫不是一桩幸事。

数据信仰，是承认碳基生命的局限性。

同硅基生命相比，人类更适合的是战略型而非战术型的判断。机器算法以局部最优解、概率最大化为导向，在限定范围的战场上，其计算严密性和效率性是远胜于人类的。
我们需要承认自己擅长的，也要认知到自己不足的：创新性业务方向的判断，是需要人来拍的；基础性业务指标的实现，是需要相信机器能做的更好。
以美食类的内容消费为例，如果交由产品经理来拍策略和内容分类建设的话，大体上你不会看到“东北大胃王”这类的视频，更妄论恶心重口的内容。内容量的缺失，势必带来分发效率的下降。
在这个场景下，尊重机器分发的效果，人得以从观察的角度来切入时，不仅能够丰富自己的认知范围，也能够更好的发现用户的偏好和业务的潜在可能性。

数据信仰，是坚守长期的价值观

如上文所述，算法驱动更容易陷入局部最优解的困境。以内容分发而言，加大Push频次、增加低俗内容的分发等，都能够刺激短期的业务指标。
在短期数据指标的诱惑下，才更需要人来做出价值观的判断和选择：君子有所为有所不为，不获取不该要的数据指标，一如国家的发展需要坚守不要污染的GDP。

人 与 机器

在数据驱动的场景下，产品经理或许可以明确自己的职责：

• 基础：明确核心业务指标 和 产品核心指标，作为所有AB实验的度量衡
• 业务：在做改进的时候，明确待改进的衡量指标，收集需要给予的信息支持（如可能的环境因素、常见的场景、待补充的资源），制定规则的底限而非上限，交由机器来优化。
• 探索：观察业务反馈，正向的、负向的、意料之外的，从而更好的发现改进和调优的空间。