中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

這是一篇講數據產品設計方法的文章，將解讀一個數據產品從業務問題到最終落地為產品及應用的全流程。這里的「數據產品」指的是解決數據運營或分析問題的功能型產品，雖然數據產品與其他產品相比具有其特殊性，但也有會有些「常規產品」的基本原則，我通常遵循的原則是：「以人為本，源于需求，服務于需求，超前于需求」，本人也還在不斷學習中。

「當我們手里有一把錘子的時候，看什么都像釘子」。數據產品設計也不例外，偶爾會陷入一類自上而下的思維誤區，“先開發出產品，告知業務方能解決什么問題，然后推廣使用”，往往這么做收到的效果并不理想。數據產品設計的流程應該是「自下而上」，從業務出發，源于需求，抽象問題本質，評估解決方案是否可工具化等，最終開發應用，服務于業務。

以下全文以「留存分析工具」為例，講解實際的設計流程（共七部分）

一、明確問題：需求調研

準確定義問題是一個數據產品形成的關鍵，我認為這環節是最基本也是最重要的。那么當我們要設計數據產品前，該如何通過調研定義核心問題呢？

以下列出定義核心問題的三類調研方法：

（1）用戶訪談：常見的做法是，跟業務同學吃飯聊，或者對接需求的時候聊，等等?？傊?，想盡一切辦法獲取情報。這么做之后，肯定能從溝通中獲得一些關鍵信息，知道業務同學平時在應用數據時的痛點，也可以借機驗證自己對「目標產品」設計的想法是否妥當。

（2）問卷調研：通常通過線上的手段實施，在構思產品的時候，分別列出關鍵問題：

留存分析工具可以列幾個問題：

1. 什么場景下會看用戶留存？
2. 平時怎么實現留存計算？
3. 使用頻率如何？
4. 拿到什么結果，是否要二次處理？”

最后利用企業微信挨個拜訪，收集用戶反饋。

（3）數據分析：一類是通過需求管理工具，收集跟「留存」相關需求在歷史需求中出現的頻次；另一類是通過線上報表及數據產品的使用情況，通過使用頻率、使用時長等指標評估，抽象提煉出與當前調研產品相關的有用信息，結合用戶訪談和問卷調研一起雙向驗證，最終判斷需求真偽。

通過調研會得到幾個信息：

1. 使用場景：在上線新業務、新版本、新模塊等情況下會看用戶日留存、周留存；
2. 如何計算：通常找業務組RD寫SQL解決，或直接向數據團隊提需求排期開發。但實現周期長、效率低下；
3. 使用頻率：不定期。部分用戶留存是單次分析，部分用戶留存是短期/長期觀測；
4. 結果處理：通常拿到數據后需要做二次處理，加工可視化，進行趨勢分析或用戶群之間的對比分析。

基于以上信息，我們可以總結出：

1. 業務同學在許多業務場景中會使用留存分析，以日留存和周留存最為頻繁；
2. 用戶留存計算的實現方式較為原始，需求實現周期長，且低效；
3. 不定期會使用到，單次分析和短期/長期監控均有需求。對靈活性要求高；
4. 需要可視化，需要進行不同用戶群間的趨勢分析、對比分析。

二、制定方向：產品定位，商業評估

有了業務調研后，接著我們需要確定接下來該設計的產品「是什么」，以及這個即將被設計出來的產品其長期「商業價值」多大，到底值不值得將其工具化，到底需要做到什么程度？

基于調研，已經可以明確「留存分析工具」這個數據產品的定位，確定產品邊界，以及它應該需要解決的用戶痛點，和實現什么價值。

產品定位及邊界：

通過「一」中的信息，我們可以抽象進而明確產品定位，明確產品需要具備的核心功能：

1. 實現便捷、高效：用戶白盒操作，系統黑盒執行；一次配置，多次應用；
2. 靈活性強：可自定義，自助管理任務類型及上下線，隨啟隨用、隨用隨停；
3. 可視化能力：自動可視化，支持趨勢分析及對比分析。

商業評估：

1. 原始方案：每月約20+任務，每任務/1人日，合計20+人日；
2. 新方案：系統實現，人工成本為0。更靈活，更高效。

三、搭建框架：產品雛形，技術初審

有了產品定位和基本的商業評估之后，便可將初步方案設計出來，進行技術初審。得出產品「商業價值」評估的同時，將要投入的技術資源評估，同樣尤為重要。否則難以評估最終產出是否會「入不敷出」。

講需求：因為要設計的產品初稿是為了進行技術初審，且初稿可能會面臨較大的改動甚至會被推翻，因此這一步要做的事是快速的「把事情講清楚」，只作簡單的推演圖和簡單方案，待初審通過后再進行細化。

搭框架：講清楚產品核心功能，明確產品邊界。如下圖：清晰的將產品核心功能拆解成了三大模塊「任務管理、留存新建、留存分析」，并體現出大概的交互方式。

1. 任務管理：用于管理用戶自己新建的任務，自助管理留存任務上下線，隨啟隨用、隨用隨停。因為從調研中我們得知，對分群用戶的留存監控不一定是長期的，可能是單次計算、可能是短期監控或長期監控，所以任務管理是為了用戶「自定義」留存任務而設計。
2. 留存新建：明確留存計算中「數據的輸入」方式，定義留存計算類型、留存類型、起始行為、留存行為等。
3. 留存分析：明確留存分析中「數據的輸出」方式，即：需要通過何種方式展現「任務管理」中的數據，具備數據表、數據圖，支持單任務分層對比、多任務留存對比等。

其中有兩個前提：

1. 你所在的公司/團隊已經擁有規范的埋點和完善的收集機制，數據的基礎決定「一個埋點劃分一個用戶群」這個規則是否可用；
2. 技術同學有能力解決留存模型的設計及開發問題。

定目標：

在技術初審中需要明確產品的一期目標，即：「在多長時間內達到什么程度？」

1. 什么需要做，什么不做？
2. 把最核心的功能先開發出來，用盡量小的技術成本實現產品最小MVP。
3. 以最快的速度開發并應用起來，最后在使用中「按需迭代」。

待初審結束后，我們便可以在「實現成本」和「產品收益」之間有了較好的權衡。也明確了產品的最小MVP目標，同時也更便于去拆解細節，進行原型設計和需求文檔撰寫，避免不必要的資源浪費。

四、拆解細節：原型設計，需求文檔

在這個環節里，必須遵循一個設計原則「簡單」，產品做復雜很容易，做簡單卻很難。因本文主要講解方法，對具體細節產品設計不展開描述。

原型及產品設計：

（1）任務管理：該頁面用于管理個人用戶的留存任務，核心聚焦在實現「新建/編輯/測試/上線&下線/查看/結果/刪除」的功能上。

如下圖：

（2）留存新建：該頁面用戶新建留存任務，主要區分「日/周」留存，起始/留存行為，單一行為不同頻次分布等。

如下圖：

（3）留存分析：該頁面用于展示留存計算結果，主要內容為「數據表」和「數據圖」。功能核心邏輯聚焦在：單任務不同分層留存對比；不同任務的全部留存對比；數據下載。

如下圖：

以上三個頁面構成了我們「留存分析工具」的骨架，其中還需要特別注意在「任務管理」中任務處于不同狀態時候的邏輯切換，即任務管理流程：

待完善「產品原型」和「需求文檔」后，則需要進行二次技術評審，把與項目相關的所有方拽到一起評審。如果說初審是為了「把事情講清楚」，那二審核心要解決的就是「把期望講清楚，把細節定清楚」，并且所有的細節評審都應該明確地更新、記錄在原型和需求文檔中。

同時在評審中的細節微調也需要及時的將可能散落到各處的文檔實時更新，以保證多人協作中的「信息對稱」，避免不必要地溝通糾紛和開發返工。

五、快速迭代：功能開發，測試上線

需求提完，并不等于產品經理的工作就完成了。「讓正確的事，相繼發生」是一名產品經理最應該具有的能力。撰寫產品方案及二次評審完成后，研發同學需要將項目拆解，給出明確排期，以最快的速度「讓輪子先轉起來」。

與此同時建立關鍵事件里程碑，也就是約定「在什么時間點，完成哪些重要事項」，若項目優先級混亂，排期不細致，預估不準確，則項目必然難以按原有計劃保質保量完成。

那么在實際項目開發及測試上線過程中，分別需要注意哪些問題呢？

1. 任務拆解，準確排期：同樣「項目排期預估」是技術人員應該具備的基礎能力，從技術的角度將項目拆解的越細致，最終預估出來的排期會越準確。為了保證排期更準確，要學會盡量「逼」研發同學將項目以足夠細致的方式進行拆解排期。并以有效途徑將排期結果公示，公示最大的效果是能起到嚴肅的「監督」作用。
2. 明確分工，及時同步：任務拆解完，一定要有明確的任務分工。避免功能遺漏，別讓「到聯調時還有重要模塊沒有人認領」的情況發生。
3. 進度管理，里程碑驗收：每日站立會，及時同步不同模塊的開發進展，保證各模塊間開發進度信息透明，并且設立「里程碑驗收」制度。一個項目如果開發周期較長，則不應該等所有的重要模塊都上線了再逐一驗收測試。而是在完成某個重要功能的時候，及時測試、校驗功能是否符合預期，提早發現問題，并修正。
4. 測試上線：數據產品有別于其他產品，除了產品本身功能滿足需要之外，更重要的是輸出的統計結果必須「準確」。所以測試環節中，數據測試成了重中之重。產出結果是否符合預期？與現有手工統計是否有偏差？有偏差的部分是否可解釋或可修正？都需要嚴格保證。

六、推廣應用：產品宣傳，反饋優化

產品正式上線之后，為了讓業務同學更方便，更快速地上手使用，我們通常會做幾件事情：

（1）上線郵件

郵件會發送給與之相關的產品運營等同學，郵件內容主要包含「產品功能、使用位置、使用方法」的簡單介紹，并用簡潔的語言講清楚它「是什么」以及「怎么用」兩大問題。同時也會在內網wiki中寫更精細的使用指南，便于一鍵收藏，隨取隨用。

（2）使用分享

通過以往數據產品「調研→開發→上線→應用」的總結，我們有兩個基本判斷：

• 一是數據產品使用具有一定的門檻；
• 二是多數用戶不知道或懶于學習如何使用。

很多情況下并不是你設計出來的產品解決不了分析問題，導致業務方不使用。而是多數用戶不知道怎么使用，或不愿意去學習如何使用。

基于此，我們在發送完上線郵件之后，需要準備一場或多場產品使用分享，在分享會上直接把「產品如何解決問題」這個事情講清楚，并現場演示。直到讓一部分人先用起來，嘗到甜頭，在組織內部形成口碑后，自然大家也就更樂于去學習，甚至依賴使用產品了。

（3）意見收集

之前我們講到「用戶調研」能反饋出用戶面對的需要用工具去解決的問題是什么，但并沒有人知道我們將要開發的東西會長啥樣。等真正的產品實物上線，直至更多的人使用之后，才可能會得到更多的有效反饋，促進我們不斷打磨和優化產品，逐步迭代，逐漸完善。

七、收益評估：評估長期收益，生命周期管理

若非必要，勿增實體。既然產品是「按需求」開發出的實物，那么它就應該會產生實際價值。但數據產品的收益評估有別于其他類型產品，本身很難量化，只能通過評估「釋放實際需求人耗」和「間接產生的決策依據」作為參考。如果碰到收益較差或者長期毫無收益的產品，就需要反向來看，到底是哪一個環節出了問題，并做好產品的生命周期管理。

及時停掉不再使用的功能或線上任務，以節省計算資源和存儲資源開銷。

以上，是我在從事數據產品設計工作中的心得，歡迎交流，共同成長。

作者：月哥，產品經理，微信公眾號：黑夜月

本文由 @黑夜月 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議