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

需求驗證這個問題，往往會牽扯到不同部門，比如產品和需求部門，又或者是在產品部門內部引發爭論。所以，到底怎么做需求驗證才更有效呢？這篇文章里，作者做了分享，不妨來看一下。

“Your most unhappy customers are your greatest source of learning.

最不滿意的客戶是你最寶貴的學習資源?！?/p>

——比爾·蓋茨 Bill Gates

對于很多創業團隊來說，需求驗證的時候，就是最容易開撕的時候。

不光是產品和需求部門會撕，產品內部也會撕。

人腦子打成狗腦子，爭的其實就是一個主題：

“你聽我的，我說的對！”

一、定性和定量互相驗證，會比較容易得到答案

↑我將以此圖為大綱，幫助創業團隊完善產品能力。

今天這一篇，開始針對看板圖的最左上角的：

需求分析能力 -> 需求驗證

在幫助創業團隊做產品系列，關于創業團隊的產品能力看板的需求分析能力這個分類，之前講過了需求涌現，也講過了需求分析。

關于需求驗證的這篇，真就超級簡單，也就一句話：

定性和定量可以交叉驗證。

當然，對于大型的互聯網團隊來說，需求驗證方法極其復雜，商業調查，用戶體驗報告、A/B測試、內測版本、灰度發布等等，不一而足。

但這些對于創業團隊來說，成本實在太高了，而這種交叉驗證的方法，非常簡單粗暴。

所以今天就少講理論，講點兒例子就行。

1. 定性驗證定性，最后往往就只能吵架

一個定性的假設從何而來？

按照之前的所述，可能來源于內部需求涌現時的討論，可能通過用戶訪談、可用性測試等方式得到的定性假設。

在內部無法達成一致的情況下，就需要進行驗證。

舉個簡單的例子：

我們當時做民宿的時候，有用戶就希望可以在搜索列表中，增加“可以做飯”的標簽展示。

這個需求，很多用戶會直接表達出來；同時運營人員也十分建議，因為他們會在一線接觸到這些用戶。

↑年代久遠，就畫個示意圖吧

大家都知道民宿的特點，全家出游的幾率比較大，而且又有很多人是長租。

所以民宿是否允許做飯，可以在列表中一覽便知，這個需求對這類用戶來說，就會無比的強烈。

但產品部門卻表示反對，認為這屬于小部分需求的無限制放大。

只是所謂“會叫的輪子先上油”而已。

那內部此刻就會陷入“用戶有需求你們不做”和“這是個偽需求”的經典撕戰中。

大家各自搬出定性的假設出來，互相對轟。

其實有經驗的團隊知道，這就是個可以通過定量分析來驗證定性假設的時候。

在某版本中上線了功能并埋點后，最終發現：

1. 列表加入此元素，不能提升整體轉化率；
2. 但對多人入住情況，會有些微轉化提升。

最終的改進方案就是，并不在列表中展示這個標簽，而是藏在了二級過濾中供用戶使用。

↑ 同樣，體會下這個示意圖

這里可能有人會問了，如果任何一個定性假設都通過需要上線驗證，那成本會不會非常的高。

是這樣的，但同時我們也能做到：

1. 如上一篇的內容所說，調查問卷也可以起到類似的作用；
2. 需求多了自然也會排優先級，同時和運營部門的也會逐步優化磨合，大家會慢慢的有感覺，知道哪些才屬于有效需求。

2. 定量驗證到定量，最后往往就只能迷茫

一個定量的假設從何而來？

按照之前的所述，可能通過數據分析、調查問卷的方式得到了定量的假設。

如果說前者“定量分析來驗證定性假設”會比較容易理解，那么這里就有點繞了。

還是舉個例子比較簡單。

之前在某垂直搜索引擎酒店事業部做產品的時候，曾經遇到過想要分析酒店列表頁各元素重要性的議題。

目的是想讓整個列表中的元素更簡單干凈一些。

↑ 再畫個示意圖吧~

用的就是純粹的數據方法，把這上面的元素一個個都拿掉，逐步上線版本，然后觀察轉化率的變化。

結果出現了非常奇妙的情況。

1. 就是拿掉了酒店所在商圈的元素，發現用戶的轉化率沒有顯著變化；
2. 然后又拿掉了酒店星級的元素，發現用戶的轉化率也沒有顯著變化；
3. 甚至最后拿到了酒店的圖片，發現用戶的轉化率依然沒有顯著變化。
4. ……

到最后拿不掉的就只剩酒店名稱和價格了。

如果按照此時的數據結果的話，那么就會得到一個暴論：

酒店的搜索結果頁，只需要有名稱和價格就可以了……

這個當然不可以接受。

如我們所見，沒有任何的酒店搜索平臺敢于這么做。

背后當然是有原因的，就是NP≠P。

注意，這原本是一個數學概念，只是泛化到了產品應用概念上，后面有機會我會單開一篇來談談。

……即多個元素組合起來的作用，不等于單獨元素加起來的作用，元素組合的過程中，會涌現出新的價值。

這樣就不能用機械的定量方法來進行驗證了，那最后也就會陷入迷茫。

此時通過定性驗證就會明晰很多。

還是這個例子，假如我們通過某種定量方法：

某個元素（如商圈）去掉了對轉化率沒有影響，可以按照奧姆剃刀原則去掉。

那么就可以組織用戶訪談或者可用性測試，來進一步驗證這個定量假設。

1. 如果定性方法也同樣能夠證明，那就可以大膽的去掉。
2. 反之，如果用戶認為某元素（如酒店圖片）對自己幫助很大，那么即便定量數據上暫時認為沒有影響，也需要非常謹慎。

這樣就能做到優化酒店列表的任務目標。

二、定性和定量循環滾動驗證，直到未來

好像上面講的兩個都是住宿行業列表的例子。

其實，這也是拿自己熟悉的經歷來做舉例。

對于整個住宿行業來說（乃至整個電商行業），搜索列表頁是關鍵性頁面，用戶浸泡的時間也是占了大頭。

那么，定性和定量循環驗證，是什么意思呢？

比如住宿行業各大平臺的搜索列表頁，現在和十年前完全不一樣，和十年后也一定會完全不一樣。

但這種不一樣，并非是脫胎換骨的不同。

就好像是“街上流行紅裙子”，過了一段時間就會有反復。

這是因為競爭環境、用戶消費習慣、用戶信息檢索能力、市場大環境等等始終都在動態變化。

各住宿平臺都必須要契合當下而已。

還拿住宿搜索列表頁來舉例子，這里如有專職的產品經理：

1. 切入到某問題，如能否加上“可做飯”的標簽，可以通過定量分析驗證定性假設。
2. 在定量分析此問題的同時，數據中又會發現定量的假設，如用戶好像青睞“可自助入住”的住宿，此時就可以繼續安排用戶訪談等定性分析方法，來驗證這個定量假設。
3. 而在下一次定性分析中，通過用戶訪談，肯定也會提出新的定性假設出來。
4. .……

這樣就叫循環滾動驗證。

對于此核心前端頁面來說，這個產品經理就可以一直做下去，不斷探究用戶需求，且一直和同行保持競爭優勢。

工作內容就這樣打開了。

這對創業團隊，更是重要。