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

產(chǎn)品經(jīng)理的核心只有一個，那就是發(fā)現(xiàn)和解決問題。我們往往更加關(guān)注解決問題的方式方法，而忽略了發(fā)現(xiàn)問題的能力。

一、效果回歸與階段性調(diào)研概論

1. 效果回歸與階段性調(diào)研對產(chǎn)品生命周期的意義

• 判斷和決定產(chǎn)品循環(huán)是否終止
• 確定產(chǎn)品接下來的計劃

2. 對自我成長的意義

• 驗證解決方案的可行性
• 修正和鞏固自身的方法論

3. 概念：階段性調(diào)研是針對產(chǎn)品現(xiàn)狀進行的系統(tǒng)性分析

此時的分析結(jié)論最能代表產(chǎn)品問題全貌，可以有效指導下階段的產(chǎn)品計劃

二、階段性調(diào)研的時間節(jié)點（在什么時間會進行系統(tǒng)性的階段性調(diào)研）

• 接觸新產(chǎn)品：接手一個新的產(chǎn)品或者產(chǎn)品方向時，對產(chǎn)品進行深入的了解
• 周期性回顧：每個月/季度/半年進行定期的周期性回顧
• 不定期（突發(fā)性）回顧：領(lǐng)導、政策上的調(diào)整需要

三、階段性調(diào)研通用方法論（普適，也適用于人生）

定義理想態(tài)——拆解未達理想態(tài)的短板——提出解決方案——驗證是否解決。

階段性調(diào)研更關(guān)注前兩個環(huán)節(jié)：

step 1：找到理想態(tài)，定義理想態(tài)并以數(shù)字化的指標或其他標準來衡量。

這是一個非常嚴謹?shù)亩x過程，需要PM 明確的知道自己產(chǎn)品的目標是什么，是各個部門共同努力的方向。

step 2：抽樣分析，將所以不到理想態(tài)的case抽樣分析，通過分析明確各case未到理想態(tài)的原因。

step 3：優(yōu)先級判斷，將所有問題進行匯總，根據(jù)影響面、問題嚴重程度、解決問題所需成本進行優(yōu)先級排序，作為接下來的項目計劃。

1. 找到理想態(tài)詳解

（1）如何找到理想態(tài)

任何一個產(chǎn)品都用來解決用戶的問題滿足用戶的需求，所以產(chǎn)品的理想態(tài)可以統(tǒng)一的理解為：給出的方案確確實實解決了用戶的問題，比如用百度查到了自己需要的信息，用滴滴到達了目的地，用頭條找到了自己感興趣的內(nèi)容并消費了時間。

接下來要找到能衡量理想態(tài)的數(shù)字化指標或者明確的標準：

A. 滴滴：容易理解，使用訂單成交率可以衡量用戶是否到達目的地

B. 墨跡天氣：使用天氣準確率可以衡量用戶是否獲取了正確的天氣

以上為剛需類、工具類產(chǎn)品中的策略模塊，通?？梢砸浴敖鉀Q了用戶的問題”作為理想態(tài)，并找到一個標志性的數(shù)據(jù)指標來衡量是否到達理想態(tài)。

C. 百度的搜索滿意程度

點擊率：高點擊率不能說明滿意，低點擊率也不能說明不滿意（搜索時間）。搜索結(jié)果是平臺對滿足大多數(shù)用戶的你內(nèi)容猜測，并不一定適用于每一個用戶，比如在餓了么搜索麥當勞，展示所有麥當勞店鋪即可，而在搜索引擎顯然不能這么簡單。

頭條：不能確定停留時間為多長則表示用戶對產(chǎn)品滿意。

搜索：對這種產(chǎn)品的理想態(tài)描述較為復雜，并不明晰，更別說使用單一指標了。需要pm基于對用戶的理解、參照競品，比如搜索完肯德基創(chuàng)始人再搜麥當勞，那他很可能想搜麥當勞創(chuàng)始人。

通常這種復雜的產(chǎn)品，會以平臺當前能夠給出的最佳產(chǎn)品方案（PM以為最合理的狀態(tài)） 作為理想態(tài)，而不一定能夠100%滿足所有人的所有需求。

推薦：平臺是在有根據(jù)的猜測有用的非崗需求，永遠不會清楚的知道最標準的答案時什么，所以同樣以當前能夠給出的最佳產(chǎn)品方案作為理想態(tài)。再用策略推薦出的結(jié)果在所有推薦候選中是否為最佳結(jié)果、用戶行為指標作為發(fā)現(xiàn)問題的輔助手段。

注意：所有的理想態(tài)都是為階段性產(chǎn)品目標服務而服務的，隨著產(chǎn)品的發(fā)展，理想態(tài)的定義也在進化甚至質(zhì)變，比如從馬車到汽車的道理。

再比如滴滴：

剛開始做出租車，以司機的應答率作為核心指標，不太關(guān)心司機應答后的流程；后來做快車專車，有了更完整的使用環(huán)節(jié)，覆蓋更完整的出行流程，這時以訂單的成交率作為指標，監(jiān)控用戶從叫車到目的地的完整閉環(huán)；接下來可能會往快速到達方向進步等。

再比如百度：

剛開始，致力于用戶所搜索的每個關(guān)鍵詞都能有對應的結(jié)果；有了用戶行為的反饋之后，變會對一個用戶進行用戶畫像，從而滿足每一個人的每個搜索，致力于提高每次搜索的滿意度。

2. 抽樣分析

正因為成本問題，時間成本、運算能力分析，使我們無法完全了解每個用戶，所以采用抽樣分析。樣本通常被稱為case。

（1）抽樣步驟：確定調(diào)研目標 → 確定抽樣對象 → 選擇抽樣方法 → 確定抽樣數(shù)量 → 樣本分析標注 → 整理匯總問題

調(diào)研目標決定了抽樣對象和抽樣方法，根據(jù)目標確定抽樣對象的維度（用戶、訂單等），抽樣方法有隨機、等分等。

首先要明確調(diào)研的目標，幫助確定抽樣的對象的方式?。?！

案例：分析“相關(guān)視頻”推薦策略的問題 → 抽取推薦視頻列表，看內(nèi)容和排序是否合理

分析以上模塊紅廣告視頻推薦策略，如果抽取當前展現(xiàn)出來的廣告視頻進行抽樣分析，則會出現(xiàn)問題：只能分析出當前展示的廣告的準確率，而不能分析出廣告的覆蓋程度，是否有其他適合展示的廣告的視頻下方未進行展示。而相關(guān)視頻則沒有覆蓋率的問題。

所以要確定正確的抽樣對象，同時滿足準確率和覆蓋率（召回），以上案例應該在有廣告展示的地方調(diào)研準確率，沒有廣告的地方調(diào)研覆蓋率。

（2）確定抽樣對象：通過一定規(guī)則篩選出的待分析的全量集合

不考慮成本肯定是全量調(diào)研，但是成本有限就需要抽樣。

篩選規(guī)則：

未達到核心指標（一定規(guī)則，比如只需篩選當前版本的用戶而不需要篩選上一版本的用戶，或者可以代表一個用戶生命周期的用戶，比如有循環(huán)效應的產(chǎn)品，用戶每天的行為沒什么差異，則選取一天的即可。有明顯時間效應的，周末和平時不一樣，則需要對一整周進行抽樣）

樣本類型：用戶個體、行為片段（用戶的行為動作session，翻頁、點贊、瀏覽等，代表一個用戶帶著場景和需求在自家產(chǎn)品上的完整流程）、搜索詞（query，抽樣搜索詞調(diào)研滿足情況）、訂單（訂單的完成情況、訂單后的推薦等）

案例：滴滴訂單成交問題

取樣：全國一周內(nèi)（明天的周末效應，取一周為一個周期）內(nèi)所有未成交（未成交、差評重點關(guān)注）的訂單中抽樣。

案例：美團搜索問題

取樣：因為無法直接通過數(shù)字性指標精準篩選，所有只能從一天的全量用戶session中抽樣，然后人為進行進一步篩選

（3）選擇抽樣方式：常用的抽樣方法是隨機抽樣

隨機抽樣：從N個單位中任意抽取n個，每個樣本被抽中的概率相等，適用于大多數(shù)場景.隨機抽樣也有很多細分方法，不再贅述。

選擇抽樣數(shù)量：統(tǒng)計學角度，樣本數(shù)越大越好。

統(tǒng)計角度，樣本數(shù)量越高越好，結(jié)果的準確率就會越好，但是調(diào)研成本也會越高，所以調(diào)研成本是精度和成本的balance，有統(tǒng)計意義即可。

經(jīng)驗值：一般問題：盡量使代表某個問題的樣本數(shù)量≥5，或者影響面≥3%即可。

樣本標注分析：對抽樣的case進行過逐一分析

人工對每個case進行分析，太過于細節(jié)，不再贅述

整理匯總問題：按照合理的邏輯框架進行整理匯總，普適

• 上下層級：總分關(guān)系
• 同層級之間：相互排斥不重疊，不遺漏

3. 優(yōu)先級判斷

單位成本下的收益從大到小即優(yōu)先級從高到底。

單位成本下的收益：ROL=項目收益/項目成本

當ROL相同時取絕對20天內(nèi)收益絕對值更大的那個，同時兼顧影響面、惡劣程度、國家政策等（也就是較為常見的四象限判斷法）

計算方式：

• 項目收益：待解決問題影響面（調(diào)研結(jié)果直接得到，百分比）*解決后體驗提升程度（現(xiàn)階段與理想態(tài)的差距）*預期解決比例（由開發(fā)給出，解決之后可以解決到什么程度）
• 項目成本：一般指研發(fā)成本和硬件等成本

優(yōu)先級判斷很重要：直接決定后續(xù)的產(chǎn)品計劃

至此，階段性調(diào)研的方法論已全部完成。

作者：海燕是只蠢貓，微信公眾號：雙手伐孤木

本文由 @海燕是只蠢貓 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。