編輯導語：作為一名產品經理，我們時常會遇到需要決策的時候，那么如何做決策呢？作者分享了自己對于決策方面三個維度的思考與總結，我們一起來看看吧。

做決策是每個人都逃避不了，不管是工作還是生活，決策有大有小，小到決定今天穿什么衣服，今天決定什么樣的心情，大到人生大事，在工作中，一個小功能決策可能會有小收益也有可能有大收益。

面對大決策時，往往是最有挑戰，也是最難決策的，因此需要有足夠的信息，思考足夠的深和廣，以及做決策人的認知等等，才能做出高質量決策，對于過往做決策的總結和思考，大概羅列三個點：

• 獲取精準信息
• 挖掘有力的數據
• 通過假設方式

一、獲取精準信息

面對一個需求前，我們可以用大家比較熟悉的“四象限法則”進行分析預判，分別是成本、收益、風險、影響：

• 成本：是指我們做了這么一個功能，大概需要付出多少資源？
• 收益：是指我們做了這么一個功能，會收益什么好處？
• 風險：是指我們做了這么一個功能，會帶來什么樣的風險？
• 影響：是指我們做了這么一個功能，影響的用戶、范圍有多大？

從成本角度，我們需要思考比較多：

• 增加或者改動該功能時，會牽扯到其它業務嗎？
• 實現該功能時，有沒有現成的技術方案？
• 我思考該需求時，有沒有可供用的UI組件
• 實現該功能后，對以后增加需求有沒有拓展空間？

近期閱讀過一本書，叫做《騰訊產品法》，作者李立老師在書中提到一個微信的例子，當時微信發布iPhone4.5版本的時候，要做通過搖一搖，做識別歌曲的功能，那在早之前iPhone4.3版本推出了語音搜索功能，更早時上線了朋友圈對QQ音樂分享這一類型的支持。

如果重新制定新的技術方案，做一個搖一搖識別歌曲的功能，肯定成本高，但是有現成的語音搜索和音樂曲庫實現起來成本就變得低了，而實現該功能的步驟就是，語音識別——檢索曲庫——同步播放，和語音搜索+QQ音樂組合起來就變成該功能了。

那對信息足夠了解，就是我們需要古往今來都需要知道：

首先了解歷史信息：

做一個功能時，或者優化一個功能時，我們需要先明白以前為什么這么做？其歷史因素，可能是考慮一個重要的點。

在《用戶體驗要素》一書中，提到“五個層面”的模型，分別是表現層、框架層、結構層、范圍層、戰略層，這五個層面進行思考。

比如：先思考戰略層，公司要獲得什么，為用戶提供什么？然后范圍層，也就是我們該做什么？不可能什么都做，不然就變成一個四不像，偏離了產品初衷。

再來思考結構層，也就是我們產品該如何搭建背后的信息，然后就是框架層，涉及到優化設計布局，另外就是表現層，關于呈現出來的具體內容。

面對信息決策時，我們可以參考這“五個層面模型”來帶入思考，對于我們如何系統性思考一個需求時，有益于幫助。

獲取用戶的反饋：

有的時候面對一個已經上線過，或者相關性功能時，可能已經有用戶使用過，而他們的反饋是非常重要，需要了解足夠的樣本，以及用戶反饋的具體感受、以及具體內容，這樣才能有益于我們做決策時更好的判斷。

尤其是離使用者的距離比較遠時，比如：有些是通過客戶反饋用戶訴求時，往往反饋者會對訴求進行放大描述，尤其是涉及與反饋者相關性時，會帶有一定的情緒，有些可能會比較輕描淡寫，因為涉及與反饋者利益比較小，反饋時會變成一個簡單任務制的工作內容。

以前實現該需求的方案：

根據每個需求不同，背后牽扯的信息也不同，在這里邏輯具體簡單的例子，技術方案是什么？如果涉及到算法，算法是什么？以及該功能使用的人群？

比如：一個功能改變可能會牽扯運營、營收等部門，所以在改變時，有相關性的都必須提前了解清楚，還得考慮細致。

二、挖掘有力的數據

做產品上線后，為數據服務，在獲取準確信息時已經提到過，通過四象限法則來預判該需求是否可做？其中有一個維度就是“影響”，影響涉及到數據，也就是會有多少人使用？在這里提到挖掘有力的數據，也就是歷史數據，因為未來數據暫時還不會產生。

數據的維度會比較多，比如：從營收、用戶行為、使用人群、使用人數、用戶生命周期、用戶價值等等多維度進行思考。

從營收角度思考，也就是該需求上線后，直接為公司創造了多少營收？有的時候有些需求沒法直接判斷營收，只能通過間接方式來判斷，現在典型的就是一方面拉用戶，一方面做廣告收入的這種簡單商業模型，拉來了一萬個用戶，不一定能直接變現。

從用戶行為角度思考，不過行為沒法具體衡量，只能通過其它數據方式或者，我們提現設定好一條用戶行為路徑，看看用戶在使用過程中是否按照我們預期的方向走？

從使用人群角度思考，上線該需求后帶來的用戶群體都是哪些？這些群體的特征是什么？這些群體給我們帶來什么樣的價值等等，從人群思考，會涉及更多的數據。

從使用人數角度思考，這個比較單一，比較簡單的方式就是思考該需求上線后的人數漲粉，往更細一點思考還需要考慮，層級關系，比如：通過分享帶來的人數，分享后帶來的人數使用健康程度等等。

從用戶生命周期角度思考，比較好理解的方式就是用戶在平臺留存了多少天，該需求上線后與不上線前用戶生命周是變長了還是變短了，再細一點的思考就是，用戶在生命周期里面產生了什么樣的價值？比如：分享數據、貢獻了多少內容、貢獻了多少金錢等等。

從用戶價值思考，價值思考的角度比較多，如果是直接考慮變現的那就是看用戶貢獻了多少營收，如果是內容平臺考慮的是貢獻了多少內容以及內容帶動其它用戶的活躍程度等等。

三、通過假設的方式

做假設其實是一種很好的思考方式，有的時候會引導我們做正向思考，當我們在制定目標時，沒有歷史數據支撐，可以通過假設的方式來帶入思考，先假設然后再拆解目標，通過分割方式，把假設的目標拆解成具體的點，這個時候對實現某個目標時，會增加信心，因為越細致的時候，人的把控心理越強。

做假設不一定是沒有任何的信息才做假設，有的時候是某個功能數據突然下滑，但是該功能沒有使用異常，也沒有BUG導致，就是數據突然下滑時，往往分析數據的時候會很頭痛。

面對以上這種情況，除了看一些比較大的宏觀因素影響之外，比如：如果我們是否有競品，這個時候可以看看競品在這個期間做了什么改變？

是否因為競品上了某個功能，導致我們的人群突然變走，面對這樣的分析，雖然是沒有直接關系，只能先假設相關性，尤其是工具產品，是可以假設后，然后通過最初提到的“四象限法則”進行分析預判，確定后直接上線，有的時候我就是通過這樣的方式上線了一些需求，而且數據確實上漲。

當然，當面對一些新的東西時，尤其是面對影響范圍較大的需求時，做假設付出的成本往往特別高，這個時候可以考慮我們目前面對很多的一些互聯網概念詞。

在《精益求精》一書中提到一個概念“MVP”，意思是通過小范圍測試，驗證創意點子比較好時，就可以大范圍進行宣傳推廣，還有現在都在倡導的A/B實驗，通過不同兩種方式，隨機挑選出不同用戶。

但數據樣本相同進行A和B方案小范圍測試，測試如果成功了再選出其種效果好的方案進行大范圍宣傳，還有內測邀請，這也是目前很多常用的手段，通過內測先邀請一部份用戶使用，如果效果好再進行全量開放。

如果中途遇到效果較差影響范圍可控，現在很多互聯網公司將這種方式做成了饑餓營銷，以注冊碼的方式出現，在產品上線時開放限量的注冊碼，需要邀請機制才能獲得注冊碼才擁有使用資格。

上述方案相信從業互聯網的人員都比較耳熟能詳，對于這些也是我們做決策的一種方式，只不過是在我們需要做更大決策之前，通過小范圍的方式，先進行實驗，如果成功就可以作為大范圍推廣的有力支撐。

四、總結

決策帶有博弈心理，因為做了這個就做不了那個，不管從開發、還是從投放等角度的資源都是有限的，哪怕一個再小的功能也需要資源，我們常用的方式可能是和利益是否直接相關、以及和用戶數據影響范圍大不大等比較直觀的角度來做決策。

如果這個和營收相關就肯定優先級高，但是成功指數和影響范圍也是必須考慮。

最終，比較簡單的方式，在做需求就思考一個維度就是營收，面對一個需求產生時肯定會有一個計算方式來衡量需求所產生的收益，通過對比分析就知道是否ROI為正。

本文由 @讓腦闊再轉一會 原創發布于人人都是產品經理，未經作者許可，禁止轉載

題圖來自Unsplash，基于CC0協議