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

編輯導語：問題拆解是產品規劃的工作之一，在拆解的過程中，會出現“顆粒度”和“優先級”這兩個問題。本文作者根據自身經驗和總結思考，向讀者介紹了“問題拆解中的問題”，推薦感興趣的朋友們閱讀。

挖掘問題本質是一個非常難的事情，現在所有人幾乎都知道“更快的馬”這個梗了，可以抽象出“更便捷地從A地到B地”這一本質問題。但卻很少有人討論，為何是這一個問題點，而非其他點。

做產品規劃時所做的工作之一是問題的拆解，但拆解的過程中，可能會有這兩個問題：

1）顆粒度：為什么抽象出的本質問題是這一顆粒度的，能否更聚焦一些？或者更抽象一些？

2）優先級：為什么抽象出的是這一問題？而非其他問題？抽象出的問題哪個更優先，能否量化評估？

先說回答思路（思路來源見下）：

1. 在抽象or拆解本質問題時，要拆解到什么程度，顆粒度如何？

• 全面性：無論自上而下or自下而上拆解，所拆解的點要盡可能覆蓋全面，有足夠的代表性。
• 收益ROI：拆解的過程以及最終的問題，需要收益最大化，邊際收益達到閾值。
• 場景明晰：所拆解的最底層的點，要具有清晰的動作&目標&場景。

2. 抽象or拆解問題時，為什么選擇這一問題，依據（優先級）是什么？

• 相關性：底層問題與目標間的相關性，亦可細拆數據維度&業務維度
• 先驗參照：來源于歷史數據結論or競品對比的決策依據。

所經歷的面試中，會更側重考察第2個問題，比如，“為什么為了提升互動，要采用投票這一功能設計？而非其他設計？”、“為什么在模型中，選擇的是這幾個特征因子？是基于什么做選擇的？”回答思路見上，可以把第1個問題的回答思路也結合起來。

為什么會有上面這么一個回答思路？主要是通過借鑒不同領域的知識，對上述兩個問題有一定參考；所借鑒其他領域類似的情景以及思路：

一、體驗設計——JTBD

JTBD作為一個方法論，遵循發現問題——評估問題——解決問題的基本框架。

JTBD的定義（發現問題）：A JTBD is not a product, service or a specific solutions; it’s the higher purpose for which people use products, services and solutions.

結果期望的定義（評估問題）：Normally various of outcomes come with the JTBD. Give customers more of what they desire, and less or none of what they do not desire

機會點的定義（解決問題）：This technique is to assess the value of your current solutions against those of your competitors, – and relative to an ideal innovation. It helps identify opportunity gaps in the marketplace.

JTBD的步驟：

JTBD：

• Step 1: Identify a focus market
• Step 2: Identify jobs customers are trying to get done & categorize JTBD – 定性
• Step 3: Create a series of job statements
• Step 4: Prioritize the JTBD opportunities – 定量 (Likert Scale， MixDiff)

結果期望：

• Step 5: List the JTBD’s related outcome expectations – 定性
• Step 6: Create outcome statement
• Step 7: Prioritize the outcome expectations – 定量

機會點：

• Step 8: Plot the ideal innovation – 定性
• Step 9: Plot existing solutions (yours and competitors) – 定性
• Step 10: Identify opportunity valuegaps

JTBD作為一個方法論，重要的部分在于任務&目的的陳述上，即抽象出來的因子。一個任務（背景）的陳述，需包含：

1. 行為動作
2. 動作指向的抽象目標
3. 明晰的情境

一個期望結果（目的）的陳述，包含：

1. 行為的傾向
2. 可量化的指標
3. 被影響的點
4. 情境

回到開頭的兩個問題：

1. 抽象問題的顆粒度
2. 問題的優先級

1）顆粒度：方法中并未提到，僅有“higher purpose”這一描述表明盡可能抽象。jobs（需求）拆解的維度主要有兩個，一個是功能維度，一個是情感維度。避免陷入非常抽象的需求定義，并為類似“讓我更成功”的問題提出解決方案——需要定義用戶正在以功能方式完成的jobs。

情感是非常有價值的，但是不能作為最主要的產品設計核心。例如你正在參加音樂會或者party，希望能夠被朋友感知并被視為成功的，這是我們可以設計產品的。但如果說“設計一個產品，讓某人感到成功”這句話缺乏情境，沒有與之相關聯的功能，這是我們需要避免的。

2）優先級：Likert Scale + MixDiff；Likert Scale 是基本常識；MixDiff定義可見https://www.questionpro.com/max-diff/；但文中并未指出基于哪些特征進行篩選。

二、統計學：k-means降維

諸多統計模型中，判別模型（直接從特征X出發，推導X與Y的函數關系）對于數據處理的思路就值得借鑒。將諸多數據抽象為函數關系，與將現象抽象為本質問題的思路解法是有相通之處的。

在k-means聚類中，通過卡特爾碎石檢驗，觀測不同聚類個數下組內平方總和的下降趨勢，來選擇聚類的個數。簡單來說，就是抽象出的特征，多大程度上反映總體數據。如果繼續抽象多的特征，對總體的表征沒有顯著提升的話，也沒必要繼續抽象了。

另一種選擇特征個數的思路是基于眾多評判指標的推薦選擇（R—NBCluster包），是一種投票的思路邏輯。

1）顆粒度：聚類個數取決于累計方差貢獻率的提升速率。是求斜率（求導）的邏輯思路。

2）優先級：提取的公因子基于對總體的累計方差貢獻率，是相關的邏輯思路。

本文由 @斯金納的咕 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 Pixabay，基于 CC0 協議