依舊是針對學(xué)習(xí)內(nèi)容的個人總結(jié)，所以還望有人留言，一起討論一起學(xué)習(xí)。

前兩篇帖子，我們分享了什么是策略和策略產(chǎn)品經(jīng)理是干嘛的。從這篇起，我們開始進(jìn)行工作方法的分享，第一步需求挖掘。

一、需求挖掘方法

策略產(chǎn)品經(jīng)理常見的獲取需求的渠道如下：

1. 用戶反饋搜集——內(nèi)部渠道（用戶反饋系統(tǒng)、客服反饋備案、用戶運營群），外部渠道（應(yīng)用商店評論、微博、貼吧）；
2. 問卷調(diào)研，用戶訪談，可用性測試；
3. 市場調(diào)研，競品分析；
4. 搭建數(shù)據(jù)監(jiān)控系統(tǒng)；
5. 階段性調(diào)研；
6. 效果回歸。

前三項的工作方法，已經(jīng)是老生常談的內(nèi)容了，此處我們不做分享，有興趣的同學(xué)去百度吧。

1. 搭建數(shù)據(jù)監(jiān)控系統(tǒng)：是用機(jī)器取代PM日常人工完成的數(shù)據(jù)分析工作，當(dāng)數(shù)據(jù)表現(xiàn)低于預(yù)設(shè)的界定值時，系統(tǒng)會自動向產(chǎn)品經(jīng)理報警。對比人工監(jiān)控而言，系統(tǒng)監(jiān)控更高效，更省成本，更具有實效性和針對性。不足之處在于，它只能反饋數(shù)據(jù)表現(xiàn)情況，具體問題出在哪還是需要人工分析和挖掘。
2. 階段性調(diào)研：本文重點講解內(nèi)容，詳見本文第二部分。
3. 效果回歸：是策略產(chǎn)品經(jīng)理特有的工作內(nèi)容。貫穿策略產(chǎn)品工作的始末，它既是一個策略需求的結(jié)束，也是新需求的開始。因為策略產(chǎn)品經(jīng)理的工作就是在不停的優(yōu)化策略數(shù)據(jù)效果，所以效果回歸即發(fā)生在開發(fā)成果驗收和調(diào)優(yōu)階段，也會發(fā)生在策略上線后的數(shù)據(jù)分析階段。

二、階段性調(diào)研

階段性調(diào)研：是一種針對產(chǎn)品現(xiàn)狀，進(jìn)行系統(tǒng)分析的方法。分析結(jié)論最能代表產(chǎn)品問題的全貌，可以有效指導(dǎo)下一階段的產(chǎn)品工作，調(diào)研思路也被應(yīng)用在“效果回歸”中。

我個人認(rèn)為這是所有產(chǎn)品經(jīng)理都需要具備的能力，這其中包含了業(yè)務(wù)理解能力、用戶理解能力、數(shù)據(jù)分析能力、需求分析能力。應(yīng)該是一個對產(chǎn)品經(jīng)理綜合實力要求比較高的技能。

應(yīng)用場景：

1. PM接手新產(chǎn)品或新項目時：幫助PM了解產(chǎn)品情況，制定下一步的產(chǎn)品工作內(nèi)容。
2. 月/季/年的周期性回顧：用以分析和歸總階段性的產(chǎn)品工作成果，為下一階段找方向。
3. 其他需要臨時進(jìn)行回顧的情況：例如公司來了新領(lǐng)導(dǎo)，或是沒需求可做的時候等等。

調(diào)研步驟：

1. 定義理想態(tài)；
2. 抽樣分析；
3. 判定優(yōu)先級。

接下來我們逐一詳解。

第一步，定義理想態(tài)

1.理想態(tài)

第一篇講解什么是策略的帖子里，我們已經(jīng)概述過什么是理想態(tài)了（好奇的寶寶可以去文底目錄看第一帖），本篇我們將內(nèi)容細(xì)化。

理想態(tài)就是當(dāng)前業(yè)務(wù)條件下，產(chǎn)品想要達(dá)到的滿足用戶需求的最佳效果。理想態(tài)需要有明確的衡量指標(biāo)或是界定標(biāo)準(zhǔn)。

舉例說明：

對于商品詳情頁的相關(guān)推薦功能，假設(shè)有12個推薦位的情況下，PM希望滿足用戶需求的最佳效果是：12個推薦位都有商品推薦（覆蓋率100%），然后用戶將所有推薦商品都點了一遍（推薦有效性100%），進(jìn)入相應(yīng)的詳情頁后還發(fā)生了后續(xù)表示喜歡的動作（喜歡率100%），例如：點擊收藏，加入購物車，查看評論等。

2.目標(biāo)拆解——拆分正向和逆向行為

理想態(tài)來自業(yè)務(wù)目標(biāo)，所以當(dāng)我們有了明確的理想態(tài)和相應(yīng)的關(guān)鍵考核指標(biāo)后，就需要針對業(yè)務(wù)流程，分析出與用戶完成理想態(tài)相關(guān)的操作行為，包括正向行為和逆向行為。

• 正向行為：用戶依據(jù)功能設(shè)計，逐步實現(xiàn)需求的動作。
• 逆向行為：過程中，所有表示用戶中止操作或是沒有滿足需求的動作。

舉例說明：以boss直聘用戶端首頁推薦的招聘JD為例。

• 產(chǎn)品想到的理想態(tài)就是第一屏推薦給用戶的崗位就是用戶感興趣的，并且與用戶相匹配的。
• 正向行為：“點擊推薦崗位”，“點擊查看職位詳情的查看全部”，“點擊公司詳情頁入口”，“點擊詳情頁的一件投遞，“立即溝通”，“收藏””。
• 逆向行為：“刷新首頁列表”，“使用列表篩選功能（切換推薦方式，修改公司，要求，地址等條件）“，“切換目標(biāo)崗位”，“未點擊崗位，持續(xù)下拉列表后退出app”，”進(jìn)入推薦詳情頁后，只點擊返回”。

有了這些動作，我們就有了抽樣分析時，需要調(diào)取的數(shù)據(jù)內(nèi)容。

第二步，抽樣分析

抽樣分析，就是對所有表示未能實現(xiàn)理想態(tài)的事例進(jìn)行數(shù)據(jù)分析，通過統(tǒng)計分類，明確需求未能滿足或滿足不好的原因是什么。分析共分為6步，依次是：

1. 制定調(diào)研目標(biāo)；
2. 選擇抽樣對象；
3. 選擇抽樣方法；
4. 劃定抽樣數(shù)量；
5. 樣本分析標(biāo)注；
6. 整理匯總問題。

我們逐一說明。

1.制定調(diào)研目標(biāo)

調(diào)研目標(biāo)就是理想態(tài)的考核指標(biāo)。需要強(qiáng)調(diào)的是：抽樣分析前我們必須考慮清楚，理想態(tài)相關(guān)的考核指標(biāo)有哪些，是否真的只有一個，還是理想態(tài)是由多個指標(biāo)（即多個功能）共同作用的結(jié)果。

2.確定抽樣對象

明確核心指標(biāo)之后，我們就要對指標(biāo)進(jìn)行拆解，通過用戶行為，得出關(guān)鍵指標(biāo)由哪些細(xì)分指標(biāo)組成？計算公式是怎么樣？這些數(shù)據(jù)該怎么提?。?/p>

注：數(shù)據(jù)必須是能幫助我們驗證問題是否真實存在。千萬不可為了抽樣而抽樣，到頭來拿到無效數(shù)據(jù)或是數(shù)據(jù)不足，還要反復(fù)麻煩RD哥哥或是反復(fù)寫SQL公式，浪費時間。

同時還要注意的一件事就是選取抽樣的范圍。范圍通常由分為兩個維度：

• 時間：我們是選取最近一周的，一個月的，還是1天的。時間選擇上有一個技巧就是：如果一個產(chǎn)品，用戶每天的操作流程和用戶行為特征都沒有差異，則可以天為數(shù)據(jù)行為統(tǒng)計抽樣緯度。如果一個產(chǎn)品，有明顯的分時段或分日期效應(yīng)，就要將一整周或一整月，或更細(xì)分的時間段作為抽樣緯度。
• 范圍：是抽取規(guī)定時間段內(nèi)的全部數(shù)據(jù)，還是區(qū)分用戶群或數(shù)據(jù)類型，進(jìn)行部分抽取。

在工作過程中，具體怎么抽樣，這就需要針對業(yè)務(wù)類型和調(diào)研目標(biāo)，自行控制了。

3.選擇抽樣方法

通常情況下，我們采用簡單隨機(jī)抽樣的方式就能滿足抽樣分析的需求，但經(jīng)過幾次實驗后，我個人覺得為了提升抽樣的精準(zhǔn)性，可以人為加一些隨機(jī)抽樣的規(guī)則，如等距隨機(jī)抽樣、分層隨機(jī)抽樣等，但具體選擇哪種就要看你的實際需求了。

舉例說明：

我們在優(yōu)化app推送功能時，就曾調(diào)研過歷史一個月內(nèi)，同一用戶在早中晚三個時段瀏覽內(nèi)容和曾打開推送消息的差異。借此來假設(shè)用戶在早中晚三個時段可能打開率較高的推動內(nèi)容是什么方向和形式的。

關(guān)于各種抽樣方式，本文不做說明，給大家個鏈接自行學(xué)習(xí)。維基百科-抽樣

4.確定抽樣數(shù)量

理論上講，抽樣數(shù)據(jù)越多統(tǒng)計精準(zhǔn)度就會越高，但相應(yīng)的調(diào)研成本也會上升。所以這里給出兩個建議：

• 能夠驗證問題存在的數(shù)據(jù)，在總抽樣數(shù)據(jù)中的占比最好≥5%，影響面≥3%（用戶群占比3%以上）；
• 樣本總量，保證在500以上，最好是能達(dá)到1000。

5.樣本分析標(biāo)注

定義樣本代表的問題點有哪些，以及相應(yīng)的數(shù)據(jù)表現(xiàn)情況占比是多少。實際產(chǎn)出就是羅列出通過數(shù)據(jù)分析，你發(fā)現(xiàn)的問題清單？每個問題需要標(biāo)明具體的數(shù)據(jù)表現(xiàn)情況和抽樣占比量。

6.整理匯總問題

基本方法就是：利用金字塔原理的分層結(jié)構(gòu)關(guān)系，將問題進(jìn)行匯總歸類，找出他們之間的共性關(guān)系和互斥關(guān)系，挖掘出底層的關(guān)鍵問題。

問題分類只要能形成互斥關(guān)系，不重疊，不遺留即可，具體從哪個角度分類沒有明確的界定。因為每種分類方式得出的結(jié)論也不一樣，至于哪個更合適，就只能自己嘗試了，或是依靠產(chǎn)品經(jīng)驗，自行處理。

總結(jié)：

到此為止抽樣分析的6個步驟我們就分享完了。

有個需要注意的細(xì)節(jié)如下：我們在正式進(jìn)行抽樣前，可依據(jù)理想態(tài)和指標(biāo)拆解的思路，先預(yù)估出需要抽樣的數(shù)據(jù)內(nèi)容和問題分類的方式，進(jìn)而降低抽樣數(shù)據(jù)不足的可能性。多不怕，沒準(zhǔn)還能有意外收獲，但少就返工了。

第三步，優(yōu)先級判定

需求基本上我們就是按照，單位成本下的收益值（ROI）從大到小排列

優(yōu)先級判定的基本思路是匯總抽樣得出的所有問題，依據(jù)問題解決后單位成本下的收益值（ROI）從大到小排即可。計算公式如下：

• ROI = 項目收益 / 項目成本
• 項目收益 = 待解決問題影響面 * 預(yù)期解決比例 * 解決后體驗提升程度
• 解決后體驗提升度 = 理想態(tài)最佳狀態(tài)指標(biāo)值 — 問題實質(zhì)的指標(biāo)
• 項目成本 = 開發(fā)時長*開發(fā)人力
• 待解決問題影響面 = 問題在抽樣數(shù)據(jù)中的占比

核算流程就是PM完成抽樣調(diào)研后，向RD提交問題清單，清單中需包含每個問題的影響面。然后RD針對問題進(jìn)行成本預(yù)估，將結(jié)果提交給PM，最后PM依據(jù)公式推算優(yōu)先級。

優(yōu)先級評估：通常情況下我們采取“優(yōu)先用時短收益高的，最后是用戶長受益低的”基本原則。

當(dāng)兩個項目的收益相同時，就需要參照第二原則，“優(yōu)先相對絕對收益值高的”，相對的界定標(biāo)準(zhǔn)就要看開發(fā)時長了，原則就是“兩短取其長，兩長取其短”，長短依據(jù)平均迭代頻次而定。

例如：

兩個需求，一個開發(fā)用時15天收益是15，另一個開發(fā)用時100天收益100，那我們就要優(yōu)先選擇15天的。因為100天時間太久了，產(chǎn)品的響應(yīng)速度明顯跟不上需求和業(yè)務(wù)發(fā)展的變化。

當(dāng)然工作中出現(xiàn)緊急項目或是問題嚴(yán)重度極高的需求，也要視情節(jié)而定。

到此為止，本篇關(guān)于抽樣分析的工作方法就算分享了。

作者內(nèi)心其實毛毛的，因為全是理論沒有案例，確實不好理解，而在學(xué)習(xí)的過程中老師也拿了大量的案例在給我進(jìn)行講解。后續(xù)我也找個案例，以解題的方式分享給大家。

抽樣分析的課程對我觸動很大，其中滴滴的案例，更是讓我認(rèn)識到正規(guī)軍的產(chǎn)品工作有多復(fù)雜，這段感受后期我會整理成帖子和大家分享出來。

本篇內(nèi)容到此結(jié)束，歡迎來噴。下一篇內(nèi)容我們分享《2.2需求挖掘之效果回歸》

策略產(chǎn)品經(jīng)理學(xué)習(xí)筆記目錄：

《策略產(chǎn)品經(jīng)理學(xué)習(xí)筆記， 1.1什么是策略》

《策略產(chǎn)品經(jīng)理學(xué)習(xí)筆記， 1.2什么是策略產(chǎn)品經(jīng)理》

《策略產(chǎn)品經(jīng)理學(xué)習(xí)筆記， 2.1需求挖掘之抽樣分析》

本文由 @于言某 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議