不少剛?cè)腴T的產(chǎn)品經(jīng)理在面對復(fù)雜的需求時很難推動項目的高效落地，畢竟很多項目是要通過實驗需求才能看清效果的。面對這種情況，產(chǎn)品經(jīng)理可以做什么？本文作者解答了在推動產(chǎn)品落地過程中的常見問題，一起來看看吧。

在我們?nèi)粘５漠a(chǎn)品工作工作中，有兩個模塊非常核心：

1. 設(shè)計/產(chǎn)出需求文檔
2. 上線后拿到效果

客觀來說，完整地執(zhí)行好這兩部分，需要很多的精力和經(jīng)驗才能不踩坑。

很多高階產(chǎn)品經(jīng)理，在面對一個項目(多個需求的集合)時，依然不能高效落地，原因就在于沒有一套方法論，或者沒有很好地復(fù)盤之前踩的坑。

今天，我們主要來說一下，作為一個想要晉升/已經(jīng)高階的產(chǎn)品經(jīng)理，如何做到高效、高質(zhì)量的落地。

首先，很多需求/項目是需要做AB實驗、分析埋點、或者用戶調(diào)研來看清效果的，簡稱為“實驗”需求（即這個需求不是100%有正向收益，需要實驗后才能明確）。

其次，實驗是一套新的方法論，相較于做一些普通功能來說，有以下特點/難點：流程長、復(fù)雜度高、易遇突發(fā)問題、考量因素多。我們做的重點需求/項目，基本都是實驗需求。

一、以例子開頭

有個需求是「給體驗不好的用戶發(fā)券，降流失」，遇到了幾個問題：

1. 上線后出現(xiàn)bug：需求文檔上寫明了——只適用于新用戶，但后續(xù)環(huán)節(jié)出現(xiàn)問題、導(dǎo)致老用戶也收到了券。不僅實驗進(jìn)度受了影響，而且花出去的錢浪費了。
2. 改了老bug，來了新bug：基于1的問題，技術(shù)改了，沒想到又引發(fā)新問題。實驗暫停。
3. 取不到數(shù)，無法進(jìn)行分析：由于底層數(shù)據(jù)的問題，出現(xiàn)了意料外的情況，實驗進(jìn)度受了影響。
4. 實驗效果有負(fù)向，怎么辦：是不是需要優(yōu)化實驗方案？還是放棄這個實驗方向？還是數(shù)據(jù)分析有問題？

以上問題易發(fā)，產(chǎn)品經(jīng)理只能被動解決。雖然不完全是產(chǎn)品的鍋，但作為owner，會受到各種質(zhì)疑和責(zé)問，長此以往將失去老板、協(xié)作方的信任。

二、掌握主動權(quán)，產(chǎn)品經(jīng)理可以做什么？

實驗=做不明確的事，要快、準(zhǔn)、狠地找到解法/結(jié)論。

首先要準(zhǔn)（方向），找準(zhǔn)方向，事半功倍。（經(jīng)驗/數(shù)據(jù)/用研的指導(dǎo)）

其次要快（效率），天下武功、唯快不破。（落地不delay）

再次要狠（成本），學(xué)會決策，不斷迭代。（實驗不成功，及時轉(zhuǎn)變方向/調(diào)整方案）

以上為實驗的指導(dǎo)方針，那么具體怎么做到呢？

首先，定義實驗中的關(guān)鍵流程和約束條件。

1. 關(guān)鍵流程：我總結(jié)為四要素，好設(shè)計→控時間→保品質(zhì)→拿結(jié)果。
2. 約束條件：時間(要求最晚上線時間)，人力資源(需要開發(fā)、運營、數(shù)據(jù)分析師、客服等協(xié)同)，不能有PR/法務(wù)風(fēng)險，ROI投入產(chǎn)出比必須≥1.5，等等。

其次，規(guī)避“關(guān)鍵流程”里的“約束條件”下的坑。

在前面列舉的約束條件下，會踩很多坑，不如：

• 求快，那么開發(fā)周期就要縮短，質(zhì)量和功能完整度就會打折扣。
• ROI約束，那么發(fā)券的范圍、優(yōu)惠額度會收窄，導(dǎo)致驗證不出實驗效果。

那么，如何找到最優(yōu)解、盡量避坑呢？

1. 好設(shè)計：磨刀不誤砍柴工

追求短時間的快，可能帶來長時間的慢。

a. 功能設(shè)計：實驗一般都先做一個MVP極簡版本，需要明確定義核心要素——保留對實驗結(jié)果影響較大/有指導(dǎo)意義的要素。

比如要做用戶任務(wù)、完成任務(wù)給予獎勵，需要同時保留后端邏輯和前端感知（均對任務(wù)完成率有較大影響），任務(wù)配置后臺就不用做。

b. 實驗設(shè)計： 并聯(lián)效率≥串聯(lián)，分多個實驗組，驗證多個猜測、更好地指導(dǎo)迭代。比如：

• 給用戶發(fā)券，想了解哪種券ROI最高，可以分幾個實驗組發(fā)不同金額的券。
• 評估實驗效果，數(shù)據(jù)分析師寫sql跑數(shù) or 實驗后臺能直接看到數(shù)據(jù)，當(dāng)然后者更方便且錯誤率低。

c. 定義實驗指標(biāo)： 指標(biāo)直接關(guān)系著效果評估、實驗成敗，放在后面環(huán)節(jié)來說。

d. 技術(shù)方案設(shè)計： 缺失該環(huán)節(jié)，可能導(dǎo)致取不到數(shù)/取數(shù)不準(zhǔn)/迭代困難。 在需求評審or開發(fā)階段，需要和數(shù)據(jù)分析師、技術(shù)一起明確技術(shù)方案（關(guān)注要點即可，不必面面俱到）。

比如底層表里沒有某項數(shù)據(jù)，大家均自信認(rèn)為有，結(jié)果到了評估階段，技術(shù)發(fā)現(xiàn)問題、數(shù)據(jù)分析師發(fā)現(xiàn)取不到數(shù)。

2. 控時間：定好排期后、減少delay

Q：如何防范delay風(fēng)險？

A：排除掉外部因素，基本就是人的因素，所以我們要針對人。以下主要說核心參與人員的避坑。

• 針對能力尚缺的人（評估失誤），復(fù)雜的實驗需要技術(shù)評審且技術(shù)leader要在，double確認(rèn)排期、并確認(rèn)開發(fā)難點（憑經(jīng)驗）有無問題；
• 針對沒有承諾意識的人（不去彌補、認(rèn)為提前告知風(fēng)險就沒有責(zé)任），和技術(shù)leader一起溝通、復(fù)盤問題；
• 同時，PM需要強調(diào)“排期準(zhǔn)確性的重要程度=實驗質(zhì)量”，排期即為ddl（最晚上線時間）。

舉個例子，實驗A邏輯比較復(fù)雜，需要多部門協(xié)同，技術(shù)變更了兩次排期。

• 第一次變更：技術(shù)開發(fā)了一半，發(fā)現(xiàn)開發(fā)時間要拉長。
• 第二次變更：技術(shù)反饋開發(fā)復(fù)雜度高、測試需要更嚴(yán)謹(jǐn)、又拉長了測試周期。

在做復(fù)盤時，大家對問題產(chǎn)生的原因描述如下（不討論各人能力問題）：

• 技術(shù)：產(chǎn)品急著要排期，所以對時間評估不充分。
• 產(chǎn)品：很委屈，早前和技術(shù)確認(rèn)、給了幾天完整的時間用于評估，且技術(shù)從未反饋時間不夠。
• 產(chǎn)品：第二次時間變更，未提前告知我，是測試介入時間拉長、才發(fā)現(xiàn)的。

Q：怎么約束人的行為？

A：在實際情況中，我們能做的有限。

這類人在工作中遇到的并不多，以后的需求留個心眼，做一個僅對ta催命的PMO。

另外，遇到此類情況，需要及時復(fù)盤，減少以后出現(xiàn)的概率。

3. 保品質(zhì)：bug降發(fā)生、及時發(fā)現(xiàn)

• bug的出現(xiàn)：源于測試case的不完整，特別是邊界case、不好構(gòu)造的場景、測試不知道的改動點。（不是說測試人員有問題，而是整體協(xié)作的問題）
• bug的發(fā)現(xiàn)：反饋渠道有限，比如進(jìn)線、自己遇到、達(dá)到閾值報警，也有可能直到實驗全量都不會發(fā)現(xiàn)。

Q：如何保障實驗質(zhì)量？

A：最擔(dān)心的兩個問題：

-實驗沒法看效果（沒生效或出了bug或數(shù)據(jù)紊亂）；

-實驗影響了別人（造成事故）。

所以，站好owner的崗，必須做好以下4件事：

1. 定義最小驗收成本：定義能保證實驗正常運轉(zhuǎn)的產(chǎn)品驗收case；推動測試case評審。

2. 定義最大適用范圍：需求文檔里專列一個模塊，標(biāo)注適用和不適用的情況，和RD、QA強調(diào)一定要測試到。

3. 監(jiān)控：基于實驗風(fēng)險程度和重要性去評估要不要做。有兩大作用：控制風(fēng)險——超出閾值代表著「量級超出預(yù)期、可能存在bug」，比如大范圍發(fā)券，一定要有閾值控制。保證質(zhì)量——低于閾值代表著「量級太小，不滿足評估條件、或者實驗未生效」，用于及時發(fā)現(xiàn)問題。

4. 改動必回歸：每一次的改動，都要及時回歸，可以找測試幫忙。比如改了bug后、又影響了其他地方，如果沒有監(jiān)控、且未回歸，就容易留坑。

4. 拿結(jié)果：≠拿收益，只是驗證對錯

我們需要正視的是，實驗結(jié)果不一定是好的，甚至有可能負(fù)向。此時，我們應(yīng)該有兩種思路：

實驗結(jié)果是準(zhǔn)確的嗎？——嘗試去驗證/發(fā)現(xiàn)問題。

實驗結(jié)果是可改變的嗎？——嘗試去迭代/優(yōu)化。

如果以上均告失敗，那么，該轉(zhuǎn)變實驗方向了。

Q：沒提升「某一核心指標(biāo)」的實驗=失敗？

A：不是。 拿轉(zhuǎn)化率來說，它可能是一級/核心指標(biāo)，但不是衡量成功失敗的唯一指標(biāo)。如果一個實驗沒能提升用戶的轉(zhuǎn)化率、但提升了用戶留存率，從長期來看也是成功的。

1. 每個實驗指標(biāo)不是唯一的，可以有很多輔助指標(biāo)（用戶頻次、活躍、留存、功能埋點等），幫助分析問題、review實驗價值。
2. 轉(zhuǎn)化率的特性在于當(dāng)時的刺激（比如優(yōu)惠券刺激轉(zhuǎn)化）等，如果要看實驗的長期潛價值，可能需要其他指標(biāo)的輔助（比如用戶留存）。

Q：如何定義輔助指標(biāo)？

A：需要基于公司大目標(biāo)、實驗內(nèi)容來靈活調(diào)整。比如公司大目標(biāo)是訂單量增長，那么：

核心指標(biāo)應(yīng)該是訂單量。

二級指標(biāo)，比較通用的是用戶量、人均下單頻次、轉(zhuǎn)化率這些。

三級指標(biāo)，需要基于單個實驗內(nèi)容，比如曝光、點擊、停留時長等。

Q：效果不達(dá)預(yù)期怎么辦？

A：有三種情況。

一是環(huán)節(jié)問題，太多地方能出問題了——方案設(shè)計不合理、存在bug、取數(shù)口徑…

二是評估問題，可以精細(xì)化拆解，通用方式是城市差異、新老用戶差異等。

三是方向問題，沒有bug、沒有錯誤，只是因為實驗方向不對、對未來預(yù)判錯誤，不過這個點比較難被接受。

以上，希望能幫到你。歡迎補充和提問~

本文由 @小喬 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