產(chǎn)品經(jīng)理實戰(zhàn)篇-面對復(fù)雜的需求,如何高效落地?

0 評論 5101 瀏覽 11 收藏 13 分鐘

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

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發(fā)揮!