判斷需求優(yōu)先級的新視角!

0 評論 2339 瀏覽 16 收藏 10 分鐘
🔗 产品经理专业技能指的是:需求分析、数据分析、竞品分析、商业分析、行业分析、产品设计、版本管理、用户调研等。

在日常工作中,產(chǎn)品經(jīng)理可能需要判斷需求優(yōu)先級,那么,優(yōu)先級的判定可以怎么進(jìn)行呢?這篇文章里,作者針對需求優(yōu)先級判斷這個問題,提出了自己的看法和視角,一起來看一下。

01

在講需求優(yōu)先級之前,我想先分享兩個常見的場景:

場景一:

作為甲方B端產(chǎn)品經(jīng)理,接收到業(yè)務(wù)部門諸多痛點(diǎn)和訴求,經(jīng)過整理后進(jìn)入需求池,不同部門的業(yè)務(wù)方的需求全部集中到一起,每個業(yè)務(wù)方都說自己的需求是P0最高優(yōu)先級;

場景二:

作為乙方B端產(chǎn)品經(jīng)理,接收到客戶梳理出來的問題,不管是新客戶第一次需求溝通,還是老客戶的產(chǎn)品運(yùn)營升級需要,每個客戶都說自己的需求也是P0最高優(yōu)化級;

場景一產(chǎn)品經(jīng)理面向的是內(nèi)部用戶,而場景二產(chǎn)品經(jīng)理面向的是外部客戶。

若從產(chǎn)品經(jīng)理服務(wù)的主體來講,不管是甲方還是乙方產(chǎn)品經(jīng)理,都服務(wù)就職公司。從根本利益出發(fā),評定需求優(yōu)先級的標(biāo)準(zhǔn)本質(zhì)上還是考慮需求對于所服務(wù)公司的重要性程度,而需求來源于業(yè)務(wù),業(yè)務(wù)基于商業(yè)模式和戰(zhàn)略的拆解,所以最后需求的優(yōu)先級就演變成了在當(dāng)前商業(yè)模式邏輯前提下的業(yè)務(wù)優(yōu)先級。

討論優(yōu)先級一定不能脫離目標(biāo)和實(shí)現(xiàn)方式,目標(biāo)決定方向,實(shí)現(xiàn)方式?jīng)Q定短期和長期的投入和產(chǎn)出。

同時(shí),業(yè)務(wù)優(yōu)先級還要結(jié)合企業(yè)的生命周期來考慮。一般一個企業(yè)的全生命周期大致會經(jīng)歷以下五個階段:

  1. 創(chuàng)立階段;
  2. 成長階段;
  3. 平臺階段;
  4. 衰退階段;
  5. 退出階段。

企業(yè)一經(jīng)創(chuàng)立,已經(jīng)確定了商業(yè)模式和戰(zhàn)略,這時(shí)企業(yè)總體面對的問題大致可為兩類:1.生存問題;2.發(fā)展問題。

生存問題,更多的是一個企業(yè)從創(chuàng)立到成長,再到平臺期這一段。如果再考慮黑天鵝事件,那全生命周期都要考慮生存的問題。面向生存問題的業(yè)務(wù)需求,是為了讓企業(yè)活下來。先圖生存,再求發(fā)展。

舉個例子,對于一個生產(chǎn)ERP系統(tǒng)的乙方軟件公司來講,采購,庫存,銷售,財(cái)務(wù),稅務(wù),每一塊業(yè)務(wù)領(lǐng)域都有MVP,MVP的功能全是最高優(yōu)先級P0。ERP就是業(yè)財(cái)稅一體化,而MVP的所有功能就構(gòu)成了跑通業(yè)財(cái)稅的必要支撐。如果不做,ERP根本就不太可能拿出來賣。這就是產(chǎn)品還沒出來,企業(yè)面臨的將是生產(chǎn)的挑戰(zhàn),這個時(shí)候還在生存的邊緣上掙扎;

發(fā)展問題,一部分在成長期,更多的是從一個平臺期向另外一個更高的平臺期躍遷的階段,也就是常講的第二增長曲線。面向發(fā)展問題的業(yè)務(wù)需求,將不再是讓企業(yè)活下來,而是讓企業(yè)活得更好。

02

生存和發(fā)展作為需求優(yōu)先級判斷的第一層次,接下來講講個人理解的判斷優(yōu)先級的第二層次。

第二層次涉及到一些有趣的數(shù)學(xué)知識,簡單梳理一下:

1.事件A和事件B是相互獨(dú)立事件,A和B完全沒關(guān)系

A和B同時(shí)發(fā)生的概率,就來單獨(dú)發(fā)生的概率的乘積。即P(AB)=P(A)*P(B)。

2.事件A和事件B存在因果關(guān)系

1)A發(fā)生導(dǎo)致B發(fā)生,B發(fā)生不會導(dǎo)致A發(fā)生,A是B的充分不必要條件——A是因,B是果;

2)B發(fā)生導(dǎo)致A發(fā)生,A發(fā)生不會導(dǎo)致B發(fā)生,B是A的充分不必要條件,也可以說A是B的必要不充分條件——A是果,B是因;

3)A發(fā)生導(dǎo)致B發(fā)生,B發(fā)生又會導(dǎo)致A發(fā)生,A和B互為充分必要條件,A和B互為因果。

4)A發(fā)生不會導(dǎo)致B發(fā)生,B發(fā)生也不會導(dǎo)致A發(fā)生,A和B可能是相互獨(dú)立的事件,也可以是相關(guān)的事件。A可能是B發(fā)生原因的其中一個因素,B也有可能是A發(fā)生原因的其中一個因素??紤]多因素條件都要具備,所以單純A和B不構(gòu)成充分或必要性,即既非因也非果。

3.事件A和事件B存在相關(guān)關(guān)系

對因果關(guān)系的第(4)對關(guān)系,實(shí)際說的就是相關(guān)關(guān)系。

表達(dá)相關(guān)關(guān)系最好的工具就是前邊文章介紹的貝葉斯定理——條件概率,這時(shí)不再贅述。

說完這些,判斷需求優(yōu)先級的第二層次到底是什么呢?

再重復(fù)一遍,需求來源于業(yè)務(wù),到底在解決什么業(yè)務(wù)痛點(diǎn)和期待,這些痛點(diǎn)和期待到底處于什么級別和地位。

業(yè)務(wù)需求的產(chǎn)生的根本原因是系統(tǒng)無法滿足業(yè)務(wù)現(xiàn)狀的需要。

不妨根據(jù)以上數(shù)學(xué)知識分為主要矛盾和次要矛盾,主要矛盾又分為矛盾的主要方面和次要方面。

怎么去落地,分清這些不同的矛盾級別和層次?這里提供一個方法。

1.圍繞業(yè)務(wù)目標(biāo),可以將所有的痛點(diǎn)和期待經(jīng)過頭腦風(fēng)暴一一列舉出來,我們暫且把這些稱為“業(yè)務(wù)因素”;

2.根據(jù)實(shí)際業(yè)務(wù)情況,理清業(yè)務(wù)因素之間的關(guān)系??梢越柚粋€矩陣工具,橫縱坐標(biāo)都是這些業(yè)務(wù)因素,A因素如果是B因素的因,則記為“-1”;A因素如果是B因素的果,則記為“1”;A因素如果和B因素不相關(guān),相互獨(dú)立,則記為“0”;A因素如果和B因素相關(guān),為簡化模型分析,這時(shí)暫且忽略不計(jì)。感興趣的朋友可以通過條件概率去計(jì)算最后的指標(biāo)值。

表格的解讀如下:

橫向來看:

表格第二行中因素A是因,第三列因素B是果,記為“-1”;

表格第二行中因素B是果,第六列因素E是因,記為“1”;

因素和自身本是等同關(guān)系,條件概率上就是1,為忽略干擾,記為“0”;

匯總水平方向的積分,即為總分。最高分除以2得到上中位線,最低分也除以2得到下中位線,得到{-2,2}的區(qū)間。

定義:

  • 上中位線到最高值之間得分的因素:根本原因;
  • 下中位線到上中位線之間得分的因素:過渡原因;
  • 最低值到下中位線之間得分的因素:表面原因;

根據(jù)以上模型,得出C是表面原因,BDE是過渡原因,A是根本原因。

得出的冰山模型就是:

需求解決的問題應(yīng)該優(yōu)先面向根本原因,即因素A,所以對應(yīng)因素A的需求是最高優(yōu)先級的需求,設(shè)為P0,針對過渡原因的因素B/D/E是次高優(yōu)先級的需求,設(shè)為P1,而表面原因因素C相對優(yōu)先級更低,設(shè)為P2。這是需求優(yōu)先級。

進(jìn)一步看看實(shí)現(xiàn)需求的解決方案的優(yōu)先級怎么排列。

頭腦風(fēng)暴解決方案,然后再列出比較矩陣,兩兩比較,就是第2個矩陣。兩兩比較,哪個更能解決問題,就列哪個方案1234序號,比如方案1和方案3相比較,方案1更能從根本上解決問題,所以標(biāo)方案1。其他依此類推,然后統(tǒng)計(jì)方案1234每個出現(xiàn)的次數(shù),再算出百分比,就可以把優(yōu)先級排出來了。

當(dāng)然實(shí)際需求和解決方案的優(yōu)先級判斷還有很多其他的參考理論模型,評判需要考慮短期和長期的投入產(chǎn)出比。這里只是從解決的對象的所處的地位提供一個新的視角。讀者們可以找到適合自己的,并且把它運(yùn)用到極致,畢竟條條道道通羅馬。

以上。

本文由 @趙佳蛟Peter 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

該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務(wù)。

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!
专题
15742人已学习12篇文章
本专题的文章分享了如何从0到1搭建结算平台
专题
12634人已学习12篇文章
运营分很多类,流量运营、用户运营、内容运营…每一个环节都有特别关注的数据和指标。本专题的文章分享了互联网运营,应该分析哪些数据和指标。
专题
16677人已学习14篇文章
本专题的文章分享了拼团功能的设计指南。
专题
13060人已学习12篇文章
数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中通过算法搜索隐藏于其中信息的过程。本专题的文章分享了如何挖掘数据。
专题
13650人已学习13篇文章
广告是互联网的最大的商业模式,已经逐步形成一个巨大的行业,整个互联网广告也在持续增长中。本专题的文章分享了关于对互联网广告的思考与分析