主要分为四个部分
- 第一部分,怎么写需求文档,从项目描述、需求描述两个角度,阐述如何清楚的写一份需求文档
- 第二部分,准召率;如何完成效果回归,根据项目目标建立指标体系,具体包括核心指标、过程指标、观察指标;
- 第三部分,通用方法论,策略产品的日常工作就是,发现问题、提出解决方案、推动上线、效果回归的循环。
- 第四部分,实例,实例1搜索优化,实例2滴滴叫车步长优化,分别迭代了三个版本,除第一版开始需要明确产品目标外,后续优化都是 上线——>指标观测——>问题分析——>方案优化的循环。
1.怎么写策略需求文档
1.1 一份完整的需求文档应该包含哪些部分
1.项目背景:项目的来龙去脉
2.项目目标:解决什么问题,怎么才算达成目标
3.需求概述:描述你要解决什么问题
4.需求详述:详细描述要解决的问题是什么,产品细节
统计需求+监控需求,不算在主流程内,但依然需要。概述和详述都是描述项目要解决的问题,看情况是不是要merge到一起。
如何把需求描述清楚?
- 功能型文档给出的是收敛的解决方案,通过流程图和原型来表达产品实现路径、效果
- 策略文档给出的是发散的解决方案,通过badcase示例、逻辑描述和预期实现效果来表达
1.2 实例—微众银行登录密码
以微众银行为例,实践 定义问题(定义待解决问题)——>问题调研(穷尽所有影响因素)。
定义问题
产品目标:产品的目标是保障登录的安全性。
策略目标:找到那个不影响体验的最短时间间隔。
解题
采用了用户路径分析方法,调取了1000个用户完整使用流程,统计流程中所有动作间隔。
策略产品经常面对的两类项目
从0到1的项目,需要 经验假设—>逻辑推理—>数据验证的前置调研。
从1到N的项目,更多是当前策略存在问题的分析迭代。
2 策略项目效果评估
策略的生命周期,大概就是 调研—>评审—>开发—>测评—>分析—>优化—>测评—>分析—>优化的循环过程。
2.1 准确召回率
2.2 效果回归
基于开始制定的业务目标、产品目标开始分析拆解,慢慢到各项模块的指标,发现问题。
效果回归的流程,大致就是定义理想态——>拆解理想态,发现问题后,根据问题原因制定优化方案的小循环,和挖掘需求的大循环,方法论一致。
2.3 建立指标体系
- 核心指标
- 过程指标
- 观察指标
以滴滴接驾为例,核心指标就是到达目的地;解决问题关键路径中的过程指标,脑补用户行为路径,对每个环节建立指标;新的路径影响了谁,找到观察指标,例如为了扩大成交率,扩大司机派单半径,就增大了司机的听单数量,由此影响听单距离、接驾距离。
搜索优化实例:
核心指标:
产品目标:降低用户输入成本
核心指标:用户输入时间,预期降低2S
影响用户输入效率的三个过程指标
1.sug展现率越高越好,节省用户输入时间
2.sug展现越早越好,节省用户输入字数
3.点击sug越多,后面输入字数越少
观察指标:
sug改动对输入流程的影响是可控的,对输入后搜索体验的影响是不确定的,某种意义上,搜索起到了推荐作用,所以观察指标:sug输入qeury的搜索结果满足度
寻找观察指标的时候,可以从 用户行为 的上下文角度分析,就是优化这个环节,对上下游的影响。
对上线后的问题做了跟踪,发现有些长搜索sug响应慢,针对此做优化。
3 贯穿工作中的通用方法论
通用方法论:定义理想态—>拆解未达理想态的原因—>提出解决方案—>验证是否解决
抽象方法论:就是发现问题——>解决问题的循环
方法论落到工作中每个环节:
1.发现问题:关注 a.定义理想态,即项目目标 b.抽样分析,未达到理想态的问题是什么? c.对所有问题进行归类统计,确定优化方向和项目优先级。
2.撰写需求:以逻辑描述和case实例的方式描述待解决问题和解决的效果期望。
3.跟进开发评估:验证每一班策略是否解决了所有问题,1.达到目标,策略上线 2.未达到目标,问题是什么,接下来怎么迭代。
4.效果回归:1.是否达成目标? 2.未达目标/过程指标/观察指标问题是什么?开启新的产品循环 3.未达目标,抽样分析
四个环节,不同的关注点。
4 实例
4.1 实例1—京东到家消息推送
产品目标:通过消息触达用户,实现响应的转化目的
核心指标:消息点击率
版本0.0方案:运营写好文案,人工推送
产品介入,套方法论,对当前存在问题做整理分析。
定义理想态:所有人都点击
未达理想态:有99.5%的人没有点击,怎么拆解?
PM提出的新的分析思路,点击的人和没点击的人有什么区别?原来活跃用户点击占比更高。
根据分析出的问题,确认下期迭代方案
版本1.0方案,增加基于用户分层的推送,增加活跃程度、手机平台标签
对1.0版本的问题分析
1.埋点问题,统计过程中数据缺失
2.没有点击的用户,都是曾经很少或者没有买过肉蛋商品的用户
确认2.0优化方案
版本2.0方案,细化用户标签,收集平台商品、价格信息和常规活动信息,作为待推送的内容集合,根据用户标签,个性化推送。此时运营只需要配各类兴趣维度的模板,系统自动推送。
对2.0版本做效果回归,分析问题
1.各推荐维度在不同品类上不同表现
2.不同用户对同一种维度的点击率也差异较大
3.同一用户在不同时间段的点击率有比较明显的差异
版本3.0方案,增加推送时间控制、继续丰富标签维度、将用户点击加入到个性化推送的模型中
以细分问题,采用优化解决方案的方式,进行版本迭代优化
实例2—滴滴叫车
产品目标:帮用户已最低成本完成目的地输入。
衡量指标:用户平均输入时长。
原指标,输入时长比较模糊,可以转化为输入步长。
根据用户线上的行为路径统计,可以暂时将理想态定位两步,目标就是优化3/4/5步的用户输入步骤。