如何高效地做好需求分析?

    作为一名产品经理,如何高效地做好需求分析?不仅考验产品经理的能力,而且对于产品迭代发展至关重要。那接下来一起聊聊有哪些需求分析方法,通过这些方法如何指导工作?

1、降维分析法

    降维分析是将一件复杂的事情通过不断地去分解成一个个可量化、可执行的小事。在实际工作过程中,总会遇到一些复杂的业务,让人不知道如何下手?通过降维分析法可以将一个复杂的业务拆分成一个个小功能。

    比如老板让你去设计一款约跑步APP?可能很多产品经理这个需求的时候,想不到怎么去反驳,反而觉得这个需求好像挺合理的,因为从自己的角度想,自己可能也有这方面的需求,在一个陌生的城市找个朋友一起跑步。但实际上这个需求真的合理吗?让我们通过降维分析法一层一层剖解。

    一次约跑成功的人数m=N * F1 * F2 * F3 * F4 * F5 。假设用户量N=10万、当天使用用户量占比F1=1/10、同一个时间段的使用用户量占比F2=1/10、同一个地区用户量占比F3=1/100、响应概率F4=1/2、双方同意的F5=1/2。那m=10万 * 1/10 * 1/10 * 1/100 * 1/2 * 1/2 = 2.5。

    上面的数据都是我假设的数据,假设10万用户量,匹配成功才2.5个人,那成功率=四万分之一。但实际数据可能比这个还要低很多,就拿同一个地区用户量占比F3=1/100,可能千分之一、直至万分之一都有可能,再加上还要其他的因素影响。

      所以当老板、运营等业务方提出一个需求的时候,我们可以通过降维分析法,将一个大需求拆分成功若干个小需求,这样就能够很明显地知道这个需求是否是伪需求、这个需求规划的前后顺序、需要哪些资源、由哪些小功能组成等等。

2、kano模型

    kano模型主要是对用户需求满意度的划分,用于分析需求的优先级排序,为产品做决策提供科学的依据。分为反向型需求(反向属性)、无差异型需求(无差异属性)、必备型需求(必备属性)、期望型需求(期望属性)、兴奋型需求(魅力属性)。

    反向型需求的提供与用户的满意度成反比,无差异型需求是有没有对用户来说都无所谓,也不会影响到用户的满意度。

    必备型需求指的是一个产品的最核心功能,如果没这个功能,可能会影响到用户正常使用,甚至不会去使用你的产品,就等于微信没了即时通讯的功能、百度没了搜索功能、网易云音乐没了听歌功能,你还会去使用吗。

    期望型需求是在产品满足了基础型功能上附加的扩展功能,这类需求可能用户也描述不出来,没这个功能不会影响到用户正常使用,但会降低用户的满意度。但如果有了这个功能,用户会更喜欢使用这款产品,这类功能也往往能够为公司带来更多的用户,比如前期的微信朋友圈、淘宝购物车、美团优惠卷等。

    兴奋型需求,也是魅力型需求,它能够让用户时刻对产品保持新鲜感、喜悦感。对于用户来说,没有这个功能不影响正常使用,也不会降低满意度。但如果有,会大大提供用户的体验感和满意度。比如微信的公众号、淘宝的个性化推荐商品、酷狗的K歌功能等等。

    总的来说一个产品首先要做好必备功能,也就是MVP快速迭代试错,及时调整产品的发展方向,然后满足用户的期望型需求,最后不断地增加兴奋型功能,保证产品能够时不时给用户带来兴奋,延长产品的生命周期。    

3、紧急且重要四象限排序

    紧急且重要四象限是将一件事情,按照紧急和重要程度去划分成四个象限:重要且紧急、重要但不紧急、紧急但不重要、不重要且不紧急。它是一种时间管理的方法,也是产品可以用来划分需求优先级的依据。

    那什么样的需求算是重要且紧急呢?可能是重大的bug,影响到整个产品正常工作,类似之前的拼多多漏洞,薅羊毛;也可能是该功能能够立即给公司带来高收益或者是大量新用户。对于产品重要程度最高,因此我们会把这类功能放在优先级最高去开发。

    那什么样的需求算是不重要且不紧急呢?比如是界面小小的优化、一个发生概率极低的bug、一个不起眼的字眼等等,不会影响到正常使用,也不会降低用户的满意度,我们可以把这类优先级低的功能,放在后面的版本再做优化。

    优秀的产品都是由一个个小而美的版本迭代出来的,对于产品经理来说,可能每天、每个版本都可能收集到很多需求,通过降维分析法、kano模型、紧急且重要四象限法则等分析方法,对需求进行辨别、合理划分,做好每个版本的迭代工作,积少成多。

作者:PM-Yin,一枚某互联网公司产品经理。未经许可,禁止转载。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,378评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,356评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,702评论 0 342
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,259评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,263评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,036评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,349评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,979评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,469评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,938评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,059评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,703评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,257评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,262评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,485评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,501评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,792评论 2 345

推荐阅读更多精彩内容