市场需求量测量分析的准备阶段（策略产品经理基础知识）

依旧是针对学习内容的个人总结，所以还望有人留言，一起讨论一起学习。

前两篇帖子，我们分享了什么是策略和策略产品经理是干嘛的。从这篇起，我们开始进行工作方法的分享，第一步需求挖掘。

一、需求挖掘方法

策略产品经理常见的获取需求的渠道如下：

1. 用户反馈搜集——内部渠道（用户反馈系统、客服反馈备案、用户运营群），外部渠道（应用商店评论、微博、贴吧）；
2. 问卷调研，用户访谈，可用性测试；
3. 市场调研，竞品分析；
4. 搭建数据监控系统；
5. 阶段性调研；
6. 效果回归。

前三项的工作方法，已经是老生常谈的内容了，此处我们不做分享，有兴趣的同学去百度吧。

1. 搭建数据监控系统：是用机器取代PM日常人工完成的数据分析工作，当数据表现低于预设的界定值时，系统会自动向产品经理报警。对比人工监控而言，系统监控更高效，更省成本，更具有实效性和针对性。不足之处在于，它只能反馈数据表现情况，具体问题出在哪还是需要人工分析和挖掘。
2. 阶段性调研：本文重点讲解内容，详见本文第二部分。
3. 效果回归：是策略产品经理特有的工作内容。贯穿策略产品工作的始末，它既是一个策略需求的结束，也是新需求的开始。因为策略产品经理的工作就是在不停的优化策略数据效果，所以效果回归即发生在开发成果验收和调优阶段，也会发生在策略上线后的数据分析阶段。

二、阶段性调研

阶段性调研：是一种针对产品现状，进行系统分析的方法。分析结论最能代表产品问题的全貌，可以有效指导下一阶段的产品工作，调研思路也被应用在“效果回归”中。

我个人认为这是所有产品经理都需要具备的能力，这其中包含了业务理解能力、用户理解能力、数据分析能力、需求分析能力。应该是一个对产品经理综合实力要求比较高的技能。

应用场景：

1. PM接手新产品或新项目时：帮助PM了解产品情况，制定下一步的产品工作内容。
2. 月/季/年的周期性回顾：用以分析和归总阶段性的产品工作成果，为下一阶段找方向。
3. 其他需要临时进行回顾的情况：例如公司来了新领导，或是没需求可做的时候等等。

调研步骤：

1. 定义理想态；
2. 抽样分析；
3. 判定优先级。

接下来我们逐一详解。

第一步，定义理想态

1.理想态

第一篇讲解什么是策略的帖子里，我们已经概述过什么是理想态了（好奇的宝宝可以去文底目录看第一帖），本篇我们将内容细化。

理想态就是当前业务条件下，产品想要达到的满足用户需求的最佳效果。理想态需要有明确的衡量指标或是界定标准。

举例说明：

对于商品详情页的相关推荐功能，假设有12个推荐位的情况下，PM希望满足用户需求的最佳效果是：12个推荐位都有商品推荐（覆盖率100%），然后用户将所有推荐商品都点了一遍（推荐有效性100%），进入相应的详情页后还发生了后续表示喜欢的动作（喜欢率100%），例如：点击收藏，加入购物车，查看评论等。

2.目标拆解——拆分正向和逆向行为

理想态来自业务目标，所以当我们有了明确的理想态和相应的关键考核指标后，就需要针对业务流程，分析出与用户完成理想态相关的操作行为，包括正向行为和逆向行为。

• 正向行为：用户依据功能设计，逐步实现需求的动作。
• 逆向行为：过程中，所有表示用户中止操作或是没有满足需求的动作。

举例说明：以boss直聘用户端首页推荐的招聘JD为例。

• 产品想到的理想态就是第一屏推荐给用户的岗位就是用户感兴趣的，并且与用户相匹配的。
• 正向行为：“点击推荐岗位”，“点击查看职位详情的查看全部”，“点击公司详情页入口”，“点击详情页的一件投递，“立即沟通”，“收藏””。
• 逆向行为：“刷新首页列表”，“使用列表筛选功能（切换推荐方式，修改公司，要求，地址等条件）“，“切换目标岗位”，“未点击岗位，持续下拉列表后退出app”，”进入推荐详情页后，只点击返回”。

有了这些动作，我们就有了抽样分析时，需要调取的数据内容。

第二步，抽样分析

抽样分析，就是对所有表示未能实现理想态的事例进行数据分析，通过统计分类，明确需求未能满足或满足不好的原因是什么。分析共分为6步，依次是：

1. 制定调研目标；
2. 选择抽样对象；
3. 选择抽样方法；
4. 划定抽样数量；
5. 样本分析标注；
6. 整理汇总问题。

我们逐一说明。

1.制定调研目标

调研目标就是理想态的考核指标。需要强调的是：抽样分析前我们必须考虑清楚，理想态相关的考核指标有哪些，是否真的只有一个，还是理想态是由多个指标（即多个功能）共同作用的结果。

2.确定抽样对象

明确核心指标之后，我们就要对指标进行拆解，通过用户行为，得出关键指标由哪些细分指标组成？计算公式是怎么样？这些数据该怎么提取？

注：数据必须是能帮助我们验证问题是否真实存在。千万不可为了抽样而抽样，到头来拿到无效数据或是数据不足，还要反复麻烦RD哥哥或是反复写SQL公式，浪费时间。

同时还要注意的一件事就是选取抽样的范围。范围通常由分为两个维度：

• 时间：我们是选取最近一周的，一个月的，还是1天的。时间选择上有一个技巧就是：如果一个产品，用户每天的操作流程和用户行为特征都没有差异，则可以天为数据行为统计抽样纬度。如果一个产品，有明显的分时段或分日期效应，就要将一整周或一整月，或更细分的时间段作为抽样纬度。
• 范围：是抽取规定时间段内的全部数据，还是区分用户群或数据类型，进行部分抽取。

在工作过程中，具体怎么抽样，这就需要针对业务类型和调研目标，自行控制了。

3.选择抽样方法

通常情况下，我们采用简单随机抽样的方式就能满足抽样分析的需求，但经过几次实验后，我个人觉得为了提升抽样的精准性，可以人为加一些随机抽样的规则，如等距随机抽样、分层随机抽样等，但具体选择哪种就要看你的实际需求了。

举例说明：

我们在优化app推送功能时，就曾调研过历史一个月内，同一用户在早中晚三个时段浏览内容和曾打开推送消息的差异。借此来假设用户在早中晚三个时段可能打开率较高的推动内容是什么方向和形式的。

关于各种抽样方式，本文不做说明，给大家个链接自行学习。维基百科-抽样

4.确定抽样数量

理论上讲，抽样数据越多统计精准度就会越高，但相应的调研成本也会上升。所以这里给出两个建议：

• 能够验证问题存在的数据，在总抽样数据中的占比最好≥5%，影响面≥3%（用户群占比3%以上）；
• 样本总量，保证在500以上，最好是能达到1000。

5.样本分析标注

定义样本代表的问题点有哪些，以及相应的数据表现情况占比是多少。实际产出就是罗列出通过数据分析，你发现的问题清单？每个问题需要标明具体的数据表现情况和抽样占比量。

6.整理汇总问题

基本方法就是：利用金字塔原理的分层结构关系，将问题进行汇总归类，找出他们之间的共性关系和互斥关系，挖掘出底层的关键问题。

问题分类只要能形成互斥关系，不重叠，不遗留即可，具体从哪个角度分类没有明确的界定。因为每种分类方式得出的结论也不一样，至于哪个更合适，就只能自己尝试了，或是依靠产品经验，自行处理。

总结：

到此为止抽样分析的6个步骤我们就分享完了。

有个需要注意的细节如下：我们在正式进行抽样前，可依据理想态和指标拆解的思路，先预估出需要抽样的数据内容和问题分类的方式，进而降低抽样数据不足的可能性。多不怕，没准还能有意外收获，但少就返工了。

第三步，优先级判定

需求基本上我们就是按照，单位成本下的收益值（ROI）从大到小排列

优先级判定的基本思路是汇总抽样得出的所有问题，依据问题解决后单位成本下的收益值（ROI）从大到小排即可。计算公式如下：

• ROI = 项目收益 / 项目成本
• 项目收益 = 待解决问题影响面 * 预期解决比例 * 解决后体验提升程度
• 解决后体验提升度 = 理想态最佳状态指标值 — 问题实质的指标
• 项目成本 = 开发时长*开发人力
• 待解决问题影响面 = 问题在抽样数据中的占比

核算流程就是PM完成抽样调研后，向RD提交问题清单，清单中需包含每个问题的影响面。然后RD针对问题进行成本预估，将结果提交给PM，最后PM依据公式推算优先级。

优先级评估：通常情况下我们采取“优先用时短收益高的，最后是用户长受益低的”基本原则。

当两个项目的收益相同时，就需要参照第二原则，“优先相对绝对收益值高的”，相对的界定标准就要看开发时长了，原则就是“两短取其长，两长取其短”，长短依据平均迭代频次而定。

例如：

两个需求，一个开发用时15天收益是15，另一个开发用时100天收益100，那我们就要优先选择15天的。因为100天时间太久了，产品的响应速度明显跟不上需求和业务发展的变化。

当然工作中出现紧急项目或是问题严重度极高的需求，也要视情节而定。

到此为止，本篇关于抽样分析的工作方法就算分享了。

作者内心其实毛毛的，因为全是理论没有案例，确实不好理解，而在学习的过程中老师也拿了大量的案例在给我进行讲解。后续我也找个案例，以解题的方式分享给大家。

抽样分析的课程对我触动很大，其中滴滴的案例，更是让我认识到正规军的产品工作有多复杂，这段感受后期我会整理成帖子和大家分享出来。

本篇内容到此结束，欢迎来喷。下一篇内容我们分享《2.2需求挖掘之效果回归》

策略产品经理学习笔记目录：

《策略产品经理学习笔记， 2.1需求挖掘之抽样分析》

本文由 @于言某 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议

,