时间: 2021-07-30 11:14:28 人气: 7 评论: 0
编辑导语：产品人最需要具备的就是产品思维，它可以让你在工作中对业务有全面的了解，并且可以提升自己的决策能力，产品人也需要有一套产品方法论，以便更好的处理业务；本文作者分享了关于产品方法论的理解，我们一起来了解一下。
本文**从宏观分析，拆分增长公式，确定优先级，理解用户，理解变化等多个维度，较为全面地分享我的产品方法论。
另外，之所以选择从玩游戏的视角来切入，主要原因有三：
希望在分享结束后，大家能对产品思维有更全面一些的了解，并能运用到生活和工作中，一定程度上提升自己的决策质量。废话不多说，那么现在开始吧。
让我们来玩一个剪刀石头布的游戏，假设这个游戏是异步的，现在对方出了剪刀，你**选择出什么呢？
大部分人**说石头吧，因为传统的剪刀石头布里面，石头可以赢剪刀。不过抱歉，这次游戏你输了，因为这个游戏的规则是剪刀赢石头；是不是感觉被糊弄了，没关系，后面你应该能赢回来。
抛开先入为主的概念，在玩任何游戏前，先搞清楚规则，后面的决策才**有意义。
游戏中需要搞清楚游戏规则，产品工作也一样，我们在做产品工作前最好对外部规则有一个清晰的认识，包括但不限于法律法规、行业政策、竞争格局等因素。
游戏怎么玩，都是围绕规则来进行的，弄清产品游戏规则的主要方式是做一些宏观或“中观”的分析。
我们经常听到宏观分析和微观分析。宏观用于分析大的行业趋势和竞争格局，视野较高，对应产出的内容是“战略”；微观则是在具体的产品设计中，需要对用户洞察入微，了解用户场景和需求，在每一个阶段设计和实施好，对应的是“实施/执行”。
但光从这两个角度分析，中间跨度过大，战略也很难直接落地。所以我引入了一个中观的概念。
“中观分析”对应的是产品工作过程中的拆分增长公式或者分析GMV的构成等等这类的分析。中观分析可以让我们对产品现状有一个清晰的认识，像是中间层，既能承接战略，又能指导落地。中观分析对应产出的内容是“战术”，有了“战略”和“战术”之后，在执行的过程中我们才可有迹可循，减少绕弯路。
常见的宏观分析工具相比大家都耳熟能详，比如SWOT、PEST（或者升级版的PESTEL）、波士顿矩阵和波特五力模型；这些在网上能轻易查询到，就不展开讲解了。
这里我想先分享一个俞军在《俞军产品方法论》里有提到过的“詹森生产函数”，我把公式稍微简化了一下，是这样的：
这里的Q是指产量，这个公式提出的时间是1970年代，当时还是偏生产者导向的时代，供给远大于需求，因此产量Q基本正比于公司获得的利润。我们可以简单把公式里的产量理解为利润。“r”是外部规则，也可以理解成刚才说的宏观的游戏规则，包括经济、政治、法律、社**结构、环境、竞争等等要素。R则代表资源，C代表企业的内部规则，T则指代技术。
这个公式表达的含义是：企业利润是关于外部规则的一个函数，外部规则对利润的影响远大于其他因素。在外部规则不变的情况下，影响利润的关键要素就是技术；而如果一个行业里外部规则和技术相对固定的情况下，影响利润的最大因素则是内部规则，例如人事制度、迭代周期等等。但短期内，这里的每一项有可能塑造竞争优势。
从这个公式的视角来看，产品这个游戏是基于宏观的外部规则下，思考如何组合内部的这些变量或如何提升这些变量的值，以获得更大利润的游戏。内部的元素都需要围绕外部的规则来设定，包括内部规则，比如晋升机制制度应该如何、迭代周期应该几天等等。
**上，这些都应该基于外部规则来考虑，到底哪种机制能更利于我们的提升产出或者说能形成优于市场平均的决策质量；另外，外部规则一旦发生改变，这里面的元素也都需要重新考虑和组合。
上述的很多元素其实更多是最上层在决策，产品包括技术或者运营的小伙伴们能影响的范围有限，更多是思考如何把T这个环节做好。
但我认为理解这个公式，能有助于形成一定的“游戏大局观”。
关于中观分析，我拿我们电商工作中分析新客增长来举一个例子。如下图：
这个公式乍一眼看上去有点头晕。这很正常，即使是写出这个公式的我本人，看到的时候也头晕了一下。但别小看这个公式，它主要有以下三个作用。
第一点，通过公式，我们可以理解影响利润的关键因素和现状。其实公式里面的每个值，产品现阶段的数据是多少，都可以替换进去观察。我们可以带有一定主观偏见的去思考现状有哪些提升空间，这是第一个作用。
第二点，这个公式可以帮助我们更好地理解不同因素之间的影响关系。比如补贴金额Cb与转化率f(Cb,P)的关系；投放金额Ct与投放带来新用户数f(Ct)的关系，它们都是正相关但又都是边际递减的。更棒的一点是，我们可以把其中一部分因素的现状数值替换进去，只留下一个变量函数，那么我们可以通过数学中“求导”的方式，计算这个变量的最优解。例如，我们现在每天投放100万，拉新10万。我们想了解这个投放金额是否合理，可以将其他数据替换进去，仅保留投放金额Ct和拉新人数f(Ct)，通过求导就可以计算出Ct应该等于多少才是最优解。当然，这样做的前提是，需要先不停地尝试投放金额和拉新人数的关系，拟合出f(Ct)这个函数才行。
第三点，也是关于落地的一点，我们可以通过公式思考每个环节中可能的产品影响因素和策略，确定各种待执行的“战术”。例如在自然新增用户数这里，我们可以考虑做一些拉新活动，在转化率这里可以考虑提升价值感知，降低操作成本等策略。当然这个只是在现有盈利模式框架下做的分析，我们也可以跳出框架，思考新的盈利模式 ，比如卖**、卖皮肤之类的，那么对应的公式和策略也都**改变。
恭喜你，如果你坚持读到这里的话，本文最让人头晕的（跟数学有关）两个阶段你已经看完，后面的内容**让你感觉轻松一些。
让我们再来玩一次剪刀石头布的游戏，现在我们知道规则是石头赢剪刀。对方出了剪刀，请问你出什么呢？出石头对吧。Emm，也不一定对。例如你在跟一个十分心仪的女生玩游戏，她很在乎输赢，这样你也许赢了游戏，但是失去了一个获得女朋友的机**。
也就是说，有时候单个游戏的盈利并不是唯一的目标，例如有的公司做一些项目本身不赚钱，只是为了某一块的布局而做，为的是未来或者其他项目能更好的盈利，也是这个道理；所以玩游戏除了规则以外，还要明白目标。
做产品也一样，基于宏观和中观分析产出战略后，在具体执行之前还需要拆解成可执行的目标。设定目标时我们尽量要遵循Smart原则，也就是目标必须是明确的、可度量的、可实现的、具有关联性的（通常是与其他目标或战略的关联性）以及有时间限制的。
明确产品目标后，我们需要了解我们可选择的策略有哪些。除了剪刀石头布，还有其他可能吗？这里**涉及到问题的拆解以及优先级的确定。
拆解问题和找出策略这个过程，没有标准答案。
同一个问题我们可以从多个维度进行不同的拆分，例如梳理给用户发送弹窗的策略，可以按照不同的用户属性来拆分，也可以按照不同的页面来拆分；但在拆分问题时，只有一个唯一要求，就是必须做到符合MECE原则，也就是“不重不漏”。我们来看两个拆分策略的例子。
首先，下图是一个错误示范。在拆分新客转化率时，如果按照下面的拆分方式，看似像在分析问题，实际上却只是纯粹的拍脑袋行为。
上图除了在提升价值感知和降低价格感知时出现里重复的策略以外，光是这种拆解角度，就**有很多遗漏的地方；比如除了利用稀缺感、利用好奇心以外，我们还可以利用损失厌恶，利用成就感之类的，这种拆分方式很难不遗漏，也完全违背了MECE的原则。
下面是比较正确的示范：
上图从一个电商App内新客转化漏斗的角度，将用户从启动页->商品曝光->商详页浏览->CheckOut->下单->支付成功这几个主流程环节全部覆盖；这样几乎能做到不重复和不遗漏，且这样的拆分，针对每个环节对应的产品策略也**更加具体，甚至可以将每个环节交由不同的产品经理来负责跟进。
拆分问题并罗列出策略后，接下来的问题是：这么多策略，到底应该先做哪一个呢？
策略方向出来之后，产品经理需要权衡不同策略的优先级。确定优先级的方式有很多，通常是从多位维度考虑，再加权来得出；这里也没有标准答案，公司可以根据实际情况来设定权衡优先级的维度和办法。
目前我们产品部在做增长相关需求的时候，通常**使用ICE原则来进行打分确定优先级（如下图）。
ICE打分是从影响力、自信度和容易度三个角度进行，对需求进行优先级的判定。影响力是指预计这个需求上线后，对目标的影响程度有多大，影响越大得分越高；自信度则是我们（带有一定先验概率的）认为这个能够达到产生影响的把握程度，把握越大得分越高；容易度则通常指开发难度或成本，成本越低，容易度得分就越高。
一般每个维度采取0-5分的形式，最终根据三个打分之和，来排列需求的优先级。
第四点，我们在玩游戏时，还需要了解游戏里面的收益。例如如果出石头赢了可以得 5元，出布赢了可得 1万元，这在一定程度上也**影响我们的策略。在博弈论中，策略的收益取决于你对手的选择是什么。对应在做产品上，产品的收益在于用户是否买账、他们对不同的产品策略**做出什么样的行为或反应。
在这个环节中，产品经理最重要的事情是“理解用户”。我这里借用一下俞军在产品方法论里提到的“用户的五个基本属性”来展开简单讲解一下。
用户的基本属性包括一下五点，理解这五点**帮助产品经理在预判用户行为或解读用户时，避免大部分的偏见。
关于异质性和自利性，这里先不展开讲解了。关于自利性，我们只要能理解用户**追求总效用的最大化以及效用的增长存在边际递减基本就可以。
接下来我将**结合前景**、AI思维的习得规律以及西蒙的“满意解”来重点聊一聊情境性、可塑性和有限理性这三方面。
这个**我在之前的文章中已经两次提到，基于这张图衍生出了包括“损失厌恶”、“禀赋效应”、“确定效应”等在内的许多其他**。前景**也能够用来解释很多违反期望效用**的现象。
大家注意观察前景**的曲线和其斜率（斜率可以理解为心理价值变化的快慢），稍加思考后应该可以得出以下四个基本结论：
例如当某人认为自己现在是获利状态时，因为往左的斜率比往右的斜率更陡，所以对更多收入的感知价值**低于同等金额亏损的感知价值，因而往往**更容易产生风险规避的心态。
之前我也举过炒股的例子，有些人股票涨了后，一旦有一点下跌就想卖掉，错过了持续的增长；而股票跌很多的时候，往往因为一点上涨而舍不得卖出，最终被套牢。
希望炒股的朋友在理解前景**后，能尽量克服自身心理上的这种偏见，更理性的思考决策过程。
可塑性简单的说就是人是**变化的——人的观念、偏好和认知**随着外界新的信息刺激而产生改变。
关于可塑性这一点，贝叶斯公式关于渐进学习的解释非常清晰，但我想在后面单独写一篇文章再来分享，这里想先从《AI思维》这本书中提到的人工智能和人类的习得规律示意图来说说可塑性。
图的上方是人工智能习得规律的示意图。AI首先是通过大量的初始数据，形成或推演出一个模型。然后当有新的输入进来时，模型就**给出预测或决策。这是个比较粗的框架，我们可以简单的理解为AlphaGO下围棋时的决策模型就是这样。
图的下方讲的是人类，其实也一样，我们通过自己的经验，形成自己处理方式的规律（或者说是认知和偏见）。当有新的问题或信息出现时，我们则**通过自己先前形成的规律，做出决策。同时，这些新的经验或问题（可以统称为数据），也可能**让我们的规律和认知改变，通过这一点也可以理解人的可塑性。
一些决策模型中**假设每个决策者理解概率和掌握了完全的信息，并且**通过这些来推算每个方案的利弊。但显然用户在决策的时候并不**把所有备选项都一一比较。例如在租房子时，我们不**把周围所有的房子全部搜索出来比较，而通常是**找到一个相对满意的即可。
诺贝尔经济学奖获得者赫伯特西蒙在1956年提出了最早的替代期望效用**的模型，核心的观点是“人们在决策过程中寻求的并非最优解，而是满意解”。背后的道理也很好理解，因为人们在决策过程中收集信息、处理信息都是需要付出成本的（包括时间、精力甚至金钱），因此要遍历或分析更多的可能项往往意味着要付出更多的资源。所以用户在实际的决策中通常是寻求满意即可，而不是过度追求最优。
通过下图可以比较直观的理解：随着搜索决策信息的成本增长，搜索到的决策带来的收益其实是边际递减的，中间绿色的差值才是决策的净收益最大的时候。由于人们的资源和理性都是有限的，用户在决策时其实**本能地平衡“决策成本”和“决策收益”，并根据情况来判断投入多少资源进行决策。
理解用户的常用手段主要是“用户调研”和“数据分析”。
调研方式包括问卷调查、电话访谈等，这些在具体的产品工作中经常用到；例如我们发现很多用户生成了订单但是不付款，但我们无法确定这些用户到底是因为什么原因不付款，这时候就可以导出这些用户的联系方式，设计问卷调研或电话访谈搜集用户反馈了。
此外，阅读一些心理学、博弈论或者消费行为学等等书籍也很有助于理解用户。
从产品经理个人知识成长来的角度来说，我认为理解用户最最核心的还是以己度人的方式。哪怕一开始用户的反应跟你预期的差距很大，但是当我们把偏见暴露出来，再不停的跟事实和结果校对后，我们对人性的理解**得到很好的提升，对用户判断的偏差也**越来越小。总的来说，理解用户的过程其实就是理解自己，理解人性的过程。
让我们再回到剪刀石头布游戏，当你玩过100局之后，发现对手总是在按照剪刀-> 石头-> 布的顺序出招，那么你的策略也一定**随之改变吧。
这就是游戏复**，在做产品的过程中，我们在决策之后也是需要复**的。复**主要分为两块：对结果复**和对过程复**。
第一种对结果复**的方式是AB测试，这是产品经理非常重要的工具。通过实验组和对照组的方式，我们可以更严谨地、定量地了解我们之前的需求假设是否成立或者我们对用户的预判是否准确。
第二种方式是“三维归因”。影响一个事情的因素可能很多，当一个事情失败后，如果只从一个角度去考虑难免有失偏颇。例如一个项目失败了，有人可能**说，都是产品经理做的不好。这就是单维度的归因，三维归因让我们至少要从“行为主体”、“他人”、“情境”这三个维度来看待。
第三点是结果偏误，我们在评价决策时，不能只根据结果评价其好坏。而应该着重评判决策的过程。例如玩德州**，如果AA（最大的牌）在翻**前跟27（最烂的牌）推了All IN；这个决策是非常正确的，胜率接近90%。但最终发牌之后，27赢了。如果你足够理性的话，这时其实没必要后悔，因为你的决策过程是正确的，坚持做这种决策才是正确的做法。
我在《对**》这本书中看到一个例子，大概是有个德州**职业选手在夺冠后，赛后记者问他认为觉得自己打得最差的一手牌是什么，这个选手居然说的是让他赢得最多的那一手牌。虽然他赢了，但他认为当时决策时是冲动的，事实证明那是他的胜率也是更低的，即使最后运气好赢了，但这位职业选手依然读自己的决策进行了严格的复**。这种复**方式才是对提升决策质量有益的。
此外，在对过程的复**中，我们需要回过头去考虑决策过程前和过程中的每个环节。包括当时的目标是否足够清晰、是否搜集了足够决策的信息、是否在决策过程中太过主观或抱有太多偏见。
爱学习的Keyda，人人都是产品经理专栏作家。主要专注在线教育和电商类产品增长，擅长游戏化设计，定期分享产品设计和思考。
本文原创发布于人人都是产品经理，未经作者许可，禁止转载。
题图来自Unsplash，基于CC0协议。
