需求判定的第三种方式:需求的期望值

4 评论 8569 浏览 14 收藏 18 分钟

编辑导读:有价值的需求必须从用户痛点出发,但当需求的数量越来越多,且每个需求都是从用户痛点出发的时候,产品经理必须在痛点的基础上,引入数据增长指标对需求的优先级进行判定。当数据增长失去效用的时候,又该怎么办?本文作者对第三种需求判定的方式——需求期望值进行了介绍,与大家分享。

有这样的一个小故事,甲乙两人是同一个村庄的年轻人,甲的性格稳重,耐心极佳,乙的性格比较浮躁,耐心较差,两人曾多次参加村里的长跑运动会,每一次,乙都会在半路放弃,甲则是会坚持跑完全程。

两人偶然得知有人在距离村庄10公里外的矿洞里挖到了宝石,商议后,决定一起去挖矿,试试运气。

两人同时开始挖矿,1天后,都挖到了一颗绿宝石,价值1万元。

甲很高兴的带着绿宝石离开了矿洞,乙则是将绿宝石放在身边,继续挖矿,3天后,挖到了一颗钻石,价值10万元,这一次,乙高兴的带着钻石以及绿宝石离开了矿洞。

得知两人的收获后,村民们纷纷夸赞乙,认为乙比甲更有耐心,能够做大事。

但是,大家心里都有一个疑惑,如果乙比甲更有耐心,为什么运动会上,乙总是会半路放弃呢?

你知道原因吗?

期望值驱动需求判定

挖矿就是挖需求,绿宝石和钻石就是不同价值的需求,对应的1天,3天则是获得需求所花费的时间。

问题并不是谁更有耐心,而是什么因素影响了我们行为,我们又是因为什么原因坚持了更长的时间。

答案是“期望值”,因为乙比甲对挖矿的期望值更高。

甲的期望值是价值3万的矿石,得到绿宝石以后,期望值就得到了满足,而乙的期望值则是价值10万的矿石,得到绿宝石以后,期望值仍然没有被满足,直到获得了价值10万的钻石,才满足了乙的期望值。

两者对挖矿的期望值不同,相同的却是满足期望值以后,都失去了继续挖掘的动力。

对需求的期望值,决定了我们会被什么价值的需求所满足,期望值越高,对需求的要求也就越高,越难以被满足。

然而,不论期望值的是高,还是低,在被满足的同时,也意味着失去了期望,等同于失去了继续挖掘的动力,宣告了需求挖掘阶段的结束。

如果期望值较低,在获得低价值需求时,就会因为期望已被满足,导致停止需求挖掘,无法触及高价值的需求。

所以,高期望值对应了高价值需求,低期望值则对应了低价值需求。

同时,期望值的高低与0所获的概率呈现出正比关系,期望值越高,0收获的概率也就越高,期望值越低,0收获的概率也就越低,因为能够带来高回报的需求,在数量上,远远少于低回报的需求。

如果我们对需求对期望是让日活数据增长10%,那么,A需求能让日活增长10%,就会被采纳作为可实施的需求,但若是将期望值设置成增长30%,A需求就会被排除在外,因为不符合我们的期望。

从业者可以通过设置较高的期望值,过滤掉不符合期望的需求,迫使自己持续的进行需求挖掘,直到获得能满足高期望值的需求,这样就可以有效提升输出需求的质量。

这个方法正被许多高级产品经理所使用,我们将其视为需求判定的第三种方式。

第三种需求判定方式

早期互联网产品, 是通过用户痛点对需求进行判定,能够解决用户痛点的需求,会被判定为有价值的需求。

随着行业的发展,需求的数量越来越多,每个需求背后都存在用户的痛点,因此,大多数需求都会被判定为有价值的需求,但我们能实现的只是其中的极少数需求,这也直接导致用户痛点失去了对需求判定的效果。

随后,从业者开始使用数据增长对需求进行判定,能够带来数据增长的需求,就会被判定为有价值的需求。

只是行业发展的速度超过了我们的预测,相对于越来越困难的融资,企业不得不交出更好的成绩,甚至提前实现自我造血的能力,这样一来,数据增长对需求的判定,也逐渐失去了效果,毕竟,仅仅是提升数据已经不够了,我们需要的是大幅度提升数据。

第三种需求判定的方式,则是通过更加主观的期望值对需求进行判定,只有符合期望的需求,才会被判定为有价值的需求,不符合的期望的,均会被舍弃。

判定方式的升级,导致需求的获取难度以几何倍数增长,原本是10选1,现在变成了100选1,原本能够被判定为有价值,甚至是高价值的需求,现在,则会被判定为低价值需求。

只是,在实施过程中,该判定方式也存在三个典型的应用错误。

错误一:没有期望

没有期望,即期望值为0。

从业者在判定需求对过程当中,没有提前设置期望值,等同于期望值为0,这会导致大多数的需求,只要不会给产品带来负面影响,就都是可做的需求。

该状态下,需求方成了需求的驾驭者,产品经理则成了需求的执行者,不论是客户,用户,还是我们的同事,或者老板,需求方每提出的一个需求,都会被响应。

问题在于,我们从不以任务数量,或者处理过的需求数量衡量产品经理的价值,这些数量无法替代成功案例的作用。

持续一段时间后,就会完全丧失团队对产品经理对信任,团队的成员不会将成功的希望,也不会将自己的未来交付给一位不可信任的产品经理。

如果,产品经理对需求没有期望,那么,团队,也就对产品经理没有期望。

错误二:低期望

低期望,即期望值大于0,小于10。

也就是说,从业者在判定需求的过程中,有提前设置期望值,但设置的数值较低,容易被满足,尽管会过滤掉一些无价值的需求,但能够满足该期望值的需求,其价值也极低。

该状态下,需求方与产品从业者会存在一些冲突,也意味着产品从业者对需求有一定的驾驭能力,开始争夺对需求的主导权。

问题在于,低期望值会导致低价值需求被提出,而由低价值需求构造的成功案例,具备的市场竞争力极为有限,无法满足企业对产品经理的高期望。

毕竟,我们想要的都是较大的成功,我们对产品的期望都挺高。

错误三:过度期望

过度期望,即期望值大于80。

这是一个极高的期望值,对应的需求获取难度也极高,往往需要花费很长的一段时间,只是,0收获的风险也极高。

该状态下,产品从业者是需求的驾驭者,需求方则是需求的提供者,在需求判定的过程当中,但因为期望值过高,导致大多数需求都会被排除,甚至,所有的需求都会被排除。

问题就在于长时间处于0收获但状态,可能是1个月,2个月乃至更长的时间,对于团队而言,产品经理的0收获也就等同于0输出状态。

当耐心耗尽时,也就是产品经理离开之时。

这三种错误状态分别对应了产品经理的三个瓶颈期。

“没有期望”对应了功能瓶颈,产品经理扮演的是需求实施者的角色,缺少对需求本身对辨识分析能力。

“低期望”对应的是需求堆砌瓶颈,追求需求的数量,无视了需求的质量,尽管输出的需求极多,但却没有能拿出手的作品。

“过度期望”对应的是完美瓶颈,过度追求极高价值,忽视了时间,成本以及团队,尽管有思想,有理念,但缺少输出后的实践,犹如空中楼阁,纸上谈兵。

三种期望值并行

实际上,期望值也是一个相对概念。我们以产品当前的某项数据作为对比对象,希望通过某个需求,能让该项数据在现有的基础上实现增长。

增长的比例,就是我们对需求的期望值。

三种错误里,没有期望的“0”意味着增长0%,低期望的“10”意味着增长10%,过度期望的“80”则意味着增长80%。

期望值过高,会导致需求挖掘的时间过长,期望值过低,则会导致在低价值需求上花费的时间过长。

只有合理的设置期望值,才能有效过滤低价值的需求,才能让产品从业者的注意力集中到高价值需求的挖掘当中。

所以,我们通常会设定三种期望值,并且,三种期望值同时存在,同时产生作用。

1. 基础期望

基础期望:数据增长10%-30%。

如果现在的日活是10万,那么需求实现后,日活将会提升10%-30% ,日活用户将会增长至11万~13万。

符合基础期望的需求,尽管增长幅度较小,但也是团队能够认可的一个增长幅度,是我们在产品实现过程中,最普遍的需求,同时也是产品对需求的最低要求。

每个月输出一个符合基础期望的需求,可以帮从业者争取更多的时间,用来挖掘更高价值的需求。

2. 理想期望

理想期望:数据增长30%-60%

如果现在的日活是10万,那么,需求实现后,日活将会提升30%-60%,日活用户将会增长至13万~16万。

符合理想期望的需求,能够带动产品实现较为可观的数据增长,同时,也能坚定团队对产品,以及对产品经理的信心,是产品经理核心的需求。

每个季度输出一个符合理想期望的需求,将会增加产品经理在团队中的影响力,以及可使用的资源面积。

3. 杰出期望

杰出期望:数据增长60%-80%

如果现在的日活是10万,那么,需求实现后,日活将会提升60%~80%,也就是日活用户将会增长至16万~18万。

符合杰出期望的需求,能够让产品实现极大的数据飞跃,不论是在公司内,还是公司外,都会成为极佳的成功案例,形成极大的竞争优势,也是产品经理的代表性需求。

符合杰出期望的需求,不仅仅是挖掘时间极长,其实现成本通常也极高,需要团队投入更多的资源以及资金。

通常情况,我们会将杰出期望的挖掘周期定为半年,或者一年。

三种期望将需求的价值,以及该价值所需要的时间划分成了三个梯度,但这三个梯度又是相辅相成。

基础期望最容易满足,挖掘的时间也最短,可以为理想期望争取到足够多的挖掘时间。

理想期望带来的数据增长坚定了团队对产品经理的信心,可以为杰出期望争取到足够多的话语权以及资源使用的力度。

杰出期望则是借助时间和资源的双重作用,让产品数据实现极大的飞跃,给团队带来胜利果实的同时,也成就了自己的杰出成功案例。

而成功案例,能为产品经理争取到更好的机会,更多的资源。

比例单位实际影响的是单位刻度指标,而刻度指标则影响期望值设定的准确性和有效性。

但是,比例单位并不是固定的,随着数据基数的增长或者业务的特殊属性,比例的单位也会发生一些变化,可能是十分比,也可能是百分比,千分比,甚至万分比。

通常情况,我们以百分比作为基础比例单位,采取最小刻度“1”对应的绝对值,评估该绝对值对应的难度,难度较高,则通过降低比例单位的方式,降低绝对值,难度较低,则会通过提升比例单位的方式,增加绝对值。

以1000万日活为基础数据,提升1%的日活,意味着需要提升10万日活数据,实现最小刻度的难度较高,此时,就需要降低比例单位,从百分比,降低为千分比。

最小刻度也就从百分之一变成了,千分之一,对应的绝对值就从10万降低到了1万,这样最低目标的难度就属于可接受的范围了。

若是以10000日活为基础,提升1%的日活,意味着增加100日活数据,难度较低了,此时,就需要提升比例单位,从百分比改为十分比。

最小刻度就从百分之一变成了十分之一,对应的绝对值就从100增加到了1000,这样,最低难度也就处于可接受范围了。

思考题

现在,我们尝试用期望值的方法,对需求进行判定,该需求应该被采纳,还是不应该被采纳。

已知某产品日活跃用户有100万,每天有1万新增用户,产品团队提出了两个需求,第一个需求能够提升5万日活,第二个需求可以提升1000新增。

你是产品负责人,要对需求做出判定。

  • A:采纳第一个需求,舍弃第二个需求
  • B:舍弃第一个需求,采纳第二个需求
  • C:两个需求都舍弃
  • D:两个需求都采纳

尝试使用期望值的方法,做出你的判定吧。

#相关阅读#

需求的价值,只有对比才能确定

决定需求价值的四个参考系

不出彩就出局,产品经理如何选择需求?

一个糟糕的需求,会给产品带来哪些危害?

不被认可的产品经理,可能是你的需求没有价值

#专栏作家#

枯叶,微信公众号:枯叶咖啡馆。人人都是产品经理专栏作家。9年经验产品经理,3年产品总监经验。擅长数据增长,商业模式。曾孵化过千万级用户规模的创业产品

本文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CCO协议。

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 建议针对期望需求的划分,可以举一些例子更充分。

    回复
  2. 您这篇文章非常不错,只是个人有些疑问,希望您能解答一下。这三个需求期望梯度,划分为基础期望为10%-30%、理想期望为30%-60%,杰出期望为60%-80%,这三个梯度数据划分的依据是什么?

    回复
  3. 挺不错的,不过最需要讲述的应该是如何去界定你的设定的期望是过高还是过低。这个并非是拍脑门决定的事,我觉得更应该按照产品的增长曲线来设置合理的区间。比如前三个月日活、新增都增长10%,那我们可以根据增长曲线设定之后三个月的增长15%-20%为基础期望,20%-25%为合理期望,25%以上为杰出期望

    回复
  4. 棒棒哒,很有启发

    回复