需求判定的第三种方式:需求的期望值

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

#作者#

枯叶,微信公众号:枯叶咖啡馆。。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

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部