产品思考:问题拆解中的问题
挖掘问题本质是一个非常难的事情,现在所有人几乎都知道“更快的马”这个梗了,可以抽象出“更便捷地从A地到B地”这一本质问题。但却很少有人讨论,为何是这一个问题点,而非其他点。
做产品规划时所做的工作之一是问题的拆解,但拆解的过程中,可能会有这两个问题:
1)颗粒度:为什么抽象出的本质问题是这一颗粒度的,能否更聚焦一些?或者更抽象一些?
2)优先级:为什么抽象出的是这一问题?而非其他问题?抽象出的问题哪个更优先,能否量化评估?
先说回答思路(思路来源见下):
1. 在抽象or拆解本质问题时,要拆解到什么程度,颗粒度如何?
- 全面性:无论自上而下or自下而上拆解,所拆解的点要尽可能覆盖全面,有足够的代表性。
- 收益ROI:拆解的过程以及最终的问题,需要收益最大化,边际收益达到阈值。
- 场景明晰:所拆解的最底层的点,要具有清晰的动作&目标&场景。
2. 抽象or拆解问题时,为什么选择这一问题,依据(优先级)是什么?
- 相关性:底层问题与目标间的相关性,亦可细拆数据维度&业务维度
- 先验参照:来源于历史数据结论or竞品对比的决策依据。
所经历的面试中,会更侧重考察第2个问题,比如,“为什么为了提升互动,要采用投票这一功能设计?而非其他设计?”、“为什么在模型中,选择的是这几个特征因子?是基于什么做选择的?”回答思路见上,可以把第1个问题的回答思路也结合起来。
为什么会有上面这么一个回答思路?主要是通过借鉴不同领域的知识,对上述两个问题有一定参考;所借鉴其他领域类似的情景以及思路:
一、体验设计——JTBD
JTBD作为一个方法论,遵循发现问题——评估问题——解决问题的基本框架。
JTBD的定义(发现问题):A JTBD is not a product, service or a specific solutions; it’s the higher purpose for which people use products, services and solutions.
结果期望的定义(评估问题):Normally various of outcomes come with the JTBD. Give customers more of what they desire, and less or none of what they do not desire
机会点的定义(解决问题):This technique is to assess the value of your current solutions against those of your competitors, – and relative to an ideal innovation. It helps identify opportunity gaps in the marketplace.
JTBD的步骤:
JTBD:
- Step 1: Identify a focus market
- Step 2: Identify jobs customers are trying to get done & categorize JTBD – 定性
- Step 3: Create a series of job statements
- Step 4: Prioritize the JTBD opportunities – 定量 (Likert Scale, MixDiff)
结果期望:
- Step 5: List the JTBD’s related outcome expectations – 定性
- Step 6: Create outcome statement
- Step 7: Prioritize the outcome expectations – 定量
机会点:
- Step 8: Plot the ideal innovation – 定性
- Step 9: Plot existing solutions (yours and competitors) – 定性
- Step 10: Identify opportunity valuegaps
JTBD作为一个方法论,重要的部分在于任务&目的的陈述上,即抽象出来的因子。一个任务(背景)的陈述,需包含:
- 行为动作
- 动作指向的抽象目标
- 明晰的情境
一个期望结果(目的)的陈述,包含:
- 行为的倾向
- 可量化的指标
- 被影响的点
- 情境
回到开头的两个问题:
- 抽象问题的颗粒度
- 问题的优先级
1)颗粒度:方法中并未提到,仅有“higher purpose”这一描述表明尽可能抽象。jobs(需求)拆解的维度主要有两个,一个是功能维度,一个是情感维度。避免陷入非常抽象的需求定义,并为类似“让我更成功”的问题提出解决方案——需要定义用户正在以功能方式完成的jobs。
情感是非常有价值的,但是不能作为最主要的产品设计核心。例如你正在参加音乐会或者party,希望能够被朋友感知并被视为成功的,这是我们可以设计产品的。但如果说“设计一个产品,让某人感到成功”这句话缺乏情境,没有与之相关联的功能,这是我们需要避免的。
2)优先级:Likert Scale + MixDiff;Likert Scale 是基本常识;MixDiff定义可见https://www.questionpro.com/max-diff/;但文中并未指出基于哪些特征进行筛选。
二、统计学:k-means降维
诸多统计模型中,判别模型(直接从特征X出发,推导X与Y的函数关系)对于数据处理的思路就值得借鉴。将诸多数据抽象为函数关系,与将现象抽象为本质问题的思路解法是有相通之处的。
在k-means聚类中,通过卡特尔碎石检验,观测不同聚类个数下组内平方总和的下降趋势,来选择聚类的个数。简单来说,就是抽象出的特征,多大程度上反映总体数据。如果继续抽象多的特征,对总体的表征没有显著提升的话,也没必要继续抽象了。
另一种选择特征个数的思路是基于众多评判指标的推荐选择(R—NBCluster包),是一种投票的思路逻辑。
1)颗粒度:聚类个数取决于累计方差贡献率的提升速率。是求斜率(求导)的逻辑思路。
2)优先级:提取的公因子基于对总体的累计方差贡献率,是相关的逻辑思路。
本文作者 @斯金纳的咕
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!