産品經理的核心隻有一個，那就是發現和解決問題。我們往往更加關注解決問題的方式方法，而忽略了發現問題的能力。

一、效果回歸與階段性調研概論

1. 效果回歸與階段性調研對産品生命周期的意義

• 判斷和決定産品循環是否終止
• 确定産品接下來的計劃

2. 對自我成長的意義

• 驗證解決方案的可行性
• 修正和鞏固自身的方法論

3. 概念：階段性調研是針對産品現狀進行的系統性分析

此時的分析結論最能代表産品問題全貌，可以有效指導下階段的産品計劃

二、階段性調研的時間節點（在什麼時間會進行系統性的階段性調研）

• 接觸新産品：接手一個新的産品或者産品方向時，對産品進行深入的了解
• 周期性回顧：每個月/季度/半年進行定期的周期性回顧
• 不定期（突發性）回顧：領導、政策上的調整需要

三、階段性調研通用方法論（普适，也适用于人生）

定義理想态——拆解未達理想态的短闆——提出解決方案——驗證是否解決。

階段性調研更關注前兩個環節：

step 1：找到理想态，定義理想态并以數字化的指标或其他标準來衡量。

這是一個非常嚴謹的定義過程，需要PM 明确的知道自己産品的目标是什麼，是各個部門共同努力的方向。

step 2：抽樣分析，将所以不到理想态的case抽樣分析，通過分析明确各case未到理想态的原因。

step 3：優先級判斷，将所有問題進行彙總，根據影響面、問題嚴重程度、解決問題所需成本進行優先級排序，作為接下來的項目計劃。

1. 找到理想态詳解

（1）如何找到理想态

任何一個産品都用來解決用戶的問題滿足用戶的需求，所以産品的理想态可以統一的理解為：給出的方案确确實實解決了用戶的問題，比如用百度查到了自己需要的信息，用滴滴到達了目的地，用頭條找到了自己感興趣的内容并消費了時間。

接下來要找到能衡量理想态的數字化指标或者明确的标準：

A. 滴滴：容易理解，使用訂單成交率可以衡量用戶是否到達目的地

B. 墨迹天氣：使用天氣準确率可以衡量用戶是否獲取了正确的天氣

以上為剛需類、工具類産品中的策略模塊，通常可以以“解決了用戶的問題”作為理想态，并找到一個标志性的數據指标來衡量是否到達理想态。

C. 百度的搜索滿意程度

點擊率：高點擊率不能說明滿意，低點擊率也不能說明不滿意（搜索時間）。搜索結果是平台對滿足大多數用戶的你内容猜測，并不一定适用于每一個用戶，比如在餓了麼搜索麥當勞，展示所有麥當勞店鋪即可，而在搜索引擎顯然不能這麼簡單。

頭條：不能确定停留時間為多長則表示用戶對産品滿意。

搜索：對這種産品的理想态描述較為複雜，并不明晰，更别說使用單一指标了。需要pm基于對用戶的理解、參照競品，比如搜索完肯德基創始人再搜麥當勞，那他很可能想搜麥當勞創始人。

通常這種複雜的産品，會以平台當前能夠給出的最佳産品方案（PM以為最合理的狀态） 作為理想态，而不一定能夠100%滿足所有人的所有需求。

推薦：平台是在有根據的猜測有用的非崗需求，永遠不會清楚的知道最标準的答案時什麼，所以同樣以當前能夠給出的最佳産品方案作為理想态。再用策略推薦出的結果在所有推薦候選中是否為最佳結果、用戶行為指标作為發現問題的輔助手段。

注意：所有的理想态都是為階段性産品目标服務而服務的，随着産品的發展，理想态的定義也在進化甚至質變，比如從馬車到汽車的道理。

再比如滴滴：

剛開始做出租車，以司機的應答率作為核心指标，不太關心司機應答後的流程；後來做快車專車，有了更完整的使用環節，覆蓋更完整的出行流程，這時以訂單的成交率作為指标，監控用戶從叫車到目的地的完整閉環；接下來可能會往快速到達方向進步等。

再比如百度：

剛開始，緻力于用戶所搜索的每個關鍵詞都能有對應的結果；有了用戶行為的反饋之後，變會對一個用戶進行用戶畫像，從而滿足每一個人的每個搜索，緻力于提高每次搜索的滿意度。

2. 抽樣分析

正因為成本問題，時間成本、運算能力分析，使我們無法完全了解每個用戶，所以采用抽樣分析。樣本通常被稱為case。

（1）抽樣步驟：确定調研目标 → 确定抽樣對象 → 選擇抽樣方法 → 确定抽樣數量 → 樣本分析标注 → 整理彙總問題

調研目标決定了抽樣對象和抽樣方法，根據目标确定抽樣對象的維度（用戶、訂單等），抽樣方法有随機、等分等。

首先要明确調研的目标，幫助确定抽樣的對象的方式！！！

案例：分析“相關視頻”推薦策略的問題 → 抽取推薦視頻列表，看内容和排序是否合理

分析以上模塊紅廣告視頻推薦策略，如果抽取當前展現出來的廣告視頻進行抽樣分析，則會出現問題：隻能分析出當前展示的廣告的準确率，而不能分析出廣告的覆蓋程度，是否有其他适合展示的廣告的視頻下方未進行展示。而相關視頻則沒有覆蓋率的問題。

所以要确定正确的抽樣對象，同時滿足準确率和覆蓋率（召回），以上案例應該在有廣告展示的地方調研準确率，沒有廣告的地方調研覆蓋率。

（2）确定抽樣對象：通過一定規則篩選出的待分析的全量集合

不考慮成本肯定是全量調研，但是成本有限就需要抽樣。

篩選規則：

未達到核心指标（一定規則，比如隻需篩選當前版本的用戶而不需要篩選上一版本的用戶，或者可以代表一個用戶生命周期的用戶，比如有循環效應的産品，用戶每天的行為沒什麼差異，則選取一天的即可。有明顯時間效應的，周末和平時不一樣，則需要對一整周進行抽樣）

樣本類型：用戶個體、行為片段（用戶的行為動作session，翻頁、點贊、浏覽等，代表一個用戶帶着場景和需求在自家産品上的完整流程）、搜索詞（query，抽樣搜索詞調研滿足情況）、訂單（訂單的完成情況、訂單後的推薦等）

案例：滴滴訂單成交問題

取樣：全國一周内（明天的周末效應，取一周為一個周期）内所有未成交（未成交、差評重點關注）的訂單中抽樣。

案例：美團搜索問題

取樣：因為無法直接通過數字性指标精準篩選，所有隻能從一天的全量用戶session中抽樣，然後人為進行進一步篩選

（3）選擇抽樣方式：常用的抽樣方法是随機抽樣

随機抽樣：從N個單位中任意抽取n個，每個樣本被抽中的概率相等，适用于大多數場景.随機抽樣也有很多細分方法，不再贅述。

選擇抽樣數量：統計學角度，樣本數越大越好。

統計角度，樣本數量越高越好，結果的準确率就會越好，但是調研成本也會越高，所以調研成本是精度和成本的balance，有統計意義即可。

經驗值：一般問題：盡量使代表某個問題的樣本數量≥5，或者影響面≥3%即可。

樣本标注分析：對抽樣的case進行過逐一分析

人工對每個case進行分析，太過于細節，不再贅述

整理彙總問題：按照合理的邏輯框架進行整理彙總，普适

• 上下層級：總分關系
• 同層級之間：相互排斥不重疊，不遺漏

3. 優先級判斷

單位成本下的收益從大到小即優先級從高到底。

單位成本下的收益：ROL=項目收益/項目成本

當ROL相同時取絕對20天内收益絕對值更大的那個，同時兼顧影響面、惡劣程度、國家政策等（也就是較為常見的四象限判斷法）

計算方式：

• 項目收益：待解決問題影響面（調研結果直接得到，百分比）*解決後體驗提升程度（現階段與理想态的差距）*預期解決比例（由開發給出，解決之後可以解決到什麼程度）
• 項目成本：一般指研發成本和硬件等成本

優先級判斷很重要：直接決定後續的産品計劃

至此，階段性調研的方法論已全部完成。

作者：海燕是隻蠢貓，雙手伐孤木

本文由 @海燕是隻蠢貓 原創發布于人人都是産品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。

,