需求是现实状况和想象状况的差距。差距越大，需求越大。
对于一些必不可少的需求，我们称之为刚性需求。而其他有了能让生活更美好的需求，叫做非刚性需求。
理论上讲，这个需求越是必不可少，用户依赖性越强，产品就会越受欢迎。
而用户这些需求往往不是能直接看到的，往往隐藏在他们话语或者行为背后，我们该如何将这些不可见的东西挖掘出来呢？
在不同的阶段，对需求挖掘的要求不一样（以下参考 产品经理成长体系）：
- P1:注重基础的需求整理包含，通过数据发现需求，思维导图法梳理需求以及核心需求的提炼。
- P2:注重更明确地从复杂需求里挖掘出核心的需求点。其中包含用户故事和HMW分析法。
- P3:更注重挖掘团队潜力，团队需求归纳和脑暴主持。我们通过故事板和设计马拉松两个课程来讲解。
下面主要讲的是P1。
刚入坑的小伙伴可能常常会困惑，平时迭代优化都是老大说啥做啥，那这些需求实际是从哪里来的呢，可能还不清楚。
支付宝最近上了新功能，他们为啥这样搞，用户怎么用，我感觉没啥用啊......
我们要更好的能站在用户的角度上看问题，可以通过穷举用户使用场景，衍生解决办法，进而确定需求的执行。
上面这番对话应该有人很熟悉了。老板说要做某个功能，但是你发现这个功能在市面上已经有了。
为什么会出现两个人的讨论不在一个点上呢？
原因就在于：没有对功能点进行往下的深入分析。
分析的方式可以很细，也可以是粗放的。对于功能的分析很大程度上看自己的经验，当你经验很足的时候，你会很快想到；当你经验不足的时候，最好是按照下面的方法，一步步的去完成。
产品设计的核心三要素
产品的设计，就是不断的解决用户在特定场景下的需求
增加减少功能并非关键，关键是能不能解决用户的问题
所以，产品设计离不开三个要素： 用户、产品、需求
用思维导图的方法进行用户需求整理
思维导图的思考方式
用户： 当想到一个功能，不要先想他怎么实现，而要想是谁会用
场景： 用户分别在什么情况下会使用（或者感兴趣）？
问题： 用户在上述情境下，会碰到什么问题（挑战）？
方案： 用户现在的解决方案是什么？
比如，接到这样的一个任务：
那么应该这样思考：
1.潜在用户有哪些？
思考谁会对优惠码感兴趣？
使用思维导图，列出所有感兴趣的人
不用思考行不行的问题，把能想到的全都列举出来
比如你想到了如下的这些人
2.列出用户发生（感兴趣）的场景
针对每一类用户 “分别” 往下拆解
把“什么情况”描述清楚，最好简单描述一个故事
要根据每一类用户单租的去做拆解，而不是笼统的去想所有的。也许两类用户有共同的场景，要分别写在他们的后面，先把你想到的都穷举出来，不要怕重复。
比如
3.用户分别在这个场景下碰到了什么问题？
注意是 “分别” ，不要怕重复
不同的群体、不同的场景，问题都是不一样的
要重点区分“问题”和“中性词”，如“时间”、“价格”
| 中性词 | 需要拆分成问题 |
|---|---|
| 价格 | 太贵了、太便宜了、性价比太低... |
| 时间 | 太早了、太晚了、太快了、太慢了... |
| 质量问题 | 质量太好了、质量太差了、做工太差了... |
| 信任感问题 | 不相信、不敢相信、自己没信心、别人不感兴趣... |
比如：
4.现在的解决方案是什么？
注意，是现在用户自己的解决方案，而不是你将要做的功能的解决方案
如果没有解决方案也很正常，没有就没有
比如：
附 "酷产品需求案例图"
需求的优先级排序
通过上面思维导图，我们整理了“辣么多”需求，总不能一次性全部完成吧。
根据影响面做需求优先级的排序。
1.用四象限看用户量于发生频次
首先解决大量用户高频问题，基础体验
最后解决少量用户的低频问题，超好的体验
特别是在产品早期一定要坚持做发生频率非常高，用户量非常大的需求。
例如某垂直电商平台，订单的流程和商品的详情页就应该排在最前面。
2.看开发难度和效果
优先见效快且开发难度不大的，就是是迭代
最后做很费劲且见效慢的，这可能是未来的机会
3.看产品的价值
迫切程度：用户是不是真的非常想要？还是空想的？
付费意愿：用户是否会为了解决问题而付费？
ARPU：如果开发出来，用户会为之付多少钱？
4.看你对目标群体的熟悉程度
- 你是否深入了解用户使用场景？
这一点就需要你回过头去做用户功能点的调研。调研是整个产品的基础。
你对用户群体的理解是否了解足够？
如果不熟悉，就想办法熟悉它，否则就不要动手。
5.总结你的结论
用户： 这个功能，第一批核心用户是谁？
场景： 用户在什么场景下会使用
问题： 解决的用户的痛点是什么？
对比： 和用户现在的解决方案相比，体验/效率提升有多大？
通过数据发现产品需求
数据分析在我们日常工作中必不可少，但是很多刚入职的小伙伴不知道如何下手。
常常听说一些名词一一
PV、UV、留存率、转化率、活跃用户数、复购率、支付率、KOL、CTR、跳出率、访问深度、等等。
这些名词都是什么意思？
你认为，不同于数据分析师，产品经理和运营工作者应该重点关注哪些指标？
我们以Google Analytics标准，梳理出在产品指标里面，产品经理需要了解的常见页面及流程数据:
• PV (PV-page view):即页面浏览里；用户每1次对网站中的每个网页访问均被记录1次。用户对同一页面的
多次访问，访问里累计。
• UV(UV-userview/UV-userview):即独立访客，访问网站的一台电脑客户端为一个访客。
• Duration:—次访问的持续时长，也叫做停留时间。
• Bounce Rate:即跳出率；是指在只访问了入口页面（例如网站首页）就离开的访问里与所产生总访问星的百
分比。
•页面渗透率：分流到本站点下游页面的pv/本页pv总数
• referral:指从其他网站点过来的链接，比如友情链接等，这类来源通常是免费的。
产品的黑盒子模型
在《产品的视角》里面说到过一个黑盒子模型
互联网产品产生的微笑价值让用户从不高兴到高兴的过程中会产生商业价值。
在众多的数据里面，用来衡量产品的就是产品数据，用来衡量商业的就是商业数据。但是两个是不能完全割裂的。
商业数据模型
收入是商业的核心，不管是toB的产品还是toC的产品。
收入的指标跟三个要素相关：客户总量，付费率和
付费率就是有多少用户付费。
ARPU是指但一时间内每个客户的贡献值，可以认为是平均客单价乘以单位日期内平均购买次数。
比如说一个月内，共有100个人购买，每个人平均购买了1.5次，那么ARPU就是150元。
他跟简单的客单价是有区别的，客单价是用来去衡量订单的，而arpu用户维度的数据指标。
举两个🌰
下面 用户付费量=用户量x付费率
看腾讯的2015年第三季度财报增值服务。
总收入是265.94亿元，其中205.47亿元是增值服务的，增值服务账户数是88.5万，arpu值是300.5元。
（88.5百万 x 300.50 = 265.94亿，如果按照老师讲的，得出的结果应该是增值服务的205.47亿元，但是实际算出来的确实265.94。如有有清楚这一部分的同学，请联系我。）
按照“用户付费量 = 用户量 x 付费率”，88500000 = 用户量 x 付费率，我们知道了腾讯的用户数后，就能反过来计算出它的付费率了。
同样的百度2015年第四季度的财报的网络营销也是一样 （按照老师讲的，计算同样不对）。
两个数据里面，用户增长量一个是5%一个是6.1%，都不是很大，但是同比增长的收入却是28%和27.2%，还是很可观的。主要是因为arpu值的增长。
产品数据模型
产品数据指标分为两个： 产品指标、用户指标。
产品指标 基于页面的流程去衡量产品的好坏。
用户指标 根据用户的行为和动作以及用户的活跃度去评估用户的质量。
转化指标 在产品指标和用户指标之间，就是转化指标，它是一个符合指标，它并不是单一的产品的质量决定的，也不是单一的用户质量决定的。转化指标是用户通过产品所产生的行为数据，比如用户下载了、用户激活了、用户提交订单了、用户付费了、用户最后确认收货了等行为的数据。
关于产品指标，要综合考虑，比如这个用户是从百度获取的，这个时候用户大概率的是自己需要某个东西去搜索的时候发现你的广告，比如一件时装，那么用户购买的意愿会比较大，用户的这话指标就会比较好；再比如这个用户是从新闻网站的广告获取的，用户看到广告的场景是“在看新闻的时候留意到旁边的广告”，用户的购买意愿就可能没有那么高，用户的转化指标就会比较差。
同样的，如果用户的购买意愿很强，但是打开页面的速度很慢，或者购买的流程很复杂，这个时候转化指标也会比较差。
数据应用的🌰
接下来从注册转化率、用户留存来看两个案例。
数据分析的作用
- 做完一件特定的事情后，评估产出和成效，得出改进思路。
比如我们做完一个活动后要评估这个活动做的成功不成功，有没有到达我们的预期，下次我们再做的话该有哪些改进思路等等。这些都是可以从数据中去得到的。
- 产品的整体数据不佳，找出核心原因核问题所在，予以解决。
我们的产品数据不佳的时候，我们可以通过数据分析原因所在，比如到底是没有多少人下载，下载后没有多少人激活，激活后没有多少人注册，注册后几乎都跑掉了还是我们的产品的页面太不友好，使用的流程太复杂等等。找到这些问题之后我们才能够更好的对症下药。
- 接手一款产品，评估其当前状态、发展阶段，得出下一步工作思路。
从数据的层面上给新接手的产品一个客观的定位，更有利于做下一步工作的规划。
数据分析的基本原则
先明确分析目的，再建立分析方法和思路
要围绕着核心业务流程喝中药结论来完成分析
举个栗子
假设你是一个天猫的运营，你接到的任务是“你要去提升双十一用户的购买转化率”。
首先我们要梳理出用户访问到支付的整个流程流程，如下：
当我们吧这些环节都梳理清楚了之后，再去看每个和缓解下用户的数据表现是什么样的网站的UV是什么样的，然后购物的UV和数据是什么样的，最后结算的支付成功的数据表现是什么样的。看完这些之后，我出门就能的出来，每一步到下一步的转化率。
加入哪个环节到下一步的转化率不发现特别差，那就能找出了出问题的环节，这个时候再对症下药的去看这个环节上应该去做什么样的优化，以及分析还有可能会出现什么样的问题。
因为这个任务的核心业务是用户的购买转化率，所以我们要更多的关心跟付费相关的环节。这个时候每个页面的其他不相关数据，比如用户的留存率、用户平均的访问时间我们就不该花时间了。
数据分析这件事不是按部就班的去为了分析而分析，一定是要带着一个特定的目的，在分析的时候围绕这个目的去想怎么达成、怎么解决，然后梳理出一个特定的流程，结合这个流程去做我们的分析，最后解决问题。
--
这是我在学习产品能力的第7篇学习笔记。欢迎拍砖。
原文链接 https://www.devzhao.com/post/2907bb77.html
来自 学而时习之 · devzhao.com
转载时请注明出处，谢谢合作。
