产品方法论自检方法

1、产品方法论自检方法自检大部分的应用场景在于优化迭代，或者改版迭代，是建立在对已有模块的元件优化处理上。上篇文章和大家分享了一下产品设计的重要结构设计影响，而提升产品设计能力的方法有许多，并且往往是组合使用，其中之一就是“自检”。这是上篇文章的结构性问题，也是这本书的开始，希望通过这两篇文章，你能找到自己的答案。当然，文章末尾，大伙儿会和大家对几个常见的数据或进行解读。做一款自己想要的产品，是大多数产婆经理的夙愿，实际工作中，我们常常会用自己的好坏标准来去评判标准一个需求，从此以后就变成了，自己才是这款配件的果然目标用户，其他的都“不是目标用户”。产品经理并不是CEO坦白说，我们离CEO!来越远

2、，这个岗位更 职场化，从愿景来讲，有多少产品经理正在做自己想要首先需要的产品呢？岗位和我们的愿景在现实当中，更多的是不匹配，如果我们还抱着这样的心态来开展我们的教育工作，风险系数不可否认很高。并不是说要愿景和岗位匹配才行，而是我们需要变更一下成见自己的心态，从内敛转变到理性。当然，如果你的岗位和你的愿景恰恰能够匹配上，自然不需要转变的，甚至还需要含蓄从理性转变成感性。即，做一款市场可能需要的产品，这需要我们十分谨慎，不仅仅体现在需求层面，更多的是体现技术手段在我们的设计方法上。在无法判断需求质量消费市场的情况下，如何利用我们产品设计的产品设计工艺技术，来达到数据层面的结果。你可能已经注意到了，

3、自检集成绝大部分的应用场景在于优化迭代，或者改版迭代，是处理建立在对已有模块的优化处理上。其原因在于每个模块的 1.0 阶段是在验证，而在之后的优化就要是自检。关于验证的方法，后续有机会分享给大家。这是一个落地的本体论，是可以或者使用的，你可以尝试自己使用，也可以推荐到你的团队，可以直接使用，也可以变动后再使用。自检分为三个期：数据观察期，数据验证期，分析期，依托于我们对数据的表述，直观的分析出，新旧产品的提升和下降。当然，尽管这能够我们的产品已经做好了数据埋点，有行为数据供我们进行对比分析。Ps. 顺带一提，我建议第三方统计埋点做全埋点，尽管一开始我们并不需要对所有数据进行分析，但当我们需要

4、分析时，能够理解找到他的数据，不需要重新埋点，重新收集数据。第一阶段：观察期在我们确认下个版本要修改的模块时，就要开始准备观察所使用的数据模板了。观察周期：观察期一般需要在新版本上线前的一周到两周开展，时间太短不足以支撑数据，时间太长，也没有太大价值，一周到两周是个比较合适的时间段。行为数据资料一般是选择第三方统计系统，诸如友盟、talkingdate 、腾讯统计，埋点数据太多，会导致我们的仔细观察观察成本增加。因此可能需要准备一个excel 表的模板，和一个简易的工作操作流程。excel 模板：用以提取指定的数据，并进行归档保存，简易工作流程：每日固定时间将第三方统计系统的页面访问和事件数据

5、导出成csv 文件，并将文件里面的内容复制到 excel 模板里，再将 excel 模板自动提取的数据，按照生效日期进行归档处理。结束。准备科研工作完成以后，每天只要控管简易的工作流程即可，我们从对可以简单通过观察数据的走向。这是旧的对比度设计方案所产生的效果，新的建议书将会超过他，这是我们都希望的结果。第二阶段：验证期新版本上线第一天开始，就需要对数据成功进行验证了，这里的验证主要体现在收集数据搜集上，我们需要将新版本每天产生的数据每晚收集起来。验证周期：由于我们没有人力物力办法保障用户版本升级所需要耗费的时间，因此验证周期持续时间时会比较长，我们将其分成了几种分支，及数值验证和准确率验证。

6、数值消费者验证需要用户完全升级后，进行为期一周的观察。转化率验证则只需要有30%用户升级后，就可以开始持续验证了，如果用户绝对值较少，也可以将升级率的标准提高两万五千到50%甚至更高。转化率验证将会提前开始，校正但却会和数值验证同时告一段 落。第三阶段：分析阶段严格上来讲，分析阶段并不是排在验证阶段后进行，而是贯穿观察期和验证期；只是从局限性来讲，将其抽离成为一个博尔希夫卡瓦理棕模块。再次强调分析阶段是加速持续的，是从观察期就开始的，到验证期结束的。分析阶段主要任务是进行针对性的数据分析，我们需要将变成数据的含义解读成语言和需求，以数据为指向，进行产品的优化设计。分析阶段等同于数据解读，第三方

7、统计系统提供的数据维度仅包括PV UY但却足够我们分析出许多信息。pv 是指次数， uv 是指人数，绝大多数应用在点击次数，页面人数以及访问次数和访问人数死亡数上。附：部分数据含义解读全面下降：五项是指新版本各项数据均呈现下降趋势，这表示用户反弹或者流失，原因可能是新的设计风格导致老用户对产品感到陌生，不习惯。暴力产品几乎都会出现这一问题，完全阻断建立联系两个版本之间的联系，在用户的感知里，这并不是优化，而是删掉了原来的模块，上线了一个新的模块。这表示，用户找不到自己喜欢来不及的模块，但对新模块又心存不喜欢。全面上升：是指有新版本各项数据均指是呈现上升趋势，这表示用户对优化非常满意，并形成了一

8、定的口碑效应，保证了老用户的同时，也带来了新的用户。全面上升主要结论有三个，其一，老用户继续使用，其二，老用户传播即新用户，形成口碑，其三，是指新用户流失率下降，即粘性增加。关于第三点的和鲜说明，每一个模块都存在各自的流失率，模块的数据上升，如果产品不主要考虑产品新增用户上升的情况下，便是流失率降低的体现，即子系统的留存增加了。当然，产品新增应用程序的增加，也可带动模块的用户增加，需要我们排除一些制约分析的因素。pv 上升 uv 下降： pv 上升是指用户单日内的参与频率提高了，而uv 下降是指次日的留存或者持续的黏度下降了。数据上为更多的是通过 pv 和 uv 的比值，即人均pv 。我们方式

9、可以通过一些设计上所的方法，诱导用户单日内产生多次点击效果。当然，也存在方法，提高移动用户次日的留存和持续的粘性。典型的提高 pv 的做法：摇奖的次数增加，但奖励不变，原本一次可以摇到红包的，会摇到 3 次再来一次等，这样的设计方法增加了用户的参与度，但并不会引起用户的排斥。典型的提高 uv 的做法：连续签到或者固定时间段的累计签到次数，正如上才篇文章珍眼提到的金盒子，他给了用户一个第二天使用的理由。当然，需要对应一定的奖励机制。uv上升，参与率下降：uv上升，参与率下降，是指不同对象的分析数据，多数分析维度是访问页面的将数据和事件的点击数据进行组合分析。如：访问 a 页面的用户数有100 人，点击“参与”按钮的有30 人，参与率为 30%参与按钮即每个页面的核心功能按钮，各个每个页面都隐含一个核心按钮，可以是活动的参与报名按钮，也可以是文章的分享或珍藏按钮，取决于我自己的表述。功能按钮即某个页面最希望用户进行的操作按钮。出现这种数据，表示核心按钮的转化能力降低了，原因如下：设计的不够突出，用户没能在第一时间遥控器找到这个按钮设计的有歧义，用户没能在第一时间解释理解这个按钮漏斗效应是个比较有用常用的技法，并不仅仅是应用在路径上为，像是基于用户象是的视觉停留时间，也能建立漏斗。如：用户停留在A页面4秒时间核心按钮是在秒被用户发现还