在需求评审或者方案讨论时,产品经理常常需要面对其他人的灵魂提问:“这位产品经理,请你说说你的方案好在哪?”对于这个问题,你会如何回答呢?本文作者分享了自己的答案,一起来看一下吧。

一、产品经理的灵魂拷问

这周有个产品小伙伴提出了他的一个疑惑,具体情形大概是:

  1. 领导要求出某个需求出产品页面;
  2. 团队里有产品和UI的角色,他们讨论完具体的功能需求后,就都分别进行了原型页面设计;
  3. 完成后他们各自阐述了自己方案的优点和理由,但是他们都没有说服对方。他们觉得自己的方案更能满足需求,而对方的方案有很多潜在的问题和风险。

他们开始争执起来,无法达成一致,让这位小伙伴十分苦恼。

相信各位产品小伙伴对这个场景应该很熟悉。在需求评审的时候或者方案讨论的时候,时不时会遇到来自别人的挑战,比如“你凭什么觉得你这个方案就是好的?”,又或者是“我觉得你这样设计不好,但是又说不出具体哪里不好?”,此时大家的心里肯定是“#%!……#&#*(崩溃中)”。

那么,我们要如何面对灵魂提问:“这位产品经理,请你说说你的方案好在哪?”

此处可以暂停一下,各位现在试着回答一下这个问题。

二、构建量化评价标准

恰好p仔本周也接到一个任务,是要针对一个复杂功能的操作路径,进行交互上的优化。正常来说, 我就是先看看现在的功能设计怎么样,大概有哪些不便的地方,然后找优秀的竞品,体验一下相同的功能别人是如何设计的,然后发动“竞品模仿之术”一顿操作,就得到了一个新的方案。

但是!我脑海里突然响起了这个灵魂提问:“这位产品经理,请你说说你的方案好在哪?”,我一时愣住了,然后一些灵感开始在脑海里闪烁:AntDesign 5.0、用户体验度量、潜变量、显变量、量化标准等等,最后在我脑海里蹦出3个指标,分别是“用户体验路径长度”、“有效操作次数”和“消耗时长”,于是我得到了一个解答就是:要用可测量的指标对我的方案进行评估结果的量化

于是我用思维导图对优化任务的思路进行拆分:

这样其实我构建起一套针对xx交互方案的量化评价标准,通过使用用户体验路径长度、有效操作次数和消耗时长3个可测量的指标,结合预设好的任务场景(也就是输入和输出已经明确),来对不同方案的结果进行有意义的横向对比。同时我们在评审方案时,可能会收集到新的建议,要评估是否接受改动,一样可以形成新的变体方案【C’】、【C”】等再使用量化评价体系“跑”一遍得到对应的结果,再进行结果对比,评出有无提升。

三、扩展阅读

1. 潜变量和显变量

潜变量和显变量是结构方程模型分析时的两种变量类型。显变量是可以直接观测到的变量,比如身高、性别、被试在量表上的得分等。潜变量是不能直接观测到的变量,包括比较抽象的概念和由于种种原因不能准确测量的变量,需要借助显变量指标来估计。

比如上面提到的“方案的好坏”是无法直接测量的潜变量,而要转化成可测量的“有效操作次数”等显变量来进行评估。

2. 如何选择合适的显变量

选择合适的显变量指标需要根据分析目的、理论假设和数据特征来决定。一般来说,显变量指标应该具有以下特点:

  • 与潜变量有较高的相关性,能够有效地反映潜变量的含义;
  • 与其他显变量指标有较低的共线性,能够区分不同的潜变量;
  • 具有可信度和效度,能够保证测量结果的稳定性和准确性。

那么如何找到合适的潜变量和显变量呢?有以下几个途径:

  1. 根据理论、国家标准、行业文献等确定潜变量和显变量指标的初步范围;
  2. 查阅大厂开源的标准,查找有无一些基于行业共识的潜变量和显变量;
  3. 从统计科学的方法论入手,掌握找到潜变量和显变量的抽象方法(最高阶)。

四、结语

这篇文章仅是从我个人工作实际出发,结合数字化时代的背景和数据决策的理念,抛砖引玉地提出一个切实可行的、评估产品方案好与坏的方法。

使用量化的评估结果,以严谨的逻辑和客观的数据作为自己观点的佐证,来避免产品需求评审舌战群儒的尴尬,也体现了产品经理专业素养的一面。

当然本文还没有提及到对变量有效性的考量,比如模型拟合度、可信度和效度,本次就不展开细说。总而言之,要找到科学的潜变量和显变量依旧是一门高深的学问,希望有余力的伙伴们自己往这个方向扩展学习。