惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

L
LINUX DO - 最新话题
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
PCI Perspectives
PCI Perspectives
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
H
Heimdal Security Blog
S
Security @ Cisco Blogs
N
News | PayPal Newsroom
J
Java Code Geeks
罗磊的独立博客
Security Archives - TechRepublic
Security Archives - TechRepublic
N
News and Events Feed by Topic
V
V2EX
WordPress大学
WordPress大学
Google Online Security Blog
Google Online Security Blog
N
News and Events Feed by Topic
www.infosecurity-magazine.com
www.infosecurity-magazine.com
月光博客
月光博客
AI
AI
小众软件
小众软件
The GitHub Blog
The GitHub Blog
MongoDB | Blog
MongoDB | Blog
A
Arctic Wolf
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
美团技术团队
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
Hacker News - Newest:
Hacker News - Newest: "LLM"
T
Tailwind CSS Blog
S
Schneier on Security
博客园 - 三生石上(FineUI控件)
F
Full Disclosure
B
Blog RSS Feed
Forbes - Security
Forbes - Security
S
SegmentFault 最新的问题
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
人人都是产品经理
人人都是产品经理
云风的 BLOG
云风的 BLOG
Jina AI
Jina AI
Cisco Talos Blog
Cisco Talos Blog
U
Unit 42
Project Zero
Project Zero
H
Hacker News: Front Page
Y
Y Combinator Blog
Application and Cybersecurity Blog
Application and Cybersecurity Blog
The Cloudflare Blog
大猫的无限游戏
大猫的无限游戏
S
Secure Thoughts
The Hacker News
The Hacker News
Microsoft Azure Blog
Microsoft Azure Blog

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
产品经理方案出错,90%是“问题”错了
白板产品 · 2022-11-08 · via 人人都是产品经理

产品在设计、开发过程中总是充斥着大大小小的问题,如果我们没有一套处理问题的有效方法,就可能会陷入混乱之中。本文从“问题—拆解—方案—结论”这四步,分析如何解决产品难题,一起来看一下吧。

产品在设计、开发过程中总是充斥着大大小小的问题。比如,领导可能会说:“咱们产品必须满足××这种类型的需求,你安排实现一下吧。”“竞争对手最近推出了一个新功能,我们的产品跟进一下?”

运营同事可能会说:“咱们最近刚推出的新版本,有很多用户反馈不好用,你看下个版本怎么改进一下?”

开发工程师可能会说:“上次那个设计方案引入了一些新问题。用户反馈群里也在说,你看怎么办?”

公司高层或合作伙伴可能说:“我在用你们产品的时候遇到一个问题,特别不爽。你们赶紧解决一下!”……

产品人的日常总是不断遭遇上述问题。如果我们没有一套处理问题的有效方法,就会在解决问题时出现类似下面的状况:解决方案全靠灵感、随机呈点状分布,没有说服力;拆东墙补西墙,这边问题一解决,那边问题又冒出来;无法正确处理领导或同事对产品提出的意见建议,陷入“被动设计”的局面,做出一个“被需求”的无用产品;在与竞争对手过招的过程中,被对手的节奏带着走,无法有力回击、走出困境。

很多时候,我们无法拿出一个漂亮的解决方案,不是因为缺少灵感或是别的什么原因,而是方法不对。其实,所有这些看似棘手的状况背后,都藏着一个普遍适用的应对法则。只要我们不断练习,熟练运用这个法则,就能解决几乎所有的产品难题。

你可以在《决策的艺术》 一书中提到的PrOACT法则、麦肯锡经典培训教材《金字塔原理》以及众多思考者的著作中找到这个法则的踪迹。在产品设计领域,我们可以把它定义为“问题—拆解—方案—结论”四步法则。其具体操作步骤是:

第一步,定义问题。

通过弄清“问题背后的目标是什么”进而弄清“真正的问题是什么”,如果目标定义得不准确,就会使一个原本可以被回答的问题变得无法解答。

第二步,拆解问题。

将复合问题拆解成可以被回答的元问题;元问题的判断标准是能够直接导出相应的解决方案,拆解过程遵循MECE法则。

第三步,导出方案。

根据元问题,导出解决方案。

第四步,评估得出结论。

比较解决方案之间的优劣,做出取舍、得出最终结论。上面四个重要步骤中,又数第一步最重要。可以说,90%的方案错误都是因为没找到真正的问题,或是在执行中遗忘、偏离了真正的问题。

领导说产品必须满足某种需求,竞争对手的新功能要不要跟进,用户或客服反馈产品有问题、不好用,所有问题都可以一步步追问下去,直到问出真正的问题。

例如,产品不好用的话,究竟是哪里不好用?具体在什么时间、地点,为了达成什么目标而使用?使用的时候遇到了什么情况?这种情况背后的真正问题是什么?这个问题是否已知?如果未知又可以归类到哪个模块去解决?只要用四步法持续追问下去,答案就会自动浮现出来。

来看一个简单的例子:

某开发工程师接到的开发任务中有一个UI动效的需求,他研究后发现,要达到需求要求的效果预计会耗费一周左右的开发时间,大大超出了任务的时间预期。这时他面对的真正问题是什么?如果他认为是“时间与任务量不匹配”的问题,他可能会向项目组申请增加开发时长,或增加人力协助等。

但如果他能追问下去、看到“UI动效只是表现层,它服务于底层需求,真正的方案是由需求导出的”,他可能就会换一种方式和团队沟通,确认“为什么一定要做它,换一种低时间成本的方案实现另一种效果是不是可以”。同一现象,问对问题,处理方案截然不同。

再看一个稍难些的例子,俞军在PMCAFF社区抛出的关于滴滴拼车的问题:“如何让用户更多地使用拼车功能?

第一步,先来定义问题

Q1:问题背后的目标是什么?

A1:从问题分析,追问“为什么滴滴想要让用户更多地使用拼车功能”,进而排除那些已经常用滴滴的用户,明确其目标在于“为滴滴平台拓展用户群”。

Q2:用户是谁?

A2:排除掉在时间允许时使用拼车的快车用户,主要目标用户群定位在那些使用公共交通的用户,不想坐公交地铁又想相对低成本出行的用户。

Q3:这些用户包含哪几类?滴滴想要争取的目标用户是谁?

A3:包含没体验过滴滴拼车的用户、体验过但已流失的用户、体验过且未流失的用户(流失用户可根据未使用时长定义);滴滴想要争取的目标用户是前两类用户(后面统称为“目标用户”)。

Q4:争取到目标用户后,是否希望他们持续使用?

A4:是的,希望他们持续使用。

Q5:所以,真正的问题是什么?

A5:真正的问题是:通过什么产品方案可以让更多目标用户改用或重用滴滴拼车功能,并持续使用下去?

第二步,拆解问题

Q6:真正的问题包含了哪些子问题?

A6:子问题有:

Q6‐1:如何让目标用户知道滴滴拼车现在具有很高的出行性价比?

Q6‐2:如何改变目标用户选择公交出行的行为习惯,转而尝试体验(或再次体验)拼车?

Q6‐3:如何让目标用户在体验拼车服务的全过程中获得满意体验,进而愿意下次继续使用?

以上问题中,Q6‐1、Q6‐2属于用户“认知层”的运营问题,这篇文章内不讨论此点问题。有机会我们在详细拆解。这里仅继续拆解Q6‐3:

Q6‐3‐1:拼车全过程包含哪些环节?

A6‐3‐1:行程前、行程中、行程后。

Q6‐3‐2:所有环节中存在哪些影响用户体验的因素?

A6‐3‐2:行程前——聚焦于预期,影响因素包括价格预期(不确定动态定价的浮动程度)和时间预期(不确定拼车会不会额外花费很多时间);行程中——聚焦于实际体验,影响因素包括担心因拼车造成绕路引起的价格增加,感觉全程额外消耗时间的长短(等待同行人的时间),乘车的舒适度和社交意愿;行程后——聚焦于结果,影响因素包括实际花费的拼车价格和感觉中全程花费的总时长。

以上,拆解到Q6‐3‐2这个问题后,我们还必须围绕价格和时间两大因素,发起最后一轮总结性追问:

Q6‐3‐2‐1:价格问题的本质是什么?

A6‐3‐2‐1:本质是动态和增幅,即“下单前的预期问题”以及“担心因拼车造成绕路引起的价格增加”。

Q6‐3‐2‐2:时间感受的本质是什么?

A6‐3‐2‐2:人们对时间的感知永远是相对的。所以本质上是“拼车额外增加的时间”相对于“总行程时长”的比例决定了用户对“拼车额外消耗时间”的感知。基本上问题拆解到这个程度,就可以导出方案了。

第三步,根据元问题,导出解决方案

针对A6‐3‐2‐1导出:

“一口价”方案。

因为主要问题是价格的动态和增幅,最佳方案当然是固定价格。这样用户既不担心因他人加入引起绕路加钱,也在下单前有一个确定的价格预期。

针对A6‐3‐2‐2导出:

远距离拼车,即“跨城”拼车方案;交通集散地拼车,即“机场、火车站、汽车客运站”拼车方案。因为主要问题基于“拼车额外消耗时间”的感知,而“感知=拼车额外增加时间/总时长”,最佳方案应聚焦于缩短“拼车额外增加的时间”,或拉长“总行程时长”。缩短“拼车额外增加的时间”的最佳方案是直接同一出发地或同一目的地,拉长“总行程时长”的最佳方案则是匹配远距离拼车。

第四步,评估方案得出结论

事实上,细心的朋友一定可以发现,在导出方案的过程中,其实并没有针对行程中“舒适度”或“社交意愿”等因素导出方案,也没有考虑如何才能减少“等待同行人的时间”,因为这些因素非常依赖于司机和乘客的主观行动,相对不可控。

另外,我们也没有针对价格因素提出烧钱降价的方案,因为那简单粗暴,根本不需要产品设计和思考,不在我们的讨论范畴之内。

通过上面的案例分析,相信大家能感受到一点四步法则的魅力。那么请支持下作者,喜欢的可以订阅收藏。

本文由 @白板产品 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。