編輯導讀：有價值的需求必須從用戶痛點出發，但當需求的數量越來越多，且每個需求都是從用戶痛點出發的時候，產品經理必須在痛點的基礎上，引入數據增長指標對需求的優先級進行判定。當數據增長失去效用的時候，又該怎麼辦？本文作者對第三種需求判定的方式——需求期望值進行了介紹，與大家分享。
有這樣的一個小故事，甲乙兩人是同一個村莊的年輕人，甲的性格穩重，耐心極佳，乙的性格比較浮躁，耐心較差，兩人曾多次參加村裡的長跑運動會，每一次，乙都會在半路放棄，甲則是會堅持跑完全程。
兩人偶然得知有人在距離村莊10公裡外的礦洞裡挖到了寶石，商議後，決定一起去挖礦，試試運氣。
兩人同時開始挖礦，1天後，都挖到了一顆綠寶石，價值1萬元。
甲很高興的帶著綠寶石離開了礦洞，乙則是將綠寶石放在身邊，繼續挖礦，3天後，挖到了一顆鑽石，價值10萬元，這一次，乙高興的帶著鑽石以及綠寶石離開了礦洞。
得知兩人的收穫後，村民們紛紛誇讚乙，認為乙比甲更有耐心，能夠做大事。
但是，大家心裡都有一個疑惑，如果乙比甲更有耐心，為什麼運動會上，乙總是會半路放棄呢？
你知道原因嗎？
期望值驅動需求判定挖礦就是挖需求，綠寶石和鑽石就是不同價值的需求，對應的1天，3天則是獲得需求所花費的時間。
問題並不是誰更有耐心，而是什麼因素影響了我們行為，我們又是因為什麼原因堅持了更長的時間。
答案是「期望值」，因為乙比甲對挖礦的期望值更高。
甲的期望值是價值3萬的礦石，得到綠寶石以後，期望值就得到了滿足，而乙的期望值則是價值10萬的礦石，得到綠寶石以後，期望值仍然沒有被滿足，直到獲得了價值10萬的鑽石，才滿足了乙的期望值。
兩者對挖礦的期望值不同，相同的卻是滿足期望值以後，都失去了繼續挖掘的動力。
對需求的期望值，決定了我們會被什麼價值的需求所滿足，期望值越高，對需求的要求也就越高，越難以被滿足。
然而，不論期望值的是高，還是低，在被滿足的同時，也意味著失去了期望，等同於失去了繼續挖掘的動力，宣告了需求挖掘階段的結束。
如果期望值較低，在獲得低價值需求時，就會因為期望已被滿足，導致停止需求挖掘，無法觸及高價值的需求。
所以，高期望值對應了高價值需求，低期望值則對應了低價值需求。
同時，期望值的高低與0所獲的概率呈現出正比關係，期望值越高，0收穫的概率也就越高，期望值越低，0收穫的概率也就越低，因為能夠帶來高回報的需求，在數量上，遠遠少於低回報的需求。
如果我們對需求對期望是讓日活數據增長10%，那麼，A需求能讓日活增長10%，就會被採納作為可實施的需求，但若是將期望值設置成增長30%，A需求就會被排除在外，因為不符合我們的期望。
從業者可以通過設置較高的期望值，過濾掉不符合期望的需求，迫使自己持續的進行需求挖掘，直到獲得能滿足高期望值的需求，這樣就可以有效提升輸出需求的質量。
這個方法正被許多高級產品經理所使用，我們將其視為需求判定的第三種方式。
第三種需求判定方式早期網際網路產品， 是通過用戶痛點對需求進行判定，能夠解決用戶痛點的需求，會被判定為有價值的需求。
隨著行業的發展，需求的數量越來越多，每個需求背後都存在用戶的痛點，因此，大多數需求都會被判定為有價值的需求，但我們能實現的只是其中的極少數需求，這也直接導致用戶痛點失去了對需求判定的效果。
隨後，從業者開始使用數據增長對需求進行判定，能夠帶來數據增長的需求，就會被判定為有價值的需求。
只是行業發展的速度超過了我們的預測，相對于越來越困難的融資，企業不得不交出更好的成績，甚至提前實現自我造血的能力，這樣一來，數據增長對需求的判定，也逐漸失去了效果，畢竟，僅僅是提升數據已經不夠了，我們需要的是大幅度提升數據。
第三種需求判定的方式，則是通過更加主觀的期望值對需求進行判定，只有符合期望的需求，才會被判定為有價值的需求，不符合的期望的，均會被捨棄。
判定方式的升級，導致需求的獲取難度以幾何倍數增長，原本是10選1，現在變成了100選1，原本能夠被判定為有價值，甚至是高價值的需求，現在，則會被判定為低價值需求。
只是，在實施過程中，該判定方式也存在三個典型的應用錯誤。
錯誤一：沒有期望沒有期望，即期望值為0。
從業者在判定需求對過程當中，沒有提前設置期望值，等同於期望值為0，這會導致大多數的需求，只要不會給產品帶來負面影響，就都是可做的需求。
該狀態下，需求方成了需求的駕馭者，產品經理則成了需求的執行者，不論是客戶，用戶，還是我們的同事，或者老闆，需求方每提出的一個需求，都會被響應。
問題在於，我們從不以任務數量，或者處理過的需求數量衡量產品經理的價值，這些數量無法替代成功案例的作用。
持續一段時間後，就會完全喪失團隊對產品經理對信任，團隊的成員不會將成功的希望，也不會將自己的未來交付給一位不可信任的產品經理。
如果，產品經理對需求沒有期望，那麼，團隊，也就對產品經理沒有期望。
錯誤二：低期望低期望，即期望值大於0，小於10。
也就是說，從業者在判定需求的過程中，有提前設置期望值，但設置的數值較低，容易被滿足，儘管會過濾掉一些無價值的需求，但能夠滿足該期望值的需求，其價值也極低。
該狀態下，需求方與產品從業者會存在一些衝突，也意味著產品從業者對需求有一定的駕馭能力，開始爭奪對需求的主導權。
問題在於，低期望值會導致低價值需求被提出，而由低價值需求構造的成功案例，具備的市場競爭力極為有限，無法滿足企業對產品經理的高期望。
畢竟，我們想要的都是較大的成功，我們對產品的期望都挺高。
錯誤三：過度期望過度期望，即期望值大於80。
這是一個極高的期望值，對應的需求獲取難度也極高，往往需要花費很長的一段時間，只是，0收穫的風險也極高。
該狀態下，產品從業者是需求的駕馭者，需求方則是需求的提供者，在需求判定的過程當中，但因為期望值過高，導致大多數需求都會被排除，甚至，所有的需求都會被排除。
問題就在於長時間處於0收穫但狀態，可能是1個月，2個月乃至更長的時間，對於團隊而言，產品經理的0收穫也就等同於0輸出狀態。
當耐心耗盡時，也就是產品經理離開之時。
這三種錯誤狀態分別對應了產品經理的三個瓶頸期。
「沒有期望」對應了功能瓶頸，產品經理扮演的是需求實施者的角色，缺少對需求本身對辨識分析能力。
「低期望」對應的是需求堆砌瓶頸，追求需求的數量，無視了需求的質量，儘管輸出的需求極多，但卻沒有能拿出手的作品。
「過度期望」對應的是完美瓶頸，過度追求極高價值，忽視了時間，成本以及團隊，儘管有思想，有理念，但缺少輸出後的實踐，猶如空中樓閣，紙上談兵。
三種期望值並行實際上，期望值也是一個相對概念。我們以產品當前的某項數據作為對比對象，希望通過某個需求，能讓該項數據在現有的基礎上實現增長。
增長的比例，就是我們對需求的期望值。
三種錯誤裡，沒有期望的「0」意味著增長0%，低期望的「10」意味著增長10%，過度期望的「80」則意味著增長80%。
期望值過高，會導致需求挖掘的時間過長，期望值過低，則會導致在低價值需求上花費的時間過長。
只有合理的設置期望值，才能有效過濾低價值的需求，才能讓產品從業者的注意力集中到高價值需求的挖掘當中。
所以，我們通常會設定三種期望值，並且，三種期望值同時存在，同時產生作用。
1. 基礎期望基礎期望：數據增長10%-30%。
如果現在的日活是10萬，那麼需求實現後，日活將會提升10%-30% ，日活用戶將會增長至11萬～13萬。
符合基礎期望的需求，儘管增長幅度較小，但也是團隊能夠認可的一個增長幅度，是我們在產品實現過程中，最普遍的需求，同時也是產品對需求的最低要求。
每個月輸出一個符合基礎期望的需求，可以幫從業者爭取更多的時間，用來挖掘更高價值的需求。
2. 理想期望理想期望：數據增長30%-60%
如果現在的日活是10萬，那麼，需求實現後，日活將會提升30%-60%，日活用戶將會增長至13萬～16萬。
符合理想期望的需求，能夠帶動產品實現較為可觀的數據增長，同時，也能堅定團隊對產品，以及對產品經理的信心，是產品經理核心的需求。
每個季度輸出一個符合理想期望的需求，將會增加產品經理在團隊中的影響力，以及可使用的資源面積。
3. 傑出期望傑出期望：數據增長60%-80%
如果現在的日活是10萬，那麼，需求實現後，日活將會提升60%～80%，也就是日活用戶將會增長至16萬～18萬。
符合傑出期望的需求，能夠讓產品實現極大的數據飛躍，不論是在公司內，還是公司外，都會成為極佳的成功案例，形成極大的競爭優勢，也是產品經理的代表性需求。
符合傑出期望的需求，不僅僅是挖掘時間極長，其實現成本通常也極高，需要團隊投入更多的資源以及資金。
通常情況，我們會將傑出期望的挖掘周期定為半年，或者一年。
三種期望將需求的價值，以及該價值所需要的時間劃分成了三個梯度，但這三個梯度又是相輔相成。
基礎期望最容易滿足，挖掘的時間也最短，可以為理想期望爭取到足夠多的挖掘時間。
理想期望帶來的數據增長堅定了團隊對產品經理的信心，可以為傑出期望爭取到足夠多的話語權以及資源使用的力度。
傑出期望則是藉助時間和資源的雙重作用，讓產品數據實現極大的飛躍，給團隊帶來勝利果實的同時，也成就了自己的傑出成功案例。
而成功案例，能為產品經理爭取到更好的機會，更多的資源。
比例單位實際影響的是單位刻度指標，而刻度指標則影響期望值設定的準確性和有效性。
但是，比例單位並不是固定的，隨著數據基數的增長或者業務的特殊屬性，比例的單位也會發生一些變化，可能是十分比，也可能是百分比，千分比，甚至萬分比。
通常情況，我們以百分比作為基礎比例單位，採取最小刻度「1」對應的絕對值，評估該絕對值對應的難度，難度較高，則通過降低比例單位的方式，降低絕對值，難度較低，則會通過提升比例單位的方式，增加絕對值。
以1000萬日活為基礎數據，提升1%的日活，意味著需要提升10萬日活數據，實現最小刻度的難度較高，此時，就需要降低比例單位，從百分比，降低為千分比。
最小刻度也就從百分之一變成了，千分之一，對應的絕對值就從10萬降低到了1萬，這樣最低目標的難度就屬於可接受的範圍了。
若是以10000日活為基礎，提升1%的日活，意味著增加100日活數據，難度較低了，此時，就需要提升比例單位，從百分比改為十分比。
最小刻度就從百分之一變成了十分之一，對應的絕對值就從100增加到了1000，這樣，最低難度也就處於可接受範圍了。
思考題現在，我們嘗試用期望值的方法，對需求進行判定，該需求應該被採納，還是不應該被採納。
已知某產品日活躍用戶有100萬，每天有1萬新增用戶，產品團隊提出了兩個需求，第一個需求能夠提升5萬日活，第二個需求可以提升1000新增。
你是產品負責人，要對需求做出判定。
A：採納第一個需求，捨棄第二個需求B：捨棄第一個需求，採納第二個需求C：兩個需求都捨棄D：兩個需求都採納嘗試使用期望值的方法，做出你的判定吧。
#相關閱讀#需求的價值，只有對比才能確定
決定需求價值的四個參考系
不出彩就出局，產品經理如何選擇需求？
一個糟糕的需求，會給產品帶來哪些危害？
不被認可的產品經理，可能是你的需求沒有價值
#專欄作家#枯葉，微信公眾號：枯葉咖啡館。人人都是產品經理專欄作家。9年經驗產品經理，3年產品總監經驗。擅長數據增長，商業模式。曾孵化過千萬級用戶規模的創業產品
本文原創發布於人人都是產品經理。未經許可，禁止轉載。
題圖來自 Unsplash，基於CCO協議。