從需求到最終的解決方案,產品經理該怎麼做?

2020-12-06 人人都是產品經理

從需求到最終的解決方案,產品經理的正確姿勢是什麼?本文作者將與你分享,enjoy~

首先,為了讓大家明白需求和解決方案的區別,下面就舉個慄子:

場景一:

boss:「小王,我們的競爭對手又出了個xx功能,我們不能落伍了啊,抓緊時間把這功能也加上去吧。」

小王:「好的老闆,給我兩天時間,保證完成任務。」

boss:「小王,上次說的功能做好了沒有啊?」

小王:「好了,老闆,您過目一下。」

boss:「小王,做的不錯,但還是覺得有些不對勁,總感覺哪裡怪怪的。」

小王:「老闆,我是按照競品的功能做的呀,沒什麼問題啊。」

老闆:「還是先不要這個功能了吧,覺得不太符合我們的產品。」

小王一臉懵逼……老闆拍了拍小王的肩膀,轉頭走進了自己的辦公室。

場景二:

boss:「小李,我們產品的註冊轉化率太低了,你要想辦法解決,給你一個月時間,把轉化率提升10%。」

小李:「好的老闆,保證完成任務。」

第二天,小李拿著方案敲開了老闆的大門。

小李:「老闆,經過分析,註冊轉化率低的原因有如下幾個原因:1,2,3…,我的解決思路是這樣的……」

boss:「小李,做的不錯,去執行吧。」

小李:「好的,謝謝老闆。」

一個月後,轉化率得到了相當大的提升,小李得到了老闆的賞識,升職加薪,迎娶白富美,走上人生巔峰……

哈哈,誇張了點,重點在於明白其中的意思。很明顯,場景一中,老闆提出的是解決方案,場景二中,老闆提出的才是需求。

產品新人在工作中,如果不懂得分辨別人給你的是需求還是解決方案,同時沒有去分析需求或者解決方案背後的目的,就盲目地去執行,最後就會掉入大坑,無法很好的去解決遇到的問題,從而難以得到上司以及老闆的信任,自己也就只能越來越懷疑人生了。

好吧,接下來人生反轉,哈哈。進入正題,從需求到最終的解決方案,正確的姿(tao)勢(lu)如下:

一、獲取需求

根據工作中總結的經驗,需求的來源主要有內部渠道和外部渠道。

1、內部渠道

  1. 老闆提出的需求
  2. 市場、運營的同事提出的需求
  3. 產品部門同事經過頭腦風暴、溝通後得出的需求
  4. 產品經理自己對生活的見解、觀察得出的需求
  5. 數據分析總結出來的需求


2、外部渠道

  1. 用戶反饋、用戶調研得到的需求
  2. 競品分析得到的需求
  3. 公司合作夥伴的反饋、調研得到的需求
  4. 市場環境的政策調整、動態資訊、分析報告等得出的需求

根據兩個渠道得到的需求進行整合,則可以把需求劃分為用戶需求和業務需求。

  • 用戶需求:為了能夠滿足用戶使用產品時的某種需要而提出的需求。
  • 業務需求:為了實現公司的業務目標、使公司利益最大化、產品得到商業化而提出的需求。

二、分析需求

有了需求之後,接下來就要對需求進行一個深入地分析,才能去衡量哪些需求可以要,哪些需求不需要或者暫時不需要。我們可以將需求按照以下幾個維度進行分析(大家可以看作是一個需求分析畫布):

下面將以案例的形式來說說具體是怎麼去分析需求的。

需求背景:洗刷刷無人值守全自動洗車機,主要投放於社區周邊,車主在手機上繳費後,可通過手機啟動洗車機進行洗車,節省人工成本,可24小時營業。

boss:「小王,目前我們產品的訂單量太低了,你出個方案吧,看看能不能解決這個問題?」

小王:「好的,我想想辦法。」

從對話中,我們可以得知老闆的業務需求:讓更多的註冊用戶使用我們的產品來洗車,即提高產品轉化率。

為什麼要提高轉化率?因為可以提升公司的營業額。多問幾個為什麼,我們就可以得出老闆提出的需求的目的,即業務目的:提升公司產品的營業額。

為了實現我們的業務目的(提升公司產品營業額),這中間我們需要實現的目標是什麼?即業務目標:平均每天的洗車數量從50臺提升到80臺。這個業務目標的衡量指標是:註冊用戶轉化率。

業務的維度:

  1. 業務需求:提高產品轉化率
  2. 業務目的:提升產品營業額
  3. 業務目標:平均每天的洗車數量從50臺提升到80臺
  4. 衡量指標:註冊用戶轉化率

我們再從用戶的維度來看:

  1. 用戶:小型私家車車主、的士司機
  2. 用戶需求:快捷洗車、省時省錢
  3. 影響用戶做出決策的關鍵因素:
  • 動機:車子髒了,在洗刷刷洗車費用划算、方便快捷
  • 擔憂:洗不乾淨、排長隊、距離太遠
  • 障礙:操作流程繁瑣

綜上,我們可以得出如下的需求分析畫布:

三、解決方案

根據需求畫布,我們可以羅列出以下方案:


1、根據業務目標和衡量指標,我們可以從以下幾個方面優化:

(1)根據現有的洗車點情況,可考慮是否加大洗車點的投放區域以及投放密度;

(2)加大社區洗車點的宣傳力度,制定相應的活動營銷方案。


2、根據用戶的動機、擔憂、障礙,優化如下:

(1)根據產品自身的賣點(划算、方便快捷),制定相應的活動宣傳方案;

(2)強調產品清洗汙垢的能力,洗的乾淨;

(3)強調洗一輛車只需xx分鐘,比傳統洗車要快xx倍,不像傳統洗車一樣要排長隊;

(4)增加查看附近洗車點以及一鍵導航功能,方便查找洗車點

(5)把流程做到最短、最便捷,如:引進車牌識別系統,用戶可以購買月卡或年卡,不需要每次都要拿出手機支付,只需要通過車牌識別即可。

當然,以上的方案可能包含運營的層面,產品經理可以根據情況,在自身職責範圍內篩選適合的方案去落地,去優化產品的原型,把自己工作範圍內的事情做到最好。同時,以上的案例只是給大家一個思考的方向和思路,無需太糾結於細節。

下期預告:如何寫一份程式設計師愛看的需求文檔?

好了,本次的分享就到這裡。

 

作者:dreamer,微信公眾號:拳頭產品

本文由 @dreamer 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 Pexels,基於 CC0 協議

相關焦點

  • 產品經理如何理解/分析有效需求
    二、產品經理分析需求到底在分析什麼?理解所說的什麼是有效需求後,我們再來談分析有效需求。產品經理分析需求的目的不單單是能夠抓住有效需求,提供最優的解決方案;更重要的是能權衡需求背後的價值,即能得到多少的收益。因為產品和公司第一要務是活下去,活下去就得需要盈利,除非是公益項目。即使能夠洞察到有效需求,還要權衡是否值得去做,以及採取什麼樣的解決方案。得到的收益要大於付出的成本。
  • 產品經理必備之常用需求挖掘的7個方法
    作者對產品經理常用的需求挖掘的方法進行了梳理總結,並結合相關案例進一步加深了對需求分析的理解。為什麼我要說常用需求挖掘方法是產品經理必備的知識?在《俞軍產品方法論》一書中提到產品經理需要為用戶創造價值,在我看來產品經理只有通過解決用戶的問題進而滿足用戶的需求才能不斷為用戶創造價值。
  • 微信產品經理:我的產品之器——Sketch
    很多人覺得做產品很輕鬆,寫個文檔,提個需求給設計和開發,然後扯皮,「產品經理不需要硬技能」,「不會寫代碼就去做產品」,「人人都是產品經理」。我覺得不是這樣的,不然這三年來我應該過的很輕鬆才對。我每天都焦慮,沒有好的想法焦慮,碰到技術問題焦慮,業務數據不上漲焦慮,如果沒有「做一個偉大產品」的理想,我應該早就放棄了。做產品,一點都不輕鬆。
  • 產品經理之「不可能三角形」定律
    「不寫,我是設計產品的。」「哦,是美工嗎?設計界面?」「不是,我是通過挖掘用戶或客戶的需求,形成產品設計方案。」「哦,那屬於市場部還是銷售部?」「都不是,我們是連接市場和技術的橋梁。」「那不是運營經理嗎?」「嗯,有點兒意思。這麼說吧,你知道賈伯斯、張小龍和雷軍吧,他們都是產品經理。」「他們不都是大BOSS嗎?」「…..」這話就聊不下去了。
  • 從職位定義入手,認識「產品經理」的本質
    持續研究更多的材料,最終才找到一個對我自己來說有指導意義的定義。產品經理是「產品從想法構思到用戶實際使用」的負責人,為此他需要做的事情包括但不限於:需求分析、 市場評估、功能規劃、UI/UX設計、開發測試。這樣的定義幫助我明確職責的起點與終點,於是有了指導意義。起於發想,終於交付,產品經理負責的是這整個流程。2.
  • 創業公司產品經理浮沉圖鑑
    下地鐵後走路,基本九點前就能到公司上班了。到了公司,我的日常就是開大大小小的溝通會,和業務方溝通需求,和技術同步進度,其他的時間再做市場調研、競品分析、文檔輸出、業務評審、開發跟進等等——很多內容,很忙也很瑣碎。我們是做電商產品的,和業務方溝通需求會佔用很多時間,業務和我們的對話基本是:我這個功能什麼時候能上線啊?
  • 頂尖技術團隊是如何定義「產品經理」的?
    公司範圍涵括了從小型初創企業(1-50名員工)到大型公司(10000多名員工),如Uber、Visa和Amazon等。 在我們分析的51個產品經理職位中,33個開頭被標記為產品經理角色,其中18個是高級產品經理角色。 以下就是我們了解到的東西: 洞察1:產品經理擁有的第一樣東西是產品文檔。 65%的職位發布均要求PM負責產品文檔。
  • AI產品經理的入門必修——概念篇
    選擇產品類型在開展新的業務線時,首先問自己幾個問題:我們的護城河在哪?最終產品形態是什麼樣子?我們為市場提供了怎樣的解決方案?服務方式?服務能力?面對不同的業務線首先要做到戰略洞察所處環境與價值分析,制定清晰的戰略目標和策略,通過五看三定原則合理的找到產品定位。
  • 會是誰最後幹掉了產品經理?
    一、藝術與科學2018年,一家全球知名的香精生產公司與一家同樣全球知名的信息技術解決方案公司合作開發了一款香水調試系統。該系統通過分析現有的芳香配方,將配方中的香精成分構成與在售國家、地區、客戶年齡、購買頻次等數據進行關聯匹配,從而根據預設的算法自動調製出最符合目標客戶喜好的香水。
  • PM成長日記(四)——從需求到產品
    本篇本來打算寫如何跟技術進行溝通,其實跟技術的溝通,是貫穿於整個從需求文檔到產品上線、產品跟蹤、迭代的過程之中的。作者工作半年來,從需求文檔到產品上線的過程,也希望與同行朋友多交流。todolist與優先級產品在迭代過程中,不斷有新的需求,不斷有需求被完成,通過list來管理這些需求,整理的過程也是對產品思考的過程,不停問自己,這個需求用戶是誰,解決什麼問題,是否必要,以及是否必要現在就做?
  • 產品經理的進階之路(2):如何搭建產品經理的知識體系?
    明確自己職業規劃我們需要在搭建知識體系之前明確自己職業規劃,才能夠去建立知識體系的框架,還記得剛進入產品經理這個行業時,看到的一張產品經理成長方向的圖,他分為了4條線:產品經理到產品專家(技術線),在這條線上,產品經理需要側重產品側知識體系,包括用戶本質訴求的洞察能力
  • 給產品經理的一封信——6個維度自我提升
    編輯導語:在任何崗位上,抓住一切機會進行自我提升是很重要的一個行為,對於產品經理崗位來說也不例外。具體怎麼做?本文作者依據自身工作實踐中的所思所想,分享了自己對於產品經理自我成長的幾點看法,供大家一同參考和學習。每年都會做一個自我的總結,在去年的總結是《一位產品經理的野蠻生長》。今年正好在寫給團隊小夥伴的一封信,索性以這個來作為今年新的開啟吧。
  • 探訪賽默飛製藥行業解決方案及離子色譜新產品
    編輯來到了賽默飛展位,與色譜與質譜部製藥市場經理郭麗萍以及色譜與質譜部環境市場經理胡忠陽進行了交流,了解了賽默飛在製藥行業以及其優勢產品的發展情況。賽默飛色譜與質譜部製藥市場經理郭麗萍  伴隨著製藥行業的快速發展,賽默飛大力推廣製藥行業整體解決方案,從藥品研發到生產過程,
  • B端產品如何進行業務全場景的需求梳理?
    回到原點思考我們經常講,產品經理在具體工作的過程中,往往思考的時間要比畫原型圖、寫文檔的時間還要多,才是比較合理的時間分配。思考什麼?需要思考的內容很多,但其中有一點一定非常重要,那就是:回到場景,回到原點去思考,思考用戶是在什麼場景下遇到了什麼問題需要解決,沒有基於業務場景而得出的需求,都是閉門造車空想出來的需求。
  • 電動汽車車載充電器產品及解決方案
    打開APP 電動汽車車載充電器產品及解決方案 佚名 發表於 2017-08-08 11:52:09 隨著電動汽車使用量的不斷增加,尼吉康持續推出各種全新的產品和技術解決方案,希望能夠繼續保持電動車市場的技術優勢。近日,尼吉康在北京介紹了其2017年面向電動汽車市場的各種產品和解決方案。 尼吉康的優勢 從2009年開始針對第一批量產電動汽車(EV)開發了車載充電器以外,推動了V2H系統等電動汽車(EV)相關業務和家用及公共?
  • 商業產品經理的發展路徑-虎嗅網
    在和別人聊這個話題時,被問到最多的兩個問題就是:第一,如何成為一個商業產品經理,第二就是商業產品經理的發展路徑有哪些。所以我今天的分享也就圍繞著這兩點展開。一、如何成為一個商業產品經理我們先看第一個問題,如何成為一個商業產品經理。
  • 產品經理如何做用戶行為分析
    我本身就是用戶,我可以代表他們,我的需求就是他們的需求目標。觀點三:只需要做充分的調研分析就可以了,比如需求調研,產品使用調研,多找找目標用戶,多讓他們提一些反饋意見,根據反饋來做修改即可。觀點四:不要總是順著用戶的意思去做產品。產品設計的核心是產品經理的想法,而不是用戶的看法。
  • 產品經理底層內核之——熵減思維
    一、產品經理的思維方式思維方式嚴格來說跟人的原生家庭、成長環境、所受教育強相關,屬於意識層面的東西,也是非常難以改變的。而產品思維方式更多偏向於為了解決產品工作中的問題,是可以培養鍛鍊的,很多的網際網路前輩闡述了自己對產品經理必備思維的理解,雖各有不同卻有共通之處。
  • 三年產品經理的轉正述職報告
    對於需求,應該源自於兩個方面,一個是用戶,用戶是我們產品的直接受眾,用戶的意見和建議,是我們產品的根本方向;而另一方面的需求來源於市場,因為用戶的需求是很直觀的需求,對於用戶的一些潛在需求,用戶其實自己也並不清楚,很多時候,用戶的需求都是被引導的。
  • 關於AI學習方法的思考——產品經理入門人工智慧
    這個模型已經不再是由「軟體攻城獅同學」來完成編寫了,而是由「數據科學家」通過給機器學習模型餵養數據,而自行形成的一套程序,具體過程為:選擇機器學習模型:可理解為根據要解決的特定目標問題,選擇能夠得到最優解的算法模型;獲取訓練與測試數據:與工程師配合獲取到用於訓練機器學習模型的數據;訓練模型:使用已有的數據對機器學習模型進行訓練;最終