2.4.2策略产品经理如何通过抽样分析明确问题原因

策略产品经理通用方法论:

定义理想态——拆解未达理想态的情况——提出解决方案——验证是否解决

回顾:

阶段性调研的方法分为三步:

Step1 找到理想态

定义理想态,并以数字化的指标或其他明确标准来衡量。

Step2 抽样分析

将所有不到理想态的case抽样分析,并做统计分类,明确满足不好的原因。

Step3 优先级判断

汇总所有问题,综合影响面、问题严重程度和解决成本确定优先级,作为接下来的项目计划。

正文:

阶段性调研第二步:抽样分析


1.为什么要进行抽样分析?

策略面对的是难以枚举的一群人的问题,通常需要通过样本来代表群体情况。

2.case

样本们通常被叫做case.

描述理想态的时候需要用case说明、验证产品效果时要用之前的case再回归一遍等等 ,策略PM在工作过程中将随处可见case。

3.抽样的基本步骤

课程截图

Step1.确定调研目标

首先我们需要明确调研的目标,帮助确定抽样的对象和方式。

首先我们需要明确调研的目标,帮助确定抽样的对象和方式。

首先我们需要明确调研的目标,帮助确定抽样的对象和方式。

重要的事情说三遍!!

案例:

1)分析【相关视频】推荐策略的问题——>抽取所有推荐视频列表,分析问题。

2)分析以上策略模块中广告视频推荐策略的问题——>抽取所有展现广告视频的视频列表,分析问题。

以上案例中,1)的做法是正确的,2)的做法是错误的。因为1)中只涉及准确率问题,但是2)中不仅涉及准确率问题,还涉及召回率的问题,所以不应该只抽取展现的广告视频,应该抽取所有的推荐视频列表,展现了的分析是否准确,没展现的分析是否覆盖。


Step2.确定抽样对象

通过一定规则筛选出的待分析的全量集合。

筛选规则:核心指标未达到理想态、可以代表全体用户的行为的最小时间窗口内的全量数据。

样本类型:根据策略类型,可以是:

用户个体、

行为片段(session)、

搜索词(query)、

订单、

...其他维度

案例:

1)分析滴滴成交问题:直接在全国一周内所有未成交的订单中抽样

2)分析美团搜索问题:因为无法直接通过数字性指标精确筛选哪些是不满足的行为,所有只能退而求其次从一天的全量用户session中抽样,然后人为进行进一步筛选


Step3.选择抽样方法

我们常用的抽样方式是简单随机抽样。

简单随机抽样:从总体N个单位中任意抽取n个单位作为样本,使每个可能的样本被抽中的概率相等。


Step4.确定抽样数量

从统计角度将,抽样数量越高统计准确率越好,然而调研成本也会随之上升。

所以数量是精度和成本的balance,通常只要代表某类问题的样本数量有统计意义即可。

经验值:尽量使代表某问题的样本数量>=5,或者影响面>=3%

案例:

策略相对程度已经没有影响面>5%的显著问题,接下来要看影响面1-5%量级的问题:

为了使1%问题的case数量至少达到5,那抽样数量最少要500。或者在1k的量级、即代表单个问题的case在至少为10个左右,此时得到的问题影响面数据才有较高的置信度。


Step5.样本分析标注

标注方法参见2.1 策略产品发现问题的四个方法(一):用户反馈收集文章中的描述


Step6.整理汇总问题

将标注出的问题按照合理的逻辑框架整理汇总。(金字塔原理)

上下层级:总分关系

同层级之间:相互排斥,不重复、不遗漏

案例:

爱奇艺视频详情页的【相关视频】推荐策略的问题分析框架。标注后发现有如下问题:

没有收录相关资源

可以考虑同导演推荐的推荐

同系列的推荐个数过多,其他维度没有排上来。。。

整理汇总:

1)结果反推原因

2)也可以直接将问题抽象


问题的框架并不唯一,只要逻辑合理就可以:

标注前有初版预设

标注中不断调研,直到完善


4.总结

抽样分析是帮助我们了解问题全貌的重要环节。

在抽样开始时需要牢记调研目标,最终使用合理的逻辑框架汇总和整理问题。



以上为三节课策略产品课程个人学习笔记。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,254评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,875评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,682评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,896评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,015评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,152评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,208评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,962评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,388评论 1 304
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,700评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,867评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,551评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,186评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,901评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,142评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,689评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,757评论 2 351

推荐阅读更多精彩内容