2.5 效果回归
效果回归是策略产品非常重要的一部分工作（后面细讲）
2.6 阶段性调研
阶段性调研是针对产品现状进行的系统性分析。
此时产出的分析结论最能代表产品问题全貌，可以有效指导下阶段的产品计划。
-
时间节点：
- 接触新产品：接手某个产品方向的时候
- 周期性回顾：每个月/季度/半年等固定周期的回顾
- 不定期回顾：其他需要临时回顾整个产品现状时
通用方法论：
Step 1 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
Step 2 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
Step 3 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
-
如何找到理想态
- 任何一个产品都是用来解决用户的问题
- 产品的理想态即给出的方案确实解决了用户的问题
- 简单情况：对于大多数刚需和工具型产品、或只是其中的策略模块，通常都可以以「帮用户解决了问题」作为理想态，并找到单一的数据指标来衡量
- 复杂情况：但依然存在很多产品，其理想态的描述是相对复杂的
所有的理想态都是为阶段性的产品目标服务的，随着产品的进化，理想态的定义也在随着进化。
- 抽样分析
抽样的基本步骤：
确定调研目标→确定抽样对象→选择抽样方法→确定抽样数量→样本分析标注→整理汇总问题-
确定调研目标：
-
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
-
确定抽样对象（案例）：
- 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
- 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，所以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
抽样方式：
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抽样数量：
从统计角度来讲，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%确定抽样数量：
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分层要点：
上下层级：总分关系
同层级之间：相互排斥，不重叠、不遗漏-
案例：
分层前：
分层后：
-
小结：
- 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所有问题。
-
优先级判断：
- 得到现状的问题集合后，需要进一步给出优先级判断，确定接下来的项目计划
- 按照「单位成本下的收益」从大到小排序
- 单位成本下的收益（简称ROI） = 项目收益/项目成本
-
注意点1：
注意点2：
-
注意点3：
存在一些紧急项目，因为待解决问题的恶劣程度较高，优先级高于其他常规项目
策略产品经理入门学习系列笔记：
策略PM入门学习（一）
策略PM入门学习（二）
策略PM入门学习（三）
