麦子学院：给你3张表，你就可以读完产品经理工作的大半生!

如果说要解释产品经理的所有，我认为三张表就够了。

「 需求过滤表 」代表着产品未来的发展方向

「 项目排期表 」代表着产品正在迭代的进度

「 核心数据报表 」代表产品在过去的表现

一、未来：需求过滤表

需求的来源有很多，如果我们不对需求进行有效过滤，一定会陷入需求爆仓的窘境。

 

一般来说，客服、运营、核心用户群和跟踪竞品四个渠道能够比较靠谱地从内外部输出各种需求，因此我们要保证相关通道足够通畅，比如定期座谈、邮件report、调研等形式。

拿到各种需求之后，最重要的就是对需求真伪、优先级进行判断。

需求真伪听起来很诡异，用户想要一个功能还可以是伪需求？

是的，需求是否为真，最为关键是在产品树立了明确服务边界下，这个需求是否应该在我们的产品里得到满足。

 

1. 需求是要考虑成本和代价的

 

举个例子，某用户反馈“希望支持视频课购买单课节，让购课变得更加灵活”，这个需求听起来有点意思，我不想买所有的，只买一节或者先试着买一节听听，好再买整个课程。

 

这个需求属于比较典型的伪需求。

 

2. 是需求还是解决方案

 

第二种典型案例是用户反馈希望提供XX功能，比如“希望提供一个历史课程删除功能”。当用户提到希望提供某个很具体的功能时，此时一定要高度警惕。

 

功能对应的是一个需求的具体解决方案。

 

这个时候最好再和用户沟通一下：为啥你需要这个删除功能，他可能会说我的免费课程太多了，影响我第一时间找到那些更为重要的付费课程。

 

所以，在做需求真伪判断时，一定要弄清楚用户反馈的是一个需求还是一个解决方案，如果是后者需要往深再挖挖。

 

有个经典的公式分享给大家：

 

需求优先级 = 用户覆盖面 * 用户使用频次  * 对用户的重要程度

 

功能的覆盖面越大、使用频次越高、对用户的重要程度越大，优先级越高。一些产品相关的书还会教大家通过打分制来帮助大家去比较——我个人觉得数值化还是略有些机械，不如拉上Team Core一起去充分讨论，从不同角度去审视并达成共识。

 

二、现在：项目排期表

 

如果说需求过滤表是规划一个产品未来的发展方向，那么项目排期表自然是活在当下的一张表。

 

项目排期表里一定要有的元素：项目名称、项目相关人、项目优先级、项目进度及状态、项目上线时间。

 

其中项目名称、项目相关人、项目优先级是在项目启动前就定好的：

 

项目相关人一般可以把PM、FE、RD、QA、UE五个角色的具体负责人都标上，便于项目执行过程中各自担起责任并相互协作。

 

项目优先级是从需求优先级带过来的，一般保持一致，当然有时候会出现一些时效性较高的项目，比如年度总结、双十一活动等等，这一类有明确时间要求的项目一方面要尽早规划，另外一方面确实需要在执行过程中做更精准的安排。

 

项目进度及状态属于过程中变更的信息，用于过程管理，项目上线时间则是结果，一方面用于后续数据分析时去初步判断某些数据变化和某些功能是否有关，另外一方面就是季度和年度review时好了解各个时间阶段的工作产出。

 

我理解在整个项目管理过程中，最重要的两件事就是review进度和异常情况的处理。

 

定期review进度能够帮助我们更好地知晓当前项目所处的进度是否正常，及时发现异常情况，尽量把问题在萌芽阶段就消灭掉。

 

至于异常情况的处理，这里的异常情况花样太多了：高优先级项目插入、团队成员生病了、产品经理在评审后要改需求（嘻嘻）、项目复杂度超出预期等等，各种花式问题会让项目delay。

 

所以，这里就不提供具体每件事该如何处理了，也无法一一列举。但大致思路就是确保高优先级项目能够按时上线，中、低优先级项目可适当delay。

三、过去：核心数据表

 

数据一定是对于过去动作的一种表现，它是有一定的滞后性，因此数据是帮助我们分析过去我们的产品行为是否产生了正收益的坐标。

 

看数据最重要的点是看什么，听起来蛮搞笑，但事实上确定核心数据项是一个非常重要的工作，这需要我们深刻了解我们做的事情以及影响这件事情的关键性过程指标和结果指标。

 

其次看数据的方式上，最重要的就是比较，只有比较才能看出变化和问题。比如我们常见的天级报表，对于核心数据的天级监控，同时拿天级数据和前日、周平均、月平均、季度平均进行对比并标出涨跌，这对于我们做到“心中有数”很重要。特别是天级报表中的异常值，涨跌超过一般幅度，比如收入一下翻倍，或者日上课人数掉了一半等等，是我们关注天级报表的重点工作。

那么，遇到这一类异常情况，我们马上要启动的工作是要“下钻”到细节上，比如日上课人数掉了一半，可以拉出两天具体课程级别的上课人数情况进行对比，看看原因是头部课程的下降，还是整体下降，或者是某个品类的课程下降，找到原因后再去和相关小伙伴去聊，判断这个下降是否在预期之内，如果不是那么接下来我们该采取什么动作去补救。

 

数据分析其实就是在不断地“上抽”和“下钻”中去看宏观表现和微观细节，既有大局观，也有细节认知。

 

数据分析可能是目前最受欢迎的技能，现在几乎80%的招聘要求上，都希望面试者拥有数据分析的能力。

 

不管是小白，还是有工作经验的人，数据分析秘诀在这里，进化速度快得超乎你的想象！

 

公众号：maibanzhang

（素材来源于网络，并非原创，如有雷同，请联系删除）