在日常的产品工作中，囿于资源、环境等限制，我们难免面对一些我们无从下手，无章可循的产品事务。本篇文章分享了一个科学的产品管理方法，希望通过本文能够给你带来一些帮助。
所有产品经理都希望能像Amazon和Facebook一样不断进行用户测试、收集大量数据。但这种大规模测试在一般公司能实现吗？ 对于这种状况，你能怎么做呢？
好消息是：你可以将测试精神作为企业文化的一部分，即使只是对一个小问题进行测试。下次开会时，你将这个问题提出来：“我们如何对这个问题进行测试？”。先把问题的解决转化成对问题的理解，然后到实验中去寻找正确的解决方案。
现在，我们学习一种可以应用到工作中的方法及各环节——假设、实验、评估、应用。
假设
维基百科对假设的定义：假设是对现象的一种解释。
为了更符合实际场景，让我们用“问题”代替“现象”。提出假设是为了帮助我们理解一个观察到的问题，这样我们就可以创建实验，并评估潜在的解决方案。我们的假设要能回答一个问题：“什么问题正在发生，可能是什么造成的？”
这有一个我们公司的例子，我们需要为产品经理工作提供一个工具辅助其决策。我们注意到产品经理在工作中很难确定迭代计划中最重要的事项；也很难知道每个迭代项的实际价值。大多数迭代计划是基于成本与收益的分析——我们希望一个低成本高收益的方案。但是，如何对迭代项做出可靠的评估，规划出收益最高的迭代计划呢？
我们的假设是：产品经理很难规划迭代计划，是因为很难综合评估各方（如市场、运营、开发）的意见。收集和筛选来自市场、运营、开发、用户等群体的意见是一个巨大的难点。在这个过程中，如果团队不能规划出迭代计划，还不去评估各迭代项的价值会导致团队工作最大化输出。
我们根据假设的定义，将假设分成两个部分：
1.我们观察到了什么问题？
2.什么因素造成这个问题？
在评估价值时，团队间的沟通协作比较有限（基于经验，我们认为这是最有可能的原因）
与用户的沟通协作受限较大。
关于高价值的定义不统一。
由此，可以提炼出我们的假设： 由于和内部团队（如运营、研发等）及用户的沟通协作有限，产品经理在评估迭代项的价值时存在问题。
当然， 这不一定是问题的唯一解释，我们只是选择一个我们认为最有可能的假设去收集数据来帮助我们确定假设是否正确。在实验过程中，我们可能放弃这个假设，然后回头继续寻找可能的原因。
既然我们已经提出了假设，我们就开始寻找解决方案来帮助产品经理在规划优先级时更有把握。一个小方法就是把“我认为”、“我们应该”的描述，变成“如果”语句。这能提醒我们，虽然我们不知道结果会是什么，但如果我们尝试，我们就能发现。
结合我们的假设：
如果每次迭代前，对相关人员进行问卷调查呢？
如果我们让产品经理定期与相关人员会面呢？
如果我们建立实验系统来收集测试结果呢？
如果开发一个应用，将评估价值的过程游戏化呢？
我们认为实验系统最符合我们的要求——允许大量成员参与。首先，我们对每项产品方案的评估分解两个数据点：
该迭代优化对解决的客户问题的预期影响是什么？
该迭代优化对我们的业务目标的预期影响是什么？
实验系统会生成一项问卷，要求参与实验的人员对迭代项进行评估（1-5分）；还有对问题进行文本回答：“为什么你认为影响是3分？”。
问卷示例
然后，我们将这些数据提供给产品经理，产品经理根据调查得到的数据，以及每个参与者的文字回答能轻松了解实际需求。我们希望他们了解在大多数情况下应该优先考虑的迭代项。
调查数据示例
我们有实验了！使用下面的模板，我们可以对我们的实验做一个简明的概述。
如果我们<采用这个方案>，我们能<预期收益是>。
所以我们的实验概述：如果我们实验系统能收集相关人员的测试结果，我们可以为产品经理规划迭代方案时有更多的参考数据。
评估实验结果
在实验开始之前，我们还有一步。我们怎么检验实验结果？我们需要一个指标来评估预期结果。
这可能非常困难，也经常是实验的最大难点。评估实验结果比较麻烦，尤其是如果团队习惯于根据感觉来做评估。但是，根据执行团队的感觉评估并没有多大意义。
评估，首先应该关注用户行为。 业务目标与收入，留存或拉新紧密相关。 这些指标是非常重要的，但是短时间内很难获取足够的数据来辅助决策。 因此，你需要找到实现预期目标的早期指标。一般是用户行为。当用户朝着预期的结果前进时，用户的行为模式是什么样？
对我们来说，假设是 通过大量数据，产品经理将更好地了解一项迭代的预期价值，这将有助于规划更合理的迭代计划。为了做到这一点，我们需要向他们提供以前没有的数据，然后跟踪这些数据对他们决策的影响。我们希望能够进行实验并不断调整，确定我们是否能达到预期目标。如果根据用户行为（即早期指标）判定能够实现预期目标，我们再制定测量预期收益的详细指标。
现在我们只需要为这些指标提供具体的数据。 如果你是第一次使用指标，非常好，这是一种科学且艺术性的方法，你将获益颇多。
如果公司有丰富的数据来源和数据分析经验，可以轻松规划出详尽的指标来评估实验成果。 但如果没有，我建议把整个流程分成四部分，并利用漏斗模型分析用户行为。 漏斗顶部可能有75％的用户，最后有25％的用户能完成整个流程。
从漏斗顶部到底部用户量将逐步降低，我们使用这种方法来评估实验成果。
在本实验中：
其中60%用户完整的体验了功能，并完成问卷。
根据问卷数据，挑选出典型用户，将其体验时间延长30%。
最后根据完整的实验报告，发现有25%的优化点是低价值，将会移至迭代计划的末尾；有25%的优点被提至迭代计划的顶部。
在实验的早期阶段，实际情况跟指标可能相差较大，因为数据量还不够大。你可能会有这些疑问：75%是正确的数字吗？使用这个功能的用户会减少一半吗？我们能改进这些比例吗？这就是实际情况？
在你获取足够数据之前，你不会知道这些问题的答案。这种情况下，讨论数据本身比讨论结果更有意义（如：当仅有20%的用户使用时，思考选择的指标是否正确或为什么数据这么低，而不是根据数据先得出结论。）。
现在，我们有一个完整的实验了。
假设：
由于与内部团队及用户沟通协作有限，产品经理难以评估迭代项的价值。
实验：
如果我们用实验系统让相关人员参与价值评估，我们可以提高产品经理规划优先级方案时参考的数据广度。
预期收益：
75%用户参与实验。
系统收集到60%用户的反馈。
延长典型用户的体验时间。
根据测试结果，25%的优化点推后迭代；25%的优化点提至迭代计划头部。
通过这种方法，能够检验我们的假设。实验的步骤：
根据观察和猜测的原因，提出一个明确的假设
创建实验、收集数据。
根据实验结果，验证我们的假设。
实验的数据将检验我们是否在正确的轨道上解决用户问题。这种实验在产品前期非常重要，当然也可能会收获一堆达不到期望目标的想法。 无论如何，这种科学的方法能让我们不过多关注想法本身，而是更多地关注用户的行为，根据数据制定下一步计划。
如果我们这样做的话，我们的职场会更加顺利，产品也会更加成功，更重要的是在决策时时有更多的依据。
