產品改版的完整歷程

這裡的改版,指的是UI/ UX的年度調整,意在提供更符合趨勢的使用者介面,以及更順暢的使用者體驗,當然也可以藉此機會加入新功能,但我認為這不是主要目的。另外一個關鍵是,趁此機會將整年累積的「債」清理一番,無論是技術債,還是當時任何「不得不」的設計方案。


回到改版本身,不是所有產品都需要這樣的改版。有些產品,處於衝刺期,不斷地迭代、增加與完善功能可能更有意義。通常需要這種年度改版的產品,較是屬於平台型的產品,功能大多不是太複雜,也許平日花在Business Development的精力還更多。以下是過去在改版時的些許筆記。


改版前

1. 確認需求真實性:真需求 vs 偽需求

定性研究:魚骨圖、一對一問卷調查、使用者圖像(當然這也可以配合數據來做)etc

定量研究:傳統產品經理常用的是A/ B testing和轉化漏斗分析,我自己還會使用python做回歸分析、聚類分析、主成分分析etc

無論如何,眾多的工具都只是幫助PM的一環,能省時省力的都是好方法,excel 搭配 GA也可以是大神。

最後要注意的是,如果要加入新功能,一定要衡量資源,年度改版所費的時程應該是固定的,如果和平日的工作整個攪在一起,很容易讓改版的時程越拉越長。


2. 確認需求的價值

目標用戶的群體size、是否有延伸功能、與整體策略的相關性etc...

每個團隊的狀況很不一樣,站在start up的立場,能生存下去就是最大的價值;對於穩定成長的產品而言,未來戰略方向更為重要,所以此時應該更著墨於競爭者研究與市場研究。

因此,我個人認為在改版前,搭配做競爭者和市場相關的研究會是不錯的選擇,即便改版無法覆蓋/ 處理所有的研究結果,但也給團隊提供了視野與趨勢。


3. 欲解決的問題和解決方案之間是否明確

透過用戶地圖、使用者故事等方式盡可能確認他們之間是夠明確的,在此過程中也能一併列出改版後需追蹤的數據指標。總之,早些明確新的指標系統對團隊成員都是正向且積極的,對於PM本身尤其是。


4. 確認解決方案不影響其他使用者體驗,或將影響降到最低

解決目標的同時也時常引發其他問題,因此上述用戶地圖等方式也是為了站在使用者的歷程,詳細了解改版對於整體使用者體驗的影響。當然,在所有事都是一體兩面的情況下,任何權衡都得依靠過往的數據洞察。


5. 權衡解決方案在B.C兩端的影響

擁有Business user和Customer user的產品在不同階段和面向會有不一樣的偏重和抉擇,我想關鍵永遠是生存(用戶數量、如何拿到下一輪etc)和未來發展策略(對內有多產品矩陣、對外可能有產品生態系etc),因此面對不同的目標,對於B.C用戶的權衡也會大不相同,這取決於我們對於本身產品的認知(現在走到哪了)。我認為當PM想要更確認這些狀況時,跟公司內部的BD、Sales和Marketing的人多談談心倒是不錯的選擇。


改版中

1. 把事情拆分到之後的Sprint

改版就是不斷捨棄的過程。更多的stakeholder會來許願、源源不絕的新功能建議,尤其“年度"改版也許給人一種想像是:可以提出非常大型的改變。因此,PM勢必會花上更多精力在排序和拆分這些事項到之後的sprint中,更多的時間也會放在和stakeholder溝通上:為何要拆分到之後的sprint,而不是現在。


這裡我給的建議是,如果一個PM在排序的過程中,已經完整走過定性/ 定量分析,那溝通起來就能省力的多。但我相信往往PM不是沒有能力,而是沒有時間,我自己的體會集中在三點:

1) 首先,將所有的討論對齊最高策略,沒辦法對齊/ 直接相關的,暫不納入議程。

2) 其次,平時的數據準備很重要,數據要乾淨、指標系統要明確,要看要分析才會有效率。

3) 最後,許多團隊都強調數據至上,那麼在一個data oriented的環境,試試看請stakeholder提供數據支持也是一個選項,我曾遇過業務單位的Excel大師,也讓當時一切順暢得多。在國內的環境下,一位產品經理時常要兼具planner/ growth/ operations/ scrum master/ data analyst等角色,如果團隊成員和公司氛圍如果能更具彈性,並且盡可能擴大能力圈(尤其是數據方面的),我認為會是更利於長遠的Team building方向。


2. 準備與使用者溝通的內容

如今的使用者很聰明,他們知道我們在收集數據、建立演算法,也看得懂不同產品的商業模式、瞭解天下沒有白吃的午餐(沒有真正免費的服務),因此與使用者的溝通很關鍵。誠實的說明原因,用搏感情的文案來呈現,最後清楚的在頁面上進行說明,每一環節都得在改版過程中一併準備好。


3. 提前測試、頻繁測試

改版不需要一氣呵成。在不影響整體使用者體驗的情況下,也可以先上線部分功能,或是A/ B testing試試水溫,這樣的好處是我們還可以藉由這波回饋進行迭代。大部分情況下,Business user可參與內測、Customer user則可參與A/ B testing。


改版後

1. 觀察與改進指標系統


2. 不要太急於調整回來

0 comments

Recent Posts

See All

數據採集——追求數據品質的開端 有賴近年的AI熱潮,目前已落地的AI應用服務可說是都達到了階段性的成熟。在不可能總是期待演算法大幅進展的情況下,要在這樣的競爭態勢中脫穎而出,數據的質量更是成為兵家必爭之地。另一方面,因為許多應用場景高度相同,同一領域中的AI服務出現嚴重同質化的現象,這更加劇了對於數據質量的追求,以期許藉此能讓自家產品在這片同質化中突破重圍。 其中,大數據的觀念醞釀已久,人們對於「