一種更好的產品優化方法：策略優先順序評分模型PXL Model

一種更好的產品優化方法：策略優先順序評分模型 PXL Model

如果產品正走在正確的發展道路上，產品經理可能有一大堆a /B測試的想法在自己的排期計劃中。一些是好的想法(有數據支持或仔細分析的結果)，一些是平庸的想法，還有一些屬於不知道如何評估的想法。

我們不能一次測試所有的東西，而且我們都有有限的流量。所以你應該有一個優先模型，來考慮所有這些想法，先測試最有潛力的想法。另一些愚蠢的東西一開始就不應該進行測試。

有很多模型可以用來確定優先順序，雖然我們發現它們很有用，但是每一個模型都有這樣或那樣的不足之處。所以最好有一個兼容性更高或者說能夠適用大多數項目，而且也方便使用者自定義內容的一種模型。

現有的優先順序模型有什麼問題?

如果您從事優化工作的時間超過...一分鐘，那麼您可能聽說過一些優先順序框架,最受歡迎的兩個往往是:

• PIE framework
• ICE framework

這兩種框架都很有用，但都有類似的缺陷。

PIE framework

PIE框架可能是轉換優化領域中最廣為人知的。它包括三個變數:

• 潛力——在頁面上可以做多少改進?
• 重要性——頁面的流量有多大?
• 易用性——在頁面或模板上實現測試有多複雜?

唯一的問題是，每個變數的標準都有太多的解釋餘地。如何客觀地確定一個測試想法的潛力?

如果我們事先知道一個想法有多大的潛力，我們就不需要優先順序模型了。或者舉個例子，如果你是一個大團隊中的一員，並且你想要推動你的想法通過，為什麼不附加一些關於潛力的觀點(因為這是一個主觀的數字)?在理想的世界中，框架將消除主觀性。

此外，很難客觀地把容易度和重要性放在同等重要的位置。

ICE Score

ICE Score是growthhacker在項目中默認的優先順序框架，由growthhacker創始人Sean Ellis發明/推廣。

其要點如下:

• 影響-如果這是有效的，會有什麼影響?
• 自信——我有多大的信心能做到這一點?
• 容易——什麼是容易實現?

我們可以用它來管理增長的想法。但如果我能猜到影響會是什麼，我為什麼還要測試它呢?

在這方面，它與PIE框架有類似的問題，但除此之外，它還存在「我對這個想法有多自信?」再說一遍，我們怎麼能事先知道呢?

正如你所希望的那樣客觀和「基於經驗」，在這裡得到一致和客觀的評價幾乎是不可能的。同樣，如果你真的想要追求這個想法，也很容易產生偏差。或者即使我們真的試著儘可能準確地給測試想法打分，三分中的兩分都是關於「直覺」的。

ICE (version two)

還有另一個ICE框架，這也是一個縮略詞，代表:

• 影響-可以在銷售增長、成本節約等方面進行衡量。任何對公司有利的事情。
• 成本——很簡單，實現這個想法需要多少成本?
• 努力——有多少資源可用，這個想法需要多少時間?

這個ICE框架在評價事物的標準上更加具體。這也縮小了範圍:你只能給1或2分，這取決於你認為機會是「高」還是「低」。然後你把所有的數字加起來，就得到了總分。你根據這個數字做出決定。

用這樣的二元尺度，可以避免集中趨勢的誤差。更小的反應量表也會使事情更準確，「任何時候，當你放大屏幕去看高解析度的數據時，這可能是一個信號，表明這些數據毫無意義。」

這是一個更好的，但它仍然不是完美的-潛在的影響仍然是相當主觀的。你可以有很多想法，都得到3或4分。那你怎麼區分優先順序呢?

介紹:PXL框架

策略優先順序評分模型有3大優點：

1.客觀的評價潛力或影響力

2.培養有數據基因的團隊文化

3.客觀的建立易於實施決策的評分

一個好的測試想法是希望最終的結論能夠實現對用戶行為的影響。因此，這個框架不是猜測影響可能是什麼，而是向用戶提出一組關於它的問題。

• 改動點是否在首屏？首屏的改動會有更多人注意到，因此增加了測試產生影響的可能性
• 這種變化在5秒內就能察覺到嗎?→展示給同一組人看控制版本（原版），然後看多種修改後的版本，5秒後他們能分辨出來嗎?如果沒有，影響可能會更小
• 它添加或刪除了什麼嗎?更大的改變，如消除干擾或添加關鍵信息，往往會產生更大的影響
• 測試是否在高流量頁面上運行?對高流量頁面的相對改進會帶來更多的絕對收益。

如果我們所擁有的只是關於測試內容的討論意見，那麼優先順序就沒有意義了。對很多改動點的考慮都需要你把數據放在桌子上，以確定假設的優先順序。來自意見的想法得分較低。

PXL模型要求每個人提供數據支撐:

1. 它是否解決了用戶測試中發現的問題?
2. 它解決了通過定性反饋(調查、民意調查、訪談)發現的問題?
3. 這一假設是否得到了滑鼠跟蹤熱圖或眼球跟蹤的支持?
4. 它是否解決了數據分析得出的洞察結論？
5. 每個人每周都會就這四個問題進行討論，很快就會讓人們不再僅僅依賴於自己的觀點。

數據是幻覺的解藥--阿利斯泰爾·克羅利和本傑明·約科維茨(Lean Analytics的作者)

可定製性 Customizability

所有組織的運作方式都不一樣，不能簡單的認為相同的優先順序模型對每個人都一樣有效的。

構建這個模型的信念是，使用者可以，並且應該根據對業務重要的內容定製變數。

舉個例子

也許你是在和一個品牌或用戶體驗團隊打交道，這個假設中「符合品牌準則」是非常重要的。需要將其作為變數添加。

也許你的產品主要通過SEO從搜索引擎獲得客戶。又或者你的收入主要來源於特殊的人群。因此，您可以添加一個類別，如「不干擾搜索引擎優化」，這可能會改變一些標題或文案的測試。

重點是，所有組織都在不同的假設下運行，但是通過自定義模板，您可以計算他們，並優化您的優化程序。

PS：請在」全棧用戶體驗「公眾號內回復」pxl model「獲取漢化版excel.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！