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:
- 它是否解決了用戶測試中發現的問題?
- 它解決了通過定性反饋(調查、民意調查、訪談)發現的問題?
- 這一假設是否得到了滑鼠跟蹤熱圖或眼球跟蹤的支持?
- 它是否解決了數據分析得出的洞察結論?
- 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.