根据读书笔记整理出来的重点，因为有些案例举得不错也未删。

◆ 推荐序一 产品思维使人做出高质量的决策

>> “一切以用户价值为依归”的价值观，落地下来就是从用户中来，到用户中去。

>> 用户不是人，是人的某一类需求，是在特定场景下的需求。

>> 产品经理的进阶概括为两个阶段：掌握用户模型和掌握交易模型

>> 全书分为三个部分：第一部分“认知用户”讲述如何了解用户，即建立用户模型；第二部分“创造价值”核心讲述在了解用户模型的基础上，如何在一次产品决策中判断有没有创造用户价值，以及用户价值和产品价值的关系；第三部分“产品落地”则讲述了一些快速验证的方法。

◆ 推荐序二 用产品思维，以最小成本创造最大价值

>> 很多企业的首席执行官都喜欢自称首席产品经理。这是因为很多互联网公司是以产品为导向的，公司之间的竞争便是产品之间的竞争，公司的成功需要依靠产品经理的思维。

◆ 前言 产品思维的关键词及核心因素

>> “用户”和“迭代”这两个词，一只鹦鹉也能成为产品专家。这两个概念都是互联网从业者的老生常谈，

>> 用户的认知分两个层面，第一个层面是微观的。这包括用户画像、用户场景和用户心智。第二个层面是宏观的，需要对用户群体进行拆解分层。大多数产品都可以从各种不同维度区分用户。

>> 需要关注的第一个问题是，用户价值的存在并不等于产品价值就存在。

>> 考虑个体价值与产品群体价值的关系：产品价值=平均创造的用户价值×覆盖的用户量。

>> 用户体验最重要的事情在于做出分层，区分哪些是可用性，哪些是易用性，哪些又是用户的稳定性诉求。

>> 迭代是执行的概括，是认知用户和判断如何创造价值后的步骤。在产品执行中，核心是要有迭代思维与相较更基础的科学思维。

>> 为什么在互联网时代，产品思维被更加频繁地提及呢？这涉及以下4个关键变化。

第一，产品触达成本骤降。产品实体触达的成本降低就是让产品本身的价值重新成为品牌成功的核心因子，由于触达成本降低了，用户横向对比的成本也降低了。许多互联网从业者会把社会化营销的传播形式称为“自传播”，边际成本几乎为零

第二，认知用户质的飞跃。大数据的概念被热炒了很多年，其实它最大的价值就是作为认知用户的手段。大数据意味着我们可以在数量、质量和时效上，都碾轧式地优于过去像调查问卷、咨询分析报告那样的认知用户的方式。

第三，个性化体验成为可能。不过由于互联网产品的特性，原则上我们可以为每个用户提供完全不同的产品体验。在这样的新变化下，我们做产品就有了更高的要求：了解不同用户的需求并做进一步抽象，让不同用户的不同需求都尽可能用个性化的方式得到满足。

第四，生产方式彻底改变。生产方式的改变主要源于生产成本的降低。传统产品的承载形态是实体，因此存在巨大的成本。成本降低的结果就是，快速迭代成为可能。互联网产品能够获取到更有时效性、更真实、更全面的用户大数据。企业通过它们产生一些洞见，就可以快速生产一版更符合用户需求的新产品，快速提供给用户。

l 第一部分 认知用户

认知用户的基础是用户画像，之后通过用户场景和用户心智对用户决策判断进行约束，最终才能找到用户的真正需求。

◆ 用户是一切产品的源头

>> 我们要先通过对用户的微观描述具备初步的认知，然后从宏观层面去观察用户群体，看看他们有哪些共同特征，能够如何抽象。

>> 要关注的就是两个重要的约束条件，即用户场景和用户心智，也就是外部环境如何影响用户做决策，他们内心的想法又会如何影响决策。

>> 最后，我们会回到用户需求

◆ 第一章 用户画像的正确打开方式

>> 为什么这种有真实感的用户画像是好的呢？因为我们在设计产品的时候有许多判断需要经过用户检验，用户画像就是第一关。用户画像的种种特征和描述，延伸出来的是用户生活工作的环境，是他们日常的心理状态，也有他们的认知能力等。

>> 所以，不妨就去找到几个典型用户，在他们工作和生活的状态下聊一聊，然后记录主要的聊天内容。这份信息作为用户画像，远比一个教条的模板有意义。

>> 老张：那我还是要说，对于许多产品，用户画像在刚开始可以不需要那么深入，随着产品复杂度的提升，或者出现新的需求和场景，产品经理才需要继续优化和丰富用户画像。

刘飞：这么说也可以。我也说过用户画像是产品决策的试金石，刚开始可能简单一些，直到试不出来的时候，就要考虑这块试金石是不是需要再打磨了。

>> 刘飞：这是个好问题。当产品用户规模还比较小的时候，比如我之前刚创业的时候，是可以随机走访一些人的，多聊几个基本就有大概的判断了，她们有很多共性，可以找到最具有代表性的用户。但当用户规模特别大的时候，比如已经有十万、百万甚至千万用户的时候，就不能这么去了解用户了，要用一些统计学上的判断，然后确定比较典型的用户。

◆ 第二章 先区分后描述，全面认知用户特征

>> 用户画像的一个必要补充了——用户群体及其特征。虽然有时候很多人也把这些称为画像，但实际上用户群体特征的重点并不是“描述”，更多的是“区分”。用户群体及特征能帮我们区分哪些是我们的真实用户，哪些是潜在用户，哪些是我们的核心用户，哪些是边缘用户。

>> 要对边界内的用户有深入认知，需要深入他的心坎和生活状态，理解他的心理和场景。只有这样，才能做出好的判断，这还要借助用户画像。

>> 既然要做更具备完整性的判断，用户数据就经常是核心手段了。建立数据与用户画像的关联。建立客观数据与画像描述之间的关系，要基于产品的特征和我们的认知判断。

>> 数据跟画像之间应该怎么建立关联呢？这需要我们赋予冷冰冰的数字一个所谓的特征标识，这些特征聚焦的就是用户人群，每个人群都有一个画像。聚焦往往就是建模的过程。

>> 最科学的方法是做实地调研，我们可以搜集1 000个用户的行为特征，然后用可靠的调研方法确认这1 000个用户是否真的是我们认为的高收入用户。用这个做模型，最后就能得到α和β的值。与此同时，我们也有了统计学上的置信度的判断，即假如我们得到了一些用户的P值，我们认为他们很有可能是高收入用户，并判断出这个概率到底是100%，还是80%。

>> 建模是最有效的方法，不过并非每个团队都有这么好的资源做建模。如果没有条件做建模，我们也不需要对特征和用户的关联准确度有太高要求，只需用比较粗糙的加减法做判断就可以。

>> 可量化数据、用户特征与用户群体画像的一个通路。利用用户特征来做用户群体的发掘和区分，再用更具体的用户画像做用户认知和判断具体的验证可以通过访谈和调研来完成。

>> 老板也许会说：“我们可以用新的服务吸引新的用户啊！”这就超出本次讨论的范畴了。我们要判断的是“当下我们的产品的用户会喜欢哪些功能/服务”，而不是“我们应该做什么事情吸引更多全新的用户”。后者实际上跟做一个新产品没有区别，对用户特征的分析要关注的就不是存量用户，而是全新的潜在用户了。这个例子讲述的是通过特征来认知存量用户，从而判断产品应该往哪个方向优化。

>> 不论是分析从业经验，还是分析通过搜集行业数据得到的结论，都需要一些初步输入，才能做判断。定向找到一些类似的人，做深度访谈和了解。通过一些公开或非公开的渠道得到某些同类产品的用户信息；往精英化的方向发展，寻求互联网巨头或者金融巨头的背书，寻找背景非常硬的金融出身的顾问，这样产品的核心竞争力就被打造出来了

>> 案例1提到的是如何判断当前用户的潜在需求，案例2提到的是如何寻找潜在用户，接下来说说如何梳理当前用户的不同需求。

>> 原则上，任何尝试都可以做，不过还是要考虑成本问题。试探性地提供一些类似的产品，然后看用户数据的反馈，继续做用户特征分析，这样就可以通过这些间接特征，将用户分层为A、B、C三类产品的目标用户，后续在新用户注册时一旦做了标签定义就可以做定向推荐。在存量用户的特征发生变化时（比如升职加薪，从A变成C），也可以依据用户的特征变化来做产品推荐和调整。

>> 这三个例子都是在不同的应用场景下，对用户群体先用群体特征进行抽象识别，再用更具体的用户画像来认知的一个过程。可以看到，需要抽象的特征、最终抽象出的群体标识，都跟我们的目的息息相关。

用户群体在不同阶段需要做不同区分。在产品刚刚萌芽时，更多的是寻找潜在用户的群体特征，以及判断当下核心用户的特征。在逐步发展到一定规模后，就有能力提供更丰富的功能和服务。能够有针对性地做不同人群的拆分，原本让大家都体验到的60分服务也许就会变成80分。到用户规模更大或者有能力提供更个性化服务的阶段，就不仅仅需要分几类用户群体去提取特征了，可能需要从每个维度都拆分出不同的群体。这样就形成了特征与用户画像的多维矩阵体系，在做任何一个判断时，需要观察某一个或多个特定的维度，以便迅速定位不同的群体。

>> 我们要判断的最重要的应该是“潜在用户”和“真实用户”。他们之间是有转化关系的。

不过，真实用户会不会又变回潜在用户？也有可能。他们会因为各种原因（社交需求没有得到满足，对产品丧失了信任等）离开产品，重新变成等待转化的潜在用户。

因为新老用户的认知和需求差别非常大。对于新用户来说，他们的预期还不稳定，对产品的认知还比较少，有很大的不确定性，这时需要关注他们的各种诉求，让他们能够成为老用户。对于老用户来说，需求已经转变了，未必要做太多预期上的管理、功能上的介绍等，更多的是让老用户持续留在产品上，产生更多的商业价值。在人群转化的每一步，我们都可以做一些事情。

>> 第二个陷阱是，生命周期这种划分方法是平台视角的，不是用户视角的。在划分出人群后，该做什么，依然要根据每类用户的需求来推断。

>> 获取用户、沉淀用户、让用户付费等，用的几乎都是运营手段

>> 而互联网产品已经逐步进入深水区，做产品也不只是当年做做表面用户体验那样，已经更多地涉入业务。

>> 会员体系在认知用户群体

◆ 第三章 利用场景判断用户的真实需求

>> 用户场景是对产品所在外部环境的描述——“到现场去”

>> 什么是用户场景分析呢？这就是典型的用户场景分析：考虑到产品使用的外部环境，不仅对用户有判断，对外部环境也要有判断。整体考虑到的需求，才可能是最真实的需求。

>> 用户不是只存在于物理世界的理性人，还是在社会环境中的社会人。对于容易判断的物理环境有了解并不难，难的是对用户使用产品的社会场景有一定认知。

>> 什么是社会场景？“让用户尴尬”就是一类常见的场景。

>> 客观环境和社会环境是外部因素，用户的心理状态会受这些外部因素影响而变化。用户心理状态的变化，是我们设计产品时更需要重点关注的课题，我们把用户在特定心理场景下的状态，称为心流。

>> 正因为有“逛街”这样的场景，才让用户对这些项目有了关联度和诉求。脱离开这个场景，也许用户压根儿就没有强烈的诉求了。买。除了“不能白来一趟”的心理外，更多的正是“我正在旅游”这个心流决定的。

心理账户，如今已经是经济学中的重要概念。心理账户指的是，哪怕都是同样面值的收入和支出，在一个人的心中，它们都被分门别类做了编码，重要程度和账户的额度截然不同。这种对用户心理状态变化的把握，可谓最高阶的一种场景判断。场景判断能够帮助我们更精确地捕捉用户随时会变化的需求。这也就是我说“用户需求是动态的”的原因。

>> 结合外部的物理环境、社会环境，以及内部的用户心理状态，我们就能够判断用户完整的场景。在这个场景下，用户会怎么想，会有什么问题，就代表用户有什么样的需求。

>> 脱离场景去说，根本无从判断对错。不做区分地把这些描述当作指导产品设计的原则，无视实际场景，很容易做错判断。

>> 用户的心理账户（这里指的是时间账户）。如果心理账户从“自己的游戏娱乐”转化为其他账户呢？比如，这个皮肤是送给特别喜欢狂鼠的女朋友的，那这个心理账户就变成了“给女朋友的礼物”，额度也许就有所提升；又或者，用狂鼠已经出神入化的玩家，希望在游戏中显得更酷、更有范儿，这个心理账户就变成“社交荣誉感”，额度也会发生变化。

>> 这个需求并非源于卫生纸本身的价值，而源于“凑单”的场景。

>> 判断用户场景有一个极佳的效用——可以作为产品主打的品牌形象。如果产品在用户场景上定位清晰，是非常容易宣传和推广的。这样不仅可以单向获取用户心理账户来满足需求，还可以反向影响用户心智。

>> 抖音和西瓜同样都是短视频，为什么说它们满足了不同的用户场景？

◆ 第四章 怎样探索用户的心智

>> 在用户场景中，用户的心理状态会有各式各样的变化，这些变化的根源就是用户心智。如果说用户是产品的根源，那么用户心智就是用户需求的根源，用户所做的每一个行为背后都是他们在具体场景下，认知某件事后的反馈，这个认知的基础是用户心智。

>> 对于产品经理和创业者来说，认知用户的价值，不仅仅是每次都知道用户当下的想法是什么，更重要的是知道用户的心智函数（F）是什么。F是对用户的深入理解，可以帮助我们在条件有限的情况下快速准确地判断用户，这是产品从业者的核心竞争力。

>> 难的在于，你能够切换为跟你差异比较大的用户的视角。

>> 从社会心智和认知行为心智两方面分别论述。

>> 社会学家乔恩·威特的《社会学的邀请》，已经成为社会学的入门经典。这个“免费体验几次”的成本，就是扭转用户心智，让用户成为真正目标用户的成本。互联网产品大都是持续、长效的服务，尤其像打车、外卖等O2O（线上到线下）服务，有许多触点，而并非只有购买消费这一个触点。我们要试图在每个触点，让用户感知完整的心智感受。

>> 假如我们有一个新的功能，可以预测乘客打到车的时间，出错率非常低，我们要不要上线呢？还是谨慎为好，因为哪怕1%的出错率，覆盖的乘客数都不是小数目，每次出错都会对用户心智造成负面影响，乘客会失去信任，对“网约车=高科技=高准确率”的心智是一个损害。虽然出错率是1%，但在用户心智里却会扩大好几倍甚至几十倍，这种负面感受的积累后果不堪设想。

>> 还有另外一个维度，就是看我们内在的基因会如何影响我们的心智。这里我们要引入的，就是认知心理学和行为经济学了，它们的构建基础甚至在生物学层面。在心智方面，有一个核心假设是这样的：我们的大脑思考有多个系统。

>> 要简单描述系统1和系统2的区别，记住这三句话就可以了：

●系统1是无意识的、快速的思维方式；

●系统2则需要注意力集中，做复杂的运算；

●我们通常倾向于用系统1思考，遇到麻烦，系统2再出面解决。

>> 由于系统2思考缺失而导致的“不理性”的思考方式，我们称之为认知偏误。

>> 虽然认知偏误听起来不是个好词，但在许多问题上快速思考的确能够节约成本。更重要的是，从另一个视角看，作为产品设计者，我们服务的是用户，既然用户天然存在认知偏误，那么我们就没必要从是非的价值观上做判断，而要深入理解用户的认知偏误，这是每个产品经理和设计者的必修课。

损失规避/损失厌恶，由阿莫斯·特沃斯基与丹尼尔·卡尼曼提出，指的是当人面对同样量级的收益和损失时，会觉得损失更加难以忍受。科学家实验的结果是：损失带来的负效用为收益正效用的2~2.5倍。“赠送给你一张200元额度的优惠券”和“不领取优惠券将损失200元的优惠额度”，用户会对后者的表述方式更敏感，更容易受其影响。在“双11”面临的诸多根本搞不清楚的庞大优惠规则和机制，其实也是在筛选对价格敏感和不敏感的消费者。

effect），也是由阿莫斯·特沃斯基与丹尼尔·卡尼曼提出的。面对同一个问题，在使用不同的描述后，人们会选择乍听之下比较有利或者更顺耳的描述。框架效应的基础正是损失厌恶。框架效应可以运用的地方也有许多。比如，在吸引用户选择一套你有预设倾向的方案时，就可以用更加顺耳的说法来表达。在损失会比较大的时候，强调收益，在损失比较小的时候，强调损失，可以让用户更认同。当然，这里提到的只是如何描述同样的事情，而是否要隐瞒一些不利于用户的信息，就不是框架效应要解决的问题了，这是由产品设计者的价值观决定的。另外，我们了解了框架效应后，也要识破许多数据分析上的漏洞。

>> 和B的销量很小，并不重要，它们就是放在C的旁边，作为一个重要的锚定物的。这就是运用广泛的锚定效应（anchoring effect），同样是由阿莫斯·特沃斯基与丹尼尔·卡尼曼进行观察，并加以理论化的。可锚定的通常都是价格，有时还会有例子中提到的功能、质量等。总之，一旦你建立了初始锚定认知，后面的认知就会基于这个初始参考物来做判断。锚定效应的运用极其广泛，不仅可以用在价格方面，还可以用来管理用户的预期。

>> 产品本质上还是工具，我们的目标很清晰，就是用工具实现我们的目的。在这个过程中，许多次要因素对我们都不重要，我们也根本关注不到，这就是注意力偏误（attentional bias）。

这种大段的文字，用户都是视而不见的，因为对用户来说，它并不是当下关注的重点。用户协议现象”延伸出的问题是，用户对大段文字、字体比较小的描述，也往往视而不见。在做一个订单量千万级的平台产品之前，我根本不敢想象，很多人打客服电话咨询App上写得清清楚楚的内容。至于用户为什么还是要打客服电话询问，的确有一些是懒得翻手机，但绝大多数都是压根儿不知道产品上有这个问题的答案。当意识到这个问题后，我在做决策时，几乎不会考虑“用户认真阅读小字”这种场景，如果依赖这种场景做功能，结果肯定会引发各种异常，用户会大量投诉。于是，要么就是重要信息突出显示，要么就是更重要的信息阻断式显示，小字只能给有仔细计算和研究需求的用户作为辅助了。

>> 主观验证、证实偏见和逆火效应

我们做功能时用的是概率思维，而对用户来说，只是0和1的关系。

在概率思维与0/1思维背后，还有一个波及范围更大的偏误，也就是知识的诅咒（curse of knowledge），这个像是从《哈利·波特》里走出的名词，其实很好地形容了偏误的要点：知道得越多，反而越容易做不好。我们了解的知识越多，就越会丧失在不了解的视角看问题的能力。在产品决策中，避免这个现象至关重要。产品方面，我们作为产品经理可谓“全知”的存在。虽然我们知道产品的各种细节、存在什么功能、有哪些策略，但我们做任何功能，都要假设用户的信息是缺失的和不完整的，而且缺失和不完整的部分也经常不一样。摆脱知识的诅咒的第一步，就是先意识到自己是“全知”的，而用户的认知程度参差不齐。有许多产品经理认为，只要同理心足够强，那么用户想什么就都知道了。同理心当然非常重要，但要真正认识到用户的想法，要体验他们的视角，并不是仅有同理心就能搞定，用户会从什么视角认知，在摆脱知识的诅咒之前，很难意识到。这就只能依靠频繁地与用户沟通，获取用户的想法来保障了。

rule）也是丹尼尔·卡尼曼提出的经典理论，经常运用在服务业。这个定律的核心结论是：高峰（不管是正向，还是负向）时与结束时的两个感觉，是未来最容易让人回忆起的体验。映射到产品和用户，也就是说，不管整体流程如何，用户使用产品后对产品评价优劣，往往源自他在最高峰期间的体验如何，以及在结束时的体验如何。这些印象作为峰值体验，与下车时和支付时的结束体验，会抹除其他体验记忆，最终形成用户的固有印象。

effect）是由一位行为经济学家、《怪诞行为学》的作者丹·艾瑞里提出的。听名字就能判断出，这指的是宜家家居生产的那些常见的需要用户自己组装的产品。“高估自己劳动所得”在许多产品和营销策略中会有不少帮助，例如，通过完成一些小游戏让用户感觉到“这些奖品是我自己赢得的”，于是特别珍视。如果奖品是优惠券，那用户会更倾向于在截止日期之前用掉，因为他们会高估奖品的价值。另外，宜家效应还能提醒我们：对于用户花费时间和精力得到的权益或者虚拟物品，在做削弱它们或者导致它们贬值的事情时，要特别谨慎。

>> 一个是间隔效应（spacing effect），即比起无间隔的重复接触，有间隔的重复接触会有更好的记忆和学习效果。另一个效应是延迟效应（lag effect），即比起短延迟时间的多次重复接触，长延迟时间的少次接触有较好的记忆与学习效果。也就是说，延迟时间更长，更有利于学习记忆。

>> 提到认知偏误，还要提到一本书——《超越智商》。这本书的作者基思·斯坦诺维奇其实是系统1和系统2理论的首创者，不过丹尼尔·卡尼曼把他的理论发扬光大，建立了更成体系的学术理论。这本书从更基础和更专业的视角论述了大脑思维的差异，深入理解了这本书，也就掌握了认知行为心智更基础的形成背景和要素，能对认知行为心智有更深入的理解。

同时，也推荐阅读维基百科的“认知偏误列表”，这里有一份国内的复制版本供参考（）。

需要建立的是初步的知识框架，就是“我的用户通常有怎样的社会心智和认知行为心智”，而不是大而全的“全人类通常有怎样的社会心智和认知行为心智”，后者是科学家研究的，我们要学习理解的是前者。另外，不清楚用户心智未必就完全无法做用户认知，粗浅的、表面的认知也能帮我们做产品决策。用户心智可以让决策更加准确，这属于锦上添花，而非雪中送炭，因此肯定不是成为产品经理或者设计师、决策者的必要条件。

◆ 第五章 找到真实有效的需求点

>> 比如，有人把需求称作“痛点”“痒点”等，这种主观感性的词语不利于我们理解需求，会让大量初学者误会需求。有人会把需求与社会学、心理学的需求挂钩，用马斯洛需求理论来定义需求，这也会剑走偏锋，强调不了重点。社会学科的需求理论是用来帮助我们理解用户和需求的，但很难定义在产品领域到底什么是需求。

>> 我对产品领域里需求的定义是这样的：用户对解决现存问题的需要。

有这种想法本质上仍然是对需求的定义理解不足。我们提到了需求是“需要解决的问题”，而不是“某一个产品”。在这个问题中，用户需要的并不是“某一个产品”，比如智能手机，用户需要的是“解决我的问题”。需求不是创造出来的，用户要解决的问题也不是创造出来的，就是这个道理。有不少人认为“用户应该×××”“他们需要×××”，它们在可预见的未来内有可能发生，但只要用户还没有遇到这些问题，还没有面临解决问题的境况，用户就不需要这个产品，最后，这个产品难逃被淘汰的命运。

再次是“问题”。问题不分大小，不分场景，只要是用户需要解决的问题，就是需求。这里就可以运用“痛点”“痒点”或者马斯洛模型等作为参考，它们可以协助我们定义问题的大小，即严重程度。平时要出门，打不到车是痛点，需要更高效的约车平台，这是痛点，而打到车之后口渴，需要车上有一瓶水，这是痒点。先满足哪个需求，再满足哪个需求，要视问题大小而定。先区分是不是问题，再区分是多大的问题。平时要出门，打不到车是痛点，需要更高效的约车平台，这是痛点，而打到车之后口渴，需要车上有一瓶水，这是痒点。先满足哪个需求，再满足哪个需求，要视问题大小而定。先区分是不是问题，再区分是多大的问题。

最后是“需要解决的”。有许多问题并不需要解决，有的源于我们对用户认知的不足，一些问题源于用户个人能力所限，也会认为暂时不需要解决。需求是当下要解决的问题，不是随时都需要解决的问题，与此同时，需求也不是无限制需要满足的。超过一定的边界后，用户的边际收益会骤降，甚至降到零（也就是没有意义了）。绝大多数情况下，越过这个满意的边界，用户的满意度不会一点儿都不变，但变化程度会非常小。无限制地满足用户需求的价值会变小，我们可以称这个边界点为“用户体验边界”。

>> 人们通常无法表达自己的需求，是由于并非每个人都是抽象问题的专家，但大多数人的需求和“要解决的问题”都是需要抽象和梳理的。人们其实无法准确表达在真正使用产品时的需求，往往都是直接给出一个解决方案，而这不是他们背后的需求，

>> 他们作为运营后台的用户，通常给出的建议都是直觉上的解决方案，而不是背后的需求。所以这是认知用户的专家存在的意义，也是产品经理的一个核心价值。

怎么验证用户不知道自己想要什么呢？唯一的验证方法就是让用户使用产品。产品经理或者设计者要判断用户需求，只有两种方法：要么是特别有经验且足够自信，也有极高的天赋，用行业经验和同理心捕捉用户需求，比如乔布斯、张小龙这样的产品界大佬；要么只能投入市场测试用户使用产品的情况。坦白说，大多数人并不具备较高的天赋，有不少人也不具备很成熟的行业经验，因此更需要用投入市场的方式快速验证，这也是迭代思维的价值，我会在后文展开论述。

理解用户需求和有没有做用户调研是两码事。许多产品设计者表面上与用户和谐相处、其乐融融，却对用户需求没有足够深入的理解。同样是做手机的老牌公司，诺基亚和摩托罗拉，就由于惯性始终认为智能手机是伪需求，看不到用户更多的需求，依然押注在“让信号变得更好”和“让手机更坚硬、更不易损坏”上。结局大家都看到了，用户实际更在意手机的娱乐属性（玩游戏、丰富的应用）、社交属性（美观、身份和态度的象征），这方面的需求高于对信号和不易损坏方面的需求。iPhone的信号不稳定、玻璃面板易碎，但这些没有成为它飞速抢占市场的阻碍。

>> 我们要考虑清楚需求的主体；我们不需要考虑所有用户的需求，而是要找出目标用户。

>> 需求从来都不是一成不变的，而是有其时空约束条件的。这里强调的实际上是我们在关注需求时要看物理环境和社会环境，还要看用户的心流和心智。

>> 用户是需求的集合，指的是我们了解到的需求，或者产品满足到的需求，并不能代表用户的全部需求。我们要了解我们正在关注的需求，处于用户心智的什么位置，占多大比重。

>> 不过在简单的用户数量背后，还要关心这些用户对产品的价值，以及反过来说，产品对于这些用户的价值。

用另一个更准确的标准衡量用户质量，就是使用时长。产品的用户总在线时长=产品覆盖的用户数量×每个用户的平均使用时长，这样比较，就可以看出产品对于用户需求的覆盖度。使用时长代表的是用户对产品的依赖程度，也间接反映了产品满足的用户需求在用户所有需求中的位置。在讨论用户场景时我们提到，在用户的支出心智中，有心理账户的概念，即用户会根据不同的支出类别划分自己的账户。同样，用户在时间上，也有心理账户，比如该花多少时间在工作上，该花多少时间在娱乐上，该花多少时间在社交上，等等。之前有人提出许多移动互联网产品已经成为注意力经济，就是这个道理——你抓住了用户更多的时间，也就覆盖了用户更多或更重要的需求。

>> “头条系”和“腾讯系”是类似的（“打发时间”或者“碎片化娱乐”），它们可以相互替代，不是“阿里系”（购物为主），不是“百度系”（信息获取为主），也不是“新浪系”（内容社区为主）。

>> 另外，有趣的是，据说抖音和快手的用户重叠度有80%，也就意味着它们在海量的用户手机里相安无事、和谐共存。它们看似都是短视频应用，却同时满足了用户不同的需求类型，占据了不同的用户心智。

>> 我们要找到最适合当下关注的层次，而不是只采用直觉上感知到的层次，这些层次有可能是表面的，比如对某个工具的诉求，也有可能是深层的，比如人性的欲望。

据说有一个产品经理思考问题的法则，就是无论任何事情，都连问6个为什么。倘若有时候你觉得“他居然会这样想，不可思议”，一般就是因为对用户需求的拆解没有那么清晰。在认知用户需求时，要做到意料之外，情理之中。意料之外是由于我们只看到了用户的表面需求，情理之中是由于我们看到了这个需求背后的原因。深层次的需求持久永恒呢？我们任意反推一个用户的需求，就会发现需求更深的层次，都可以定位到同样的一些本质需求。

>> 这其实就是我们讨论过的社会心智在起作用。每个人的欲望还是受环境影响的，需求对比的永远都是身边的人，需求满足程度比身边大多数人好一点，这就是心理收益最大的时刻，再好出几倍，其实就没有太大意义了，感知不明显。

>> 手机的生产成本高，试错空间小，手机市场留给一个创业者和新人的尝试机会不多，一两代都做不成，很可能要退出市场。

>> 绝大多数互联网产品其实存在较友好的试错环境，不管是App、H5（超文本标记语言的第五次重大修改），还是小程序，完全可以用最低成本的方法先尝试，说改就能改。既然如此，就不需要事先做大量调研，有了初步判断，就可以基于它快速落地执行，然后由结果反推自己需求判断的准确性，持续修正。

l 第二部分 创造价值

◆ 产品设计者应该为用户价值和产品价值负责

>> 经济学家对世界有了充分的认知还不够，需要让这些认知转化成有价值的方案，能够帮助政治家做决策。毕竟对于产品经理来说，工作成果当然就是最终的产品。不过“做了许多方案”或者“达成了业绩目标”未必能证明“创造了用户价值”。这类产品经理在项目中起到的作用更多的是推动和协调，即协作型产品经理，甚至有些就已经是项目经理。他们最终的价值并不是“用户价值”或者“产品价值”，而是协作价值。

>> 如果要准确定义这三个概念，可以用以下三个描述。

① 用户价值：用户使用产品时主观判断能否帮助自己解决特定问题；

② 产品价值：从产品设计的视角关注的用户价值；

③ 用户体验：在实现用户价值过程中用户的主观感受。

>> 首先，在提到用户价值时，通常有以下两种含义：

● 我们能够为用户创造的价值——用户使用产品时对我们的感受是否有价值、有帮助；

● 用户对于我们的商业价值——用户是不是能提高我们的收入或者是潜在的贡献者。

本书提到的用户价值，均指代前者，即只考虑从用户视角看，产品具备什么样的价值。

>> 在市场环境中看：产品价值=（新体验－旧体验）－迁移成本

考虑外部环境，指的就是我们要知道是否存在用户在用“旧的产品”或者用户有“旧的需求满足方式”。任何产品都不可能摆脱真实的市场环境来衡量自己的产品是否有价值。由于用户迁移到新的产品上存在成本，而且用户完全不理解在体验完全相同的情况下为什么要使用新产品，因此我们的产品根本不会有市场。它从功能上判断的“绝对价值”是与微信类似的，但它在用户心目中的“相对价值”则非常低。

>> 在平台视角看：产品价值=平均创造的用户价值×覆盖的用户数量

另外，我们要考虑的也并非单一用户。对于用户来说，产品对他的价值是确定的，但我们要面对成千上万的用户，我们的产品价值就要考虑目标用户不同的价值诉求。为1%的用户做重度功能，不如为50%的用户做轻量的普适功能。

>> 在ISO（国际标准化组织）对用户体验的定义中有这样的描述：用户体验，即用户在使用一个产品或系统之前、使用期间和使用之后的全部感受。简单说，就是用户在使用你的产品和服务时的主观感受。用户体验是实现用户价值过程中的感受，因此有时并非与用户价值完全画等号，即可能在创造了用户价值的同时，也损害了用户体验。

>> 总的来说，用户体验是整体感受，影响的范畴比用户价值更大。

>> 值得一提的是，在过去提到用户体验，我们在脑海中浮现的往往是“简约设计”“页面设计”“精益设计”等，偏向交互设计的。对于互联网产品来说更具体一些的载体，也就是PC软件、PCWeb，以及手机App和手机网页（H5和小程序），需要重新审视用户体验：用户体验应该是使用产品时完整的主观感受。

>> 因此，本书讨论的用户体验是广义的，不仅包括人机交互，还包括在整个产品呈现过程中的所有用户感知。从界面上的一句文案是否有地域歧视，到一个O2O背后的订单分配系统是否能合理地满足两端的需求，都属于用户体验。

◆ 第六章 基于用户需求而判断出的用户价值

>> 本书反复提到用户心智，在用户价值的定义中我们也要关注用户心智，因为用户价值是主观感受，而非某种逻辑推断的客观结果。价值是人判断出的使用价值。

>> 在讲述用户需求的时候已经提到，需求的主体是完全不同的用户，需求也有不同用户在不同时空下的约束条件，因此用户价值也必然是变化无常的。

>> 用户价值是用户的主观感受，一定会受两类心智的影响。实际上，在介绍用户心智时提到的“锚定效应”里，用户会跟随商家的引导形成对商品价值有一定偏误的认知，这就是用户价值受认知行为心智影响的一例。这里可以再补充一个用户价值会受社会心智影响的例子。

>> 用户价值的应用。判断能否实现用户价值，就是要看用户背后的需求有没有得到满足，也就是用户的问题有没有解决。我们在掌握用户画像和用户心智后，会对用户需求有初步判断，然而一个产品是否能解决用户的问题，满足用户的需求，还是需要现实逻辑的关联。在判断用户价值时，我们要判断的是考虑所有约束条件下的用户需求究竟是什么样的，再考虑用户价值是什么样的。

>> 这样我们就可以将用户的核心需求转换成业务目标，这是用户价值的应用之一。

>> 是不是能找到想要的东西（搜索、筛选、分类等），如何判断商品的质量（评价和排序体系），购物支付效率，这是核心的用户价值。延展一下，还包括能不能发现想要的东西（导购、推荐），到货能不能比较快（发货速度、快递速度），到货会不会出问题（拣货错误率、快递服务）等。

>> 用户需求与用户价值是一体两面，一个关注问题，一个关注解决问题。

◆ 第七章 核心用户价值就是产品要实现的产品价值

>> 当从企业视角关注用户价值时，我们还要选择自己关注的场景和领域。产品价值就是从企业视角关注的用户价值，那么核心的用户价值通常也就是我们要实现的产品价值。

>> 为什么在实现全链路用户价值之外，还有其他产品的空间呢？可能有多种原因，常见的一般是全链路的平台更多起到的价值是撮合信息和搭建平台生态，而非专注某个链路并做深，这就给了许多垂直品类一些下探空间。在许多行业里，市场仍然是长尾居多、品牌繁杂，这也给一些产品提供了做大的空间，这也能实现很高的产品价值。

>> 怎么寻找产品的核心价值呢？产品的核心价值要符合以下几个要点：

④ 简单明了，即要考虑用户心智认知的问题，用户很难认知你的产品是混合了多个价值的，也很难在心智里存储一个复杂描述。迅雷创始人程浩讲过：“好的创业项目和好的商业模式，永远要一句话就能讲清楚。”

② 新旧体验差非常明显。综合来看，就知道Windows 10的新旧体验差，哪怕是一个正值，也是非常小的。再看迁移成本，众所周知，升级操作系统，不管是在电脑，还是在手机上，都需要很长的加载时间，且存在不小的风险，算下来迁移成本并不小。于是我们用一个很小的正值减去一个很大的迁移成本的值，得到的产品价值也许就是负值了。这是不少用户选择不升级的原因。看微信，情况就发生了变化。微信的更新非常节制，且经常会有比较大的改动。例如，之前有的版本加入了红包，有的版本加入了小视频，有的版本加入了公众号。当身边的朋友都在发红包时，你却没办法收红包，大家都在发小视频时，你看不到，这种体验就非常糟糕了，于是新版本的微信对用户来说，新旧体验差非常明显，是个大数字。微信的迁移成本跟操作系统的就不一样了，点击一下，网速够好的话几分钟就升级成功了，更不用说许多人会开启自动更新，后台就自动完成了，跟操作系统升级的成本全然不同，于是迁移成本是个小数字。

>> 从举的例子还能看出，这个公式不是用来做精确度量的，我们只能预估一个大概的数字，来代表我们内心的判断，用来做模拟演算。产品价值公式揭示了许多产品决策者通常会犯的两个主要错误：忽视旧体验；忽视迁移成本。忽视旧体验还包括一种特殊情况，就是识别了错误的旧体验。

>> 经常被人提起的还有方便面销量在2015年开始大跌，这并不是因为类似的竞品兴起，直接原因其实是外卖行业的兴起和补贴大战。同样是从行业领域看相关性不大的产品，却在用户价值上有显著的替代作用，它们就能成为用户新旧体验的对比对象。

>> 许多产品留存用户的手段，诸如积分、会员等，就是在设法提升用户的迁移成本

>> 我们在做任何产品或者功能时，都要摸清用户的旧体验和迁移成本，哪怕不一定能准确量化，也要确保我们十分清楚这个公式里每个因子代表什么，不能忽视市场环境中的这个相对的产品价值。

>> 在短期效果与长期价值之间做权衡（这是个paradox，解决不了的）

公司的成立均是为了商业目的，没有公司是做公益慈善的，对于一线的许多执行者来说，会背负很具体的盈利指标，它们会以KPI的形式影响大家的年终奖。因此在具体执行时，每个人都自然趋利避害，往可以完成目标的方向去做，这样就会更加关注短期效果。公司团队小了还好说，主人翁意识会比较强，但假如是上万人的公司，那每个人对用户价值的“责任感”就弱了很多，哪怕员工其实清楚自己的产品核心价值是什么，也未必会以它为导向。

我在《从点子到产品》一书里提到过“黑魔法”，就是用精心设计的陷阱诱导用户做某件事。既然是陷阱，就有天然的弊端：用户只会吃一次亏，绝不会上第二次当。比如，用“小红点”这种提醒告诉用户，有重要的事情发生了，结果用户点击进去发现是一个导流广告。这样带来的流量当然很可观，但实际上牺牲的是用户未来“对小红点功能的信任感”，牺牲的是这个功能再拿来正常使用的价值。这样的“黑魔法”也是追求短期效果的典型，是忽视用户价值的手段。

>> 只不过，哪怕再大的平台，也会有层次鲜明的核心价值，并非所有功能和服务都是核心价值，仍然会有价值分层。对价值的理解和运用是一项核心竞争力。

◆ 第八章 用户体验=可用性+易用性+稳定性

>> 用户体验存在四个维度：用户体验=可用性+易用性+稳定性

>> 用户体验如今不单单是交互和视觉了，而是贯穿用户使用产品的整个生命周期的方方面面。只要是用户的感受，就是用户体验。从这个角度说用户体验是个筐，倒也没错。

>> 那么到底该怎么认知和解决用户体验问题？我会从四个维度来拆解，它们的定义如下：

① 可用性是用户价值的核心。如今我们看到，电商、外卖、出行平台在消费者一侧的补贴会非常谨慎，大规模的补贴背后，都要确保快递、送餐和司机的运力充足。这也是为什么，每次大型的促销活动，比如“双11”、春节等，各个平台的服务器性能都要提升到比前一年翻几倍的程度。在任何场景中，都要先确保可用性，这是用户体验的基础。

易用性是用户达成目标的成本，若要用一个简单的词语定义易用性，就是“用户成本”我建议的建设易用性的方法，是梳理产品整体体验的用户体验地图。用户体验地图讲起来简单，就是将用户在使用产品时的所有触点都一一罗列出来，并且逐个评价其优劣，横向对比影响，决定到底哪个触点的体验更需要解决（背后也是用户成本思考）。用户体验地图的核心要求有以下三点：

>> 第一点强调的就是必须包含所有触点，除了前文提到的，要包括线下的流程，还要关注产品之外涉及产品的触点。

>> 第二点十分关键，与零散的体验点的不同的是，体验地图要求所有触点之间都要有关联，也要求标记清楚每个触点与其他触点的状态变化。这背后代表的是用户的连贯体验。

>> 第三点指的是，我们不仅要了解用户的触点，还要回到本质：用户到底怎么想，用户对触点的感受是怎样的。把触点的问题严重程度标记出来，才能够横向对比，确定对于我们的产品来说，到底哪个关键节点影响了用户的易用性。

稳定性在复杂场景中有更高的要求，也就是用户在各种场景下，是否能无异常地完成任务。如今结合线下的互联网产品，出现异常的概率和影响程度都差别巨大。例如，对于网约车出行来说，乘客遭遇堵车、导航不准、GPS（全球定位系统）信息丢失、司机师傅爽约等异常的概率会远高于线上问题的概率，异常的概率在真实场景中很难降低。同时当乘客遇到类似的问题时，解决出口也远比刷新网页难得多，成本会非常高，这就让体验的稳定性变得异常重要了。

面对稳定性，我们要解决以下两点：（1）大多数用户都是0/1思维，一旦受到严重伤害，用户不会判断概率问题，而是会一票否决。在金融安全、人身安全层面，尤其如此。因此在可用性层面，首先要确保几乎所有的异常发生后都有降低成本的解决方法，其次就是要竭力优化异常发生的概率。有了这个意识后，就会发现有的新产品功能的价值，不如对旧的产品功能异常率做优化的价值大。

>> 对于易用性的功能和服务的稳定性，影响程度通常不会特别严重。值得注意的仍然是，易用性的功能和服务发生异常的后果到底是什么，会不会造成用户的成本剧增，成本剧增实际上会导致可用性降低，也需要着重解决这个问题。

>> 总的来说，我们要考虑的体验层次，按重要程度由高到低排序，实际上应该是：

>> 超预期体验并非用户体验的必要组成

>> 第二点，破坏用户体验的稳定性。如果是永久性的超预期体验，本质上是功能优化，长期会给用户带来价值，这当然都有价值，是我们要做的，通常只需要做功能优先级的排序。但如果是间歇性的超预期体验，真的未必是一件好事。

>> 因此，在用户体验上，我们要做的总结来说就是以下4个原则：

l 第三部分 产品落地

认知用户等于对外界的认知，而创造价值则是内外间的交互。当充分认知外界后，就能较清晰地理解需要创造的价值。接下来，便是对内的理解——什么样的产品能创造预想的价值。

◆ 产品思维是从外到内的认知

>> 从创意到实现，并非有足够的认知就行，还要包括至少两个核心逻辑：供给侧能力；迭代思维。结合会贯穿整个产品生命周期的“科学思维”，我把它们总结为产品工作者一定要熟知和掌握的三项核心思维。

>> 可以看到发展了十几年的大企业是如何运转的，却通常看不到这十几年里，企业是如何从0到1发展起来，如何在各种关键节点绝地求生的。他们只能捕捉一小部分零碎的片段

>> 有了基本的供给侧逻辑，才能谈具体如何做产品。产品在落地阶段后，最关键的就是迭代思维。认知用户和做用户价值判断，认知行业和做供给侧逻辑判断，是先决条件；没有人能提前准确预测，这中间的不确定性，就要靠迭代思维来弥补。

◆ 第九章 深入场景，探索供给侧的价值

>> 独立品牌产品；多方撮合的平台型产品。

这两种供给方法有本质的区别，供给逻辑和产品落地方法也有极大的差别。独立品牌更关注自己完成的“功能体验”和“服务品质”，而平台类产品更关注的是赋能给B端供给侧的用户，让他们具备足够的“功能体验”和“服务品质”。值得注意的是，如今的平台类产品都逐渐有了独立品牌产品的特性：用户会关注平台的品牌背书，也就要求平台不仅仅做好撮合，也要做好B端供给侧的服务品质把关，用户一旦出了问题，首先想到的并非只是B端这个角色有问题，而是平台做得不够。

>> 倒不是不能提供纯粹的信息撮合平台，完全不关心品控和商家管理这样的产品，而是这样的产品对于用户来说，信任成本实在太高。

>> 平台类产品不仅要像独立品牌产品一样，想办法为狭义的C端用户提供良好的功能和服务，还要面临供给侧不是自营、管控能力差、B端分散的窘境，需要有更强大的组织协调管理能力才能够完成这一目标。

>> 供给侧画像是认知供给侧的起点

跟用户画像类似，我们也需要一套供给侧的画像描述，而且这个描述应该是由用户画像、用户价值作为先决条件的，即我们需要获取什么样的用户，需要创造什么样的价值，再考量什么样的供给侧能够完成这样的逻辑，最终获取对应的供给侧角色和资源。

>> 当决定供给侧画像策略时，我们还是要从需求出发去分析供给，而不是相反。

>> 以上描述的都是在平台类产品中，供给侧用户画像的推演方法。不管是平台类产品，还是独立品牌产品，除了这类非常接近用户画像的供给侧画像，还要考虑另外一些画像，就是要确保最终提供给消费者的功能和服务的体验，整体工序中还需要哪些角色。这个通常要有丰富的行业知识，是较难决策的。

>> 中间不在普通用户视野之内的就是我们要做的供给侧逻辑，这对于外界通常是黑盒。

>> 用户的价值决定了供给侧的价值，也就是说，我们认知到了产品或者服务的核心价值是什么，就更应该把这个价值做好。

>> 在判断核心用户价值和逐步进化的过程中，我们落实产品的核心供给侧角色也在逐步变化。出色的企业家和产品决策者很清楚当前为了用户价值，哪件事是最重要的，又应该由什么角色来完成。

>> 除了非常少见的小而美的纯线上应用，几乎没有能独立完成交付的产品。那么不管是在创业时寻求合伙人，还是在大企业的产品中完成一个重要模块，都需要判断你最需要的合作伙伴和资源。本质上就是，你和你的团队即便能把需求侧的逻辑梳理得特别清晰，可能否做好供给侧，是有大大的问号的，甚至由于不了解行业，连到底需要什么样的人都可能不清楚。

>> 供给侧的画像未必只是指第三方的供给、合作伙伴、合伙人、员工这样真实的人，也可能是人脉、资源甚至钱。有的行业在充分竞争的市场里，需要大量的补贴，是否有足够的资金就是个问题；有的行业是极其本土化的市场，没有当地有效的渠道资源，根本无法渗透，这也是个问题。许多情况限制着我们满足用户需求、给用户提供价值的方法和手段。

>> 供给侧的画像未必只是指第三方的供给、合作伙伴、合伙人、员工这样真实的人，也可能是人脉、资源甚至钱。有的行业在充分竞争的市场里，需要大量的补贴，是否有足够的资金就是个问题；有的行业是极其本土化的市场，没有当地有效的渠道资源，根本无法渗透，这也是个问题。许多情况限制着我们满足用户需求、给用户提供价值的方法和手段。

>> 用供给侧场景来检验供给侧真实程度

就像用户场景可以帮我们检验用户需求的真实程度一样，供给侧场景也能帮助我们更好地判断供给侧是否存在真实场景下的逻辑疏漏。

>> 他讲到的本质需求没问题，毕竟社交和社区两类产品背后代表的用户需求自从互联网兴起后就从来没有衰落过。不过他说的这种随机匹配的模式，从供给侧的真实场景看，能顺利达成吗？社区的内容沉淀能力远远强于社交工具，聊天室的内容是无法沉淀的。

>> 我们在设计产品时，通常相对容易假设用户的需求满足流程，毕竟这样的场景我们足够熟悉，但很难假设供给侧的供给流程，尤其在不熟悉互联网企业及行业领域的运作方式时。这就要求我们还是要具备足够的行业经验，才能判断真实场景。

>> 供给侧角色所在的黑盒里的所有角色、资源的流转过程完全梳理清楚，不要存在模棱两可和不确定的节点。这种不确定的节点在未来具体推进中势必会变成真实的灾难。

>> 供给侧创新：模式创新与技术创新

>> 从纯粹用户的视角看，我们在创造价值差或者体验差，而从企业的视角看，我们在创造成本差，即能否用更高效的手段达成同样质量的体验。在思考供给侧逻辑时的核心要素，我们要做得比别人好，肯定不能只是靠把用户价值和供给逻辑分析清楚，还要关注到底能否更低成本地达成预期。

>> 模式创新通常源于新要素进入市场，能够依赖新要素对旧模式进行改造，从而从成本和体验上达成俱佳结果的方式。

在互联网核心要素比较稳定的阶段，技术创新才是比较常见的创业形态。这个技术未必指的只是工程代码那样的技术，也包括算法技术、硬件技术，甚至辅佐运营市场的技术、项目管理的技术等。因此，可以预期在未来相当长的一段新要素没有来到的时期内，踏踏实实做技术创新的公司会有更多机会，像人工智能这种在消费侧价值已经比较成熟的技术领域（比如搜索、推荐、调度分单、智能营销），在许多供给侧的价值创造方面依然还有很长的路要走。

>> 两类商业模式：流量与交易

商业价值从最粗略的角度分，只有两类，一类叫作流量模式，另一类叫作交易模式。前者是传统的纯线上互联网产品常见的模式，百度搜索、今日头条这样的信息获取工具，或者陌陌、QQ这样的免费社交产品，就是典型的流量商业模式产品。后者则更像是基于传统行业的互联网改造带来的模式，比如消费品行业的淘宝和京东，出行行业的滴滴出行，餐饮行业的美团和饿了么，都是交易商业模式。

流量模式引入的商业模式通常都是广告，这种模式下，对做好商业化的要求就是找到更好的广告主以及提供更精准的服务。流量模式下，还有一类特殊的模式，就是基于流量做商业变现的转化。在流量模式的这类产品的公司里，一般会分为主产品和商业化产品两种角色，这也是大量商业产品经理存在的原因，他们要探索用户在哪里更愿意付费，以什么形式付费。不同类型的公司，商业产品经理关注的事情也天差地别，有的公司商业化主要是广告，商业产品经理实际上就是广告产品经理；有的公司商业化产品复杂多样，实际上也可以称为商业敏感度的用户产品经理。

>> 交易模式的产品分为两个类型，一个是平台型，一个是自营型。平台涉及多方的利益关系，本质上依然是赚取中间的差价。

>> 不管是流量模式还是交易模式，互联网产品的商业模式有个核心因素——要有一定的规模效应，或者在一定的阈值后，边际收益逐步增加，边际成本逐步降低。

>> 假设我们要创业，是基于用户价值定义产品，然后探索供给侧逻辑，看看需要什么资源，还是基于现有的资源，得到供给侧优势，然后寻找用户，再定义产品呢？

◆ 第十章 以四个步骤驱动产品迭代

>> 迭代思维的运转逻辑大概分为以下四个步骤，循环往复。

的确存在无法将功能删减为最低成本形式的产品，但这并不多见。我所见到的大部分对MVP判断失误的情况，实际上都是“做多了”而非“做少了”。

因为不是MVP，相当于同时在验证无数问题，结果就是每个问题都验证不出（我们也要警惕那种大而全的产品项目和运营项目，以头脑风暴和闭关的形式输出一份复杂的执行手册）。

>> 有了MVP的判断后，我们就要进行下一步的试验了。对于创业公司和从0到1的产品，无须多说，投放到目标市场就可以了，以某些营销策略让用户先能够使用产品。更常见一些的是大公司的试验方法，通常有：灰度（或称小流量）试验；A/B试验。

>> 在比较大的公司和平台，会有健全的灰度试验工具和方法论，用以检验每一个上线的功能和策略的有效性，也会监控它们是否引起严重的问题。在较小的公司，则需要技术人员手工实现了。 A/B试验其实是灰度试验的进阶，即同时投放到市场中两套拿不准的方案，看哪个方案效果更好、问题更少。

>> 确定试验方法的同时，一定要有明确的预期和判断标准，否则所谓的“迭代思维”就会流于形式。有不少自认为了解迭代思维的互联网公司，会反复做最小成本版本和A/B试验，却从来不复盘，也不关心过去判断的正误，那跟没有做迭代并没什么区别，是属于“自上而下式的设计”，不是基于用户的“自下而上式的设计”。

>> 一些抽象的用户价值的试验，可以以用户对产品模式或产品功能的反馈为标准，更需要调研结论来做支撑。如果要验证业务效果，比如用户增长、留存等，则需要有统计学意义的显著有效的特征，才能证明收益。

>> 我们在迭代过程中，需要观察的结果大致有两种：用户反馈和行为数据。

在判断结果时的原则是，如果有明确的行为数据，首要考虑的还是行为数据，毕竟数据是相对客观的呈现，且能够量化。这就会存在前文提到的认知偏误，哪怕同样的数据，不同人的认知也会有一些差别，因此在下一节中我会讲到一些数据方面的认知偏误。

>> 因此常规的做法，在条件允许的情况下，都是数据先行，先观测用户的基础行为数据，看我们做的最小成本尝试在用户群体中的影响如何：用户是不是在用，在如何使用，然后做一些推论假设。这要求我们提前做好计划，尤其是在重要的使用环节，分析有多少用户经过了这个节点，每个用户的路径如何，至关重要。

>> 当我们有了一些基于数据的推论假设后，就可以根据它们做进一步分析拆解，看背后的原因究竟是什么。用户调研，无论是用户问卷形式的调研，还是街头访谈，或者是电话回访和焦点小组，主要看是定量还是定性，线上的批量调研形式更适合定量，而线下的集中式访谈更适合定性。

>> 分析师应当通过数据发现问题，这其实是最低的门槛，而不是大家想象中的“我懂得分析数据”就能成为分析师。

>> 除了刻意行为，常见的数据分析方面的认知偏误也有许多，它们会暗地里影响数据决策的准确性，有些也会影响用户调研结果的准确性。

selection）指的是抽样的方法并不严格随机，比如我们取样时只看苹果的用户情况，显然是无法代表大多数用户的；又或者，我们上线了新的功能，只关注使用新功能的用户的反馈，没有关注不使用新功能用户的反馈，这都是取样偏颇。因此在大规模的用户基础上，也经常采取分层抽样的方法，即按照主要属性区分抽样，比如新用户/老用户、男/女、活跃用户/沉默用户，等等。

bias）指的是因样本选择的非随机性而导致得到的结论存在偏差，与样本选择偏误类似，但更加隐晦且难以被发现。比如看我做的产品经理公众号“刘言飞语”是否能帮到新人产品经理，于是统计了公众号的粉丝和非公众号的新人产品经理之间的差异，发现前者的确有更好的工作机会和收入情况。这就意味着“刘言飞语”真的帮了大家吗？其实未必，因为关注了公众号的新人产品经理本来就有“更积极地获取有效信息”的特点，这个属性决定了他们会有更好的结果，而不是因为关注了公众号。选择性偏误是内生性（endogeneity）的一种特殊情况，指的是结果会受选择或者数据获取过程影响。

bias）指的是只看到了筛选的结果而无视筛选过程中的关键因素。这应该是数据方面最知名的一个认知偏误了。比如，我们看到有的公司创业成功了，自称是某个决定性的策略（考虑了某个产品的形态或者运营活动）左右了公司的生死，于是大家往往信以为真，认为只要这类策略做得足够好，自己也可以成功。实际上，执行了同样策略的公司，可能不只这一家，我们之所以没听说过，是因为它们都很快退出了市场，成为历史。只观察幸存者的行为和听信幸存者的理论，很难找出他们取得成果的关键因素，这也是选择性偏误的另一种表现。有本书叫作《成功与运气》，讲的就是许多人的成功因素中，个人影响是一方面，更多其实还是运气，只是成功者从个人视角看，不可能将自己的成功归为运气，于是就有了许多成功学方法论。

error）指的是考察某些行为或后果的原因时高估个人因素，低估场景和环境影响的双重倾向。幸存者偏误也与基本归因错误有关，是我们在观察一件事的结果时，更倾向于相信人对结果的影响，而忽视环境的作用。比如，我们做一个司机使用的接单工具，发现司机的点击情况很奇怪，跟乘客的使用习惯相比，他们经常点错误触，取消返回，这是不是代表司机群体比乘客群体平均年龄大，受教育程度低，因此使用手机的能力差？当然不是，考虑到具体场景，是司机在车内环境下使用手机，手机可能是在支架上，使用难度变大导致的。

fallacy）指的是没有考虑随机起落的正常波动现象，造成不准确的因果推论。生活中最常见的就是许多药物的药效，大多治标不治本，而我们吃药后病情好转会认为是药效好，其实大都是自愈（比如感冒）。在做用户数据分析时，也经常可能遇到以下情况：我们做了一些事情A，结果用户似乎有了变化，做出了反应B，于是我们推导出A一定会导致B。其实未必，还是要洞察是否存在随机现象，是否存在外界影响等。

bias）是在做用户调研时经常遇到的：相较于真实的答案，被调查者更有可能选择符合社会期望的答案。最典型的例子是在一个社会文化过于传统的环境中，同性恋极少会公开自己的性取向。有的公开调查里，喜欢性玩具的大都是男性，是因为女性在并不太开放的文化氛围中一般难以启齿。我们在做日常的调研时，很可能会遇到用户认为某些真实答案会显得自己“自私”“不合群”“过分夸张”等，于是就选择一个更符合社会普遍预期的答案。所以，一定要谨慎选择调研方法，打消被调查者的疑虑，尽可能地发现这些偏误。

●受试者期望效应（subject-expectancy effect）是指用户会有自己的目的性和预期，所以不选择更真实的答案，社会期望偏误是其中的一种。还有的情况，可能涉及利益关系，比如我们做了一个商品，询问用户在涨价20%的情况下是否还会购买，虽然用户内心清楚涨价20%还是会买，但考虑到不希望涨价，就会表示不会购买，这样得到的结论就是错误的。

>> “有的人做实验，效果好就优化，效果差就弃用；有的人做实验，是想尽办法证明自己的实验效果好，然后优化。”数据是他用来证明自己的工具，而不是判断真伪的工具。

再优化一下试试？于是就会陷入无穷无尽的优化，几乎所有的坏策略都会进入这种恶性循环，

>> 确保我们在迭代中真的能够“放弃错的”，有以下几件事可以做。

第一，确保在预期时，就设置清晰的退出机制。

第二，塑造无压力的试错环境。

第三，由第三方来做中立的判断。这个角色通常是数据分析师。

MVP这个理念本身没错，它是用来说明迭代思维的核心精神的，不要等一切都完美无缺了再让用户用，许多不确定的因素需要市场检验。许多体验的确是与功能完整度成正比的，不过增长往往是曲线型的，体验越好，增长的幅度就越小。我们需要寻找的，就是幅度开始迅速下滑的那个点，能够最低性价比地满足用户体验。毕竟这个曲线不是真实存在的，它要依靠产品决策者出色的抽象能力来确定，需要很多经验，也需要对用户的清晰认知，不是初学者随随便便就能掌握的。

>> 有一种情况就不适用MVP，即产品特别依赖体验完整性。

◆ 第十一章 借鉴科学思维，建立深度认知和决策

>> 它们的方法论支撑，实则就是社会科学的理论。一个产品决策者研究用户、产品、行业，与经济学家、心理学家、社会学家研究人和社会，是一脉相承的，而负责大规模用户的产品负责人和业务负责人，就是在这个巨大的试验场上做实验的社会科学家：他们有自洽的方法论体系，以及快速学习这些用户和这个行业的能力。