摘要：
对于大多数行业来讲，产品都是最核心的部分。数据科学家尤其需要具备优秀的产品能力，任何通过数据科学方法得到的结论都要给产品赋能，其落地方式常常就是“产品需求”。本章讨论的是互联网产品需求的一生，具体关注了需求的本质、需求的分析、需求的采集、需求的转化以及需求管理这几个部分。其中重要的实操问题包括：用户为中心的思想、用户研究、竞品分析、以及BRD制作。
一、需求的一生
什么是需求？
对于互联网产品，我们一般关注两种需求：用户需求和产品需求。有人将用户需求定义“现实与满意之间的差距”，这种诠释方法过于宽泛。在互联网行业范畴可以将用户需求定义为：用户对该款互联网产品所期望的功能、服务或体验与该款互联网现有的功能、服务或体验之间的差距；产品需求可以定义为该款互联网产品下一版本预期所能够提供的功能、服务或者体验与该款互联网现有的功能、服务或体验之间的差距。听起来很绕，我用一个图例来表示一下。
图一、用户需求与产品需求
需求的一生
需求的一生主要经过三个阶段，分别是需求的采集、需求的分析以及需求的筛选，对于不同的产品和业务，每个阶段也包含多个不同的内容。
图二、需求的一生
二、以用户为中心的产品思想
“以用户为中心”的内在逻辑
对于互联网产品来说，其商业价值绝大部分就来自于用户。只有以用户为中心来创造产品并不断优化和迭代，产品的用户才会不断增长并变得活跃，这款互联网产品也会因此更具商业价值。
“以用户为中心”的两个深层含义
（1）一款产品的用户可能有着庞大的数量和复杂的组成，有必要选择自己的目标用户，并主要以自己的目标用户为中心对产品进行不断改造，当然目标用户可能会随着商业目标的转变而改变。
（2）以用户为中心不代表接受用户的一切反馈：一方面用户的反馈不一定能完全正确地代表用户的真实体验和感受；另一方面在当前的产品阶段和商业目标下，一味的接受用户的反馈可能是低效并且危险的。
三、用户画像与用户研究
通过描绘用户的画像来加深入对用户的理解
在进行用户研究之前，有必要建立用户画像加深对用户的理解。这里给出一个用户画像的定义：用户画像本质上是对用户相关数据的函数转换，用来描述用户的某些特点。例如对于电商的用户，将用户所有消费的金额求和，这就是一个很好的用来描述用户消费能力的用户画像。用户画像是对用户定量的描述，可以让我们对用户的理解更加准确和深入。用户画像有不同的类型和维度。
图三、用户画像
建立用户画像时，所能搜集到的数据越多、来源越广泛越好。例如谷歌建立的用户广告画像则搜集了来自谷歌多款产品的用户数据，对用户描绘的越精准，广告投放的效率也会越高。
图四、谷歌的广告用户画像
通过用户研究了解用户体验及痛点、找到产品优化迭代的方向
用户研究是一个专门的学科，其研究范畴较为广泛。对于互联网产品来讲，用户研究是了解用户的体验和痛点非常有效的手段，而且用户研究的结论也可以帮助找到产品优化迭代的方向。针对不同的场景及问题可以选用不同的用户研究方法。
图五、用户研究方法
四、需求在内部的采集
为什么在内部采集需求是必要的
产品内部各个团队及业务先的同学对于产品都有不同的实际经验和体会，这些人的建议对于产品经理来说是非常宝贵的补充。在内部采集需求的时候要注意两点：一是要合理的选择需求采集的团队和具体负责任；二是要确定一个高效且可实时的需求采集流程。一个需求采集卡片的模板是很必要的，一般来说需求卡片需要包含以下内容化：
（1）需求来源
（2）需求使用场景
（3）需求描述
（4）需求解决的问题及商业价值
（5）需求的成本及难点
（6）需求的评估方法
五、竞品分析
竞品分析是产品经理领域最常听到的词之一，一方面可能是因为产品之间互相“抄袭”的现象已经非常普遍，更深层次的逻辑是互联网产品本质上也要受到市场的左右。要抢占市场必须击败对手，而了解对手是击败对手的先决条件。
确定竞品的方法是“市场分析”
选择与自己产品功能相近的产品作为竞品自然是有道理的，但更准确的方式是通过市场分析来确定竞品。因为通过市场的重合度才能最准确的确定自己的竞争对手是谁，有的时候与自己产品市场重合度最高的产品不一定是最相似的产品。此外通过市场重合度、市场占有率以及市场扩张速度等维度对竞品进行分析，还可以分析竞品与我们竞争的激烈程度以及对手到底多强大。这里提供一个方法：可以先筛选出一部分产品作为竞品的候选，然后将这些产品放到波士顿分析矩阵中，再确定最终要分析的竞品。
图六、波士顿矩阵分析模型
波士顿矩阵又称市场增长率-相对市场份额矩阵，它通过销售增长率和市场占有率来分析产品在时长中的所处地位以及竞争关系。竞品分析中最有分析价值的就是矩阵中的明星产品，增长快速的山猫以及市场占有率高的金牛也具有一定的分析价值。
竞品分析的原则
（1）带着问题与目标做竞品分析；
（2）竞品分析要注重比较竞品与自己产品的相对差异；
（3）竞品分析中问题拆解越精细，分析结论越有参考价值；
（4）竞品分析有较强的时效性。
竞品分析常见的关注点
图七、竞品分析常见的关注点g
ps：
欢迎关注公众号：互联网数据科学家之路！
适宜阅读对象：数据分析师、数据运营、数据产品、ai产品、数据科学家、算法工程师以及对数据科学感兴趣的所有读者。
内容涵盖：统计学、ai、运筹优化、计量经济学、心理学、互联网产品、数据分析、策略、ab test、推荐系统业务、智能营销业务、计算广告业务等。
特点：废话少&干货多；多使用思维导图，便于理解和记忆；多涉猎前沿内容；多列举大厂经验与实例。
欢迎大家在文章下面进行勘误或提出疑问和想法，采纳者可列入共同作者。
网友评论