當接過一個新業務/需求時，底層的思考框架都有什麼

在面對新業務或需求時，如何系統地思考並制定有效的策略是每個產品經理和業務負責人都需要掌握的關鍵技能。本文透過一個具體的專案案例，詳細介紹了在接手新業務時可以採用的底層思考框架。

———— / BEGIN / ————

當你向別人介紹你做過的某個專案時，你可以從以下思路進行說明：

我做的業務是XXXX，我在這個業務裡負責的是XXX環節（或我是這個業務的負責人），對XXX指標負責。
當時的業務現狀是XXXX，但是我們希望達到XXX的目標，可以描述一下這個目標達成的難度。
圍繞目標，我構建了XXXXX的公式，圍繞公式針對XXX引數，提出了假設123，最終達到的結果是XXXX。
如果你的業務公式認知或專案整體還有逐層迭代，細化，深化的過程，也可以描述出來。

在實際工作中，當我們接手一個新業務/專案時，也可以從上述框架進行入手思考。

下面，我用一個專案舉例，業務和資料脫敏：

業務背景：某APP，”工具+內容”帶增長進入相對瓶頸期後，急需新的思路或方向將增長邁向新的臺階（場面話）。人話就是，就這麼些資源，這麼些時間，趕緊“不擇手段”的給我提增長。

於是，分析分析分析，梳理梳理梳理，“社交帶增長”思路在某個神經元的臨界點調了出來。抓住先，想要立項說服老闆們，你得給出邏輯證明；於是，開始做立項前的業務可行性的紙面邏輯推演論證。

紙面論證階段，兩個假設：

使用者價值假設；
業務增長假設；

先後依次論證這兩個假設從邏輯上（包括定性定量-資料/調研，科學類比）是否成立。有一個不成立，都不必繼續了，即使繼續做下去，也大機率會失敗。

當然，這裡可能有人會問，萬一只是邏輯論證的過程不對呢，實際可能是成立的呢？

是有這種可能，但是你想，負責這個業務的人連論證這一步都做不對，那即使後續進入專案階段，所對應的產品方案，增長策略等等，都是基於同一個負責人的，那你說後續成功的機率能有多大呢。

所以說，一個人有多少分的認知，TA就能解決多少分的問題，超分是小機率事件，長期來看，都將均值迴歸。所以說，做增長，做創業，本質上都是在做機率，機率的大小取決於做事的人的認知水平和一點點運氣。

如果存在一個上帝視角（上帝視角下：一切客觀的事實/理論/規律，都客觀的存在在那裡，上帝視角能看到全域性，人類視角只能看到區域性，人類所做的一切，都是在無限逼近上帝視角-假設上帝視角的認知是100分的話），那麼每個需求都有兩種客觀狀態：要麼成立，要麼不成立。

上帝視角知道這個事實。而我們，不知道。

我們能做的，就是先推演，看從邏輯上，是否成立，如果邏輯上都不成立，就不用繼續了。上線了也大機率會失敗。如果成立，再提出關鍵假設（假設驅動），（基於科學類比/xx模型或方法/定性定量分析）給出最小解決方案，放到使用者面前（實踐-迭代認知），實際去驗證，如果怎麼都跑不通，那大機率是需求不成立，即使用者價值假設被證偽。

1、先論證使用者價值假設是否成立；

首先明確什麼是使用者價值：

即什麼使用者在什麼場景下遇到了什麼問題，我們能提供什麼解決方案解決這個問題，這就是使用者價值。

換句話總結下就是：使用者願意選擇你的最小產品解決方案。

產品要的就是，“不擇手段”的讓更多的使用者更快感知到這個使用者價值，使用者群體留下來的機率就會更大。

論證：明確目標使用者群體，預估群體範圍大小，帶入場景，判斷是否存在需求。

比如，（陌生人）社交帶增長：大盤使用者都可以是潛在使用者，分為社交主動發起者和被動接收者。

最小核心是陌生人彼此之間一對一的社交關係的接觸-維持-建立。

場景是基於產品主業務“假設是內容”場景，所以使用者彼此對場景擁有共同的載體，有可能產生共同的話題。

所以，邏輯上判斷，群體是客觀的，核心是成立的。

2、再論證業務增長假設是否成立（即業務目標可做的空間有多大）；

論證步驟：基於使用者價值假設>>明確業務目標>>根據業務目標將業務目標公式拆解出來>>再根據公式中各項因子，衡量業務目標可提升空間的大小。

上述兩個假設論證後，再根據業務目標公式各項的因子，判斷影響業務目標（等式左側）達成的關鍵卡點是什麼，各因子對業務目標的影響權重大小如何，你能針對各因子分別提出哪些關鍵假設-驗證（包括對因子進行二級三級指標下拆），要提升因子所依賴的協作方都有哪些，開發成本如何，由此預估各假設的ROI>>需求池就出來了，優先順序也出來了。

如何拆解業務目標公式：以終為始~

業務公式定義：把業務的結果指標用關鍵因素按數學公式的形式表達出來。

先確定業務最需要拿到的結果；（如下方案例中的最需要拿到的結果是“使用者建立社交關係”）
再根據該結果找出相應的資料指標即業務目標；（“社交成對數”）
圍繞業務目標，把所有的核心過程指標找出來；
再確定這些指標之間的關係，或乘或加；（到這一步，公式已經出來了）
找出影響業務生死的核心因素
針對各因素提出關鍵假設（每個假設，都可能是業務迭代過程中的一個需求，可能來自資料分析，可能來自使用者調研，可能來自競品分析，可能來自…）

注意：區分雪中送炭和錦上添花

詳細說明下上述步驟中非常關鍵和重要的第“5”步：

基於拆解出來的公式，找出影響業務生死的核心因素，基於核心因素提出多個關鍵假設，找出其中最重要的關鍵假設。

即我們要從多個假設中，確定哪個假設是如果做不好業務就會死掉的那個（雪中送炭的），這個問題在業務發展的不同階段，面對同一個業務公式，答案可能會發生變化。

因此要在每一個業務階段，每一次重要的覆盤時，時刻反問這個問題，讓自己和團隊時刻進入深度思考狀態，這能夠提升團隊對於業務的理解深度，對達成業務共識也有幫助，進而對業務目標的制定和理解，計劃的制定和落地，都會帶來一系列推動作用。

接著，還需要重新評估公式裡的這些過程指標。

理想的情況是，每一個核心過程指標，都可能是一個相對獨立的目標結果，且能繼續下拆出它的二級指標公式（根據需要選擇是否繼續下拆）。

同時，要將其他各因子對等式左邊一級指標的影響權重大小做預估，確定哪些因子更重要，先做哪些因子（雪中送炭的），後做或暫不做哪些因子（錦上添花的）。

最後，再針對對應因子提出關鍵假設>>驗證>>迭代認知>>繼續提假設。

第6步的提出關鍵假設是什麼意思？是指，針對等式右側某一因子（指標），如果我們要想提升它（因為右側因子的提升會帶來左側業務目標的提升），你能想到哪些辦法/方案/策略等–這些辦法/方法/策略就是關鍵假設，假設是需要待驗證的，可能被證實，可能被證偽，是個機率事件。

所以做增長/創新/創業，本質都是機率。幾分的認知，解決幾分的問題（見上圖描述），解決超出認知的問題，失敗的機率會更大。

這裡很重要一點是，它和“我覺得你這個不對”“我認為應該這樣”“我感覺這樣更好”等等很像，但這些都是“主觀”觀點，而假設是客觀判斷，一個假設，在被驗證之前，只是假設，不是事實。

而“我認為應該這樣更好”潛意識裡表示當前你的認知下這個是對的，帶有主觀傾向，一旦帶有主觀傾向，你就有可能不想去驗證它（當然，除非你之前有驗證過類似的，或者其他人驗證過），而它，有很大機率是錯的。

以上過程，基本上也同時完成了對業務目標的制定，過程指標的考核，團隊分工的標準，核心任務的優先順序的全部確定。從這個時候開始，就完成了業務管理上“複雜的事情簡單化”“簡單的事情標準化”的過程。

（這，就是業務目標管理的過程）

以上，舉栗說明-具體過程如下：

栗-社交業務，使用者價值假設前面說明過。現在基於使用者價值，把階段性業務目標確定下來。

社交業務服務於增長，即服務於留存提升和收入提升。也就是我們需要透過使用者與使用者之間建立社交關係（上面拆解步驟中的“1、先確定業務最需要拿到的結果”），透過“關係”來提升使用者活躍，進而提升留存（收入暫不談，路徑太長）。

那麼，使用者透過什麼樣的形式建立社交關係呢？

直接能想到的就是IM會話場景，脫離這個場景還能想到一個創作型使用者（比如該使用者釋出一個什麼內容時，因為TA既然有釋出內容的訴求，我們就假設TA當前是有對外社交的訴求的，這裡的社交訴求可能是IM會話這種，也可能是想收到他人看到我釋出的內容後的互動回應這種），我們主要以IM場景舉例進行說明，也會帶上互動場景。

補充說明：“關係”的建立即在一定時間週期內有會話交流或後續有其他形式的互動交流。即使他們在這個週期過後，交流不再持續，那他們彼此也已經建立了關係-從陌生人進階為相對熟人。他們在後續的其他“互動”上，比如瀏覽對方作品，給對方點贊評論等從資料上來看，都比沒有進入這個階段的使用者的資料相對更好。

所以，我們可以圍繞“關係”來定業務目標，要想留存影響足夠大，這裡的“關係”就需要滲透的足夠廣，所以，我們可以想到“陌生人社交關係數”這個指標來衡量我們的業務目標，即成功建立社交關係的使用者對數，我們換個詞，叫“陌生人社交成對數”（上述拆解步驟中的“2、再根據該結果找出相應的資料指標即業務目標”）。

到此，階段性業務目標確定了：

陌生人社交成對數

陌生人的口徑：歷史從未有過IM會話記錄
社交成對的口徑：首次會話的n天內有m天有過會話記錄（n和m前期可透過圈目標使用者跑資料找拐點得到，後期根據假設檢驗的實際結果可能有調整）

接下來，我們需要基於業務目標將公式拆出來（即等式右邊），因為我們的產品策略無法直接作用於“社交成對數”這個指標上來，就像策略難以直接干預DAU一樣。

另外，如果不拆業務公式，結果就是後續專案推進都是散點的，主觀的。

正式拆解過程：(上述拆解步驟中的“3、圍繞業務目標，把所有的核心過程指標找出來；4、再確定這些指標之間的關係，或乘或加”)

陌生人社交成對數 = DAU * 訊息頁訪問率 * 傳送會話率 * 傳送回覆率 * 首聊n天內m天會話率

其中，（上述這個公式不是一個好的拆解，只是為了說明為什麼不好舉個例子）：

DAU是一個相對穩定的值，我們短期內很難干預，且前面也提到策略難以直接干預DAU。所以，DAU不應該出現在這裡。
訊息頁訪問率，訊息頁是APP的一個一級Tab頁，直接和具體某個功能場景關聯上了，應該向上歸因，用其他不含具體場景的指標替代。（一級公式通常儘量避免含有具體場景的指標，否則等式左邊的值就被侷限在了當前這個場景的流量大小下了）訪問訊息頁是為了傳送的，所以向上歸因，真正的指標應該是“傳送數”。
傳送會話率（DAU中有多少人會發），這個沒問題，不含具體場景。
傳送回覆率（接收到會話的使用者中有多少會回覆），這個沒問題，不含具體場景。
首聊n天內m天會話率，類似這種因子通常稱為“”因子，根據實際業務具體確定。意思是首聊後，未來n天內有m天有過聊天行為。作用時衡量關係是否成對的標準。僅首聊了不算成對（說明，怎麼算成對，根據實際業務目標自己定就好）。另外，這個指標是一個滯後指標，其提升難度應該不會小，退一步講，即使它能翻倍，又能怎樣呢，先放這。

所以，公式變成：

社交成對數 = 傳送會話數 * 傳送回覆率 * 首聊n天內m天會話率

這時，傳送會話數就不僅限與訊息頁場景了，其他地方也可以想辦法讓使用者去發會話，這個指標又有一定的提升空間了。

但根據指標的資料現狀，即使因子“傳送會話數”翻倍，等式左邊的社交成對數也會翻倍，但絕對值還是太小。

社交成對數的絕對值起碼要有上百倍的提升（目標達成難度），平攤到大盤留存上才會有明顯效果。

解釋下這段描述：

比如DAU100萬，願意主動社交的使用者假設有1%，即1萬。

每個人每天發1條，那麼有1萬人能收到，假設人群不重合，那麼就有2萬人被“社交關係”覆蓋了，另外98萬呢？都“空著”。

怎麼填補這個空呢？

兩種方式：其一讓更多的使用者主動“發”，其二讓更多的使用者被動“收”。

主動發：由於人性，天然僅有少部分人願意主動對外社交（真的行動起來），所以，即使我們能將1%翻3倍（難度很大了），也還有90多萬“空著”。

那麼，我們是不是可以從被動收入手，即當用戶給另一個使用者發訊息時，想辦法讓這個訊息發給更多的使用者（經發訊息的使用者同意後）。

比如，假設每條訊息可分發給100人，那麼1萬用戶發，就會有100萬用戶收到，社交關係滲透率就上來了（這個假設也是達成業務目標的最關鍵的一個假設–上面拆解步驟中的“5、找出影響業務生死的核心因素”）（誒，超了，沒事，假設而已）於是，上述公式中就缺了一個關鍵因子：單會話傳送人數。加上這個因子，業務目標可提升空間從邏輯上就直接提升了100倍。

於是，公式變成(最終公式)：

社交成對數 = 傳送會話數 * 單會話分發人數 * 傳送回覆率 * 首聊n天內m天會話率

上述因子，都是乘法關係，每一個因子提升多少，都會直接導致左側的值提升多少。

業務目標拆解後（公式），接下來，就需要判斷各因子的提升空間大小以及針對因子提出關鍵假設（上面拆解步驟中的“6、針對各因素提出關鍵假設”），然後預估各假設的ROI，給出優先順序。

針對各因子提出關鍵假設：

傳送會話數，前面有分析，假設能提升3倍；

針對這個因子，提出假設：

假設1：使用者進入會話頁時，將打招呼話術文案以某種形式比如標籤等外顯給使用者，這樣能提升使用者傳送的機率。
假設2：使用者進入會話頁時，利用大模型生成打招呼話術文案，這樣能提升使用者傳送的機率。
假設3：在使用者主路徑上引導使用者發起會話（比如，如果站內使用者主路徑有一個功能，使用者對外發佈一個什麼內容時，在這個節點，我們提取當前內容的相關資訊，結合大模型生成相關話術文案，再包裝一下，讓使用者決定要不要將這個“包裝”同時發給很多人），能提升使用者傳送會話的機率。因為當前場景下既然使用者準備對外發布內容，那我們就可以假設使用者有對外社交訴求–將內容發出去，想收到別人的認可互動等。
假設4：後期，如果玩法跑通（下方單會話分發人數這個因子跑通），給使用者提供一個主動向外發起“會話”的功能A，能提升會話傳送率。

其他還有一些迭代過程中的分支假設就不一一列舉了。

所以，這個因子，在經過上述假設驗證後，得到了該因子自己的拆解公式：

傳送會話數 = 訊息頁傳送會話數 + 主路徑傳送會話數 + 功能A的傳送會話數

傳送回覆率，前面有分析，假設能提升10倍；

分析資料發現，回覆率和打招呼的話術內容形式強相關，和傳送會話時對方是否線上強相關。所以：

假設1：使用者傳送會話時，引導使用者傳送“高回覆率（相關性）”話術，能提升回覆率。

上線AB實驗後（假設檢驗），確定話術內容形式和回覆率有因果關係。

假設2：基於被驗證後的假設1（現在它已經成為“事實”了），利用AI根據使用者場景即時生成高回覆率形式的話術內容，能提升會話回覆率。

假設3：演算法分發策略增加根據對方是否線上，優先發給當時線上的使用者；

上線AB實驗後（假設檢驗），確定“線上”和回覆率有因果關係。

假設4：基於被驗證後的假設3，將一部分分發給當時線上的使用者，留一部分分發給當時不線上，但當日n點前如果開啟APP的話，開啟後在分發給他們（這中間可以對“n點”的“n”提出假設進行驗證，還可以提出開啟後m分鐘分發對回覆率提升等等更多的假設）

假設5：新使用者的發給新使用者，老使用者的發給老使用者，新老使用者交叉分發。（其中，新使用者還可以根據時間做切片，比如7日內新使用者，14日內新使用者等幾種假設檢驗）（但這裡可能因為新老使用者比例差別太大，所以平攤下來看整體效果可能會很小，所以，這裡的假設價值就不高）

假設6：新使用者人均收到會話數1條/2條，高活躍老使用者人均收到會話數0條，1條、2條；（比如，假設驗證前，不確定給新使用者發1條好，因為怕發多了打擾新使用者導致流失，還是發2條好，因為可能發多條，使用者對其中1條感興趣呢，那就可能提升回覆率了。

因為回覆率和留存有正向因果關係；高活躍使用者也是，比如使用者已經很高活躍了，給他發會話很難說再提升他的留存搞不好還會起反作用。

或者說他已經很活躍了，那他回覆的機率應該也會更大，這樣能反過來提升傳送者的留存等等）（但，這裡提前可以考慮到的是，受傳送會話數影響，只有很少部分使用者能發到2條，因為優先要保證使用者收到1條，有剩餘的會話數才會繼續發，所以，這裡的假設的價值也不高）

假設7：接收會話的使用者，在進入會話頁後，大模型給他生成好回覆的話術，直接點選即可回覆，能提升回覆率；（但，這個假設可能會讓使用者覺得好假，影響後續-當日之後後續的社交關係的持續，所以這個假設需謹慎）

其他假設：將“訊息頁傳送會話數”這個因子下拆一層：

訊息頁傳送會話數 = 訊息頁訪問數 * 訊息頁陌生人會話曝光率 * 會話列表點選率 *IM 會話頁訊息回覆率（如果需要，還可以繼續下拆）

針對這個子公式的各因子也可提出相關假設，但評估ROI後，這塊假設的優先順序較低。暫不考慮。

為什麼這個因子（傳送回覆率）的假設多餘上面的因子（傳送會話數）？

因為對這個因子信心更大-10倍；且實現策略相對上一個因子要簡單，很多都是演算法調分發規則就行，而上一個很多都依賴功能上的調整，依賴客戶端，開發成本和週期都要更大，說到底就是ROI的對比。

首聊n天內m天會話率，前面有分析，暫不考慮；

單會話分發人數，這個現狀值為1（每個使用者平均給1點幾個陌生使用者傳送會話），演算法分發接入後，分發給多少使用者–主要由3個數決定，一是DAU，二是傳送會話人數，三是一個使用者最多收到幾條會話而不會被打擾。

因為，假設每條會話都分發給全量DAU，如果有100條待分發的會話，人均會收到100條會話，太可怕了，解除安裝吧。最終經過幾輪測試，單會話分發人數的值大概在100（脫敏資料）左右，人均15天內最多收到2條會話（脫敏資料）。（這裡的幾輪：指過程中提出和測試過多個子假設，假設同一個使用者n天內最多收到m條會話，這裡的n和m都有對應的假設）

如果DAU為40萬（假設），會話傳送率1%，那麼4000人每人每日發1條（注意，每日切片裡的人群是動態變化的，因為DAU是動態的，不是說今天是這一群人，明天還是這群人，有新來的，有迴流的，有昨天來了今天也來的）每條發給100個人，那麼DAU中有 4000*100=40萬人會收到會話，即所有人都會收到，相對於會話滲透做到了100%。

實際情況是使用者是否收到會話，以及影響會話回覆率的因素等，都會決定分發的時機，也就是說實際上單會話分發100人這裡的分發策略很複雜，很難做到按理論邏輯規則進行分發，當然，實際效果和上述結論差別不會太大。

為什麼這個因子有100倍空間，但提出的“假設”並不多。因為這個關鍵假設很容易驗證，驗證後（如果驗證不成立就麼有後續了）後續提升的空間就不大了。

也就是說，相對於這個100倍是靠1個假設就拉起來了（忽略過程中對分發給多少人的測試過程的話），但這個假設又至關重要，若假設被驗證不成立，則整個專案的價值就不大了。

從定量角度補充說明下公式中為什麼加了“首聊n天內m天會話率”這個因子：若去掉這個因子，則：

社交成對數 = 傳送會話數 * 單會話分發人數 * 傳送回覆率

即，該公式指陌生人之間只要開啟了一輪你來我往的會話即算成對關係建立。

但這個指標和增長的一級指標（留存）並無顯著的因果關係，即使用者即使完成了這個行為，只是次留有一定提升，次留後的比如3 7 15等留存幾乎無變化。

所以我認為，從更上層的業務目標增長來看，這並不是一個高ROI的指標拆解。

小結：業務目標管理