基于数据驱动的产品设计方法
⇨⇦
如何让产品避免基于经验主义进行决策？本文提出了一个框架供大家有解决这个问题的思路——＂HVO＂闭环，Hypothesis（假设）、Verification（验证）、Optimization（调整）。
没有数据，凭什么说你的方案更好？
这个功能必须上，要么我们运营没法做了！
老板定好的，我们也没办法。
以上这些场景，相信在每一位产品经理的日常工作中一定以非常高的频率出现，每当面对这些＂无语＂的问题时，就像哑巴吃黄连，有苦说不出。
其实这些问题都有几个共性特点：
基于直觉和经验的判断；
没有验证标准；
缺失数据指标；
结合以上特点，当一个新的产品方案出现争议时，往往就很容易陷入无效讨论。
要么基于经验主义进行决策，要么就是基于老板决定。稀里糊涂上线后，也不知道问题出在哪，也没有优化策略，然后就进入了下一次迭代。
这种恶性循环持续下去，就会使产品离用户和市场越来越远，结果就是开发了一堆功能，尤其是在创业公司，这种情况及其常见。
针对这个问题，这里提供一个方法框架，或者说是一种产品迭代思路，希望从思考方式上能提供一些参考。
我把这个框架称为＂HVO＂，它是Hypothesis（假设）、Verification（验证）、Optimization（调整）的英文首字母简写。
这个框架的起点是＂假设＂，即一切产品动作的起点都以提出假设开始。基于直觉和经验的设计，其实都是一个先验的假设。
而验证，就需要有相应的指标，也就是要验证什么。如果要保证实验的准确性，就需要保证验证指标的单一性和可测量性。
从数据结果中，能得到关于假设的验证洞察（Insight），基于这个洞察就能得出对假设的验证结果，从而得到调整策略。
以上就是一个完整的HVO闭环。在很多公司和团队的实际工作中，受制于各种客观限制，实际的闭环可能是这样的。
也就是说，很多产品容易进入一个＂伪迭代＂的闭环。因为进入调整和修改阶段是很容易的，直观理解就是反复改需求。
例如一个紧急的运营需求或者一个来自老板的＂反馈＂，加之项目进度和时间要求，使得产品经理根本没有机会走完后面的验证闭环。
在HVO的闭环里，最重要的是＂假设＂，即我们要验证什么。把问题定义清楚，问题就解决了一半。
基于假设，进行MVP（最小化可行产品）的设计，对于读过《精益创业》这本书的同学，应该不陌生。
在设计MVP的过程中，还有一项关键工作，就是定义验证指标，也就是数据指标。
很多时候，我们做产品容易忽略数据，觉得数据是结果，只要产品上线后就有数据。实际上，能从数据中得到的除了结果之外，还有更重要的东西，就是洞察（Insight）。
举一个例子。
关于使用电商平台在线购药的用户群体，例如京东大药房和阿里健康大药房，这种B2C的电商模式和O2O还不太一样，针对的不是急性用药人群。
通常是一些慢性病或者需要长时间定期服药的用户，从目前各电商页面的商品分布和数据中可以看出，男性用药是一个主要诉求。
比如，一个 35 岁的男性用户，职业是白领，身处二线城市，在线购药时，他的关键路径如下。
大家都知道，对于用药决策，除了根据医嘱之外，很多OTC类药品基本都是用户根据自己的症状进行定位，比如自己买个感冒药。
而传统的药品说明书往往过于书面化，而电商平台在商品详情页上都有自己的评价区，所以很多用户会去评价区看其他用户的用药反馈。
这些评价内容，某种程度上作为用户的辅助决策信息，会直接影响用户是否选择购买该商品。
如果将商品详情页的普通评价区升级为一个健康科普产品，以更丰富和多样化的内容去辅助用户决策，从而辅助购药，对转化率会有一定的提升。
基于这个假设，我们就可以用HVO框架来做一个分析。
为了能快速验证，MVP可以基于现有产品，在商品详情页或者评论区放置健康科普内容，并且选定几个商品进行小范围测试。
在得出的数据指标中，只需要检测前后的转化率就能一窥究竟。如果假设成立，就可以对该模块进行整体优化。
再举一个例子，以下两个对于健康信息的填写方案中，到底哪一个对于用户来说，更有动力去填写？
左边的方案是采用分栏式的设计，将信息分类显示在两个tab中，右边的设计是将所有信息罗列放在一个页面中。
同样，利用HVO框架去分析的话，也可以定义假设并得出验证指标。
以上，就是一个基于假设并通过数据验证去调整产品设计的思维框架。在运用这个框架的过程中，有三点注意事项。
假设一定是单一的、客观的、可测量的；
验证一定是可量化的数据、而不是感觉，也不是大数据；
洞察（经验）一定是基于客观事实的、讲逻辑的；
做产品，就是一个不断打破平衡然后再去创造新平衡的过程，当下的结论也会随着用户的迭代而发生变化。
通过数据去洞察用户需求的变化，并以此去不断优化调整产品策略，产品经理就是这个过程中的诊脉人。
大胆假设，小心求证！
希望对你有用。