产品经理工作自查表|提升工作效率,避免出差指南

本文详细阐述了从需求获取、分析整理、设计到上线的IT项目管理过程,涉及需求确认、信息架构设计、流程设计、原型制作、需求评审、技术开发、测试和上线后的监控反馈,强调了商业价值和用户体验的重要性。
摘要由CSDN通过智能技术生成

c8967d10f9cb491baa5e6050cd4cd04f.webp

一、需求处理

1.你获取需求的途径是什么?(用户调研,竞品分析,市场分析,数据分析等)

 

2.确认需求背景,了解需求产生原因。

 

3.了解用户的真是需求,挖掘痛点。

 

4.确认是否有数据支撑。

 

5.分析需求(分析需求收益、成本、周期风险、需求是否满足当前业务目标及业务场景、当前系统是否能很好的将需求进行转化落地、需求的必要性及可行性、确定需求是否满足用户需求、确定需求目标是为了达到什么样的效果、需求的紧急重要程度、需求是否为技术可实现的,有没有技术壁垒、是否需求进行上下沟通,看看是不是有其他指示)。

 

6.是否能实现更好的实现商业价值利润?能否将需求转化为帮助实现商业价值的功能等。

182dcd164ca04728bb7063e3097add76.jpg

 二、分析整理阶段

1. 信息架构

1.战略层:这些战略不仅仅包括了经营者想从网站得到什么,还包括了用户想从网站得到么(例:就我们的网上商店的例子而言,一些战略目标是显而易见的,用户想要买到商品,我们想要卖出它们)。

 

2.范围层:功能及其内容需求整合。做了什么,而不做什么,就是范围(例:有些电子商务网站提供了一个功能,使用户保存之前的邮寄地址,这样他们可以再次使用它。该功能是否应该成为该网站的功能之一,就属于范围层要解决的问题)。

 

3.结构层:信息架构,交互设计,操作流程,用户体验(在功能产品,结构层将从范围转变成系统如何响应用户的请求,即设计用户如何到达某个页面,并且在他们做完事情之后能去什么地方)。

注:在信息产品方面,结构层则是信息空间中内容元素的分布,确定哪些类别应该出现在哪里。

 

4.框架层:界面设计、导航设计和内容(信息)设计(界面设计:按钮、输入框、界面控件、导航设计:呈现信息 、信息设计:呈现有效地信息沟通)。

目标一:必须提供给用户一种在网站间跳转的方法;

目标二:必须传达出这些元素和它们所包含内容之间的关系;

目标三:必须传达出内容和用户当前浏览页面之间的关系。

5.表现层(功能及内容的视觉呈现)

3d55851aa2514b1e88378b5c9a4ab284.jpg

 2. 流程设计

1)上下表肯定,左右表否定;

2)先走主流程(正流程),再走逆流程;

3)流程图里只能有一个开始,可以有多个结束;

4)连续超过3个判定拆开做;

5)一个流程,多个场景拆开做,不要做成结构图;

6)不要指向子流程,指向母流程;

7)矩形可以是流程、页面、功能,线段是动作;

8)不要指向开始;

9)禁止死胡同;

10)做完自检3遍;

11)版本命名要规范;

12)绘制顺序,应从上至下,从左到到右的顺序。

三、设计阶段

1)符合需求的原型图。

2)产品交互和UI完成沟通,是否已产出,UI需要协调资源。

3)需求文档,文档内容是否完整,是否逻辑缜密,是否完成需求闭环。

4)产品方案是否简洁并具有拓展性。

5)产品方案是否已上下沟通并完成确认。

6)是否需要准备其他物料(比如上新功能需要准备产品使用说明文档)。

7)是否有统计需求,是否已产出数据需求,是否已和数据分析师沟通。

四、评审阶段

立项阶段:

1)是否有明确立项的目标和主题(项目名称、背景)。

2)是否需要准备立项材料。

3)需要其他部门配合协助,是否已经提前沟通。

4)是否已经确认好各端负责人。

5)是否已协调好立项会时间、地点,并通知好项目相关人。

6)宣讲会PPT。

7)完成立项宣讲会,并收集问题给予解答。

8)确认各项任务资源是否已经分配。

五、需求评审阶段(各相关人了解、讨论、确认方案细节)

1)针对需求评审,需要产品组织主讲方案给技术人员。

2)确认参会人是否已了解需求。

3)方案是否存在遗漏点并是否补充完整。

4)方案是否存在可以提升优化的点。

5)方案是否存在技术难点,是否有解决或替代方案。

6)若方案改动大或评审时问题多,需要多轮需求评审确认。

7)对于方案改动点是否已向上同步并确认。

8)技术评审。确认技术方案是否可以满足产品需求。

9)确认技术方案是否存在未来可拓展性。

10)确认技术排期是否可接受。

11)测试用例评审。由测试组织、测试主讲根据需求设计的测试方案和用例,确认测试方案是否可以涵盖所有需求点。

12)确认测试方案是否可以涵盖到异常情况。

13)确认测试排期、最终上线时间。

六、开发阶段

1)确认技术是否完全按照方案进行开发实现。

2)开发过程中的需求沟通,需求调整,更新文档。

3)定期确认开发进度,组织周会同步跟进。

4)是否有延期风险,若有风险是否已同步到相关人。

七、测试阶段

1)确认产品验收是否通过。

2)确认UI是否通过。

3)确认所有Bug是否都已解决,未解决的是否可以遗留。

八、上线阶段

1)上线前,是否有需要提前准备的材料或培训。

2)统计数据需求,确认埋点及统计指标。

3)上线后确认产品运行是否有异常,线上回测。

4)确认产品数据是否异常,数据效果是否符合预期。

5)及时给项目相关人同步产品上线邮件,产品数据邮件。

6)收集用户反馈,做需求优化规划。

7)跟进项目效果,及时做项目复盘和接下来的规划,是否有第二、三阶段。

cea66c9a389c41198ffd7490f31f3d5b.webp

 

本文由 @WYL产品小王 原创发布。未经许可,禁止转载。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision示TP与预测边界框数量的比值 Recall示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值