60个提问模型,让你比别人更快成为高级PM

曾经有同学问我,从初级产品经理晋升到中级产品经理的人,在思维模式上有什么变化吗?

我是这样回答的:

他们有一套相互关联、环环相扣的关键问题的意识;恰如其分的提出和回答关键问题的能力;积极主动地利用关键问题的强烈愿望。

而这种思维的关键,就是批判性思维。

就像“海绵式”与“淘金式”思维的区别,海绵,吸收,知识储备,相对被动;淘金,筛选,知识互动,提问的态度;

两种思维在应用上要对立统一,我们似乎只被教了前一种,小学老师都说“要像海绵吸水一样对知识渴求”云云。

学校只教我们去回答有正确答案的问题,生活中更多的问题却只有参考答案。

只有可行解而非最优解,并且以“如果……那么……”的形式存在。

复杂的问题往往没法显性化,只能靠经验积累的传递。而这也是决定我们产品能力差异的关键因素。

所以在我们产品工作中,在决定评估一个问题前,要问一下自己:“这个问题是什么,为什么要做,关我什么事?”

这种学会提问的批判性思维需要循序渐进的锻炼。

一、 项目初期,对可行性的分析

1 .市场环境
1.1背景和趋势:

*这个方向是不是很火?

*会不会是未来互联网的趋势?

1.2竞品情况:

, *有多少团队在做?

  • BAT是不是在涉足,或者计划涉足?

*他们目前的市场份额如何?

1.3当下市场规模:

*所在的垂直市场有多大?

*所在的大类市场有多大?

*市场的空间多大?

*蓝海还是红海?

2 .用户需求
2.1需求定义:

*是到底要解决什么问题?

*这个问题是不是特别严重?有没有详细的场景描述?

*有多少用户会遇到这些问题(比如是你和你老婆会遇到,还是你确定所有人都会遇到)?

2.2需求刚弱:

*是不是很痛点、很贴切的需求?

*能不能解决实际问题?

*目前用户的需求是不是已经充分满足?

2.3需求真伪:

*是不是大家都认可这个问题需要解决?

. *大家说的需求是不是大家真正的需求?

3 .产品逻辑
3.1功能逻辑:

*功能能不能真正满足需求?

*有没有不合理的漏洞?

*要怎样实现目标功能?

3.2商业逻辑:

*离交易是不是足够近?

*用户价值在你的产品上会不会体现?

4.自身能力
4.1团队情况:

*运营、技术和产品的能力能否实现目标功能?

*创始团队是否有能力胜任其职责?

4.2资金情况:

*按照预想的盈利方式、收支计划,钱够不够花?

. *在下一次融资前,公司的发展能否 达到可以谈融资的地步?

二、 产品设计时,对功能交互的用户体验的分析

1.有用性
1.1需求类别

*需求是基本型、期望型还是兴奋型?

*需求所要求的功能是目前是重要的还是紧急的还是其他?

1.2可操作性

*功能使用是不是能够达到效果?

*有没有考虑到用户的使用场景?

*在使用时会不会经常打断用户?

1.3容错可靠

*所有错误情况是不是考虑到了?

*在极端状况下是不是能够可靠?

2.易用性
2.1学习成本

. *用户的学习成本是不是足够低?

*逻辑的一致性是不是够好?

*用户再次使用时需不需要重复学习?

2.2信息传递

*文案是不是都能通俗易懂?

*用户需要的信息是不是都能找到?

*提醒和警告是不是完整?

2.3高效完成

*现在的方式已经是最好的了吗?有没有更好的方式?

*有没有在处理特殊情况时的高效方法?

3.友好性
'3.1视觉效果

*是不是美观?

*会不会造成不适感?

3.2简洁清晰

*界面元素还能再减少吗?

*视觉焦点是在重要信息和功能上吗?

三、 在项目管理和个人管理上,要做问题分析

1 .定义问题(What、Who、Why)

*要解决什么问题?

  • [项目]责任人是谁?

*具体起因是什么?

2 .解决问题

*有哪几种解决方案?

*每种方案的利弊是什么?

*[项目]利益相关者认同哪个方案?

*从长远来看哪个方案获益最大、损失最小?

3 .复盘问题

*造成问题的深度原因是什么?

*问题如何暴露的,在之前为什么没有暴露?

*从根本上解决问题的方法有什么?

*检査异常的机制是不是需要改进?

4.提高效率/节省成本

*工作中比较复杂的、步骤繁琐的事务 能不能简单处理?

*简单处理的事务能不能形成标准化的 流程机制?

*标准化的流程机制能否实现自动化?

思维模型:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 扩散动力学模型(Diffusion Dynamics Model, DDPM)是一种用于研究扩散过程的数学模型。通常,DDPM 模型用来描述信息、病毒、情绪、偏见等在社会网络中的传播。 DDPM 模型通常使用下列方程来描述扩散过程: 对于网络中的每个节点 i,定义 x_i 为节点 i 的状态(例如,可以为感染、未感染、中立等)。 则有: dx_i/dt = (1 - x_i) * sum(a_ij * x_j) - x_i * sum(b_ij * x_j) 其中,a_ij 和 b_ij 分别表示从节点 j 到节点 i 的影响力(即,节点 i 在节点 j 影响下的变化率)。 通常,a_ij 和 b_ij 都是函数,可以根据节点 i 和 j 的相关属性(例如,年龄、性别、关系等)来计算。 例如,a_ij 可以表示为: a_ij = w_ij * f(x_j) 其中,w_ij 表示节点 j 对节点 i 的影响力,f(x_j) 表示节点 j 的状态对节点 i 的影响。 可以使用数值积分或动态规划等方法来求解 DDPM 模型。 希望这些信息对你有帮助。如果你有其他问题,欢迎随时 ### 回答2: DDPM是深度概率的生成模型之一,用于对数据进行建模和生成。它基于概率密度传播机制,可以通过迭代的方式逐步逼近数据分布。 DDPM的核心思想是使用生成网络来模拟数据分布,并通过对抗训练的方式进行参数优化。具体来说,DDPM使用生成器网络来生成样本,同时使用判别器网络来评估生成样本与真实样本之间的差异。生成器网络的目标是生成以数据分布为目标的样本,而判别器网络的目标是区分生成样本和真实样本。 扩散模型具体指的是DDPM中的生成网络是通过对各个层进行可逆扩散操作来生成样本的。在每一次迭代中,生成器网络会通过扩散过程对随机噪声进行迭代扩散,从而逐渐逼近目标数据分布。这种扩散机制可以通过类似蒙特卡洛方法的采样和反向传播过程来实现。通过不断的迭代优化,生成器网络可以逐渐生成符合目标数据分布的样本。 为了保证生成样本质量,DDPM中使用了判别器网络对生成样本和真实样本进行区分。判别器网络的目标是尽可能准确地判断生成样本的真实性。生成器网络则通过最小化判别器对生成样本的评价来进行优化。 总结来说,DDPM是一种使用扩散模型进行数据建模和生成的深度概率模型。它通过迭代的方式逐步逼近数据分布,同时使用判别器网络对生成样本进行评估和优化。这种模型可以用于生成各种类型的数据,例如图像、音频等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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