產品需求 之 庖丁解牛

題圖

在莊子的《南華經》中有一則寓言。說是有位叫丁的廚師,替梁惠王殺牛, 其技法之嫻熟,如同美妙的音樂一般。惠王就問他為什么會有如此高超的技術。他回答說:“臣所喜好的是『道』,早就超越所謂的技術了。最初臣殺牛的時候,眼里看到的,沒有不是『完整的牛』的;三年之后,不能再看到『完整的牛』。到了現在這時候,臣以精神接觸,而不用眼睛看牛,視覺感官停止了而精神在活動。按天然的道理,擊入牛筋骨的縫隙,順著筋骨的空洞進刀,依照牠本來的構造,牛的筋骨接合的地方,臣都未以刀刃碰到過,而何況是大骨頭呢!”

同樣的道理。當我們在面對一頭牛(復雜的業務需求)時,如果不得其構造,不明其法,是不能夠很好的拆解的。只有對需求深入了解,按照其本來的構造,在筋骨的縫隙處下刀,才能拆出不錯的用戶故事。今天在這里,就給大家介紹一些解牛之法。非『道』,唯術爾。

工作流系統

我們平時經常會接觸到工作流類的系統。所謂工作流,就是我在完成一件工作的過程中,需要經過多個步驟,可能還會需要多個不同的角色參與。對于這種系統,我們一般有兩種方式 —— 橫切和縱切。

1. 橫切

所謂橫切,就是先切分出工作流中核心且輕薄的一層,然后再去實現各個步驟中的細節部分。這對于那些核心業務邏輯比較簡單,但每個步驟的附屬功能多且復雜的工作流系統,比較適用。


橫切示例

假如現在我們需要做一個攜程商旅訂票系統,其簡化的訂票流程如下圖所示:

攜程商旅的工作流案例

在這個流程中,每個步驟都包含了很多個功能。比如會員查找需要預定的航班這一步,需求可能會包含

  • 會員可以根據起始城市搜索航班
  • 會員可以根據選擇的城市,找出最近的機場所在城市
  • 會員可以使用GPS定位所在城市
  • 會員可以翻轉起止城市
  • 會員可以根據航班號選擇航班

如果采用橫切的話,我們僅會選取讓本流程可以工作的最小故事集,如

  • 會員可以根據起始城市搜索航班

甚至,在本故事中,我們可以要求會員僅能通過精確輸入起落地城市名稱的方式,來進行航班搜索,在不影響本步驟走通的情況下,來最小化這個步驟的工作量。其它的流程也使用同樣的策略,來來加快整個業務流程的打通。

橫切的優勢在于可以快速實現核心邏輯,并快速上線,驗證假設并收集反饋,可以根據反饋的結果來決定每個步驟中的功能應該如何設計、優先級是什么,來避免一些可能出現的浪費。缺點在于整個工作流設計會采用短平快的原則,用戶體驗較差。

2. 縱切

另一種方式是縱切。縱切就是按照工作流中的每一個步驟進行切分,這樣可以使每一個步驟都具有相對完善的功能,這在某些需要關注終端用戶交互體驗的產品中應用較多。注意,這里有個技巧:如果在整個工作流中,需要跟終端用戶進行交互的功能僅出現在某幾步中,如第一步和最后一步,而中間的 N - 2 步都是后臺流程,在開發中,我們可以先實現第一步和最后一步的功能,而中間的流程處理環節,仍然采用逐步線上化的方式,這樣可以使整個工作流系統最快的上線,同時能平衡用戶的交互體驗。

縱切

比如上面攜程商旅訂票系統的例子,我們可以把涉及終端用戶操作的步驟

  • 會員查找航班
  • 會員發起訂票申請
  • 公司審批人審批訂票申請
  • 會員收到訂票成功通知

把這幾個步驟拆出來優先實現,及早上線;而中間的跟票務相關的步驟,仍然采用線下的形式。比如工作人員在攜程商旅后臺,把訂單導出到 excel 表中,人肉打電話給票代,再把票代確定的訂票信息填入系統,然后手動通知會員。這種方式對于一些流程復雜但用戶量較小的初創公司,可以在保證用戶體驗的情況下,大大提升產品上線速度,并降低試錯成本。

在這里要注意的是,不管是橫切還是縱切,工作流中的每一個步驟都會遵循80/20法則,也就是20%的功能決定了這個步驟的核心價值,而80%的功能僅僅是錦上添花的,所以我們需要更深刻地研究客戶的真正需求是什么,提煉出這20%的業務價值到底在哪里,從而來進行更加合理的拆分。

功能模塊拆分

對于已經拆出的功能模塊,仍然可以根據一些方法進行進一步的拆分,這里介紹三個方法。

1. 按業務規則拆分

同樣的流程和操作,但由于輸入的數據業務規則不同,因而對數據處理時采用的方式也不同。對于這樣的情況,我們可以把功能按照業務規則來進行拆分。

典型的例子是搜索引擎,比如 Google。在 Google 中,輸入框只有一個,但 Google 會根據你所輸入的數據規則的不同,來進行不同的處理操作。看下面幾種情況:

  • 在 Google 搜索框中輸入一個關鍵字,得到這個關鍵字相關的搜索結果
  • 在 Google 搜索框中輸入一個算式,如 “ 1+1= ”,得到算式的結果
  • 在 Google 搜索礦中輸入“ThoughtWorks site:www.example.com”,得到在 www.example.com 這個站點中出現 ThoughtWorks 的頁面
  • ...

對于這樣的情況,我們可以把每一個業務規則都單獨拆分成一個用戶故事。當然,雖然這些用戶故事看起來很相似,但是大部分情況下,這些規則的優先級是截然不同的。總會有一簇最高優先級的用戶故事以及圍繞在外圍的用戶故事。比如在這個例子中,對于 Google 來說,支持關鍵字搜索一定是最高優先級的,需要在產品設計的一開始就要實現,而能夠計算算式的,可能很多年之后,才開始考慮加這樣一個功能。

2. 1+N模式

第二種情況,是對同樣一個流程,但是終端接不同的網關或渠道。最典型的例子是在線支付。比如,我在京東上買了一盒磁力橡皮泥,提交訂單進入支付流程,在支付頁面可以選擇微信支付、京東支付、銀行卡支付等等。

第一次實現支付的功能,可能會比較復雜,但后面如果從一種擴充到多種支付方式,可能相對比較簡單。而且最先需要支持什么樣的支付方式,你可能在一開始也拿不定主意。這個時候,我們不妨將支付功能拆成 2 張卡,形如

  • 會員可以使用 微信支付/京東支付/網銀支付 中的一種進行支付
  • 會員可以使用 微信支付/京東支付/網銀支付 三種渠道 進行支付

使用這種拆分方法,可以延遲決策 - 我們需要最先支持哪種支付方式,同時合理的評估項目的工作量。

3. 復雜的業務模型拆分

對于有的系統,業務模型可能會非常復雜,比如一個房產交易平臺中的房產信息,可能包含戶型信息,中介信息,地理位置信息,價格及購買相關的稅率信息,展示圖,效果動畫等等,當我們需要在系統中引入這樣一個業務模型時,如果一上來我們就考慮清楚這個業務模型的方方面面,這是個性價比很低的事情 —— 做了很多功課,但沒有給客戶帶來真正的業務價值。

這個時候,我們需要將業務模型,按照我們實際需要提供的功能進行拆分。比如,我們要做一個中介搜索系統,我們可以僅取出模型中的中介信息,而不需要去處理其它部分。即使我們需要整個業務模型去做一些事情,也可以把其拆成一個個子模型,根據子模型的業務價值及優先級去設計相應的功能。

比如在這個例子中,我們需要對房產的信息做展示

  • 對于戶型信息,需要有戶型圖,戶型相關的文案展示
  • 對于中介信息,可以看到中介人的頭像,聯系方式,可以使用多種方式在線聯系中介代理
  • 對于地理信息,我可以在 Google Map 上查看其地理位置,并能夠從我的位置導航過去
  • 對于展示的圖片和動畫,我需要像幻燈片一樣,可以在頁面上播放
  • …...

那么,我們如果一開始就著手于解析這個房產業務模型,那可能浪費了很多時間,而沒有交付對用戶有價值的業務功能。這個時候,我們需要區分哪些信息是核心信息,是對用戶來說最有價值的,把這些信息從業務模型中提取出來,而后設計相應的更小的業務功能,切忌一蹴而就。

需求拆分是否有一套完美的方法?

需求拆分是沒有銀彈的,要根據具體的場景、限制選擇合適的拆分方法。在遇到使用某個拆分方法,不能滿足當前業務需求時,看看是不是可以換個思路,換個方法。

當然,在選擇拆分方法時,也有一些技巧,如

  • 選擇那些可以拆出低優先級卡片(或者可以被扔掉的卡片)的拆卡法,因為 80/20 法則
  • 選擇可以把卡片拆的大小差不多的方法,未來在發布計劃中更容易做需求置換
  • 選擇開發團隊更容易理解和實現的方式

當然,這一定不全面,每個人在不同的場景、限制條件下,都會有不同的技巧。相信你自己的拆分方法,多與團隊成員溝通才是不變的法門。

以終為始 - 故事驗收方法

Bill Wake 提出了一個好用戶故事的驗收標準 —— INVEST 模型,它由六個單詞的首字母組成,分別是

  • Independent:每個用戶故事應該是獨立的,不會和其他用戶故事產生耦合
  • Negotiable:并不會非常明確的闡述功能,細節應帶到開發階段跟程序員和客戶來共同商議
  • Valuable:每一個用戶故事的交付都需要能夠給用戶帶來用戶價值
  • Estimable:不需要能夠準確的估計,但需要能輔助客戶排定優先級
  • Small:要小一點,但不是越小越好,要大小合適,可以更容易圈定故事范圍
  • Testable:需要能夠進行驗收測試,最好能把 Test Case 提前加進去

這不僅僅是故事的驗收原則,更是在進行需求拆分的時候所需要考慮的拆分原則。當然,凡是有例外。在需求拆分中,有時會拆出一咩咩實在不能滿足 INVEST 原則的故事卡片,也不要太糾結,我們追求完美,但也總要接受現實的不完美。這個時候,跟開發團隊多交流,開拓思路,協調一個比較好的拆分方式,比自己一個人憋大招要好的多。

最后

再介紹幾個反模式。

  • 按照技術架構分層進行拆分,常見的會按照持久層、應用層、展示層進行拆分。這種拆分方式拆出來的用戶故事,會明顯破壞 INVEST 中的 Valuable 的原則,而且各個故事卡由于各方面的原因,如開發進度不同意,無法靈活的集成上線。
  • 拆分時,把復雜的 UI 交互算在故事卡片中。大部分情況下,比較 fancy 的 UI 交互都不是核心的業務功能,這部分功能可以作為用戶體驗優化的卡片,獨立拆出來
  • 拆分時,過早考慮性能問題。在性能基本達標不出現大的問題的情況下,提升性能很多情況下也屬于用戶體驗的一部分,可以單獨拆出來,左右優化卡片。
  • 拆出一些管理類的卡片。比如管理產品,實際上可能包含很多產品相關的操作,如導入、編輯、同步信息、改變狀態、上架、下架等,所以應該根據具體的功能,拆分成更為準確和大小合適的故事卡片。

最后的最后

歐陽修在《賣油翁》中,提到一個老翁,在倒油時能通過銅錢中心的方孔,卻不灑一滴油,大家都很驚嘆,他只說了一句話 —— “無他,但手熟爾”。需求拆分也一樣,并沒有什么高深的學問,拆的次數多了,也便有了那份手熟。

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,732評論 6 539
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,214評論 3 426
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 177,781評論 0 382
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,588評論 1 316
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,315評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,699評論 1 327
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,698評論 3 446
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,882評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,441評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,189評論 3 356
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,388評論 1 372
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,933評論 5 363
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,613評論 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,023評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,310評論 1 293
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,112評論 3 398
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,334評論 2 377

推薦閱讀更多精彩內容