编辑导读：有价值的需求必须从用户痛点出发，但当需求的数量越来越多，且每个需求都是从用户痛点出发的时候，产品经理必须在痛点的基础上，引入数据增长指标对需求的优先级进行判定。当数据增长失去效用的时候，又该怎么办？本文作者对第三种需求判定的方式——需求期望值进行了介绍，与大家分享。

有这样的一个小故事，甲乙两人是同一个村庄的年轻人，甲的性格稳重，耐心极佳，乙的性格比较浮躁，耐心较差，两人曾多次参加村里的长跑运动会，每一次，乙都会在半路放弃，甲则是会坚持跑完全程。

两人偶然得知有人在距离村庄10公里外的矿洞里挖到了宝石，商议后，决定一起去挖矿，试试运气。

两人同时开始挖矿，1天后，都挖到了一颗绿宝石，价值1万元。

甲很高兴的带着绿宝石离开了矿洞，乙则是将绿宝石放在身边，继续挖矿，3天后，挖到了一颗钻石，价值10万元，这一次，乙高兴的带着钻石以及绿宝石离开了矿洞。

得知两人的收获后，村民们纷纷夸赞乙，认为乙比甲更有耐心，能够做大事。

但是，大家心里都有一个疑惑，如果乙比甲更有耐心，为什么运动会上，乙总是会半路放弃呢？

你知道原因吗？

期望值驱动需求判定

挖矿就是挖需求，绿宝石和钻石就是不同价值的需求，对应的1天，3天则是获得需求所花费的时间。

问题并不是谁更有耐心，而是什么因素影响了我们行为，我们又是因为什么原因坚持了更长的时间。

答案是“期望值”，因为乙比甲对挖矿的期望值更高。

甲的期望值是价值3万的矿石，得到绿宝石以后，期望值就得到了满足，而乙的期望值则是价值10万的矿石，得到绿宝石以后，期望值仍然没有被满足，直到获得了价值10万的钻石，才满足了乙的期望值。

两者对挖矿的期望值不同，相同的却是满足期望值以后，都失去了继续挖掘的动力。

对需求的期望值，决定了我们会被什么价值的需求所满足，期望值越高，对需求的要求也就越高，越难以被满足。

然而，不论期望值的是高，还是低，在被满足的同时，也意味着失去了期望，等同于失去了继续挖掘的动力，宣告了需求挖掘阶段的结束。

如果期望值较低，在获得低价值需求时，就会因为期望已被满足，导致停止需求挖掘，无法触及高价值的需求。

所以，高期望值对应了高价值需求，低期望值则对应了低价值需求。

同时，期望值的高低与0所获的概率呈现出正比关系，期望值越高，0收获的概率也就越高，期望值越低，0收获的概率也就越低，因为能够带来高回报的需求，在数量上，远远少于低回报的需求。

如果我们对需求对期望是让日活数据增长10%，那么，A需求能让日活增长10%，就会被采纳作为可实施的需求，但若是将期望值设置成增长30%，A需求就会被排除在外，因为不符合我们的期望。

从业者可以通过设置较高的期望值，过滤掉不符合期望的需求，迫使自己持续的进行需求挖掘，直到获得能满足高期望值的需求，这样就可以有效提升输出需求的质量。

这个方法正被许多高级产品经理所使用，我们将其视为需求判定的第三种方式。

第三种需求判定方式

早期互联网产品， 是通过用户痛点对需求进行判定，能够解决用户痛点的需求，会被判定为有价值的需求。

随着行业的发展，需求的数量越来越多，每个需求背后都存在用户的痛点，因此，大多数需求都会被判定为有价值的需求，但我们能实现的只是其中的极少数需求，这也直接导致用户痛点失去了对需求判定的效果。

随后，从业者开始使用数据增长对需求进行判定，能够带来数据增长的需求，就会被判定为有价值的需求。

只是行业发展的速度超过了我们的预测，相对于越来越困难的融资，企业不得不交出更好的成绩，甚至提前实现自我造血的能力，这样一来，数据增长对需求的判定，也逐渐失去了效果，毕竟，仅仅是提升数据已经不够了，我们需要的是大幅度提升数据。

第三种需求判定的方式，则是通过更加主观的期望值对需求进行判定，只有符合期望的需求，才会被判定为有价值的需求，不符合的期望的，均会被舍弃。

判定方式的升级，导致需求的获取难度以几何倍数增长，原本是10选1，现在变成了100选1，原本能够被判定为有价值，甚至是高价值的需求，现在，则会被判定为低价值需求。

只是，在实施过程中，该判定方式也存在三个典型的应用错误。

错误一：没有期望

没有期望，即期望值为0。

从业者在判定需求对过程当中，没有提前设置期望值，等同于期望值为0，这会导致大多数的需求，只要不会给产品带来负面影响，就都是可做的需求。

该状态下，需求方成了需求的驾驭者，产品经理则成了需求的执行者，不论是客户，用户，还是我们的同事，或者老板，需求方每提出的一个需求，都会被响应。

问题在于，我们从不以任务数量，或者处理过的需求数量衡量产品经理的价值，这些数量无法替代成功案例的作用。

持续一段时间后，就会完全丧失团队对产品经理对信任，团队的成员不会将成功的希望，也不会将自己的未来交付给一位不可信任的产品经理。

如果，产品经理对需求没有期望，那么，团队，也就对产品经理没有期望。

错误二：低期望

低期望，即期望值大于0，小于10。

也就是说，从业者在判定需求的过程中，有提前设置期望值，但设置的数值较低，容易被满足，尽管会过滤掉一些无价值的需求，但能够满足该期望值的需求，其价值也极低。

该状态下，需求方与产品从业者会存在一些冲突，也意味着产品从业者对需求有一定的驾驭能力，开始争夺对需求的主导权。

问题在于，低期望值会导致低价值需求被提出，而由低价值需求构造的成功案例，具备的市场竞争力极为有限，无法满足企业对产品经理的高期望。

毕竟，我们想要的都是较大的成功，我们对产品的期望都挺高。

错误三：过度期望

过度期望，即期望值大于80。

这是一个极高的期望值，对应的需求获取难度也极高，往往需要花费很长的一段时间，只是，0收获的风险也极高。

该状态下，产品从业者是需求的驾驭者，需求方则是需求的提供者，在需求判定的过程当中，但因为期望值过高，导致大多数需求都会被排除，甚至，所有的需求都会被排除。

问题就在于长时间处于0收获但状态，可能是1个月，2个月乃至更长的时间，对于团队而言，产品经理的0收获也就等同于0输出状态。

当耐心耗尽时，也就是产品经理离开之时。

这三种错误状态分别对应了产品经理的三个瓶颈期。

“没有期望”对应了功能瓶颈，产品经理扮演的是需求实施者的角色，缺少对需求本身对辨识分析能力。

“低期望”对应的是需求堆砌瓶颈，追求需求的数量，无视了需求的质量，尽管输出的需求极多，但却没有能拿出手的作品。

“过度期望”对应的是完美瓶颈，过度追求极高价值，忽视了时间，成本以及团队，尽管有思想，有理念，但缺少输出后的实践，犹如空中楼阁，纸上谈兵。

三种期望值并行

实际上，期望值也是一个相对概念。我们以产品当前的某项数据作为对比对象，希望通过某个需求，能让该项数据在现有的基础上实现增长。

增长的比例，就是我们对需求的期望值。

三种错误里，没有期望的“0”意味着增长0%，低期望的“10”意味着增长10%，过度期望的“80”则意味着增长80%。

期望值过高，会导致需求挖掘的时间过长，期望值过低，则会导致在低价值需求上花费的时间过长。

只有合理的设置期望值，才能有效过滤低价值的需求，才能让产品从业者的注意力集中到高价值需求的挖掘当中。

所以，我们通常会设定三种期望值，并且，三种期望值同时存在，同时产生作用。

1. 基础期望

基础期望：数据增长10%-30%。

如果现在的日活是10万，那么需求实现后，日活将会提升10%-30% ，日活用户将会增长至11万～13万。

符合基础期望的需求，尽管增长幅度较小，但也是团队能够认可的一个增长幅度，是我们在产品实现过程中，最普遍的需求，同时也是产品对需求的最低要求。

每个月输出一个符合基础期望的需求，可以帮从业者争取更多的时间，用来挖掘更高价值的需求。

2. 理想期望

理想期望：数据增长30%-60%

如果现在的日活是10万，那么，需求实现后，日活将会提升30%-60%，日活用户将会增长至13万～16万。

符合理想期望的需求，能够带动产品实现较为可观的数据增长，同时，也能坚定团队对产品，以及对产品经理的信心，是产品经理核心的需求。

每个季度输出一个符合理想期望的需求，将会增加产品经理在团队中的影响力，以及可使用的资源面积。

3. 杰出期望

杰出期望：数据增长60%-80%

如果现在的日活是10万，那么，需求实现后，日活将会提升60%～80%，也就是日活用户将会增长至16万～18万。

符合杰出期望的需求，能够让产品实现极大的数据飞跃，不论是在公司内，还是公司外，都会成为极佳的成功案例，形成极大的竞争优势，也是产品经理的代表性需求。

符合杰出期望的需求，不仅仅是挖掘时间极长，其实现成本通常也极高，需要团队投入更多的资源以及资金。

通常情况，我们会将杰出期望的挖掘周期定为半年，或者一年。

三种期望将需求的价值，以及该价值所需要的时间划分成了三个梯度，但这三个梯度又是相辅相成。

基础期望最容易满足，挖掘的时间也最短，可以为理想期望争取到足够多的挖掘时间。

理想期望带来的数据增长坚定了团队对产品经理的信心，可以为杰出期望争取到足够多的话语权以及资源使用的力度。

杰出期望则是借助时间和资源的双重作用，让产品数据实现极大的飞跃，给团队带来胜利果实的同时，也成就了自己的杰出成功案例。

而成功案例，能为产品经理争取到更好的机会，更多的资源。

比例单位实际影响的是单位刻度指标，而刻度指标则影响期望值设定的准确性和有效性。

但是，比例单位并不是固定的，随着数据基数的增长或者业务的特殊属性，比例的单位也会发生一些变化，可能是十分比，也可能是百分比，千分比，甚至万分比。

通常情况，我们以百分比作为基础比例单位，采取最小刻度“1”对应的绝对值，评估该绝对值对应的难度，难度较高，则通过降低比例单位的方式，降低绝对值，难度较低，则会通过提升比例单位的方式，增加绝对值。

以1000万日活为基础数据，提升1%的日活，意味着需要提升10万日活数据，实现最小刻度的难度较高，此时，就需要降低比例单位，从百分比，降低为千分比。

最小刻度也就从百分之一变成了，千分之一，对应的绝对值就从10万降低到了1万，这样最低目标的难度就属于可接受的范围了。

若是以10000日活为基础，提升1%的日活，意味着增加100日活数据，难度较低了，此时，就需要提升比例单位，从百分比改为十分比。

最小刻度就从百分之一变成了十分之一，对应的绝对值就从100增加到了1000，这样，最低难度也就处于可接受范围了。

思考题

现在，我们尝试用期望值的方法，对需求进行判定，该需求应该被采纳，还是不应该被采纳。

已知某产品日活跃用户有100万，每天有1万新增用户，产品团队提出了两个需求，第一个需求能够提升5万日活，第二个需求可以提升1000新增。

你是产品负责人，要对需求做出判定。

• A：采纳第一个需求，舍弃第二个需求
• B：舍弃第一个需求，采纳第二个需求
• C：两个需求都舍弃
• D：两个需求都采纳

尝试使用期望值的方法，做出你的判定吧。

#相关阅读#

需求的价值，只有对比才能确定

决定需求价值的四个参考系

不出彩就出局，产品经理如何选择需求？

一个糟糕的需求，会给产品带来哪些危害？

不被认可的产品经理，可能是你的需求没有价值

#专栏作家#

枯叶，微信公众号：枯叶咖啡馆。人人都是产品经理专栏作家。9年经验产品经理，3年产品总监经验。擅长数据增长，商业模式。曾孵化过千万级用户规模的创业产品

本文原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 Unsplash，基于CCO协议。