在产品初期，产品经理们会面临这样一个苦恼：这个需求很关键、那个需求很重要。想实现的需求很多，但奈何资源是有限的。这个时候，决定需求的优先级成了一种难题。

任何一个需求实现都需要消耗资源成本，如何让这些成本获得最大化收益，考验着产品负责人的决策能力。

一个惯常的思路是——我们投入了资源成本，对应地会带来收益或效率提升。只要关注投产比这个指标，自然能很轻松做出正确决策。

理论与实践的差距正在于此。绝大多数时候，投入和产出都是很难量化的东西。就算真正去量化，涉及很多拆解出来的细分项，也只能靠拍脑袋估算；少量的指标估算对结果的影响可控，一旦绝大多数指标都需要通过估算来完成，结果显然就不可靠了。

所以，进行需求优先级决策时，定性的分析尤为重要。

一、业务目标拆解

站在公司或项目的角度，上一层级的目标实现通过下面层级来拿结果，至上而下的目标拆解和执行，至下而上的过程管理和结果反馈，共同推动公司整体目标的实现。

用人话来说，就是心往一处想，劲儿往一处使，聚焦出成果。

说起理论框架，大家都不爱听，那么如何对业务目标进行拆解？

在数据分析领域，有一个很重要的工具——MECE拆解原则。我也曾在一篇文章中详细介绍过这个原则。英文发音为：me-see，中文意思是：相互独立，完全穷尽。

即是明确业务目标后，找准一个切入点，从这个维度将目标进行细分，要求细分结果不重不漏。细分结果可以理解为要达成整体目标所必须具备的部分。再说通俗点，就是你自己找一个你认为合理的角度，然后从这个角度出发，不断进行分类拆分，直到不能再分为止。

举个例子：

公司领导要求今年内新增20个城市业务，要实现这个目标，所有相关业务模块都需要拆解出自己的KPI，而要实现这些KPI很多需要产品的支持。

首先，拓展城市新业务落地需要产品因地制宜，不同城市支持不同的业务模式。其次，为了提高人效节约成本，可能对平台信息化程度要求也会增加。业务的拓展带来更多的订单，对平台运营效率的需求也会增加。这里我们可以得到三个重要细分维度：支持业务个性化拓展，提高平台信息化程度，提高平台运营效率。

实际拆解过程中，我们并不需要像数据分析师一样，拆解得足够细。对于产品而言，一般找到跟自己业务相关的一级或二级细分目录就可以了。因为我们用MECE原则的目的是找到影响目标的关键因素，然后再对这些因素进行优先级排序。

对关键因素优先级的排序，可以用权重来量化。例如上面的例子中，支持业务个性化拓展最重要，缺了它后面的业务无法开展。那么权重我们可以给到60，后面两个因素各给20。

那么接下来，就是把所有接到的需求，分别从不同影响因素的角度，进行评分。单个因素下的需求评分乘以权重，再求和，最终得到一个表征这个需求优先级的量化分数，再进行数学排序，就得到需求优先级列表。

说到这里可能有点晕了，成了优先级套优先级的套套逻辑。其实大象装进冰箱就分三步：

1. 明确目标是啥；
2. 拆解出达成目标的关键影响因素，并评估优先级；
3. 把需求同时放在关键影响因素上来对比评分，并通过线性加权的方式得到最终的优先级量化分数。

二、象限分析

象限分析是日常用的最多的优先级决策方法。通过不同维度，将需求放在二维或三维象限进行决策。大致而言，分两种类型的象限：一种是通过紧急、重要两个维度，对需求进行划分；另外一种是通过用户量、使用频次对需求进行二维划分，有时候也会加上使用强度进行三维分析。

1. 紧急·重要

关于紧急 · 重要象限模型，在很多时间、工作管理书籍上有很多介绍。这里抽出几个我认为比较关键的，适用于需求管理的点：

①紧急不等于重要

紧急的需求，不一定是重要的需求。这点其实很容易被忽视，往往有时候处理紧急的事多了，就会默认它是当前最重要的。尤其是我们经常关注用户反馈，每天铺天盖地的问题，可能让产品经理迷失。

紧急关注当前，在某个时间点以前必须完成，但是它对最终结果影响不大。重要是必须要搞定，搞不定很可能影响成败。

②始终关注重要的需求

四个象限当中，不重要不紧急就直接忽略了，焦点在于第1、2象限。大多数人会把精力完全放在重要且紧急的需求上，随着时间推进，重要不紧急的需求也变成了紧急需求。

时间是公平的，如果我们一直都在被动处理紧急的需求，那么结果肯定也会大打折扣，因此专注重要紧急需求的同时，也要将重要但不紧急的需求逐步推进，循序渐进。

③需求不是一成不变的

所有需求优先级的评判，都跟业务发展阶段强相关，并不是不紧急不重要的需求永远是这样的。因此，需求的评估不是一蹴而就，随着业务的推进，需要不定期对需求优先级进行重新评估。

2. 用户量·频次

这种方法比较适用于2C大用户量级需求优先级评估，依次解释四个象限：

刚需：用户量级大，使用频次又很高，只能说明该功能需求是产品核心，优先级最高。

期待：所有用户都需要，但是用的并不多。这类需求是用户期待的，在满足用户核心需求的情况下，这类需求对提升用户体验，提升关键用户指标有很大帮助。

例如：滴滴平台的及时IM通讯工具，乘客可以不用给司机打电话，而通过短信的形式及时告知司机当前情况，提高沟通效率。

口碑：小众用户的个性化需求，满足这部分用户需求，能为产品带来好的口碑。例如：微信读书里的将读书笔记生成图片书签的功能，方便读者记录分享，满足用户心理需求。

惊喜：超出用户预期的体验。例如：滴滴司机生日当天，乘车的乘客APP端会显示该司机今天生日标识，乘客可以给司机送祝福。想象一下，对于司机这个群体，每一位上车的乘客都跟你说一声生日快乐，给予司机的精神奖励胜过千言万语。

其实除了以上两种方法，还有KANO模型，价值曲线等方法，但是我始终觉得这些方法理论研究价值大于实践价值。方法或工具终究是辅助人来做决策，影响决策结果的关键仍然在于：我们是否对我们的用户足够了解，是否对我们的业务足够了解。

作者：花四爷，微信公众号：花四爷（ID：siyesay)

本文由@花四爷 原创发布于人人都是产品经。未经许可，禁止转载

题图来自Unsplash, 基于CC0协议