如何开始使用基于成果的产品路线图?

基于成果的产品路线图比传统的基于功能的路线图有许多优势,包括高度关注产品应创造的价值。但是,当组织习惯于基于功能的计划并且干系人难以信任基于成果的路线图时,你如何引入这种新方法?为了应对这一挑战,我在本文中介绍了一个4步流程。

传统路线图 VS 基于成果的路线图

在分享这4个步骤之前,让我先简单介绍一下传统的、基于功能和基于成果的产品路线图之间的主要区别。传统的路线图本质上是映射到时间轴上的功能列表。如果不确定性、变化和创新很少,并且你可以正确预测产品的外观和功能,那么这样的计划可能会奏效。但在当今瞬息万变的数字产品领域,这种情况几乎从未发生过。因此,使用基于功能的路线图来固化未来(比如说12个月)的产品功能,可能会冒着创建提供错误功能的产品的风险,并且对用户和客户的价值很小。

幸运的是,近年来出现了一种不同的路线图方法:以成果为基础、以目标为导向的产品路线图,比如我的GO产品路线图。你首先要考虑的不是产品功能,而是产品应该创造的具体价值——它应该实现的成果。这些可能包括吸引新用户、减少客户流失、增加参与度、提高转化率,以及通过消除技术债务来减少开发时间和成本。换句话说,你不是关注需要交付什么,而是问为什么值得推进产品。

然而,我在指导工作中发现,管理层和业务干系人可能非常依赖基于功能的计划,并希望看到路线图说明何时交付功能。在这种情况下,放弃详细的基于功能的计划并相信基于成果、以目标为导向的产品路线图可能是一个艰巨的要求。如果你发现自己处于类似情况,请应用以下信息图中显示的4个步骤,并在本文的其余部分中进行了解释。

 

图片

第1步:为未来3个月设定一个基于成果的目标

首先,为未来3个月设定一个基于成果的目标。例如,对于在线商城来说,可以设定为“将转化率提高5%”。

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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