一种更好的产品优化方法:策略优先级评分模型PXL Model

一种更好的产品优化方法：策略优先级评分模型 PXL Model

如果产品正走在正确的发展道路上，产品经理可能有一大堆a /B测试的想法在自己的排期计划中。一些是好的想法(有数据支持或仔细分析的结果)，一些是平庸的想法，还有一些属于不知道如何评估的想法。

我们不能一次测试所有的东西，而且我们都有有限的流量。所以你应该有一个优先模型，来考虑所有这些想法，先测试最有潜力的想法。另一些愚蠢的东西一开始就不应该进行测试。

有很多模型可以用来确定优先级，虽然我们发现它们很有用，但是每一个模型都有这样或那样的不足之处。所以最好有一个兼容性更高或者说能够适用大多数项目，而且也方便使用者自定义内容的一种模型。

现有的优先级模型有什么问题?

如果您从事优化工作的时间超过...一分钟，那么您可能听说过一些优先级框架,最受欢迎的两个往往是:

• PIE framework
• ICE framework

这两种框架都很有用，但都有类似的缺陷。

PIE framework

PIE框架可能是转换优化领域中最广为人知的。它包括三个变量:

• 潜力——在页面上可以做多少改进?
• 重要性——页面的流量有多大?
• 易用性——在页面或模板上实现测试有多复杂?

唯一的问题是，每个变量的标准都有太多的解释余地。如何客观地确定一个测试想法的潜力?

如果我们事先知道一个想法有多大的潜力，我们就不需要优先级模型了。或者举个例子，如果你是一个大团队中的一员，并且你想要推动你的想法通过，为什么不附加一些关于潜力的观点(因为这是一个主观的数字)?在理想的世界中，框架将消除主观性。

此外，很难客观地把容易度和重要性放在同等重要的位置。

ICE Score

ICE Score是growthhacker在项目中默认的优先级框架，由growthhacker创始人Sean Ellis发明/推广。

其要点如下:

• 影响-如果这是有效的，会有什么影响?
• 自信——我有多大的信心能做到这一点?
• 容易——什么是容易实现?

我们可以用它来管理增长的想法。但如果我能猜到影响会是什么，我为什么还要测试它呢?

在这方面，它与PIE框架有类似的问题，但除此之外，它还存在“我对这个想法有多自信?”再说一遍，我们怎么能事先知道呢?

正如你所希望的那样客观和“基于经验”，在这里得到一致和客观的评价几乎是不可能的。同样，如果你真的想要追求这个想法，也很容易产生偏差。或者即使我们真的试着尽可能准确地给测试想法打分，三分中的两分都是关于“直觉”的。

ICE (version two)

还有另一个ICE框架，这也是一个缩略词，代表:

• 影响-可以在销售增长、成本节约等方面进行衡量。任何对公司有利的事情。
• 成本——很简单，实现这个想法需要多少成本?
• 努力——有多少资源可用，这个想法需要多少时间?

这个ICE框架在评价事物的标准上更加具体。这也缩小了范围:你只能给1或2分，这取决于你认为机会是“高”还是“低”。然后你把所有的数字加起来，就得到了总分。你根据这个数字做出决定。

用这样的二元尺度，可以避免集中趋势的误差。更小的反应量表也会使事情更准确，“任何时候，当你放大屏幕去看高分辨率的数据时，这可能是一个信号，表明这些数据毫无意义。”

这是一个更好的，但它仍然不是完美的-潜在的影响仍然是相当主观的。你可以有很多想法，都得到3或4分。那你怎么区分优先级呢?

介绍:PXL框架

策略优先级评分模型有3大优点：

1.客观的评价潜力或影响力

2.培养有数据基因的团队文化

3.客观的建立易于实施决策的评分

一个好的测试想法是希望最终的结论能够实现对用户行为的影响。因此，这个框架不是猜测影响可能是什么，而是向用户提出一组关于它的问题。

• 改动点是否在首屏？首屏的改动会有更多人注意到，因此增加了测试产生影响的可能性
• 这种变化在5秒内就能察觉到吗?→展示给同一组人看控制版本（原版），然后看多种修改后的版本，5秒后他们能分辨出来吗?如果没有，影响可能会更小
• 它添加或删除了什么吗?更大的改变，如消除干扰或添加关键信息，往往会产生更大的影响
• 测试是否在高流量页面上运行?对高流量页面的相对改进会带来更多的绝对收益。

如果我们所拥有的只是关于测试内容的讨论意见，那么优先级就没有意义了。对很多改动点的考虑都需要你把数据放在桌子上，以确定假设的优先级。来自意见的想法得分较低。

PXL模型要求每个人提供数据支撑:

1. 它是否解决了用户测试中发现的问题?
2. 它解决了通过定性反馈(调查、民意调查、访谈)发现的问题?
3. 这一假设是否得到了鼠标跟踪热图或眼球跟踪的支持?
4. 它是否解决了数据分析得出的洞察结论？
5. 每个人每周都会就这四个问题进行讨论，很快就会让人们不再仅仅依赖于自己的观点。

数据是幻觉的解药--阿利斯泰尔·克罗利和本杰明·约科维茨(Lean Analytics的作者)

可定制性 Customizability

所有组织的运作方式都不一样，不能简单的认为相同的优先级模型对每个人都一样有效的。

构建这个模型的信念是，使用者可以，并且应该根据对业务重要的内容定制变量。

举个例子

也许你是在和一个品牌或用户体验团队打交道，这个假设中“符合品牌准则”是非常重要的。需要将其作为变量添加。

也许你的产品主要通过SEO从搜索引擎获得客户。又或者你的收入主要来源于特殊的人群。因此，您可以添加一个类别，如“不干扰搜索引擎优化”，这可能会改变一些标题或文案的测试。

重点是，所有组织都在不同的假设下运行，但是通过自定义模板，您可以计算他们，并优化您的优化程序。

PS：请在”全栈用户体验“公众号内回复”pxl model“获取汉化版excel.