产品判断——用户价值、企业收益、可持续

一、开场：一个常见的教学困境

我们接着第 1 讲的结尾开场。

第 1 讲最后我留了一句话：好产品要有三个标尺——对用户有效用，对企业有收益，可持续。现在，请你用这三个标尺做一个真实的判断。

假设你是产品负责人。你们团队收到了四个需求，排在同一次版本规划里：

• 需求 A：做一个"训练负荷（Training Load）"功能，帮助用户判断每天的训练强度是否合理。

• 需求 B：把现有运动报告页面的 UI 重新设计一遍，让它"更好看"。

• 需求 C：接入微信运动排行榜，让用户能看到朋友的步数。

• 需求 D：优化 GPS 冷启动速度，让用户在户外能更快定位。

四个需求都来自不同的渠道——用户反馈、老板指示、运营诉求、竞品分析。研发说资源有限，最多只能做两个。

你选哪两个？

这是一个产品经理每天都会面对的场景：需求很多，资源很少。而你，需要做判断。

判断能力，是区分"普通 PM"和"优秀 PM"最核心的能力。第 1 讲我们讲了"从需求执行到价值负责"的理念转变；这一讲，我们把它落地为一套可操作的产品判断框架。

---

二、核心概念：好产品的三个标尺（深度展开）

俞军在《俞军产品方法论》中提出了一个看似简单但极其深刻的判断标准。我先把这个标准再念一遍，因为它是整堂课的基础：

一个好产品必须同时满足三个条件：对用户有效用，对企业有收益，可持续。

我在第 1 讲已经介绍了这个框架，但那是快进版。这一讲，我们要深入每一层，把它变成你每天做判断的肌肉记忆。

2.1 第一标尺：对用户有效用

什么叫"对用户有效用"？不是"用户点了按钮"，也不是"用户打开了页面"，而是用户使用你的产品后，他的某个问题得到了解决，某个需求得到了满足，某个状态得到了改善。

我们来做一个区分，这是很多产品经理容易混淆的：

有功能 ≠ 有效用。

举个例子。你们的产品上线了"训练负荷"功能——在运动报告里展示了一个叫"训练负荷"的数值，旁边标注了"基于心率变异性和运动时长计算"。

这算不算"对用户有效用"？

算一半。

为什么？因为用户看到这个数值之后，他面临一个追问："所以呢？"

• 如果他的训练负荷是 280，这意味着什么？

• 这个数值是高了还是低了？

• 他明天应该继续训练还是该休息？

• 如果他看不懂，这个功能对他有没有用？

效用，不是"信息传递了出去"，而是"信息的接收者因此可以做更好的决策"。

产品能力是训练一个人判断信息、抓住要点、整合有限的资源，把自己的价值打包成一个产品向世界交付。 注意"判断信息"这四个字——用户拿到你的产品，也需要判断信息。如果你给他一堆信息他判断不了，你的产品就没有完成"交付效用"这一步。

那么，什么是对用户有效用的"训练负荷"？应该是这样：

"你的训练负荷 280，比过去 7 天平均值高了 35%。属于高强度区间。建议明天安排一次低强度恢复跑或彻底休息，避免过度训练风险。"

有效用 = 信息 + 判断 + 行动指引。

有一个非常重要的产品判断原则："用户不关心你的参数，只关心自己的感受和结果。" 用户买运动手表，不是因为他想要一个"高精度 PPG 心率传感器"，而是因为他想要"知道自己训练有没有效果、身体有没有恢复"。作为产品经理，你要时刻提醒自己：你交付的是"用户感受和结果"，不是"功能参数"。

2.2 第二标尺：对企业有收益

第二个标尺，很多人容易把它理解得过于狭隘——觉得"收益"就是收入、利润、商业回报。

确实，收入是收益的一部分。但对企业来说，收益可以更广泛地定义：

• 直接收入：硬件销售、会员订阅、训练计划购买。

• 间接收入：用户因这个功能更愿意购买硬件、更愿意续费会员。

• 战略收益：品牌专业度提升、用户信任增强、市场份额扩大。

• 竞争收益：别人没有这个能力，你有，从而形成差异化。

• 数据资产：用户使用这个功能产生的数据，可以反哺算法训练、个性化服务。

• 效率收益：这个功能上线后，客服咨询减少、退货率下降、运营成本降低。

关于"企业收益"的判断，有两个最基本的思考角度：

企业以什么方式挣钱？ 做任何功能之前，先想清楚它和企业收入模型的关系。 用 ROI 思维评估需求。 投入多少资源，能换回多少收益（直接或间接）？

这两个问题合在一起就是：你做的任何一个功能，最终都要回到"企业为什么能挣钱"或"企业为什么能省钱"或"企业未来为什么能挣更多钱"这个基本问题上。

还是拿"训练负荷"功能来举例。这个功能对企业有什么收益？

如果做好了：

• 用户更信任你的训练建议→训练连续性提高→用户活跃和留存提升→愿意为此购买会员订阅→也愿意把品牌推荐给朋友→口碑传播带来新用户→新用户购买硬件→更多的数据积累形成网络效应。

如果做不好：

• 用户看不懂→觉得没用→不使用→差评→退货→品牌信任受损。

同一个功能，做得好和做不好的收益差异，可以差出几个数量级。

所以第二标尺的关键追问是：这个功能做好了，企业能从哪个环节获得回报？这个回报足够覆盖投入成本吗？

2.3 第三标尺：可持续

可持续，是最容易被忽略的一个标尺。

产品经理在做版本规划时，想的往往是"这个功能值不值得做"，而不是"这个功能做完之后，我们能不能一直维持它"。

可持续有三个层面的含义：

第一，用户体验的可持续。 这个功能不是一次性体验，用户愿意反复使用。训练负荷如果只是"看一次"就不看了，它不可持续。只有它每天都帮用户做训练决策，才可持续。

第二，商业模式的可持续。 这个功能的维护成本，长期能覆盖吗？比如训练负荷依赖算法团队的持续优化、依赖运动科学研究的更新、依赖服务器端的个性化计算。这些投入能不能持续？如果不能，当初就不应该做。

第三，团队能力的可持续。 这个功能依赖的能力是否是团队可以长期维护的？如果核心逻辑只有一个人懂，那这个功能就不可持续。

这个标尺背后有一个很重要的产品思维：持续复盘是可持续判断的前提。

一个产品经理如果不懂得复盘，他今天做的判断和三个月前做的判断可能是一样的水平——没有进步。而一个不进步的产品经理，做出可持续产品的概率，也很低。

2.4 三标尺检验：回到开场的四个需求

现在，我们用三个标尺检验一下开场的四个需求：

需求 A：训练负荷功能

• 对用户有效用：高——如果做得好，能解决"训练强度是否合理"这个核心决策问题。

• 对企业有收益：高——提升专业信任、提升留存、可商业化（会员订阅）。

• 可持续：中到高——依赖算法持续优化，但一旦建立信任，用户粘性很高。

需求 B：UI 重新设计

• 对用户有效用：低——"好看"本身不解决用户的核心问题。除非现有 UI 严重影响可用性。

• 对企业有收益：低——没有可衡量的业务影响。

• 可持续：低——UI 会不断过时，需要持续投入，但产出不清晰。

需求 C：微信运动排行榜

• 对用户有效用：中——部分用户需要社交激励，但这不是运动手表的核心价值。

• 对企业有收益：中——提升活跃度，但用户可能只是"刷步数"，不产生训练价值。

• 可持续：中——依赖外部平台接口，有政策风险。

需求 D：GPS 冷启动优化

• 对用户有效用：高——GPS 是运动记录的基础体验，冷启动慢直接影响首次运动体验。

• 对企业有收益：高——提升核心体验品质、降低差评，是"基础体验"的一部分。

• 可持续：高——一次优化长期受益，维护成本低。

用三标尺一筛，优先级就清楚了：D > A > C > B。

如果你当初选了 B，没关系，这不是在考你，而是在训练你的判断肌肉。

---

三、经典方法论拆解：产品判断决策矩阵

三个标尺是一个很好的"定性框架"，但它在实际工作中有一个痛点：它不量化。当你面对两个都通过了三标尺检验的需求时，你怎么比较它们的优先级？

这时候，我们需要一个定量工具。

3.1 产品判断决策矩阵

我给大家提供一套可以直接使用的产品判断决策矩阵。它由五个维度组成：

计分方式：每项评分 × 权重，加权求和。

回到刚才的四个需求，我们用这个矩阵算一下：

需求 A：训练负荷

• 用户价值：8/10（对专业用户极高，对大众用户需翻译）

• 企业收益：8/10（可促进留存和会员转化）

• 可持续：7/10（需算法持续投入）

• 难度/成本：5/10（算法门槛高，研发周期长）

• 风险：6/10（用户信任风险，做不好反而有害）

• 加权得分：8×30% + 8×25% + 7×15% + 5×15% + 6×15% = 2.4 + 2.0 + 1.05 + 0.75 + 0.9 = 7.1 分

需求 D：GPS 冷启动优化

• 用户价值：9/10（影响每一次运动体验）

• 企业收益：7/10（降低差评，提升基本体验品质）

• 可持续：9/10（一次优化，长期受益）

• 难度/成本：8/10（相对可控的技术优化）

• 风险：9/10（风险极低）

• 加权得分：9×30% + 7×25% + 9×15% + 8×15% + 9×15% = 2.7 + 1.75 + 1.35 + 1.2 + 1.35 = 8.35 分

你看，通过矩阵量化，D 大于 A 的结论就更加清晰了。

3.2 决策矩阵的边界

矩阵是个好工具，但它有边界。

边界一：矩阵不能替代战略判断。 如果公司当前的战略是"建立专业口碑"，那么即使"训练负荷"的"难度"得分低，它的战略价值也可能高于一个"低难度但无战略价值"的需求。

边界二：矩阵不能替代用户洞察。 你对每个维度的评分是否准确，取决于你对用户的了解程度。如果根本不了解用户，评出来的分数是错的，矩阵就是一个精致的错误。

边界三：矩阵不要做成"政治工具"。 不要先决定想做哪个需求，再反过来给它打高分。矩阵应该是帮助你思考的过程，而不是你证明自己的工具。

还有一个容易被忽略的视角：用户不是抽象的"用户"，是情境动物。同一个用户在不同情境下的行为和选择可能完全不同。

这个洞察对决策矩阵的意义在于：当你给"用户价值"打分时，你要清楚地知道你在哪个情境下衡量这个价值。一个在"训练后复盘"情境下的训练负荷，和一个在"明天要不要训练"情境下的训练负荷，对用户的价值完全不同。

---

四、业务深度案例：训练负荷——给专业用户看数据，还是给大众用户翻译成建议？

现在，我们来做一个完整的案例推演。这是你们这个业务中极具代表性的一个功能点：训练负荷（Training Load）。

4.1 背景

"训练负荷"这个概念来自运动科学。简单来说，它衡量的是用户一段时间内的训练强度对身体的整体压力。一般来说，训练负荷由运动时长、强度（心率区间）、频率三个维度综合计算得出。

这个概念对专业运动员来说非常熟悉——他们通过监控训练负荷来调整训练节奏，避免过度训练。但对大众用户来说，"训练负荷"是一个陌生、抽象、甚至令人困惑的概念。

4.2 产品团队内部出现了两派意见

A 派：给专业用户看专业数据

A 派的理由是：

• 我们的核心用户是严肃跑者，他们需要专业数据。

• 训练负荷在国外头部品牌（如佳明、Suunto）上已经是标配功能。

• 我们要做就应该做得专业——展示原始数据、趋势曲线、7 天累计、与阈值的对比。

• 如果用"简化版"，专业用户会觉得我们不专业。

B 派：给大众用户翻译成建议

B 派的理由是：

• 我们的业务增长点在"运动新手"和"大众健康用户"。

• 严肃跑者市场已经被头部品牌占据，我们很难靠数据丰富程度取胜。

• 真正的大众用户看到"训练负荷 324"是蒙的。

• 他们需要的是"你今天练多了，建议休息"或者"你今天状态不错，可以正常训练"这样一句话。

如果你是产品负责人，你怎么选？

4.3 用三标尺分析

先看用户价值：

如果我们做 A 方案（展示专业数据），用户价值是谁在获得？

严肃跑者获得了价值——他们看得懂训练负荷曲线。但严肃跑者占我们用户总量的多少？如果数据告诉我们只占 20%，那这个方案的"面"不够广。

如果做 B 方案（翻译成建议），谁获得了价值？所有用户——包括严肃跑者和大众用户。严肃跑者虽然在"数据深度"上有点不满足，但他们也不会拒绝一句实用的建议。只是，他们可能嫌不够"硬核"。

再看企业收益：

A 方案：吸引严肃跑者，建立专业口碑。但严肃跑者人群规模小，对硬件和会员的付费意愿强但天花板明显。

B 方案：服务大众用户，提升训练连续性→留存提升→会员转化。人群基数大，收益天花板高。

再看可持续：

A 方案：如果用户基数（严肃跑者）增长缓慢，这个功能的使用率可能长期偏低，团队会质疑投入的 ROI。

B 方案：如果建议做得好，用户每天都会看，形成了习惯——使用率和粘性都更高，可持续性更强。

4.4 真正的答案可能不是二选一

到这里，你可能会认为我是在引导你选 B。但真实的答案是：不要二选一，而是重新定义问题。

产品判断里有一个基本原则：不要试图去满足所有用户，要搞清楚你的产品主要服务于哪类用户。

这个原则不是让你只做一个方案。它是让你搞清楚：当前阶段你的核心用户是谁，你优先满足谁的需求。

更务实的做法是：

第一阶段（MVP）：先做 B 方案的主体——翻译成一句建议。 在运动报告页面的顶部，用一句话告诉用户今天的训练负荷建议。"你今天训练负荷偏高，建议安排恢复日。"这句话既服务了大众用户，也满足了严肃跑者的基础需求。

第二阶段（增强）：在建议下方加一个"查看详情"的入口。 点击后展开专业数据——训练负荷曲线、HRV 趋势、7 天累计值。这样可以同时满足两类用户：大众用户看建议就行，专业用户可以点进去看数据。

第三阶段（个性化）：让用户在设置中选择"偏好模式"。 "你更喜欢看详细数据还是简化建议？"根据用户的选择，个性化首页展示。

这就是产品判断的智慧——不把"做 A 还是做 B"当作一个二选一的取舍，而是在产品架构上设计一个"分层次、可展开"的解决方案。

价值不是你想给用户什么，而是用户真的得到了什么。 如果你只给了专业数据，大众用户什么都没得到。如果你只给了建议，专业用户得到的不够。但如果你设计了一个"建议为主、专业为辅"的分层方案，两类用户都得到了他们想要的。

4.5 这个案例教给我们的

训练负荷案例的核心启示不是"做建议还是做数据"的二选一，而是：

1. 用三标尺分析不同方案时，要看清用户分层。 同样的功能，对不同用户群的价值完全不同。

2. 重新定义问题，比在现有框架里做选择更重要。 不要问"做 A 还是 B"，要问"能不能用分层设计同时服务两类用户"。

3. 产品判断不是一次性决策，是一个持续迭代的过程。 先做 MVP 验证，再做增强，最后做个性化。

---

五、反例与失败案例：那个没人看的数据面板

下面这个案例综合了多款运动手表数据面板产品的常见失败教训。某运动品牌（化名）在 2020 年推出了一款面向大众运动爱好者的智能手表，主打卖点是"专业级运动数据分析"。

5.1 他们做了什么

他们的产品经理团队花了大量精力设计了一个运动数据面板。

这个面板在 App 首页长这样：

• 左上角：今天步数

• 右上角：卡路里消耗

• 中间：一个环形进度条，展示"每日运动目标完成度"

• 往下滑：心率趋势曲线（24 小时）

• 再往下：睡眠分析（深睡/浅睡/REM）

• 再往下：压力指数

• 再往下：血氧饱和度

• 底部：一个"查看更多"按钮，点击后进入更细的数据列表

5.2 发生了什么

这个面板上线后的数据：

• 新用户首次查看：75%（还不错）

• 一周后再次主动查看的用户：不到 30%

• 一个月后每天查看的用户：不到 10%

• 用户调研反馈："数据太多了，不知道怎么用""看到心率曲线但不知道这意味着什么""我每天看的只有步数"

这是一个"看起来很有用，但实际没人用"的经典案例。

5.3 复盘分析——做错了什么

我们用三标尺来分析：

用户效用：几乎为零。

为什么？因为"展示数据"不等于"解决用户的问题"。用户打开这个面板的时候，他想知道什么？

• "我今天运动量够不够？"→ 环形进度条可能回答了，但被淹没在大量数据中。

• "我今晚睡眠好不好？"→ 看到了深睡 1.5 小时，然后呢？

• "我身体状态怎么样？"→ 压力指数、血氧、心率曲线，三个数据各自独立，没有统一的判断。

这是一个典型的"把数据当产品"的错误。数据只是原材料，判断才是产品。

企业收益：负收益。

投入了大量研发资源设计这个面板，但用户不看。不仅没有产生正向收益，反而因为"太复杂"的口碑导致了用户流失。

团队没有拿 ROI 来算这笔账。如果当时用决策矩阵算一下——用户价值得分低、难度成本得分高、风险得分高（因为复杂度可能伤害体验）——可能早就发现了问题。

可持续：不可持续。

用户不看→没有数据→算法没有反馈→无法优化→更没人看。这是一个死循环。

5.4 如果重新做，应该怎么做

如果按照我们今天的框架来重新设计这个面板，应该怎么做？

第一步：先问用户的核心任务是什么。

用户每天打开 App，他最想知道的不是所有数据，而是这三个问题的答案：

1. 我今天练对了吗？（训练评价）

2. 我明天应该怎么练？（训练决策）

3. 我最近在变好吗？（进步趋势）

第二步：做减法。

首页只展示用户当前最需要看的东西。比如：

• 顶部：一句话训练总结——"今日训练状态：良好。建议明天正常训练。"

• 中间：一个核心指标——"训练负荷"或者"恢复状态"，用红黄绿灯显示。

• 底部：一个"查看全部数据"的入口——给有深度需求的用户。

第三步：建立"看完→决策→行动"的闭环。

用户看完面板后，要能自然地做出一个决策、采取一个行动。比如：

• 看完→发现恢复状态是"黄色"→点击→查看恢复建议→调整明天的训练计划

---

六、实操工具：产品判断决策矩阵（可直接使用模板）

这是本讲最重要的交付物。我把产品判断决策矩阵做成了一个可以直接复制使用的模板。

6.1 判断矩阵模板

当你接到任何需求时，先做这件事：把需求写在第一行，然后用下面五个维度打分。

评分指南：

用户价值评分标准：

• 9-10 分：解决了用户最核心的痛点，用户愿意为此付费或改变行为

• 7-8 分：解决了用户重要的痛点，用户明显受益

• 5-6 分：有改善但不是核心问题

• 3-4 分：用户感知微弱

• 1-2 分：用户不在乎

企业收益评分标准：

• 9-10 分：直接影响核心商业指标（收入/留存/转化）

• 7-8 分：对核心商业指标有显著正面影响

• 5-6 分：有正面影响但间接

• 3-4 分：影响微弱或不确定

• 1-2 分：团队投入纯成本，没有商业回报预期

可持续性评分标准：

• 9-10 分：用户会反复使用，商业可持续，团队能力可维护

• 7-8 分：有较高的复用的可能性

• 5-6 分：有一定的持续性，但存在不确定性

• 3-4 分：大概率是一次性功能

• 1-2 分：明显不可持续

难度/成本评分标准（反向打分，越高越好）：

• 9-10 分：研发工作量小，1-2 周即可完成

• 7-8 分：工作量适中，2-4 周

• 5-6 分：工作量较大，4-8 周

• 3-4 分：8 周以上或依赖外部资源

• 1-2 分：半年以上的研发周期或核心技术尚未突破

风险评分标准（反向打分，越高越好）：

• 9-10 分：技术成熟、用户体验明确、几乎无风险

• 7-8 分：有少量风险但可控

• 5-6 分：有一定不确定性

• 3-4 分：有显著风险（技术不成熟或用户可能反感）

• 1-2 分：高风险（可能伤害品牌或用户体验）

6.2 使用这个矩阵的三个原则

原则一：先定性，后定量。 在打分之前，先用三标尺做一次定性判断。如果某个需求在"对用户有效用"这一项就不成立，那也不用打分了——直接放弃。

原则二：团队打分，不一个人打分。 建议产品和研发、设计、运营坐在一起，各自独立打分，然后对比差异。如果某个维度大家的分数差很大，说明在那个维度上有认知差异——这才是最有价值的讨论。

原则三：权重不是一成不变的。 在产品不同阶段，调整权重。比如：

• 产品早期（0→1）：用户价值权重提到 40%，企业收益降到 15%

• 产品增长期：企业收益权重提到 30%

• 产品成熟期：可持续和风险权重各提到 20%

---

七、本讲重点总结

我们回顾这一讲的核心内容。

最后说一个核心视角的转变。

产品经理做判断时，最常犯的错误是：把自己当成用户。 "我觉得这个功能很好""我觉得用户会喜欢""我朋友说想要这个"——这些都不是产品判断的依据。

产品判断的依据应该是：用户是谁、他的核心任务是什么、我们的方案能不能帮他完成这个任务、我们公司能不能从中获得可持续的收益。

这一讲开头的四个需求，你的选择改变了吗？

如果你的选择从 B（UI 重设计）变成了 D（GPS 冷启动优化），说明你已经开始用三标尺思考了。这就是进步。

下一讲，我们会讨论另一个产品经理的核心能力——结构化思考与认知偏差。当你的直觉和数据分析结果冲突时，你信谁？怎么才能确信自己没有掉进认知陷阱？

---

八、课后思考

1. 三标尺对照：找两个你正在做的需求，用"好产品三标尺"逐条对照一下。哪个在三个维度上更站得住？差距在哪里？

2. 决策矩阵体验：拿出版本规划中争议最大的两个需求，用产品判断决策矩阵分别打个分。如果有机会，让研发和设计也各自独立评分——看看同一个需求在不同角色眼中的优先级差异有多大。

3. 分层设计思路：想一想你手头的功能里，有没有那种"专业用户和大众用户都想要、但需求完全不同"的？如果用分层设计来同时服务两类用户，你会怎么安排优先级和迭代节奏？

4. 复盘：回忆一个你过去做过的、现在看来"判断错了"的需求，用三标尺重新审视一下——当时漏掉了哪个标尺的考量？