“这位产品经理，请你说说你的方案好在哪？”

在需求评审或者方案讨论时，产品经理常常需要面对其他人的灵魂提问：“这位产品经理，请你说说你的方案好在哪？”对于这个问题，你会如何回答呢？本文作者分享了自己的答案，一起来看一下吧。

一、产品经理的灵魂拷问

这周有个产品小伙伴提出了他的一个疑惑，具体情形大概是：

1. 领导要求出某个需求出产品页面；
2. 团队里有产品和UI的角色，他们讨论完具体的功能需求后，就都分别进行了原型页面设计；
3. 完成后他们各自阐述了自己方案的优点和理由，但是他们都没有说服对方。他们觉得自己的方案更能满足需求，而对方的方案有很多潜在的问题和风险。

他们开始争执起来，无法达成一致，让这位小伙伴十分苦恼。

相信各位产品小伙伴对这个场景应该很熟悉。在需求评审的时候或者方案讨论的时候，时不时会遇到来自别人的挑战，比如“你凭什么觉得你这个方案就是好的？”，又或者是“我觉得你这样设计不好，但是又说不出具体哪里不好？”，此时大家的心里肯定是“#%！……#*（崩溃中）”。

那么，我们要如何面对灵魂提问：“这位产品经理，请你说说你的方案好在哪？”

此处可以暂停一下，各位现在试着回答一下这个问题。

二、构建量化评价标准

恰好p仔本周也接到一个任务，是要针对一个复杂功能的操作路径，进行交互上的优化。正常来说， 我就是先看看现在的功能设计怎么样，大概有哪些不便的地方，然后找优秀的竞品，体验一下相同的功能别人是如何设计的，然后发动“竞品模仿之术”一顿操作，就得到了一个新的方案。

但是！我脑海里突然响起了这个灵魂提问：“这位产品经理，请你说说你的方案好在哪？”，我一时愣住了，然后一些灵感开始在脑海里闪烁：AntDesign 5.0、用户体验度量、潜变量、显变量、量化标准等等，最后在我脑海里蹦出3个指标，分别是“用户体验路径长度”、“有效操作次数”和“消耗时长”，于是我得到了一个解答就是：要用可测量的指标对我的方案进行评估结果的量化。

于是我用思维导图对优化任务的思路进行拆分：

这样其实我构建起一套针对xx交互方案的量化评价标准，通过使用用户体验路径长度、有效操作次数和消耗时长3个可测量的指标，结合预设好的任务场景（也就是输入和输出已经明确），来对不同方案的结果进行有意义的横向对比。同时我们在评审方案时，可能会收集到新的建议，要评估是否接受改动，一样可以形成新的变体方案【C’】、【C”】等再使用量化评价体系“跑”一遍得到对应的结果，再进行结果对比，评出有无提升。

三、扩展阅读

1. 潜变量和显变量

潜变量和显变量是结构方程模型分析时的两种变量类型。显变量是可以直接观测到的变量，比如身高、性别、被试在量表上的得分等。潜变量是不能直接观测到的变量，包括比较抽象的概念和由于种种原因不能准确测量的变量，需要借助显变量指标来估计。

比如上面提到的“方案的好坏”是无法直接测量的潜变量，而要转化成可测量的“有效操作次数”等显变量来进行评估。

2. 如何选择合适的显变量

选择合适的显变量指标需要根据分析目的、理论假设和数据特征来决定。一般来说，显变量指标应该具有以下特点：

• 与潜变量有较高的相关性，能够有效地反映潜变量的含义；
• 与其他显变量指标有较低的共线性，能够区分不同的潜变量；
• 具有可信度和效度，能够保证测量结果的稳定性和准确性。

那么如何找到合适的潜变量和显变量呢？有以下几个途径：

1. 根据理论、国家标准、行业文献等确定潜变量和显变量指标的初步范围；
2. 查阅大厂开源的标准，查找有无一些基于行业共识的潜变量和显变量；
3. 从统计科学的方法论入手，掌握找到潜变量和显变量的抽象方法（最高阶）。

这篇文章仅是从我个人工作实际出发，结合数字化时代的背景和数据决策的理念，抛砖引玉地提出一个切实可行的、评估产品方案好与坏的方法。

使用量化的评估结果，以严谨的逻辑和客观的数据作为自己观点的佐证，来避免产品需求评审舌战群儒的尴尬，也体现了产品经理专业素养的一面。

当然本文还没有提及到对变量有效性的考量，比如模型拟合度、可信度和效度，本次就不展开细说。总而言之，要找到科学的潜变量和显变量依旧是一门高深的学问，希望有余力的伙伴们自己往这个方向扩展学习。