[研討會心得] 透過數據定義問題、拆解問題、解決問題

1 定義問題

首先是定義問題，其實幾位講者都提到，在問題的定義上會是藏了很多魔鬼的地方，例如：

• 今天訂單很多：多少訂單叫做訂單很多、或是比平常多了多少比例？
• 喚醒沈睡用戶：多久沒回訪算是沈睡用戶？
• 訂單客訴率變高：計算的分母是所有訂單還是有完成的訂單？

這些問題沒有定義清楚，可能就會造成在與 stakeholder 討論時，大家對於同個問題的理解是有落差的。

之所以會說有很多魔鬼藏在裡面，是因為我們可能不太會意識到需要做這個對齊的過程，就直接開始討論、甚至直接執行下去了，到最後才發現我的沈睡用戶跟你的沈睡用戶定義不同，所以你覺得喚醒沈睡用戶的效果很好，但我覺得還好。

這邊也可以再延伸到找出內外部 stakeholder 需要解決的問題是什麼？KPI 是什麼？例如以外送平台來講，不同團隊可能會有增加餐廳數、降低等餐時間、提升餐廳體驗等不同 KPI，那有沒有辦法找到共同的解決方案一起提升這些目標就很重要，這樣事情才會推得快。

2 拆解問題

定義好問題之後，下一步則是拆解問題，這邊其實可以參考第一性原理。不過在大大們的分享裡面也看到了蠻多不錯的案例，也一併做分享，例如：

• 針對營收下降這個問題：可以再拆解成購買人數下降、每個人購買次數下降、每次購買金額下降 (參考 RFM 模型、或是零售業會使用的「人 x 次 x 金」算式)
• 針對外帶餐點的體驗滿意度不好：發現是因為外帶客人的等待容許時間較內用客人短，所以追溯原因是餐點製作時間長、再追溯到是餐點太多樣太複雜才造成製作時間長

有針對問題去進行好好的拆解，就能夠更清楚需要處理的是哪個部分、要往哪個方向去做努力，那後續的解決方案其實也就呼之欲出了。

3 解決方案與數據指標

找出解決方案之後，也要思考對相關指標會帶來什麼樣的影響，例如：

• 在產品面向，會對哪些指標有正面或負面的影響
• 在商業面向，是否會對公司的營收有幫助

先確認好會有連帶影響的地方，除了上線後驗證是否有達成預期的成效之外，也能夠從可能受影響的指標中，提前確認是否有其他潛在風險。

而在指標的定義上，這場實務研討中也有講者提到不太認同用營收作為北極星指標，應該要去找到那個使用者有感受到價值的地方。例如訂房網站的北極星指標可能就會是每晚的訂房數量。

如果數據不夠完整或精確的話，不同的講者也有提到幾個方案，例如：

• 思考這個決策做了之後是否還能夠回頭，也許可以先做、後續再持續追蹤與調整。
• 思考有哪些方法可以讓自己的決策更好，例如從數據的信效度可以得知這個做法的成長可能在 10%~50%，那這樣的資訊是否就已經足夠決策了，因為就趨勢而言是正向的。
• 思考不同決策的對應風險與成本，例如對於潛在流失客戶的預測和預警，是寧願錯放 (預測不會流失但最終流失了)、還是寧可錯殺 (預測會流失但最終沒有流失)，也就是對應統計學上的型一與型二錯誤，怎樣的策略較好。

最後的一些延伸閱讀——

關於產品指標：

• 如何設定合適的產品指標
• 產品指標框架使用方法

關於數據解讀：

• 如果數據會說話，那應該多聽聽不同數據說的話
• 如何用正確的方式看數據

對 UX 學習活動感興趣，歡迎繼續關注悠識學院，追蹤 IG 捕捉最新動態。