如何思考需求的优先级?

简介: 如何思考需求的优先级?

有一道很经典的关于需求优先级的面试题:


1998年,QQ开始规划,99年2月Beta1,99年5月Beta2,99年8月Beta3。 请问Beta1,只能实现3个特性你会选择?


  1. 卡通头像
  2. 不可窃听安全通讯
  3. 聊天室
  4. 很小的.exe文件
  5. 皮肤skin
  6. 速度超快0.5秒反应
  7. 聊天记录管理器
  8. 语音
  9. 视频
  10. 看谁在线上
  11. 传文件
  12. QQ表情


如果是你,你会怎么选?我以前写过文章讲做需求优先级排序的时候,要先在团队里达成一个共识:什么是用户价值,什么是商业价值,然后我们现在的目的是侧重做哪一项?然后再根据重要紧急程度来排序。


重要紧急筛选


而这个题目,12个需求在当时都是基于用户价值设计的。所以我们先按照重要紧急程度做一下筛选:


  • 重要紧急:聊天室(3)、看谁在线上(10)
  • 重要不紧急:卡通头像(1)、不可窃听安全通讯(2)、皮肤skin(5)、速度超过0.5秒反应(6)、聊天记录管理器(7)、QQ表情(12)
  • 不重要不紧急:很小的.exe文件(4)、语音(8)、视频(9)、传文件(11)


思考逻辑


说说我为什么这么排序。首先当时用户注册了QQ,但加好友是个麻烦,而聊天室就是为了解决这个问题,先让大家在陌生的聊天室里聊,然后有好感的各自加好友。那么加了好友后,下次你想找人聊,是不是知道对方在线会更好一点?否则很可能你找了10个人聊天,没人回复的尴尬场景。所以这两个需求是重要且紧急的。


至于我为什么把4、8、9、11放到不重要不紧急,我是这样考虑的。在当时QQ的安装包并不大,本身功能就不多,所以没必要去优化。而语音、视频、文件,基于当时的网络宽带,没办法做到很好的体验,所以我认为是可以放到后面的。


1、5、12三个需求都是娱乐功能,让用户能”玩“起来的。但如果是说哪个功能用户”见“得最多,可能就是头像了,毕竟上线找人聊天第一眼看的就是对方头像。


需求2是非常重要的一个功能,但说实话不了解在当时做起来的难度,加上这个阶段腾讯还处于初期,所以这个功能我会放后一点做。


需求6,是提升用户体验的。但这个提升价值多大?如果不做优化,用户就没办法使用,或者说有部分低端用户就没办法使用。那这个需求就非常重要。反之,那就没必要太急着去优化了。


需求7,在当时大家都在网吧上网,就算做了记录管理器,大家也看不到记录。因为网吧每次重启都会清除数据。而如果做线上保存,那成本会很大。所以这个需求我会放后。


所以,总的来说,选3个优先级最高的,我会选3、10、1或3、10、6


辅助排序策略


最后补充两种辅助需求排序的策略:


  1. 是否影响正常使用。如果这个功能不做,产品还能不能用?如果不能用,就优先做。如果能用,在资源不足的时候可以延后做。
  2. 根据使用的用户基数、使用次数来判断。尤其是核心用户的使用基数和次数。(已经上线的功能有数据,没上线的功能要自己做预测)


以上纯属个人思考,欢迎大家留言讨论。

目录
相关文章
|
缓存 移动开发 网络协议
WebSocket 协议原理抓包分析
WebSocket 协议原理抓包分析
1892 0
|
8月前
|
机器学习/深度学习 人工智能 编解码
AI视频去字幕技术完全指南:原理、方法与工具对比(2026版)
本文深度解析AI视频去字幕技术,涵盖原理(OCR检测+GAN修复+时序一致性)、主流工具横评、分步实操教程及短视频、教育、影视等六大行业应用。适合创作者、自媒体人与技术爱好者,20分钟掌握高效去字幕方法。
2555 1
|
6月前
|
机器学习/深度学习 算法 Apache
CEH特征引擎:重新定义实时视觉的“速度-精度”边界
CEH是首个在普通CPU上实现“高密度特征+高帧间匹配+亚像素精度”的全能特征引擎,速度超BRISK、效率领先SIFT一个数量级,零GPU依赖、零专利风险,纯C++开源,完美适配嵌入式与边缘设备。
618 49
|
4月前
|
传感器 Cloud Native 算法
手撕I2C时序!为什么你的AM2320传感器老是“装死”?
本文揭秘AM2320温湿度传感器“装死”真相:因自动休眠,需每次读取前发送I2C起始信号唤醒并延时2ms。手撕I2C时序,厘清ACK缺失根源,并总结上拉电阻、去耦电容等常见硬坑,贯通嵌入式与云原生健康检查思维。
337 2
|
机器学习/深度学习 人工智能 自然语言处理
掌握从模型选型到部署优化的全流程
本文深入探讨了AI大模型的开发与应用,涵盖基础概念、模型架构、关键技术、训练方法、应用策略、评估优化及伦理安全七大核心内容。从人工智能的定义到深度学习、通用人工智能(AGI)的探索,再到Transformer架构、混合专家模型(MoE)等前沿技术,系统解析了构建智能系统的基石与工程效率的引擎。文章还介绍了提示工程、检索增强生成(RAG)、AI智能体等应用策略,强调了模型评估与优化的重要性,并探讨了AI伦理与安全的关键议题。适合希望全面了解AI大模型开发的技术人员与研究者参考。
808 0
|
机器学习/深度学习 分布式计算 供应链
Java 大视界 ——Java 大数据在智能供应链库存优化与成本控制中的应用策略(172)
本文围绕 Java 大数据在智能供应链库存优化与成本控制中的应用展开,剖析库存管理现状与挑战,阐述大数据技术应用策略,结合真实案例与代码给出实操方案,助力企业提升库存管理效能,降低运营成本。
|
运维 Linux 应用服务中间件
Linux的完全本地仓库搭建指南(科普扫盲贴)
Linux的完全本地仓库搭建指南(科普扫盲贴)
1322 0
Linux的完全本地仓库搭建指南(科普扫盲贴)
|
存储 分布式计算 资源调度
Spark部署模式、任务提交
Spark部署模式与任务提交
962 0
Spark部署模式、任务提交
|
Web App开发 JavaScript 开发者
layui图标出现方框问题解决
layui图标出现方框问题解决
1425 0
layui图标出现方框问题解决
|
人工智能 监控 算法
“定时定量 自动出粮” 鸟语花香推出新一代智能喂食器
小智M1智能喂食净水一体机,利用IoT和视觉AI技术,大大提升养宠家庭的科学养宠体验,降低喂养难度。
904 0
“定时定量 自动出粮” 鸟语花香推出新一代智能喂食器

热门文章

最新文章