产品决策质量的日常自检

需求池变得越来越长的时候

观察自己的需求管理方式：

• 需求池里超过两个月没被讨论的条目占比多少？超过30%意味着大量需求只是在"假装被管理"。这些需求要么该删，要么该升级——放着不管是最差的选择。
• 上一次你主动从需求池里删掉需求是什么时候？如果想不起来，说明你只在往池子里加东西，没有在做判断。
• 你能不能用一句话说清"如果这个迭代只做一件事，应该做什么"？说不清的话，优先级机制可能出了问题。

数据指标发生变化的时候

观察自己的归因习惯：

• 上一次数据涨了，你有没有检查过"如果不上线这个功能，这个数据本来也会涨多少"？不做基线对比的归因都是自我安慰。
• 你的数据复盘文档里，有没有"我们不确定这个增长是否和我们有关"这句话？如果每次复盘都是100%归因到自己的动作，诚实度有问题。
• 数据下降的时候你花了多长时间分析？如果数据涨了花一小时开庆功会，数据跌了花三天做分析——分析投入和结果方向相关，说明你在为结果找解释，不是在做客观分析。

团队讨论中的决策质量

观察讨论过程：

• 上一次团队讨论需求时，有人说"我觉得用户会喜欢"，有没有人追问"你的依据是什么"？如果"我觉得"在讨论中可以不被挑战，团队的决策方式正在退化。
• 讨论结束时的结论，24小时后你还能清晰复述吗？如果复述不出来"我们为什么决定做这个"，说明当时的共识是情绪推动的，不是逻辑推动的。
• 你的团队有没有一个正式的方式来记录"我们这次的核心假设是什么"？假设不记录，事后就没法验证——复盘也就失去了意义。

看竞品的时候

观察分析视角：

• 你的竞品分析结论里有没有"我们应该不做某件事"？全是"我们应该补什么功能"的竞品分析，本质上是在让竞品替你做产品决策。
• 你有没有关注过竞品做了又下掉的功能？下掉的功能往往比新上的功能更有信息量——它们代表竞品踩过的坑。
• 你的产品和竞品的差异点你能说出几个？如果一个都说不出来，要么产品确实没有差异化，要么你对自己的产品理解不够深。

功能上线一个月后

观察结果和预期的差距：

• 上线前你预测的核心指标变化是多少？实际和预测差了多少？差距越大，说明你对用户的理解和现实之间的偏差越大。不用追求预测精确，但要追踪偏差是否在缩小。
• 有没有用户在用你没预料到的方式使用这个功能？如果有，这是最好的学习素材——它说明你的用户模型有盲区。
• 如果重新做一次决定，你会做什么不同的选择？能回答这个问题的复盘才有价值。