《使用workbuddy进行需求管理》
讲师:卢海波 发布日期:10-30 浏览量:19
《使用workbuddy进行需求管理》
用AI拦截假需求、筛出优质需求、沉淀需求资产
主讲老师:卢海波
【课程背景】
需求不好,地动山摇!
AI时代需求来得更快、更多、更杂,PM瓶颈从写得慢变成判不准。
假需求吃掉研发资源,优质需求没被识别,产品就失去增长引擎。
用辩真14模型做标尺,用WorkBuddy把辩真变成团队流程。
让需求管理从被动接单走向主动运营,每次判断都沉淀成资产。
课程主线:拦截假需求→筛选优质需求→AI辩真→沉淀复用
方法论体系:433足球队方法论+需求辩真14模型
【课程收益】
1. 用DEFECT模型识别并拦截六类贬值型假需求
2. 用替换方案法、A1象限、反证法快速过滤需求
3. 用追问法、GROW与万能公式把一条需求讲清楚
4. 用RICE与价值四象限给需求做量化排序
5. 用SAFE与PROVE给需求做保值与增值分级
6. 用WorkBuddy跑通需求辩真并产出标准辩真报告
7. 用IMA沉淀需求判例,让团队辩真能力可复用
【课程特色】
授课形式:方法论讲授+案例拆解+现场实操+分组演练
可视化表达:以可视化方式呈现最优质信息
课程即实战:演练以客户业务场景展开,练出肌肉记忆
交付可带走的模具:依托433方法论,每模块交付原创工具
强实战性:每模块配方法论+工具+案例+实战四段
真工具链:WorkBuddy与IMA现场上手即可用
强定制化:可直接嵌入客户行业与真实需求池
行动导向:训后带走需求池盘点表与30天计划
【课程对象】
ToB/ToG软件产品经理、需求分析师、产品总监
【课程时间】
2天(12小时)
【课程大纲】
图1 课程主线:五步把需求变成资产
一、AI时代需求管理的困境与工作模式重构
1. AI把需求工作的瓶颈从写得慢推到了判不准
1)AI让需求数量暴涨,评审与筛选成为新瓶颈
2)传统需求管理四难:碎片化、无标尺、靠经验、难沉淀
3)AI PM需求管理六维差异:流程、重心、数据、成本、协作
4)课程主线:拦截假需求、筛选优质需求、AI辩真、沉淀复用
2. 方法和工具
1)需求辩真14模型全景图(真伪/深度/量化/分级)
2)传统PM与AI PM需求管理模式对照表
3)需求管理AI就绪度自评表
3. 案例
铱星案例
4. 实战
现场自评:给本组需求现状打分找最大短板(输出:自评表)
二、用DEFECT模型识别六类贬值型假需求
图2 DEFECT模型:六类会贬值的需求
1. 假需求不是错的,是做完就开始贬值的
1)DEFECT六类:打补丁、纯定制、跟风、体验微调
2)DEFECT另两类:刀架脖子被迫承接、边际收益归零
3)三类高频陷阱:代提失真、抄作业、方案前置
4)快速过滤三招:替换方案法、A1象限、反证法
5)合规类需求不做真伪判断,直接进入交付队列
2. 方法和工具
1)DEFECT鉴定清单v2(11道鉴别问题+三档判定)
2)替换方案法决策树:现有方案能解决即为伪需求
3)A1象限模型:场景频率×不能忍程度定位痛点
3. 案例
客留通定制
4. 实战
现场筛查:用DEFECT给本组需求定档(输出:贬值清单)
三、从真需求到优质需求的分级排序与出库图3 从真需求到优质需求的五道关口
1. 真需求只保证不做错,优质需求才决定增长
1)深度分析四招:追问法、GROW、角色穿透、场景还原
2)结构化表达:万能公式A+B+C+D=Z一次讲清需求
3)量化评估:数据验证法、RICE打分、价值四象限
4)价值分级:SAFE四类保值与PROVE五类增值
5)同一批需求先分级再排序,避免只盯着分数
2. 方法和工具
1)万能公式需求描述模板(A+B+C+D=Z)
2)RICE四维打分表(R×I×C÷E)
3)PROVE增值五维打分卡
4)价值四象限:客户价值×自身成本
3. 案例
人路通抽离
4. 实战
现场排序:给本组需求打分排出前三优先(输出:需求优先级表)
四、用WorkBuddy做需求辩真实战
图4 需求辩真四问:工具给依据,人做裁决
1. 把14个模型装进AI工具,辩真从经验变流程
1)辩真四问标尺:价值、能力、成本、组织
2)AI生成追问清单、反证追问与场景还原推演
3)AI扫描DEFECT与RICE打分,人做最终裁决
4)人机分工边界:AI给依据和清单,PM负责拍板
5)AI不会替PM做判断,只让判断有据可依
2. 方法和工具
1)需求辩真Skill包(四问+三陷阱+DEFECT)
2)辩真报告模板(条目/四问/陷阱/判定/置信度/依据)
3)提示词套装:需求拆条、追问生成、判例对照
3. 案例
辩真技能包
4. 实战
现场辩真:用AI工具辩一条本组真实需求(输出:辩真报告)
五、用IMA知识库沉淀需求判例与组织复用
图5 IMA知识库:辩真闭环四步
1. 辩真不回填判例,就只是一次性分析
1)知识库就是标尺:历史需求、场景、判例、底座
2)建库三件事:目录结构、入库规则、检索口径
3)辩真闭环:检索对照、判定、回填判例打标签
4)判例标签化,让AI越辩越准、团队越用越省
2. 方法和工具
1)IMA需求知识库目录模板(需求/场景/判例/方法)
2)精准入库流程(列库→下钻→上传→入位)
3)判例回填模板(真/伪/场景类型/领域标签)
3. 案例
IMA需求管理库
4. 实战
现场建库:搭出需求判例库骨架并回填一条(输出:判例库)
六、需求资产化运营与训后落地路径设计闭环
图6 需求资产化三层:从做完到可复用
1. 需求不是做完就算,能复用才算资产
1)需求池运营四步:入库、分级、排期、复盘
2)需求供应链:从一次性交付走向可复用资产
3)资产化三层:需求复用、方案复用、数据与算法沉淀
4)组织落地三件事:评审机制、责任人、复盘节奏
2. 方法和工具
1)需求运营路线图模板
2)需求收益计算器(CAC与LTV测算模型)
3)需求资产盘点表(复用次数与覆盖场景)
3. 案例
大客流平台
4. 实战
现场盘点:梳理本组需求资产并定30天行动(输出:盘点表)
七、核心成果与课堂产出
序号
交付成果
包含要素
适用场景
1
需求管理自评表
AI就绪度自评+四难诊断
训前摸底时
2
贬值需求清单
DEFECT清单+三档判定
需求入库前
3
需求优先级表
万能公式+RICE+四象限
需求评审会前
4
需求辩真报告
四问+陷阱扫描+置信度
需求裁决时
5
需求判例库骨架
IMA目录+判例回填模板
团队建库时
6
需求资产盘点表
资产三层+30天计划
季度复盘时
八、课后行动建议与效果巩固模块
序号
课后行动建议
落地动作
效果检验
1
清洗需求池
产品经理牵头,两周内定档
两周后统计贬值占比
2
补万能公式描述
需求提出人填写,PM审核
每次评审会查缺项
3
跑一次需求辩真
挑争议最大的需求出报告
30天内完成并归档
4
搭建需求判例库
指定责任人,按月回填
月度统计新增判例
5
需求池RICE排序
产品经理与研发共同定序
每季度复核排序
6
建立复盘机制
每季度盘点资产与复用
季度会输出改进项