菜单
建立结果导向的产品思维。当用户说"结果导向"、"outcome"、"产出vs结果"、"影响力衡量"时使用。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
| name | 20-outcome-over-output |
| description | 建立结果导向的产品思维。当用户说"结果导向"、"outcome"、"产出vs结果"、"影响力衡量"时使用。 |
帮助用户区分产出和结果：
明确要实现的结果：
从结果反推工作：
用 Output vs Outcome 自检表验证：
| 原则 | 说明 |
|---|---|
| 交付功能 ≠ 创造价值 | 上线了不等于有用了 |
| 用行为定义成功 | "用户每周使用 3 次"比"上线 3 个功能"有意义 |
| 管理先行指标 | 找到能预测最终结果的前置行为指标 |
| 每个功能要有假设 | "我们相信 [做这个] 会导致 [行为变化]" |
| 功能上线只是开始 | 上线后的数据追踪和迭代才是真正的产品工作 |
# 功能规划（结果导向）：[功能名称]
## 1. 问题与机会
### 我们观察到了什么？
[用数据/用户反馈/行为日志描述现象]
### 当前状态（Current State）
| 指标 | 当前值 | 数据来源 | 时间范围 |
|------|--------|---------|---------|
| [关键行为指标] | [值] | [来源] | [最近N天] |
### 目标状态（Target State）
| 指标 | 目标值 | 预期时间 |
|------|--------|---------|
| [同一指标] | [目标值] | [上线后N周] |
## 2. 假设
### 核心假设（用"如果...那么..."格式）
> 我们相信：
> 如果我们 [做这个功能/改动]，
> 那么 [目标用户] 会 [改变某个行为]，
> 我们可以通过 [指标] 来衡量。
### 假设的信心水平
- [ ] 💚 高：有数据/用户研究支撑
- [ ] 💛 中：有间接证据但未直接验证
- [ ] 🔴 低：基于直觉，需要先验证
### 如果假设错了
- 我们会失去什么？[投入的资源]
- 我们怎么知道错了？[什么数据出现/不出现]
- 最快多久知道？[上线后 X 天]
## 3. 成功指标（Outcome 层）
### 主要结果指标
| 指标类型 | 指标名 | 基线 | 目标 | 衡量方式 |
|---------|-------|------|------|---------|
| 先行指标 | [用户行为变化] | [当前值] | [目标值] | [埋点/查询方式] |
| 先行指标 | | | | |
| 滞后指标 | [最终业务影响] | | | |
### 反向指标（Guardrail Metrics）
[这个改动可能伤害什么？]
| 指标 | 底线 | 说明 |
|------|------|------|
| [例：页面加载速度] | [不能慢于 X] | [加了功能不能让速度变差] |
| [例：现有用户留存] | [不能低于 X%] | [不能为了拉新伤害老用户] |
## 4. 最小验证方案
### MVP 方案
- 最小做什么就能验证假设？[...]
- 需要多少用户/时间来验证？[...]
- 验证标准（Go/No-Go）：
- ✅ Go: [什么指标达到什么值]
- ❌ No-Go: [什么指标低于什么值]
### 实验设计
- [ ] A/B Test：[对照组/实验组描述]
- [ ] 灰度发布：[先开放给 X% 用户]
- [ ] Fake Door Test：[放按钮看点击率，功能未开发]
- [ ] 手动 MVP：[先人工操作验证需求]
## 5. 上线后追踪计划
### 数据看板
需要的数据指标：
| 指标 | 埋点事件 | 看板位置 |
|------|---------|---------|
| [行为指标] | [event_name] | [Mixpanel/自建看板] |
### 追踪节奏
| 时间点 | 检查什么 | 决策 |
|--------|---------|------|
| 上线第 1 天 | 有无技术问题/异常数据 | 是否回滚 |
| 上线第 3 天 | 使用率/采纳率 | 是否需要引导优化 |
| 上线第 7 天 | 行为指标是否向目标移动 | 是否继续/调整/放弃 |
| 上线第 14 天 | 效果是否持续（非新奇效应） | 正式结论 |
| 上线第 30 天 | 对滞后指标的影响 | 长期价值判断 |
## 6. 决策记录
### 上线后第 7 天 Review
- 假设验证了吗？
- [ ] ✅ 是：继续迭代优化
- [ ] ❌ 否：[原因分析]
- [ ] ⚠️ 部分：[哪部分验证了，哪部分没有]
- 先行指标变化：[实际值 vs 目标值]
- 反向指标变化：[是否在安全范围内]
- 下一步：
- [ ] 继续投入
- [ ] 调整方案重新实验
- [ ] 下线/回滚
- [ ] 需要更多时间观察
### 复盘
- 我们学到了什么关于用户行为的新认知？
- 这个结果对下个季度 OKR 的影响是什么？
- 有没有意外发现值得跟进？
详细理论基础、原则解析和推荐书目见 references/knowledge.md。
执行用户研究与洞察分析。当用户说"用户调研"、"用户画像"、"用户访谈"、"了解用户"时使用。
进行需求分析与优先级排序。当用户说"需求分析"、"需求优先级"、"需求评审"、"写PRD"时使用。
设计产品峰值体验与关键时刻。当用户说"峰值体验"、"用户体验设计"、"关键时刻"、"MOT"时使用。
用数据驱动产品决策，避免认知偏误。当用户说"数据分析"、"AB测试"、"数据驱动"、"指标解读"时使用。
运用心理学原理设计说服机制。当用户说"说服设计"、"转化率优化"、"行为引导"、"心理学"时使用。
设计并执行 MVP 验证实验。当用户说"MVP"、"最小可行产品"、"快速验证"、"原型测试"时使用。