2. 证据类型全景图

证据驱动的核心是构建多元、可追溯的证据链。单一数据源往往存在偏差：定量数据告诉你“发生了什么”，但无法解释“为什么发生”；定性洞察能揭示用户动机，却难以规模化验证。产品经理需要系统性地融合五种证据类型，才能在用户场景、业务问题、需求拆解与方案表达等环节做出可信决策。

2.1 定量数据

定量数据以数字形态反映产品现状与变化趋势，是客观度量用户场景与业务指标的基石。常见来源包括：

• 产品分析平台：DAU/MAU、留存率、转化漏斗、页面PV/UV
• 业务数据库：订单量、客单价、复购率、功能使用频率
• 实验/AB测试：实验组与对照组的关键指标差异及统计显著性

在PRD中，定量数据主要用于用户场景量化（如“60%用户在第3步流失”）和指标验证（如“改版后续留率提升5%”）。撰写时需注明数据时间窗口、样本量与计算口径。

{
  "数据窗口": "2025-06-01 ~ 2025-06-30",
  "样本量": "12.4万活跃用户",
  "关键指标": {
    "加购率": "34.2%",
    "结算转化率": "12.8%",
    "流失节点": "地址确认页（流失率47%）"
  }
}

2.2 定性洞察

定性洞察通过开放式的用户访谈、可用性测试、现场观察等方式，挖掘行为背后的动机、痛点和期望。相比定量数据，它更适合回答“为什么”——为什么用户跳过某个步骤、为什么放弃付费、为什么反复投诉某个功能。

用户访谈是获取定性洞察最直接的手段。每次访谈应聚焦1~2个核心业务问题，使用半结构化提纲引导用户自然表达。访谈记录需保留原始语句，避免过早归纳。

定性洞察直接支撑需求拆解：将模糊的用户表述转化为可落地的功能点。例如用户说“我每次都找不到历史订单”，拆解后可能衍生出“订单搜索”“智能排序”“快捷入口”等多个方案方向。

2.3 竞品分析

竞品分析为方案表达提供参照系，帮助团队明确差异化策略与优先级。分析维度应包括：

• 功能矩阵：竞品已支持的功能列表与交互路径
• 体验差异：信息层级、操作效率、视觉语言的对比
• 商业策略：定价模式、付费墙设计、会员权益结构

做竞品分析前必须定义业务问题——你想通过竞品分析解决什么决策？是验证某个需求的必要性，还是寻找方案落差？带着业务问题筛选竞品（直接竞品、间接竞品、跨行业借鉴），避免陷入功能堆砌。

2.4 行业基准

行业基准提供外部标准化刻度，用于设定验收标准与指标验证目标。典型来源包括：

• 第三方报告（Gartner、IDC、QuestMobile、艾瑞）
• 行业白皮书与成熟度模型
• 公开指标库（如Core Web Vitals、NPS行业均值）

使用行业基准时需注意匹配度：同一行业不同客群（B2B vs B2C）、不同市场阶段（新兴 vs 成熟）的基准可能差异巨大。建议在PRD中同时列出“行业平均”与“行业顶尖”两层锚点，并给出团队可接受的目标区间。

2.5 法规约束

法规约束是强制性证据，决定产品的业务问题边界与验收标准底线。忽略法规会导致合规风险、下架甚至诉讼。重点关注的领域包括：

• 数据隐私：GDPR、CCPA、个人信息保护法（PIPL）
• 行业监管：金融牌照、医疗器械认证、儿童在线保护（COPPA）
• 无障碍与安全：WCAG 2.1 AA、ISO 27001、等保2.0

法规条款必须原文引用，并标注生效日期与适用地域。PRD中需将法规要求分解为具体产品约束，例如“用户注销后30天内彻底删除所有行为日志”对应个人信息保护法第47条。

2.6 证据类型对比

下表从五个关键维度对五种证据类型进行横向比较，方便你在不同PRD环节快速筛选优先采用的证据。

2.7 选择与应用原则

在PRD实际撰写中，建议按以下步骤组合证据类型：

1. 识别决策节点：当前PRD是在验证业务问题、拆解需求、表达方案还是定义验收标准？
2. 匹配证据强度：对于高风险决策（如合规判断、核心指标变更），优先使用法规约束与定量数据；对于探索性问题（如新功能方向），侧重定性洞察与竞品分析。
3. 构建证据链：至少用两种不同类型的证据交叉验证同一结论。例如“用户访谈显示结算流程困惑（定性）+ 漏斗数据显示47%流失在地址页（定量）”。
4. 标注证据置信度：在PRD交付物模板中为每个需求条目注明所依赖的证据类型与置信等级（高/中/低），帮助评审方快速评估风险。