⚡

产品经理工具箱Skill product-manager-toolkit

产品经理工具箱是一个综合性工具包，专为产品经理设计，包含RICE优先级排序、客户访谈分析、PRD模板、发现框架和上市策略等核心工具。该工具箱支持功能优先级排序、用户研究综合、需求文档编写和产品战略制定，帮助产品经理系统化地进行产品规划、用户研究和需求管理。关键词：产品经理工具、RICE优先级排序、客户访谈分析、PRD模板、产品战略、需求管理、用户研究、产品规划、敏捷开发、产品管理框架。

需求分析 0 次安装 0 次浏览 更新于 3/1/2026

名称: 产品经理工具箱 描述: 产品经理综合工具包，包含RICE优先级排序、客户访谈分析、PRD模板、发现框架和上市策略。用于功能优先级排序、用户研究综合、需求文档编写和产品战略制定。

产品经理工具箱

现代产品管理从发现到交付的核心工具和框架。

快速开始

功能优先级排序

python scripts/rice_prioritizer.py sample  # 创建示例CSV
python scripts/rice_prioritizer.py sample_features.csv --capacity 15

访谈分析

python scripts/customer_interview_analyzer.py interview_transcript.txt

PRD创建

  1. 从references/prd_templates.md选择模板
  2. 根据发现工作填写各部分
  3. 与利益相关者评审
  4. 在PM工具中进行版本控制

核心工作流程

功能优先级排序流程

  1. 收集功能需求

    • 客户反馈
    • 销售需求
    • 技术债务
    • 战略计划

  2. 使用RICE评分

    # 创建包含以下列的CSV：name,reach,impact,confidence,effort
python scripts/rice_prioritizer.py features.csv
    • 覆盖范围: 每季度受影响的用户数
    • 影响程度: 极大/高/中/低/极小
    • 置信度: 高/中/低
    • 工作量: xl/l/m/s/xs（人月）

  3. 分析产品组合

    • 审查快速胜利与大赌注
    • 检查工作量分布
    • 对照战略验证

  4. 生成路线图

    • 季度容量规划
    • 依赖关系映射
    • 利益相关者对齐

客户发现流程

  1. 进行访谈

    • 使用半结构化格式
    • 关注问题而非解决方案
    • 获得许可后录音

  2. 分析洞察

    python scripts/customer_interview_analyzer.py transcript.txt

    提取内容：

    • 痛点及严重程度
    • 功能需求及优先级
    • 待完成工作
    • 情感分析
    • 关键主题和引用

  3. 综合发现

    • 分组相似痛点
    • 识别跨访谈模式
    • 映射到机会领域

  4. 验证解决方案

    • 创建解决方案假设
    • 用原型测试
    • 测量实际与预期行为

PRD开发流程

  1. 选择模板

    • 标准PRD: 复杂功能（6-8周）
    • 单页PRD: 简单功能（2-4周）
    • 功能简报: 探索阶段（1周）
    • 敏捷史诗: 基于冲刺的交付

  2. 结构化内容

    • 问题 → 解决方案 → 成功指标
    • 始终包含范围外内容
    • 清晰的验收标准

  3. 协作

    • 工程团队评估可行性
    • 设计团队优化体验
    • 销售团队市场验证
    • 支持团队评估运营影响

关键脚本

rice_prioritizer.py

高级RICE框架实现，包含产品组合分析。

功能:

  • RICE分数计算
  • 产品组合平衡分析（快速胜利 vs 大赌注）
  • 季度路线图生成
  • 团队容量规划
  • 多种输出格式（文本/json/csv）

使用示例:

# 基础优先级排序
python scripts/rice_prioritizer.py features.csv

# 自定义团队容量（每季度人月）
python scripts/rice_prioritizer.py features.csv --capacity 20

# 输出JSON用于集成
python scripts/rice_prioritizer.py features.csv --output json

customer_interview_analyzer.py

基于NLP的访谈分析，提取可操作洞察。

能力:

  • 痛点提取与严重程度评估
  • 功能需求识别与分类
  • 待完成工作模式识别
  • 情感分析
  • 主题提取
  • 竞品提及
  • 关键引用识别

使用示例:

# 分析单个访谈
python scripts/customer_interview_analyzer.py interview.txt

# 输出JSON用于聚合
python scripts/customer_interview_analyzer.py interview.txt json

参考文档

prd_templates.md

多种PRD格式适用于不同场景：

  1. 标准PRD模板

    • 全面的11部分格式
    • 适用于主要功能
    • 包含技术规格

  2. 单页PRD

    • 简洁格式便于快速对齐
    • 聚焦问题/解决方案/指标
    • 适用于较小功能

  3. 敏捷史诗模板

    • 基于冲刺的交付
    • 用户故事映射
    • 验收标准聚焦

  4. 功能简报

    • 轻量级探索
    • 假设驱动
    • PRD前阶段

优先级排序框架

RICE框架

分数 = (覆盖范围 × 影响程度 × 置信度) / 工作量

覆盖范围: 用户数/季度
影响程度: 
  - 极大 = 3x
  - 高 = 2x
  - 中 = 1x
  - 低 = 0.5x
  - 极小 = 0.25x
置信度:
  - 高 = 100%
  - 中 = 80%
  - 低 = 50%
工作量: 人月

价值 vs 工作量矩阵

         低工作量    高工作量
         
高价值   快速胜利    大赌注
         [优先处理]   [战略性]
         
低价值   填充项      时间陷阱
         [可能处理]   [避免]

MoSCoW方法

  • 必须有: 发布关键
  • 应该有: 重要但不关键
  • 可以有: 锦上添花
  • 不会有: 范围外

发现框架

客户访谈指南

1. 背景问题（5分钟）
   - 角色和职责
   - 当前工作流程
   - 使用工具

2. 问题探索（15分钟）
   - 痛点
   - 频率和影响
   - 当前变通方案

3. 解决方案验证（10分钟）
   - 对概念的反应
   - 价值感知
   - 付费意愿

4. 总结（5分钟）
   - 其他想法
   - 推荐
   - 后续许可

假设模板

我们相信[构建此功能]
对于[这些用户]
将[实现此结果]
当[指标]时，我们将知道我们是正确的

机会解决方案树

结果
├── 机会1
│   ├── 解决方案A
│   └── 解决方案B
└── 机会2
    ├── 解决方案C
    └── 解决方案D

指标与分析

北极星指标框架

  1. 识别核心价值: 对用户的#1价值是什么？
  2. 使其可衡量: 可量化且可追踪
  3. 确保可操作: 团队可以影响它
  4. 检查领先指标: 预测业务成功

漏斗分析模板

获客 → 激活 → 留存 → 收入 → 推荐

关键指标:
- 每一步转化率
- 流失点
- 步骤间时间
- 队列变化

功能成功指标

  • 采用率: 使用功能的用户百分比
  • 频率: 每用户每时间段使用次数
  • 深度: 使用功能能力的百分比
  • 留存率: 随时间持续使用
  • 满意度: 功能的NPS/CSAT

最佳实践

撰写优秀PRD

  1. 从问题开始，而非解决方案
  2. 提前包含清晰的成功指标
  3. 明确说明范围外内容
  4. 使用视觉元素（线框图、流程图）
  5. 技术细节放在附录
  6. 版本控制变更

有效优先级排序

  1. 混合快速胜利与战略赌注
  2. 考虑机会成本
  3. 考虑依赖关系
  4. 为意外工作预留缓冲（20%）
  5. 季度性重新审视
  6. 清晰沟通决策

客户发现技巧

  1. 问5次“为什么”
  2. 关注过去行为，而非未来意图
  3. 避免引导性问题
  4. 在用户环境中访谈
  5. 寻找情感反应
  6. 用数据验证

利益相关者管理

  1. 识别决策的RACI
  2. 定期异步更新
  3. 演示优于文档
  4. 早期解决关切
  5. 公开庆祝胜利
  6. 公开从失败中学习

常见陷阱避免

  1. 解决方案优先思维: 在理解问题前跳转到功能
  2. 分析瘫痪: 过度研究而不发布
  3. 功能工厂: 发布功能而不衡量影响
  4. 忽视技术债务: 不为平台健康分配时间
  5. 利益相关者意外: 不早期频繁沟通
  6. 指标剧场: 优化虚荣指标而非真实价值

集成点

此工具包与以下集成：

  • 分析: Amplitude, Mixpanel, Google Analytics
  • 路线图: ProductBoard, Aha!, Roadmunk
  • 设计: Figma, Sketch, Miro
  • 开发: Jira, Linear, GitHub
  • 研究: Dovetail, UserVoice, Pendo
  • 沟通: Slack, Notion, Confluence

快速命令速查表

# 优先级排序
python scripts/rice_prioritizer.py features.csv --capacity 15

# 访谈分析
python scripts/customer_interview_analyzer.py interview.txt

# 创建示例数据
python scripts/rice_prioritizer.py sample

# JSON输出用于集成
python scripts/rice_prioritizer.py features.csv --output json
python scripts/customer_interview_analyzer.py interview.txt json