資深產品經理不藏私,8款App打造高效率工作流程
資深產品經理不藏私,8款App打造高效率工作流程

從事產品經理3年有餘,從初入職場的小菜鳥到現在獨當一面,期間成長不少。最近在整理和沈澱這段時間的經歷,將「產品工作流 - 工具」這部份整理出來與大家分享。個人用以下8款應用串聯起產品工作流程,因為它們的出現,日常的工作效率與品質都提升不少。

產品經理的日常工作都做些什麼?

產品經理是什麼?起初我真以為它是一個「經理」,然後再以為是一個畫原型做互動的角色。記得入行初期為了RP原型能實現某個互動動作,用 N 天時間翻遍整個教程網,全然不顧產品背後的邏輯。實際上,「畫原型」只是產品經理工作範圍的一小部份。作為公司與用戶的紐帶,產品經理真正要做的是找准公司商業目標與用戶體驗的平衡點,識別用戶需求並解決它。從這個層面上講,「公司」與「市場用戶」均是產品經理的「用戶」,產品經理需要為這 2 類角色負責。我的日常工作便以此展開。

產品經理的工作日常.png
產品經理的日常工作圍繞這2類用戶展開。
圖/ 少數派

產品經理圍繞「市場現狀」與「公司目標」開始為用戶著手產品規劃,依次進行產品定義、需求識別、產品落地。說的通俗一點,就是在理解產業現狀與公司目標後,首先定義出我們需要一個怎樣的「產品」,其次圍繞這個「產品」去發現用戶當前面臨的問題,也就是用戶痛點,最後形成應對方案再將它推回市場解決用戶需求。所以一個標準的產品工作流可以分為如下5個部分:

  1. 產品定義:辨析產品邊界、核心價值、商業模式、產品目標
  2. 需求分析:識別真實需求,挖掘潛在需求,針對用戶痛點制定解決方案
  3. 業務建模:將解決方案細化成可落地的業務流程、產品雛形
  4. 產品管理:分階段實現產品目標,並保證它的各階段滿足對應業務需求
  5. 線上運營:動用一切資源與手段達成產品目標
工作內容.png
紅色五角星標記區域即為產品經理日常工作範圍。
圖/ 少數派

而用戶調研、數據分析、原型繪製等都是其中工作細項,也就是我每天處理的日常工作,所以從前到後進行推演,產品經理的日常工作就是上圖後面2個部分,以上就是邏輯對應關係。

產品經理需要掌握哪些概念?

從事越久越感覺做產品是門玄學,原因是它領域跨度大。由於最終對產品目標負責,除開不可或缺的產品技能,還得動用運營思維(產品運營不分家),這裡的運營思維泛指Everything,只要是能達成目標的方法,就得加以利用。所以一般都要求產品經理具備海納百川什麼都懂的特質,最好傳播學、心理學均有涉獵,究其本質是因為實現產品目標的過程就是探索人性的過程。: )(不知用什麼表情,果然還是微笑吧⋯⋯)

產品開發工作流程.png
產品工作流與常見概念(無嚴格對應關係)。
圖/ 少數派

該部份不贅述,已將較為常見的產品域概念整理至上圖,目前個人運用最多的為「用戶體驗要素」「AARRR模型」等,有興趣的朋友可對相關術語進行查閱。

產品規劃的從前到後我用了哪8款應用?

譬如前面所說,一個標準的產品工作流分為5個步驟。實際上根據產品類型或終端的不同,每個步驟向下拆解還會衍生許多不同的工作細項,雖然側重點不同,但整體的工作方式還是非常類似的。下圖已用甘特圖的形式展示了產品從前到後各個階段我所用到的應用,經過3 年時間沉澱,使用工具均已比較固定,具體為如下8 款應用,根據應用的不同場景為大家一一介紹。

產品開發工作流程與App的關係.png
8款應用串聯起我的產品工作流。
圖/ 少數派

信息收集

Pocket:在產品定義環節,我會用 Pocket 收集行業、競品等信息。得益於 Pocket 簡單的收藏操作和標籤功能,整個過程便捷高效。但信息本身偶爾讓人抑鬱,這個階段往往最能看到 90 後融資千萬的事蹟,但同樣年齡的你卻還在廚房刷著隔夜碗。

Pocket.gif
Pocket便捷的收藏操作。
圖/ 少數派

需求分析

MindNode:用思維導圖梳理產品的整體框架和演進步驟,同時我也會直接在MindNode 上添加收集或調研而來的關鍵信息,在此基礎上完成產品辨析,用戶痛點梳理,解決方案的預設。 MindNode相較於其它思維導圖的優勢就是「快」,分支的新建、拖動都相當順暢,使人沉浸內容本身。 XMind 在 Windows 上或許值得推崇,但 Mac 上那種卡頓的體驗彷彿讓人一秒齣戲 Windows 98。

心智圖.gif
MindNode分支的新建、拖動都相當順暢。
圖/ 少數派

Numbers:一款被忽略的 Mac 原生應用,主要用於數據分析,等比 Office 套件中的 Excel。不過在分析功能上 Numbers 一直處於被 Excel 吊打的狀態,數據分析師對它更是一臉嫌棄。但日常分析 Numbers 足以應付,內置的某些公式好用到飛起,加上排版性很強,作為一個表格工具也可以有很好的表達力。

Numbers.png
利用Numbers建立的數據模型(內容已做模糊數據)。
圖/ 少數派

方案輸出

Keynote:這個階段中我需要將想法呈現給不同受眾群體來通過產品立項。一般使用Keynote 進行方案展現,良好的圖形語言和銜接自然的過渡動畫會使整個表達過程專業又能避免沉悶,尤其是Keynote 中的「神奇移動」,能夠清晰直觀的演示一件事物的前後邏輯,效果驚人。 Keynote 也是我這幾年最最最愛的應用,完美得無懈可擊!

Keynotw.gif
Keynote的神奇移動效果。
圖/ 少數派

業務建模

Axure RP:產品經理的必備飯碗,流程、用例、場景、原型圖我都用Axure 完成,雖然在線協作的原型工具不斷湧現大有替代之勢,但目前使用最流暢,功能最強大的還是這個老牌原型繪製工具。曾經也嘗試過 Sketch 畫原型,效果也還不錯,只是在 Sketch 上建模還是特別容易陷入互動的誤區,恍然一剎那感覺是名設計師。

Axure.png
利用Axure製作的原型示意。
圖/ 少數派

Eagle:這是一個圖片整理收集工具,今年發現的好物之一。在向設計師溝通的時候,除開拿出業務原型,我也會通過 Eagle 收集的一些素材,和設計師一起討論這款產品在視覺上的表達與呈現。 Eagle 可通過手勢拖拽快速收集圖片,也能實現網頁整頁截圖,加上應用內部的色彩篩選功能,分分鐘搞定設計配色。所以它也是 Keynote 好基友,圖片的收集和管理就它了。

Eagle.gif
Eagle拖拽圖片可完成收集。
圖/ 少數派

專案計劃

OmniPlan:接觸最多的專案管理工具,簡單的專案計劃用Excel,複雜和長期專案就使用OmniPlan。一般來說排時間計劃是專案經理的工作,但某些場景下,產品經理需要承擔專案經理部分職責,這時候OmniPlan就顯得不可或缺。OmniPlan中最後一個任務的結束宣告著一個產品迭代的上線,但那實際上也是產品和開發噩夢的開始。

OmniPlan.png
OmniPlan輸出的專案計劃(內容已做模糊處理)。
圖/ 少數派

任務管理

Things:Things 也是今年發現的好物之一,Things的使用覆蓋了產品規劃的各個過程,每日的任務計劃通過它進行管理。Things可以對待辦事項進行標題分類(一般這裡我按緊急程度),也可以對待辦添加標籤(類型分類,如是產品還是運營),這樣一個待辦就是橫向縱向2個緯度,後期便可迅速定位。加上Things絲滑般的操作體驗,創建待辦的簡單便捷,使得每天的事務管理井井有條,Todo對我來說不再是負擔。

Things.gif
任何地方均可快速喚出Things創建待辦。
圖/ 少數派

總體來說,產品流程中各個應用之間的關係如下圖所示,產品最終上線的標誌是OmniPlan中的最後一個任務的done掉(也可以是Jira 的任務被done掉),而Things會繼續用來管理產品上線後的後續事宜,或是全體應用再次進入一個新的產品循環,一次一次產品迭代,實現最終目標。

產品工作流程中的應用邏輯關係.png
產品工作流程中的應用邏輯關係。
圖/ 少數派

寫在最後

以上就是我用應用串聯產品工作流的故事,這8 款應用中個人比較推薦的是MindNode、Keynote、Things、Eagle,這4 款應用分別也是各自領域里相當良心的作品和佼佼者,處處透露著Mac 的優雅、敏捷、強大。我對這些應用的個人評分和推薦已附在下圖,大家可猛戳查看。

推薦應用.png
個人較為推薦的4款應用程式。
圖/ 少數派

當然工具終歸為「人」服務,善假於物可以減少工作環境中的噪音,使我們變得更專注,以此提升效率加速產出。不過最終要做出一款好產品,靠的還是對用戶的洞察與尊重。但有了這些好工具的加持,我們往往就有了一個好的開始。

本文授權轉載自:少數派

關鍵字: #數位工具
往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓