专栏首页搜狗测试需求问题挖掘的方法和思路

需求问题挖掘的方法和思路

核心理念:

首先需要想清楚一个问题:

作为一个测试,有没有把需求当作产品中的一个组成部分,然后尽到一个测试的责任与义务?

只有建立这样的意识和规则,才能够把挖掘需求的事情做好,否则始终抱着“需求是产品负责,我不关心”的心态,那接下来的事情就无法进行。

主要目的:

挖掘需求问题,有两大核心目的:

1. 提升产品质量

通过挖掘需求中的问题,解决需求中的问题,完善产品需求,从而完善产品,提升产品的质量。

2. 提高项目效率

通过挖掘需求中的问题,尽早查漏补缺、解决分歧,避免问题遗留到项目中后期,导致返工、进度delay等风险,从而提高项目的效率。

具体思路:

由于专业度上的差别,测试同学在挖掘产品需求问题时,确实存在一定的困难。但基于以往的经验,还是能够总结出一套思路,具体可以从以下几个角度进行:

1. 需求描述层面的问题:

a) 错别字、病句等

需求文档中难免会存在一些错别字、病句等文案错误,此类问题我们有必要给产品同学指正(但不要带着嘲讽的心态),因为有些时候这种错误一样会对产品、需求理解造成影响,例如:“未进行”和“为进行”,一字之差,谬之千里。又如:“账号”和“帐号”,用字用户提示中,影响产品的专业度问题。

b) 描述存在歧义

需求描述的含义必须明确,描述存在二义性甚至多义性的问题,比较严重,可能会导致多方理解的不一致,导致开发、测试等团队的产出物不正确,进而返工,增加项目成本。我们需要与产品确认,并要求产品进行更正。

例如:分身添加两个动作之间需要间隔字数的需求,

需求描述为:4(以默认语速1.0为基准,覆盖4个字符)乘以语速(0.7~1.3)*视频长度取值(四舍五入)。

产品和测试前期讨论的方式为:(4个字符*语速)取值四舍五入*视频长度。

开发的实现结果为:(4个字符*语速*视频长度)取值四舍五入。

结果就导致结果与预期不符。

c) 需求内容遗漏

此处不等于需求遗漏,而是指需求已经明确,但产品没有写入需求文档的情况。对下游团队,尤其是测试团队,需求文档是极为重要的依据,我们需要检查产品的需求文档是否编写完整,如果存在没有写入的情况,需要要求产品同学补充。例如:经过讨论已经规定该文本框中输入的最大字符数为100,但需求文档中没有更新。

2. 需求覆盖度的问题:

a) 缺少流程节点

在需求中涉及功能流程的地方,需要重点关注是否缺少某些流程节点,流程中的各个环节是否能够顺利连通。例如:用户没有权限使用某个功能时,应该给出跳转到购买该权益的入口,但需求中没有提供这个入口。

b) 缺少逻辑分支

在需求中设计判断分支的地方,需要重点关注是否分支路径是否覆盖全面,是否存在分支路径的缺失。例如:提示用户购买高级会员,只规定了进行购买的后续流程,但没有规定用户取消购买的后续流程

c) 缺少需求定义

在需求中涉及需求定义的地方,需要重点关注定义是否考虑充分,是否存在遗漏。例如:规定了高级会员有什么权益、普通会员有什么权益,但没有规定同时具备高级会员和普通会员的情况。

d) 缺少用户场景

平时用户使用过程中经常出现的场景,在需求中是否有明确说明。例如:用户播放音频过程中,进行程序的前后台切换操作、手机锁屏状态下该如何处理等等。

e) 缺少异常处理和容错机制

需要关注需求中,是否针对异常处理有约定的处理方式,用来提升程序的健壮性。例如:视频聊天过程中手机来电、断网,或者进行获取数据时服务器异常等等。

3. 需求预期的问题:

a) 预期结果不明确

需要关注需求中的内容是否都有明确的预期结果,需要让其提供明确的预期结果。例如:当网络出现异常的时候,弹出错误提示,但没有个出错误提示的具体内容。

4. 需求合理性的问题

a) 必要性

需要针对需求的必要性进行评估,要把产品的目标和用户的实际情况进行结合,综合考虑需求的必要性。例如:用户对转写结果的准确率要求极高,但本地转写的准确率又极差,那么添加本地转写这个需求的必要性,就需要探讨。

b) 与目标的一致性

需要关注需求中的内容,能否实现产品的目标。例如:产品需要收集用户是否主动关闭某个功能的数据,但该功能的入口做的非常的深,一般用户发现不了,那么这种需求就很难实现目标。

c) 连贯性

需要关注需求持续迭代过程中的连贯性,前后的风格或操作习惯尽量保持统一,否则每个版本都在变,增加用户熟悉的成本。例如:之前版本中的页面都支持右滑返回上一页,而新版本中的新增页面,则不支持右滑返回上一页。

d) 耦合度

需要关注需求中不同功能之间的耦合度,尽量简单处理,保证各功能之间的相对独立性,如果耦合度太高,会导致功能复杂度变高,增加开发和测试的成本,也增加出现bug的几率。例如:文件存在语音转写和文件存储两部分功能,尽量让转写和存储这两部分的功能策略保持独立,不要把转写状态和存储状态增加组合的策略,如未转写状态只能按照条件1的情况存储、转写中状态只能按照条件2的情况存储、已转写状态可以按照条件1和2和3的情况存储。

5. 需求的用户体验问题

a) 易操作性

需要考虑需求中的功能是否容易操作。包括不限于:

i. 操作行为是否简单(如:单手点击)

ii. 操作路径是否简短(如:一键生效)

iii. 操作入口是否直观(如:开关放在设置首页,而不是三级菜单中)

iv. 是否符合用户习惯(如:继承用户之前的设置风格)

v. 是否符合系统环境的标准规范(如:Windows的支持键盘操作、iOS下确认弹窗中按钮的左右摆放规则)

b) 易理解性

需要考虑需求中对功能或名词的定义是否容易理解,用户能够一看就明白具体是怎么回事。如果不易理解,是否有清晰的解释说明。

c) 吸引力

需要关注需求中的功能,是否对用户有足够的吸引力。例如:抽奖活动的需求,奖品的价值以及中奖的概率,是否足够诱人。

d) 交互反馈

需要关注需求中的功能,在用户触发后,是否能够给用户对应的反馈,让用户清楚当前的状态。例如:点击下载,显示loading状态或这下载进度;触碰按钮,按钮状态发生相应的变化。

6. 需求的可行性问题

a) 开发实现的可行性

对于需求中的某些内容,需要关注开发实现层面的可行性,如果缺乏可行性,就需要提前指出。例如:语音识别准确率需要达到100%,这种在现有技术水平的状态下,根本无法实现。又如:整体功能逻辑与微信的效果对齐,这种在较短的项目周期内,根本无法实现。

b) 测试的可验证性

对于需求中的某些内容,需要关注测试的可验证性,如果无法操作或者无法验证,就需要提前指出。例如:最大支持上传音频的个数为无上限,这种就明显无法验证。

7. 需求版本管理问题:

a) 需求版本标记不清晰

有时候需求文档中会同时存在多个版本的需求,或者因为工期问题导致同一个需求拆分成多个项目版本进行,这种情况下,就涉及到对需求版本的管理问题,需要关注需求的版本信息是否标记清晰、明确,能否清楚的掌握当前版本需要关注的需求范围。

注意事项:

  1. 要勇于提出问题。虽然测试在产品的专业度上有欠缺,但我们也是用户,而且是最早体验产品的用户,因此对需求有疑问,一定要勇于指出。
  2. 不能为了提问题而提问题,要加入自己的思考,要带着提这个问题的原因和目的。例如:这个弹窗上放5个按钮不合理,原因:太挤了、或者用户找不到重点。
  3. 在挖掘需求问题的时候,需要跳出需求的思维和角度,基于用户的习惯或者测试的视角,去审核需求,否则容易陷入产品的思路,觉得哪都是对的。
  4. 提出的需求问题,建议通过邮件的形式公示,产品不接受或者不解决,也可做到备忘;其中测试认为比较严重的问题,可以在后续的进度或者测试报告中,作为项目风险进行公示。
  5. 在发掘用户体验性问题的时候,可以借鉴优秀的竞品,通过审视竞品的效果如何,来评估我们的需求处理是否存在问题。

本文分享自微信公众号 - 搜狗测试(SogouQA),作者:小z

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2021-04-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 3个案例了解数据挖掘,学会数据挖掘方法和思路

    一、银行信用卡欺诈与拖欠行为分析: 1、客户信用等级影响因素      1.1客户信用卡申请数据预处理      1.2信用卡申请成功影响因素 2、信用卡客户...

    沉默的白面书生
  • 数据挖掘工程师的面试问题与答题思路

    机器学习、大数据相关岗位根据业务的不同,岗位职责大概分为: 1、平台搭建类   数据计算平台搭建,基础算法实现,当然,要求支持大样本量、高维度数据,所以可能还...

    机器学习AI算法工程
  • 数据挖掘工程师的面试问题与答题思路

    机器学习、大数据相关岗位根据业务的不同,岗位职责大概分为: 1、平台搭建类   数据计算平台搭建,基础算法实现,当然,要求支持大样本量、高维度数据,所以可能...

    机器学习AI算法工程
  • 沈浩老师谈如何学好数据挖掘

    用户1756920
  • 从已知探索未知的设计之道

    腾讯ISUX
  • 【技术】实用篇:如何建立落地型数据分析or数据挖掘流程?

    数据工作者最长也是有效的一种工作方式是带项目,无论是数据分析还是专项挖掘,项目制能使数据尽量贴近业务并且有效理解业务和数据的各个维度。那么如何建立面...

    小莹莹
  • 中科院宗成庆谈文本数据挖掘

    AI 科技评论按,近年来,随着移动通信和互联网技术的快速发展与普及应用,数据挖掘技术得到了越来越多的关注。文本数据挖掘作为自然语言处理、机器学习和数据挖掘等多种...

    AI科技评论
  • 腾讯设计精品课首发

    腾讯ISUX
  • 实用篇:如何建立落地型数据分析or数据挖掘流程?

    数据工作者最长也是有效的一种工作方式是带项目,无论是数据分析还是专项挖掘,项目制能使数据尽量贴近业务并且有效理解业务和数据的各个维度。那么如何建立面向业务落地的...

    CDA数据分析师

扫码关注云+社区

领取腾讯云代金券