中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

出于種種原因，產品崗位會天然地帶有主觀性，運氣好的話，感性與主觀性能打造出不俗的產品亮點；運氣不好的話，過度主觀將給產品與用戶帶來不小傷害。那么我們該如何降低推理過程的主觀性呢？筆者將告訴我們答案，詳見本文。

撕逼天天有，每天都很多，產品經理的日常~

撕逼無外乎意見不合，本質上是因為推理出來的產品方案沒站住腳，其他團隊成員從個人角度剖析之后，有了其他想法，所以開始了這場撕逼。

產品這個崗位本就帶有很強的主觀性（同是微信，如果不合作，我不太相信馬化騰和張小龍兩位產品大佬會做成一個樣子），因此俞軍老師將其定義為社會科學，并非物理化學這種自然科學，存在固有的規律，所以一千個人眼里有一千個理想產品的樣子。

那么我們又該如何降低推理過程的主觀性？數據也許是不錯的方法，因為它不撒謊。

以電商APP的下單流程為例，說一說如何用數據來驅動一次產品迭代。

一、發現問題

問題來源一般有兩種：

1. 用戶側

這應該是最主要的問題來源，經過市場驗證后的聲音，用戶反饋、用戶調研和問卷等。

2. 產品側

相比于用戶側，問題少一點，但也同樣重要。

「解決問題」是公認的產品經理核心能力，但我認為「發現問題」同樣重要，我們也要注意從產品側主動發現問題。

用戶的嘴可能不會follow heart，但身體卻很誠實，然后在數據庫留下了一系列言行不一的行為軌跡，我們從中可以發現當前產品的問題，甚至有可能發現顛覆你認知的用戶表現。

eg：

*矩形高度代表人數

*百分比=從上一頁面轉化來的人數/上一頁面人數

這是一款電商APP的下單路徑轉化漏斗，可以看出在詳情頁 → 下單頁這個環節人數大幅下降，遠低于其他環節的轉化率，用戶為什么進了詳情頁之后掉頭就走了呢？

二、提出假設

無論用戶側還是產品側的問題，我們得到的都是問題表象，需要找到可能的問題原因，然后依此提出針對性解決方案。

eg：

首先定位問題原因，提出我們的假設。

經過分析，認為當前的商品詳情頁的頁面布局，無法突出商品價值，過于強調商品注意事項，導致用戶未能真正感受到商品價值，反而被一堆注意事項嚇退了。

接下來就要想解決方案，優化頁面布局，突出商品價值，弱化注意事項，讓用戶放下戒備，放心購買。

三、確定評估指標

1. 指標類型

北極星指標

屬公司戰略級指標，基本由boss或產品高層制定，是長期目標，輕易不會變動。

方向指標

項目中的關鍵指標，用來衡量問題解決程度，與北極星指標正相關，也就是與產品大體目標一致，提升產品效用（對用戶問題的解決程度）。

負面指標

項目中關鍵指標，用來衡量為了解決問題，而帶來的負面影響程度，北極星指標負相關，與產品大體目標相悖，會降低產品效用。

注意：要提前設定好最差能接受的范圍，就是這個負面指標跌到什么程度是不能接受的。

行為指標

非必需指標，大概就是某個頁面的訪問次數，按鈕的點擊率這種行為數據，基本用來分析背后的原因，不適合作為關鍵衡量指標（就是為了解決某個行為的問題的情況不算）

在項目中，通常用來衡量新版本上線效果的是方向指標和負面指標，北極星指標起到方向性作用，保證我們的大方向不會錯，行為指標用來分析問題原因。

eg：

在這個項目中，方向指標是要將詳情頁 → 下單頁的轉化率提升30%，從而提升訂單量，最終實現利潤增長，經分析對北極星指標有正向作用。

但是呢，優化方案中放大產品價值、弱化注意事項，用戶可能會被誤導消費，沒有看到注意事項就下單了，導致商品到手之后不滿意，最終結果是退貨率增高。當然，我們肯定不能接受用戶買完都退貨了，所以要設定一個我們能忍受的底線，經過分析后，確定能忍受的最高退貨率為10%，超出這個值成本就cover不住了。

四、增加埋點

指標已經確定好了，接下來就要讓開發哥哥埋點了。

從指標出發梳理埋點，想驗證這個指標，需要什么數據來支持，直接拿實例說吧。

eg：

設計埋點不是一個簡單事，其中有很多技巧，盲目埋點不僅有可能會數據污染，還可能造成不可逆的影響，比如2月5日增加的點擊按鈕這個埋點，你想看2月1日的埋點數據，抱歉沒有。

舉兩個踩過的坑：

①轉化漏斗不閉環

詳情頁 → 下單頁的轉化率=下單頁訪問人數/詳情頁訪問人數，我需要計算出這個單一路徑的轉化率，我上面埋的是下單頁的訪問uv，這種情況下就需要保證下單頁只有一個上級來源（即詳情頁）。

比如運營同學配置了一個banner，可以直接跳轉到下單頁，那我們想驗證的指標：詳情頁 → 下單頁轉化率就會出現偏差，因為下單頁的所有訪問并不是都來自于詳情頁。

有一個常用的解決辦法：不埋下單頁的訪問事件，埋詳情頁的購買按鈕點擊，因為點擊購買按鈕必定會跳轉到下單頁，以此來解決行為來源問題。

數據埋點要形成閉環，尤其是分析轉化漏斗。

②數據結果不準確

比如有兩種退貨頁面流程：

• 頁面流程1：訂單頁（點擊退貨按鈕） → 退貨成功頁
• 頁面流程2：訂單頁（點擊退貨按鈕），出現退貨成功彈窗

如何拿到最準的數據結果？這個很關鍵。

在這個操作中，流程1比較好辦，進入退貨成功頁說明一定成功了，所以可以用退貨成功頁的訪問uv來判定退貨人數，但是流程2沒有了頁面訪問，點擊退貨按鈕之后會發生兩種結果（成功或失敗），所以點擊退貨按鈕立即上報埋點不是最佳方案，會把退貨失敗的行為也上報，這會導致數據結果不準，也是埋點中的一個坑，一定要和開發哥哥明確埋點上報時機。

有一個常用的解決辦法：比如說前端埋點，上報時機明確為：后端返回結果為“成功”時上報埋點，“失敗”不上報。

數據上報一定要準確，不能誤報。

其實設計埋點是個技術活，除了這兩個例子還有很多坑，之后打算專門寫一篇如何設計埋點。

好啦，設計完埋點，寫好DRD（數據需求文檔），就等著市場的驗證了。

五、分析數據結果

灰度上線 → 全網上線，是常見的上線策略，因為特殊考慮等原因直接全網上線的就不說了。

1. 設定實驗組和對照組

灰度開放的用戶量不宜多大或過小，因為新版本的體驗好壞是不確定的，不同業務會有不同考慮，通常是以能驗證結論，又能最小程度干擾用戶的程度為標準。

這個灰度開放的用戶量，滿足統計學上樣本量的置信度即可，網上有很多下圖這種計算器，直接用就好了，不用專門學統計學。

樣本量計算器

灰度開放的用戶中選取用戶作實驗組，老版本用戶中選取用戶作對照組。

具體的選取方法要靈活，就像我們上學時候的一種物理實驗方法-控制變量法，不同的實驗目的，要控制不同的變量，根據控制的變量選擇合適方法。

eg：

我要驗證兩組用戶在詳情頁的行為，所以我隨機選取灰度開放中訪問詳情頁的n個用戶，定為實驗組，再隨機選取n個老版本中訪問詳情頁的用戶，定為對照組，觀察分析這兩組流程轉化率。

2. 分析驗證指標

項目指標：方向指標和約束指標

從實際表現來看，方向指標雖然未達預期，但也起到了較好的效果，大幅提升了詳情頁 → 下單頁的轉化率，但是！但是！但是不要著急，這并不代表這一定就是正向的解決方案，我們還要跳出項目本身，看一下整個產品的指標變化，不能因小失大呀。

產品指標：北極星指標

北極星指標可能回報期比較長，比如利潤還要等合作商家的回款才能提升，所以北極星指標可能會存在延遲變化，我們有時候也要提前考慮到這個特性，避免我們錯誤認為一頓操作猛如虎，一看戰績0-5。

項目指標表現很好，但是產品指標不一定會表現好，需要我們全局來看。

比如我優化的是兒童電話手表品類的詳情頁（不同品類的詳情頁會不一樣），家長都給孩子去買兒童電話手表了，導致兒童手機品類賣不動了，由于兒童手機客單價遠高于兒童電話手表，導致產品整體利潤下降了，產品指標倒退，也不是沒有可能啊。

所以，一個項目上線之后，不僅要分析項目本身的ABtest結果，還要考慮產品大盤影響，項目指標和產品指標都要兼顧到。

項目指標和產品指標是我們在設計方案時就想到的，但現實就是這么有意思，經常會給你surprise~冒出來你意料不到的數據波動，還是拿例子說話~

比如實驗組的用戶流失率要明顯高于對照組，這是之前我們沒有想到的，這時候就有可能用上我們之前說的行為指標，來輔助我們分析原因。

首先要知道：數據會告訴我們怎么了，不會告訴我們為什么。

我們觀察用戶行為后發現：大部分流失用戶最后一次操作都是查看退貨進度，那我們就可以提出假設：用戶是因為退貨率增高導致流失率的提升，因為用戶退貨這件事是比較挫敗的（甚至是對平臺不滿意），導致對產品的滿意度和好感直線下降，然后流失。假設是否正確，就需要通過用戶調研等手段再去驗證了。

所以，除了可預期到的指標外，還要注意從天而降的其他指標波動，及時找出波動原因。

關于上線策略，有兩個注意事項：

1.灰度時間不宜過長，盡快得出實驗結論，避免新版本負面效果影響用戶；

2.如果條件允許，保留一小部分老版本用戶，即不完全全網開放，因為灰度上線時間較短，新版本用戶可能會因新鮮感而表現出了正向的數據結果，但從長期行為來看不一定優于老版本，所以留一小部分老版本用戶作為對照。

因為互聯網產品具有大數據量和快速迭代的特點，所以產品經理在懂用戶和業務之外，利用數據做好ABtest非常重要，快速試錯和調整，做到小步快跑。

六、最后總結一下，數據驅動產品迭代的步驟

1. 發現問題
2. 提出假設
3. 確定評估指標
4. 增加埋點
5. 分析數據結果

本文由 @十八線產品 原創發布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。