本文通過形象的比喻和詳細的分析，深入探討了產品經理的職責、挑戰以及如何通過數據分析優化產品上架流程，提升用戶體驗。對于有志于成為或了解產品經理的人來說，這是一篇不容錯過的精彩文章。

產品經理是干什么的？

一個比喻形象說明下，產品經理就是互聯網行業的“糧食育種專家”，產品經理和技術團隊協作通過“基因編碼”技術編寫某種植物種子各階段生長的主信息，然后移植到土中培育，經過人工選擇和優化最終培育出健壯高產的作物。

01 概述

種子要生長第一步是播種，不丟到土里或其他適宜生長的環境里是無法長出來，無法驗證該品種是否優良。

同理互聯網各行業繁榮的第一步也是“播種”，只有將“種子”播種到“土”里，才能帶來豐收。不同的行業種子不同，播種方式也不同：

1.1. 自動化

對于交通系統而言，無論是地鐵、高鐵、汽車，銷售的車票都是標準化的產品，車票本身的包含的信息屬性較少，可以由計算機程序自動完成車票的上架和下架，無需人工干預。

對于搜索引擎，特別是不主導內容創作的業務模塊，由自動化程序將互聯網存在的各種內容爬取過來，在用戶搜索的時候返回，信息的爬取也是自動化完成，無需人工干預。

1.2. 人工

對于商品系統，無論是衣服、食品、家電甚至房源，這些都是非標的產品，商品擺上貨架，需要人工完成，并且在商品無法銷售時，還需要主動下架。

對于內容平臺，知乎、小紅書等，平臺上提供的知識內容也是非標產品，內容的創作和上架都需要作者主動完成。

1.3. 人工輔助

人工輔助是對人工上架的補充，雖然由于行業的限制，無法完全交給機器自動化完成，但是其中部分的流程是可以交給機器的。

比如：

• 商品信息可以構建詞典，協助填充部分商品的屬性信息，包括自動生成宣傳標題、自動美化風格等。
• 商品的智能客服、物流追蹤、自動下架可以由信息系統自動協助完成。

02 電商商品上貨架

本文主要展開電商商品的上貨架分析，期望通過分析商品上架的效率現狀，制定合理的指標，并一步步實現商品上架環節的高效進行。

2.1. 物理世界的商品上架行為

在互聯網以前的貨架主要是物理貨架，包括商場擺貨、菜場擺菜等，銷售方需要花費大量的時間安排專人理貨，并需要定期下架不新鮮的貨源。

筆者調研小區的菜籃子工程商販，他們每次來小區擺攤七八個小時，擺貨、收貨環節就要花掉四個小時不止，可見商品上架占據日常工作的很大一部分時間。

2.2. 互聯網世界的商品上架行為

互聯網興起后，線上商城包括淘寶、京東等成為最新型的貨架，在這些平臺上的商戶需要花費大量的時間處理商品上架的工作，包括文本信息錄入、圖片制作上傳、視頻內容上傳等。

商品上架效率的高低由兩個參與方決定的：商戶的信息錄入人員和平臺的軟件產品及配套服務人員。

• 如果信息錄入員思路清晰，業務熟練，有耐心，在體驗差的平臺上也可以完成商品的上架
• 如果平臺智能，即使業務不熟練的新手也可以高效完成商品的上架。

這兩者其中任一方的功能強大，都能彌補另一方的部分缺陷。

作為推向市場的產品，我們愿意相信產品在實驗室環境中已經做了必要的調研和試驗，雖然未經過大量客戶的直接檢驗，至少是能夠正常完成信息錄入。

03 分析目標和思路

大部分平臺需要上架的商品種類和字段會很多，我們期望分析當前使用用戶在商品上架環節花費的時間情況，挖掘可以改進的空間。

3.1. 用戶分群和排序

平臺上的商戶會很多，各種各樣，數據分析第一步，對用戶分群并排序，優先關注高優先級用戶的需求。

該過程首次啟動時，可以使用靜態數據作為分群標準，后續隨著系統迭代，可以逐步豐富分群指標。

靜態的信息，包括商戶信息、員工信息、商品信息。

一般的平臺可能會先選擇以下指標：（實際場景各有不同，本處只是引子）

• 信息完善度：比如工商信息、收款賬戶等，具體考慮考慮標準根據實際業務場景確定，本文抽象為0-1之間的數字。
• 合同類型：免費用戶、付費用戶，肯定付費用戶的優先級更高。本文抽象為兩個類型：免費用戶、付費用戶。

3.2. 用戶行為定義和分析

分析用戶行為，首先要梳理用戶動作的數據結構，根據行為動作定義狀態事件。動態的信息，核心字段簡化為：

• 操作商戶、操作人
• 商品編號：用于唯一識別商品
• 商品信息：商品信息內容較多，不同類別的商品要上傳的信息數量不同，且會涵蓋文字、圖片、視頻多個維度
• 商品狀態：用戶的保存和提交動作會導致狀態變化。比如保存失敗、保存成功、上架失敗、上架成功，這些狀態都在影響行為的分析。

商品狀態變化圖為：

實際業務可以再此基礎上繼續拓展。

04 分析實戰

4.1. 信息收集

本文使用的數據都是隨機模擬的數據。如需查看完整源代碼可以在GitHub中，搜索”ImPmZhang”查看。四張信息表為：

4.2. 定義事件

商戶操作上架，從任意選定的時間窗口觀察，無非兩種情況

• 商品已成功上架
• 商品未成功上架

無論哪種事件，都可能是由多個動作組合產生。所以第一步需要按照商品的維度將多個動作打標簽，歸為一類。

4.3. 事件編號

將商品已成功上架和未成功上架的N多個房源的N多個動作賦予唯一的編號。

4.4. 數據計算

數據計算關注點為：

• 每個事件占用的總時間、平均時間、動作數量
• 每類事件占用的總時間分布、平均時間分布、動作數量分布。

4.5. 數據可視化

4.5.1. 數據分布對比

圖表解釋：

• 圖表中綠色為“商品已成功上架”事件，橫軸表示不同商品成功上架花費的時間，縱軸表示用戶數。
• 從圖中可知用戶最多要花費60個單位的時間才能成功上架，說明上架效率較低，也側面反映商戶認可平臺的價值，愿意花時間做上架動作。
• 圖表中紅色為“商品未成功上架”事件，橫軸表示不同商品用戶花費的時間，縱軸表示用戶數。
• 從圖中可知一部分用戶花費較少時間操作上架，上架失敗后就沒有繼續操作。

另有一部分用戶一直在堅持操作，隨著時間的增加可能會變為商品上架成功狀態。

從模擬數據中獲得信息為：

1. 該平臺可能新上線不久，系統還在適應期，系統體驗度不好。
2. 平臺的用戶對平臺認可度高，雖然系統難用但是愿意使用，說明這是一個價值風口。
3. 平臺從事的行業產品信息復雜，校驗嚴格。

產品經理可以調研上架成功次數多且花費時間多的用戶，了解失敗原因，針對性提供優化建議。

4.5.2. 數據整體對比

以上三個箱體圖分別統計“商品已上架成功”“商品未上架成功”兩類事件，每個事件嘗試的次數、花費的總時間和平均時間。

從圖中可知，“商品已成功上架”事件操作次數比“商品未上架成功”事件操作次數多、花費的總時間也多，但是平均每次花費時間少，說明商品成功上架的商戶會集中處理上架問題，不會間隔太久。

4.6.部署實時監控系統

部署實施系統的目標是將上述分析實時化，通過動態系統可以動態觀察指標變化，管理層可以通過該指標明確業務重點，并考核實際成果，提高效率。

此處指標為：平均上架花費時間、平均操作次數。

05 數據可應用方向

5.1.商戶獎懲機制干預

上架效率高低，由兩個變量決定：操作人和平臺系統。

對商戶的干預是分析本公司不同員工的操作效率。通過區分表現優異或表現較差的員工，采取獎懲機制。

5.2. 平臺產品體驗優化

如果整體的效率較低，說明不是人力所能為，需要平臺著重從技術上解決問題。