實體對象,畫像標簽核心的關注點
編輯導語:畫像標簽的本質也是 to B 的產品,如果用戶標簽沒有做好,那么高調換來的只能是高用戶流失和低活躍度,這樣的結果不是我們的初衷。作為一名產品經理,該如何甄別畫像標簽中的關鍵點,集中精力解決?作者總結了一些要點,希望對你有所啟發。
這節課是“系統能力”模塊的最后一課,梁寧主要講述了傅盛帶領金山由軟件企業成功轉型互聯網企業的故事,她在本文提及的重點是:面對生死考驗的時候,你能依靠的不是管理能力,而是領導力。領導力的核心,是甄別“關鍵任務”,然后動員大家穿越生死。
這節課留的課后作業是:在跨越生死的關鍵任務下,股東、競爭對手、核心團隊、公司中層、公司員工、用戶,這六類人你最在意誰?
這是一個開放性的問題,作為產品經理今天我不會天馬行空的大談一些我沒有做過的公司管理相關的事務,還是想寫一些涉及數據產品的內容,繼續聊一聊畫像標簽。
在上一篇文章《跟著梁寧學習產品15:初識畫像標簽,及突破低調用壁壘的實踐》曾寫到標簽突破低調用堡壘的實踐案例,從基本盤來說畫像標簽的“調用次數”確實是評估畫像標簽價值的重要指標,可是從長期價值來看,高調用真帶來高收益嗎?
畫像標簽其本質也是 to B 的產品,說到 to B 產品就不得不提“客戶”和“用戶”這兩個概念,產品的服務對象是客戶,而客戶的服務對象卻是用戶。
以標簽產品為例,會過多的圍繞客戶(比如一些運營同學)而忽視了客戶服務的用戶,短期內會贏得客戶的好感。
可是如果沒有給用戶帶來友好的體驗,高調用換來的卻是用戶的高流失和低活躍,那作為畫像標簽的數據產品經理就沒有甄別出關鍵任務。
一、數據產品的定位,影響標簽問題的顯現
這里舉一下之前工作中遇到的一個事故,我們標簽庫里之前有個用戶實體下的標簽“興趣偏好”,一直在消息 Push 部門做定向內容投放時所使用。即選擇“興趣偏好”與想推薦的內容的類型一致的目標用戶,對他們投放內容,并激發他們的興趣,從而點擊 Push 內容增加 APP 日活。
這個標簽在我們運營使用后的結果并不理想,后來我們的運營陷入了不斷修改投放物料的循環中:不斷修改 Push 內容、文案,甚至在 Push 的時間點、地域、人群性別等選擇上下功夫,但均收效甚微。更可怕的是,這些內容都是我在準備優化畫像標簽前的調研中才了解到的。而在很長的時間里,這些運營沒有懷疑過標簽的問題,一直讓 BI 部門的分析師給他們做內容投放的效果分析。
其實在最后,我們診斷出是畫像標簽在模型、存儲結構上存在問題,這只是導致內容投放效果不好的直接原因,但本質原因還是當時的公司沒有養成一個良好的數據閉環生態(如下圖所示)。
這是在數據產品系列文章中,我一直喜歡拿來吐槽的問題:數據部門不直接聯通業務,業務數據的分析洞察交給 BI 部門,而數產品僅僅成為提供數據標簽、系統的工具產品。
在下圖中,之前公司就會因為數據產品的定位,導致數據評估非常滯后,需要依賴業務的主動反饋。問題出現后,往往需要等待很長的時間。
那如何定位數據產品呢?這是一個開放性的問題,我也在探索階段中,目前有了一個方向的設計,在后面的產品文章中我會再給大家進行分享,如果你已經有了自己的答案,也歡迎在下方留言討論。
二、存儲類型的不同,影響人群的準確性
重新回到導致 Push 效果不好的直接原因上,在算法工程師開發“興趣偏好”這個標簽時,其數據格式是 list 結構,即一個用戶有效查閱過的內容類型都會記錄在這個標簽內。所以每個特定用戶人均的“興趣偏好”的數目都是10個以上,而且從這里你也不知道用戶對這些內容是雨露均沾還是偏愛一隅。
后來,我們讓運營同學做了 AB test,發現相同的內容、Push 文案在相同的時間投放給不同興趣標簽的人群時,他們的點擊率基本持平,這也驗證了這個標簽在精準投放時基本沒有什么用處。
接著,我在和算法同學溝通時發現,“興趣偏好”這個標簽在模型中也有興趣度的計算,只是歷史的需求中沒有興趣度的說明,所以內容標簽只是全家桶般的打包在一起了。
回到這次投放的效果問題上,開始對標簽的存儲類型做了改動,將 list 結構改為 map (key,value)結構。key 值表示內容類型,value 值表示興趣度,這樣在內容投放時,我們就可以在人群圈選時選擇 value 值最高且 key 值為投放內容類型的用戶。
同時,也滿足了廣告部門廣告跑量的需求,map 結構依然可以通過 key 值多選的方式,達到 list 結構的效果。在這次畫像標簽類型的改造后,首次內容投放的 Push 點擊率顯著提升。
數據產品經理雖然屬于 to B型產品,但數據價值的最終體現還是要關注于 C 端用戶,只有這樣,我們才不會看到因此飛來的黑天鵝。
#專欄作家#
兮兮,微信公眾號:孤身旅人(ID:gushenlvren),人人都是產品經理專欄作家。關注人工智能、toB產品、大文娛等領域。
本文原創發布于人人都是產品經理。未經許可,禁止轉載。
題圖來自 pexels,基于 CC0 協議。
我也好奇如何定位數據產品,會關注作者的,期待下一篇講解
感謝關注~
哈哈我也跟作者吐槽的點有同樣的想法,數據部bi部真就各干各的唄
哈哈~
這道理講的比較淺顯吧……希望有一些更加深入的文章
多關注作者哇~