編輯導(dǎo)語(yǔ)：現(xiàn)如今產(chǎn)品那么多，那產(chǎn)品的價(jià)值應(yīng)該用什么來(lái)衡量呢？什么可以提升產(chǎn)品的價(jià)值呢？本文作者，講述了圍繞了產(chǎn)品價(jià)值的三個(gè)方面來(lái)展開(kāi)，一起來(lái)看看吧。

本文從產(chǎn)品價(jià)值定義、建模及提升三方面展開(kāi)。主要內(nèi)容包括：

• 產(chǎn)品價(jià)值定義：能且更好、更多地解決用戶的問(wèn)題
• 產(chǎn)品價(jià)值建模：用什么樣的指標(biāo)做產(chǎn)品價(jià)值評(píng)估
• 產(chǎn)品價(jià)值提升：以準(zhǔn)確的認(rèn)知、精益的量化來(lái)提升產(chǎn)品價(jià)值

一、產(chǎn)品價(jià)值定義：能且更好、更多地解決用戶的問(wèn)題

產(chǎn)品的價(jià)值是什么？我們?nèi)绾蝿?chuàng)造產(chǎn)品價(jià)值呢？

在工作場(chǎng)景中，我們常常會(huì)思考：用戶在用我們的產(chǎn)品解決什么問(wèn)題？用戶為什么從眾多產(chǎn)品中挑選并使用我們的產(chǎn)品？用戶為什么會(huì)留在我們的產(chǎn)品？其實(shí)，產(chǎn)品的價(jià)值也就是產(chǎn)品存在的意義。

我們可以將產(chǎn)品的價(jià)值概括為：能且更好、更多地解決用戶的問(wèn)題，不只是單純的幫助用戶解決問(wèn)題。換句話說(shuō)，創(chuàng)造產(chǎn)品價(jià)值的過(guò)程也就是解決用戶問(wèn)題的過(guò)程。

如何實(shí)現(xiàn)「能且更好、更多地解決用戶的問(wèn)題」這一目標(biāo)呢？

我們可以通過(guò)構(gòu)建相應(yīng)的策略和工具來(lái)完成，舉個(gè)例子：在常見(jiàn)的電商場(chǎng)景中，我們希望幫助用戶完成商品交易，核心策略便是幫助用戶找到物美價(jià)廉的商品，關(guān)鍵詞有三個(gè)——“找”“物美”“價(jià)廉”，相應(yīng)的商品展示策略可以滿足用戶對(duì)“物美”的需求，價(jià)格策略滿足用戶對(duì)“價(jià)廉”的需求，選品策略幫助用戶快速找到符合需求的商品。

在這個(gè)場(chǎng)景中，商品展示策略和價(jià)格策略具象化之后可能會(huì)是紅包、優(yōu)惠券等折扣機(jī)制，是我們支持策略的工具；選品策略則是我們支持策略的策略。

那么我們通常是在解決用戶的哪些問(wèn)題呢？從大的分類(lèi)來(lái)看，可以分為兩種：第一，幫用戶節(jié)省時(shí)間，提升用戶效率；第二，幫助用戶消磨時(shí)間，提升愉悅感。

再結(jié)合產(chǎn)品對(duì)用戶的價(jià)值層面，即解決問(wèn)題的方式來(lái)看，解決用戶問(wèn)題的模塊可以分為 4 類(lèi)——工具、交易、內(nèi)容、社區(qū)。如下圖所示：

• 當(dāng)我們能夠通過(guò)產(chǎn)品本身幫助用戶實(shí)現(xiàn)節(jié)省時(shí)間這一目標(biāo)，那么便是解決問(wèn)題模塊中的“工具”模塊；
• 當(dāng)我們通過(guò)產(chǎn)品本身幫助用戶消磨時(shí)間，便是“內(nèi)容”模塊；
• 當(dāng)我們連接其他資源/產(chǎn)品，幫助用戶節(jié)省時(shí)間，那么則是“交易”模塊；
• 當(dāng)我們連接其他人，幫助用戶尋找圈子和互動(dòng)的對(duì)象，那么便可以稱為“社區(qū)” 模塊。

在上述分類(lèi)之外還會(huì)有其他的分類(lèi)方法，比如游戲產(chǎn)品的分類(lèi)會(huì)更加復(fù)雜，這里我們不做贅述。接下來(lái)我們基于此分類(lèi)方法，通過(guò)具體的場(chǎng)景進(jìn)一步挖掘產(chǎn)品如何解決用戶的問(wèn)題。

舉個(gè)例子，當(dāng)你計(jì)劃假期出去旅行，那么肯定需要提前確定目的地，旅行 App 便會(huì)在此時(shí)幫助你解決問(wèn)題：在確定目的地的環(huán)節(jié)，App 通過(guò)內(nèi)容模塊幫助你發(fā)現(xiàn)感興趣的目的地；在安排行程環(huán)節(jié)，App 可以通過(guò)工具模塊幫助你完成高鐵、飛機(jī)、酒店等行程要素的查詢和預(yù)定；當(dāng)你結(jié)束了美好旅程，希望將自己的所見(jiàn)所聞進(jìn)行分享時(shí)，App 的社區(qū)模塊便給了你發(fā)布攻略或者旅行見(jiàn)聞分享的機(jī)會(huì)，得到旅行之外的價(jià)值感受。

在這個(gè)案例中，我們可以明確看到產(chǎn)品是如何通過(guò)“工具、交易、內(nèi)容、社區(qū)”四個(gè)模塊以復(fù)雜的協(xié)作關(guān)系來(lái)幫助用戶解決問(wèn)題的。

二、產(chǎn)品價(jià)值建模：用什么樣的指標(biāo)做產(chǎn)品價(jià)值評(píng)估

現(xiàn)代管理大師彼得·德魯克曾說(shuō)過(guò)：“如果你無(wú)法度量它，那就無(wú)法管理它。”所以在講述如何提升產(chǎn)品價(jià)值之前，我們要先去量化它。

這里引入一個(gè)大家耳熟能詳?shù)哪Ｐ?，叫?OSM 模型。O 代表業(yè)務(wù)目標(biāo)，也就是產(chǎn)品要解決的問(wèn)題，或者是解決這個(gè)問(wèn)題所代表的的某個(gè)用戶的關(guān)鍵行為；S 是指實(shí)現(xiàn)業(yè)務(wù)目標(biāo)所采取的業(yè)務(wù)策略；M 反映業(yè)務(wù)目標(biāo)達(dá)成度、業(yè)務(wù)策略表現(xiàn)情況的數(shù)據(jù)指標(biāo)。

首先，我們要梳理業(yè)務(wù)策略和業(yè)務(wù)目標(biāo)，它一定是非常具體的、可執(zhí)行的、可度量的。

在前面我們提到的“幫助用戶找到物美價(jià)廉的商品”就不夠具體，可以進(jìn)一步做拆解——“物美”這一目標(biāo)對(duì)應(yīng)商品詳情頁(yè)的高轉(zhuǎn)化率；“價(jià)廉”對(duì)應(yīng)的是支付環(huán)節(jié)的高轉(zhuǎn)化率。通過(guò)這樣的拆解我們才能夠確定策略及目標(biāo)是能夠被度量的。這里需要解釋一下，我們的策略可能是層層嵌套式的，當(dāng)前的策略也有可能是下屬子策略的目標(biāo)。

接下來(lái)我們通過(guò)一個(gè)具體的案例來(lái)理解確定目標(biāo)、梳理策略的過(guò)程。

某消費(fèi)金融 App 場(chǎng)景中，用戶注冊(cè)之后要先進(jìn)行風(fēng)險(xiǎn)授信，平臺(tái)才能確定相應(yīng)額度并向用戶放款。通常情況下，該 App 會(huì)采取兩類(lèi)策略：

第一，在前端設(shè)計(jì)用戶路徑，引導(dǎo)用戶完成該流程。操作方式是當(dāng)用戶注冊(cè)之后直接把用戶引導(dǎo)至授信流程；如果用戶沒(méi)有完成授信，那么便在首頁(yè)的額度卡片上以低息高額度吸引用戶完成授信；同時(shí)，在首頁(yè)開(kāi)設(shè)新人專(zhuān)區(qū)，通過(guò)新人相關(guān)權(quán)益吸引用戶完成授信。

第二，當(dāng)用戶對(duì)以上策略都不“感冒”，那么我們可以在用戶離開(kāi)之后做主動(dòng)觸達(dá)，比如新用戶在 24 小時(shí)內(nèi)沒(méi)有完成授信，便通過(guò)短信觸達(dá)提醒用戶；如果用戶在 72 小時(shí)仍未授信，那么我們可以通過(guò)電話了解用戶下載 App 的初衷，傳遞相應(yīng)的價(jià)值主張吸引用戶完成授信。

以上流程僅僅針對(duì)授信模塊進(jìn)行策略梳理，實(shí)際的業(yè)務(wù)場(chǎng)景會(huì)更加復(fù)雜。如果我們用這種方式進(jìn)行梳理，那么我們的目標(biāo)對(duì)應(yīng)的策略會(huì)更有邏輯。

接下來(lái)我們分別通過(guò)目標(biāo)策略建模和業(yè)務(wù)策略建模來(lái)評(píng)估目標(biāo)和策略表現(xiàn)。

1. 四類(lèi)業(yè)務(wù)目標(biāo)建模方法（OM）

首先，通過(guò)數(shù)據(jù)評(píng)估各類(lèi)目標(biāo)實(shí)現(xiàn)程度。對(duì)于業(yè)務(wù)目標(biāo)本身，“工具”模塊可能會(huì)關(guān)心用戶使用的頻次，以及用戶使用過(guò)程中是否足夠順暢、體驗(yàn)感如何；“內(nèi)容”模塊希望用戶能夠在這里花費(fèi)更多的時(shí)間，也希望所提供的內(nèi)容是用戶感興趣的；“交易”模塊希望用戶能夠產(chǎn)生更多的購(gòu)買(mǎi)行為以及更高的客單價(jià)；而“社區(qū)”模塊則更希望用戶能夠與其他人發(fā)生更多聯(lián)系、互動(dòng)，結(jié)成親密的社交關(guān)系。

通過(guò)這樣的解讀思路，我們?cè)谑崂順I(yè)務(wù)指標(biāo)的時(shí)候就會(huì)更加明確：“工具”模塊關(guān)心操作的具體數(shù)量，如果是一個(gè)拍照的軟件，就關(guān)注用戶拍了多少?gòu)堈掌?；如果是題目答案搜索工具，就關(guān)心用戶是否找到了自己想要的答案。同時(shí)，在過(guò)程中關(guān)注用戶的目標(biāo)完成率。當(dāng)我們確認(rèn)了用戶使用過(guò)程是高效的，那么需要進(jìn)一步確認(rèn)用戶的使用頻率，用戶是否已經(jīng)養(yǎng)成使用習(xí)慣等。

“內(nèi)容”模塊會(huì)從用戶和內(nèi)容兩個(gè)角度進(jìn)行評(píng)估，用戶的數(shù)量是否足夠多、用戶花費(fèi)的時(shí)間是否足夠長(zhǎng)，這兩個(gè)指標(biāo)可以直接反映“用戶”的情況；而從內(nèi)容的角度看，瀏覽廣度可以評(píng)估內(nèi)容庫(kù)的庫(kù)存效率和分發(fā)效率，同時(shí)在這個(gè)過(guò)程中也會(huì)關(guān)注用戶是否產(chǎn)生了互動(dòng)，參與度如何等。

對(duì)于“交易”模塊，我們通常會(huì)關(guān)心交易金額和客單價(jià)，以此評(píng)估商業(yè)收益和單個(gè)用戶創(chuàng)造的價(jià)值；同時(shí)也會(huì)關(guān)心一些核心場(chǎng)景中的轉(zhuǎn)化效率，比如通過(guò)商品詳情頁(yè)或者支付環(huán)節(jié)的轉(zhuǎn)化效率，幫助我們?cè)u(píng)估用戶是否真的找到了自己需要的商品；也會(huì)通過(guò)用戶的復(fù)購(gòu)率來(lái)觀察用戶對(duì)產(chǎn)品的認(rèn)可和忠誠(chéng)度。

“社區(qū)”模塊則更多關(guān)注用戶互動(dòng)量、發(fā)布內(nèi)容的數(shù)量，當(dāng)互動(dòng)量和內(nèi)容量越多，社區(qū)活躍度越高，便能夠產(chǎn)生正向循環(huán)。另外，我們也會(huì)關(guān)注一些個(gè)人項(xiàng)指標(biāo)，比如他有多少個(gè)好友、日常會(huì)進(jìn)行多少個(gè)對(duì)話等，以此評(píng)估個(gè)人項(xiàng)關(guān)系的緊密程度。

2. 五種業(yè)務(wù)策略的建模方法（SM）

通常情況下，我會(huì)把業(yè)務(wù)策略的五種建模方法分為兩類(lèi)：白盒策略和黑盒策略。

白盒策略的設(shè)計(jì)邏輯較為清晰，包括長(zhǎng)效的功能模塊，設(shè)計(jì)單獨(dú)路徑引導(dǎo)用戶完成某個(gè)行為的短效引導(dǎo)機(jī)制，某個(gè)頁(yè)面的體驗(yàn)優(yōu)化等單點(diǎn)體驗(yàn)設(shè)計(jì)。而黑盒策略背后通常是復(fù)雜的算法，其中最常用的是推薦算法和識(shí)別算法。

（1）長(zhǎng)效功能模塊

我給長(zhǎng)效功能模塊做了一個(gè)比較嚴(yán)謹(jǐn)?shù)亩x——它是能夠獨(dú)立解決用戶問(wèn)題的模塊，或者是一個(gè)自成閉環(huán)的模塊。比如，單獨(dú)的一個(gè)內(nèi)容模塊、社交模塊，或者簡(jiǎn)單的搜索功能、語(yǔ)音助手功能等；進(jìn)一步來(lái)描述也可能是用戶的成長(zhǎng)體系等可以自成閉環(huán)的模塊，通過(guò)“完成相應(yīng)的任務(wù)、獲取積分、消費(fèi)積分”形成閉環(huán)。

對(duì)于長(zhǎng)效功能模塊，我們會(huì)通過(guò)三個(gè)角度來(lái)評(píng)估策略的好壞：

首先是功能使用情況，也就是功能運(yùn)轉(zhuǎn)情況如何，是否能夠滿足用戶需求？包括頻次、強(qiáng)度（如交易類(lèi)的金額、內(nèi)容類(lèi)的時(shí)長(zhǎng)）、留存率和目標(biāo)轉(zhuǎn)化率。

然后是功能覆蓋情況，即產(chǎn)品能夠解決多大范圍用戶的問(wèn)題？通常所使用的指標(biāo)是滲透率，以此評(píng)估我們需不需要為這個(gè)功能引入更多用戶。

最后是功能貢獻(xiàn)情況，功能對(duì)目標(biāo)達(dá)成的直接貢獻(xiàn)有多少？相比而言哪個(gè)更優(yōu)、哪個(gè)更差、哪個(gè)需要我們做進(jìn)一步的干預(yù)……

舉個(gè)例子，某瀏覽器產(chǎn)品的目標(biāo)是提升用戶使用時(shí)長(zhǎng)，其瀏覽器主模塊之下有短視頻、直播、小說(shuō)、游戲等子模塊，共同配合幫助用戶完成“消磨時(shí)間”的目標(biāo)。針對(duì)該瀏覽器，我們需要評(píng)估子模塊的使用情況、留存情況，以及每一個(gè)模塊分別的用戶情況及占比，來(lái)定位用戶接觸最多的模塊。

（2）短效引導(dǎo)機(jī)制

短效引導(dǎo)機(jī)制通常是一條業(yè)務(wù)路徑，或者單純?yōu)榱四骋粋€(gè)業(yè)務(wù)目標(biāo)去做引流的相關(guān)手段。通常我們會(huì)從三個(gè)角度進(jìn)行短效引導(dǎo)機(jī)制的評(píng)估。

第一，策略完成情況。有多少策略達(dá)成了引導(dǎo)目的？觸發(fā)了多少次？實(shí)現(xiàn)了多少次用戶點(diǎn)擊？目標(biāo)完成率是多少？

第二，策略覆蓋情況。覆蓋了多少目標(biāo)人群？比如進(jìn)入路徑的用戶占目標(biāo)大盤(pán)人群的比例是多少？策略觸發(fā)的用戶占目標(biāo)大盤(pán)人群的比例是多少？

第三，策略貢獻(xiàn)情況。各項(xiàng)策略對(duì)目標(biāo)達(dá)成的直接貢獻(xiàn)分別是多少？

舉個(gè)例子，某在線教育公司希望引導(dǎo)用戶完成激活，采取的業(yè)務(wù)策略是用戶參與活動(dòng)后的五天內(nèi)可以暢學(xué)平臺(tái)上的所有課程，基于此評(píng)估入口的點(diǎn)擊量、課程領(lǐng)取的點(diǎn)擊量，以及不同模塊帶來(lái)的有效學(xué)習(xí)行為的貢獻(xiàn)占比有多大等。通過(guò)這一整套機(jī)制評(píng)估每一類(lèi)短效機(jī)制，便可以發(fā)現(xiàn)值得關(guān)注的高質(zhì)量機(jī)制以及需要進(jìn)一步優(yōu)化的機(jī)制。

（3）單點(diǎn)體驗(yàn)設(shè)計(jì)

單點(diǎn)體驗(yàn)設(shè)計(jì)通常是一個(gè)詳情落地頁(yè)面的設(shè)計(jì)、一套交互動(dòng)作、一個(gè)圖標(biāo)或引導(dǎo)文案。我們會(huì)以流程轉(zhuǎn)化情況和用戶滿意度兩種方式來(lái)進(jìn)行評(píng)估。

1）流程轉(zhuǎn)化情況。適用于有明確下一步目標(biāo)的轉(zhuǎn)化場(chǎng)景，可以根據(jù)目標(biāo)達(dá)成率、人均點(diǎn)擊次數(shù)等指標(biāo)來(lái)進(jìn)行評(píng)估。比如進(jìn)入某零售品牌的官網(wǎng)，平臺(tái)會(huì)告知你注冊(cè)后可享受若干免費(fèi)權(quán)益，以此來(lái)引導(dǎo)你完成注冊(cè)。

2）用戶滿意度。適用于沒(méi)有明確引導(dǎo)目標(biāo)的體驗(yàn)優(yōu)化，通常會(huì)采用 NPS 評(píng)價(jià)、滿意度打分、相關(guān)投訴的數(shù)量等間接方式進(jìn)行功能評(píng)估。舉個(gè)例子，某生活 App 會(huì)通過(guò)統(tǒng)一設(shè)計(jì)語(yǔ)言來(lái)優(yōu)化視覺(jué)效果，為用戶帶來(lái)更好的體驗(yàn)，間接影響用戶的長(zhǎng)期留存。

（4）推薦算法

推薦算法常見(jiàn)場(chǎng)景包括：為用戶推薦內(nèi)容、商品，為用戶推薦 TA 可能感興趣的好友等，通常會(huì)從吸引指標(biāo)、完成指標(biāo)和性能指標(biāo)三個(gè)維度評(píng)估推薦算法的好壞，如下圖所示：

（5）識(shí)別算法

識(shí)別算法的典型應(yīng)用場(chǎng)景是電商平臺(tái)識(shí)別“羊毛黨”、識(shí)別可能會(huì)流失的用戶等，通過(guò)精準(zhǔn)識(shí)別和定位做及時(shí)精準(zhǔn)的干預(yù)，挽回不必要的損失。同樣，我們也可以通過(guò)精確率、召回率和 AUC 值來(lái)進(jìn)行識(shí)別算法的評(píng)估。我們用更形象一點(diǎn)的方式來(lái)描述算法，可以將它比作我們用來(lái)打漁的漁網(wǎng)：

精確率：假如你只想在魚(yú)塘里打撈魚(yú)，撒網(wǎng)之后發(fā)現(xiàn)完美地避開(kāi)了螃蟹和蝦米，這就說(shuō)明這個(gè)“漁網(wǎng)”有足夠的精準(zhǔn)率。

召回率：假設(shè)魚(yú)塘里一共有 100 條魚(yú)，它們是你的精確目標(biāo)，你在撒網(wǎng)之后撈上來(lái) 90 條魚(yú)，那么你的召回率為 90%；如果只撈上來(lái) 2 條魚(yú)，那么雖然算法具有足夠的精確率但是“漏網(wǎng)之魚(yú)”過(guò)多，仍舊需要不斷優(yōu)化算法邏輯來(lái)提升召回率。

AUC 值：是指模型在各種閾值之下的適應(yīng)情況，決定了模型在各種條件之下的適應(yīng)程度。

三、產(chǎn)品價(jià)值提升：以準(zhǔn)確的認(rèn)知、精益的量化來(lái)提升產(chǎn)品價(jià)值

為什么要用數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品價(jià)值的提升？之所以會(huì)提出這個(gè)問(wèn)題，是因?yàn)槲覀兊墓ぷ鬟^(guò)程中經(jīng)常會(huì)存在兩個(gè)痛點(diǎn)：怎么知道我做的是不是對(duì)的？怎么知道什么事情是更有價(jià)值的？

而數(shù)據(jù)的存在就是要幫助我們解決這兩個(gè)問(wèn)題。所以我將數(shù)據(jù)在執(zhí)行過(guò)程中的作用總結(jié)為三點(diǎn)：第一，觀測(cè)效果；第二，驗(yàn)證想法；第三，量化效益。基于這三點(diǎn)，我們可以進(jìn)一步了解數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品價(jià)值提升的五個(gè)步驟。

1. 根據(jù)業(yè)務(wù)目的，明確量化指標(biāo)
2. 梳理關(guān)聯(lián)業(yè)務(wù)策略，構(gòu)建評(píng)估體系
3. 控制影響因素，通過(guò)?A/B 測(cè)試驗(yàn)證因果邏輯
4. 多維分析數(shù)據(jù)，量化策略影響，排序優(yōu)先級(jí)
5. 基于準(zhǔn)確的原因，實(shí)施產(chǎn)品優(yōu)化

接下來(lái)我們將側(cè)重圍繞后面三個(gè)步驟做詳細(xì)講解。

1. 圍繞 A/B 測(cè)試數(shù)據(jù)分析，驗(yàn)證目標(biāo)和策略之間的因果關(guān)系

首先，我們講一個(gè)小故事：產(chǎn)品經(jīng)理通常會(huì)在新版本發(fā)布后，持續(xù)關(guān)注核心指標(biāo)的變化。若核心指標(biāo)上升，產(chǎn)品經(jīng)理會(huì)得到改版效果的正向反饋；但有時(shí)由于技術(shù)上暴露了潛在風(fēng)險(xiǎn)，因而執(zhí)行了版本回退，卻發(fā)現(xiàn)核心指標(biāo)仍在上漲，這時(shí)產(chǎn)品經(jīng)理便只能推翻原來(lái)的想法。

其實(shí)原因很簡(jiǎn)單，市場(chǎng)營(yíng)銷(xiāo)同學(xué)并沒(méi)有停止投放、運(yùn)營(yíng)同學(xué)仍有序發(fā)布裂變、拉新等促活的活動(dòng)，所以產(chǎn)品經(jīng)理就很難確認(rèn)核心指標(biāo)的提升是因?yàn)榘姹景l(fā)布帶來(lái)的，還是因?yàn)闋I(yíng)銷(xiāo)動(dòng)作、運(yùn)營(yíng)活動(dòng)帶來(lái)的。

因此，如果沒(méi)有控制變量的話，我們很難找到可靠的事實(shí)依據(jù)來(lái)確定目標(biāo)和策略之間的因果關(guān)系。所以，增長(zhǎng)專(zhuān)家們才常常會(huì)說(shuō)，只有隨機(jī)對(duì)照試驗(yàn)是建立因果關(guān)系的黃金標(biāo)準(zhǔn)。

再舉個(gè)例子，某資訊 App 在日常數(shù)據(jù)分析過(guò)程中發(fā)現(xiàn)，新用戶首周發(fā)布 3 條以上評(píng)論后，留存率較高。因此該 App 制定了引導(dǎo)用戶首周發(fā)布評(píng)論的業(yè)務(wù)策略。為了驗(yàn)證該策略的效果，運(yùn)營(yíng)團(tuán)隊(duì)通過(guò) A/B 測(cè)試做了對(duì)照試驗(yàn)。從數(shù)據(jù)上來(lái)看，雖然引導(dǎo)評(píng)論的策略得到了用戶評(píng)論量的明顯增加，但對(duì)留存的提升并沒(méi)有直接影響。

此時(shí)進(jìn)一步思考，該業(yè)務(wù)策略和目標(biāo)之間是因果關(guān)系還是相關(guān)關(guān)系？從因果的角度來(lái)思考，其實(shí)可能是新用戶在首周看到了 3 條以上感興趣的內(nèi)容，才導(dǎo)致他發(fā)布了 3 條以上的評(píng)論，進(jìn)而對(duì)起留存有一定的影響。

基于因果關(guān)系來(lái)思考，我們可以通過(guò)優(yōu)化推薦算法，為用戶推送他感興趣的內(nèi)容，來(lái)達(dá)到促留存的目的，這可能是更正確的方向。

2. 排序工作優(yōu)先級(jí)最大化產(chǎn)出，量化策略對(duì)目標(biāo)的影響程度

量化策略對(duì)目標(biāo)影響程度的方法有三種：

1. 獨(dú)占式權(quán)重。多個(gè)策略共同達(dá)成同一業(yè)務(wù)目的，各策略獨(dú)立貢獻(xiàn)指標(biāo)數(shù)值。比如我們剛才所提到的瀏覽器的例子，游戲、直播、小說(shuō)等子模塊共同配合幫助用戶解決消磨時(shí)間的問(wèn)題，其量化方法便是計(jì)算用戶在每個(gè)模塊使用時(shí)間所占的份額。
2. 歸因算法權(quán)重。多個(gè)策略協(xié)作達(dá)成同一業(yè)務(wù)目的，策略之間存在協(xié)作、重疊關(guān)系。產(chǎn)品中常見(jiàn)的 Banner、分類(lèi)導(dǎo)航等其他入口模塊共同承擔(dān)著向詳情頁(yè)引流的作用，因此需要采取科學(xué)合理的方式分配其貢獻(xiàn)。在神策分析中，針對(duì)此問(wèn)題的常用方法有首次歸因、末次歸因、平均歸因等。
3. 業(yè)務(wù)經(jīng)驗(yàn)打分。有時(shí)候僅使用策略的直接指標(biāo)來(lái)評(píng)估并不全面，需要引入其他維度綜合打分。比如預(yù)估當(dāng)前策略能夠?qū)Χ嗌儆脩舢a(chǎn)生影響、開(kāi)發(fā)難度如何、是否有足夠的事實(shí)依據(jù)等。在不同場(chǎng)景下的打分方式可能不同，考量的維度也會(huì)有所不同。

3. 基于準(zhǔn)確的原因確定怎么辦，實(shí)施產(chǎn)品優(yōu)化和策略迭代

當(dāng)我們確定了工作優(yōu)先級(jí)，接下來(lái)就需要基于準(zhǔn)確的原因來(lái)實(shí)施產(chǎn)品優(yōu)化和策略迭代。

舉個(gè)例子，某電商 App 一開(kāi)始的商品設(shè)計(jì)是沉浸式體驗(yàn)版的大圖，除了商品之外沒(méi)有任何其他修飾。為了配合某場(chǎng)營(yíng)銷(xiāo)活動(dòng)，運(yùn)營(yíng)同學(xué)在商品圖上增加“滿 399 減 20”的優(yōu)惠文案邊框，但增加文案邊框后的大圖點(diǎn)擊率反而有所下降，針對(duì)此，我們可以猜測(cè)：一是用戶更喜歡沉浸式產(chǎn)品圖，增加邊框后影響美感；二是優(yōu)惠文案邊框會(huì)讓用戶產(chǎn)生“產(chǎn)品是否為正品”的擔(dān)憂。

為了進(jìn)一步驗(yàn)證猜測(cè)，運(yùn)營(yíng)同學(xué)在文案邊框之外增加了關(guān)鍵字“正品保證/支持驗(yàn)貨”，觀察一段時(shí)間后發(fā)現(xiàn)點(diǎn)擊率有了明顯提升。如此便證實(shí)了優(yōu)惠文案邊框給用戶帶來(lái)產(chǎn)品質(zhì)量顧慮的猜測(cè)，也可以基于此做其他產(chǎn)品的商品圖改版。

實(shí)際上，用戶的轉(zhuǎn)化行為背后對(duì)應(yīng)一套決策的天平，通過(guò)我們兩次策略改版，我們可以發(fā)現(xiàn)這個(gè)案例中影響用戶決策的因素有三個(gè)：價(jià)值的感知；安全的顧慮；價(jià)格的阻力。每個(gè)用戶心中的天平是不一樣的，可能當(dāng)我們降低了用戶在安全和價(jià)格方面的顧慮，便會(huì)有更多用戶發(fā)生轉(zhuǎn)化。

不過(guò)除價(jià)值、價(jià)格和安全三方面之外，也會(huì)有一些其他因素對(duì)用戶決策產(chǎn)生影響，比如物流效率等，向用戶傳達(dá)“你可以更快收到商品”的訊息。大家可以結(jié)合實(shí)際業(yè)務(wù)場(chǎng)景做更深入的思考并完善用戶決策模型。

當(dāng)我們進(jìn)行了多次 A/B 測(cè)試之后，對(duì)決策模型的理解會(huì)更加完善，接下來(lái)，我們就有了能力去微操這個(gè)認(rèn)知模型下的策略。

怎么理解呢？舉個(gè)例子，對(duì)于品牌官網(wǎng)來(lái)說(shuō)，通常只需要沉浸式體驗(yàn)大圖來(lái)做商品宣傳，并不會(huì)將直接轉(zhuǎn)化作為核心指標(biāo)；對(duì)于經(jīng)銷(xiāo)網(wǎng)店來(lái)說(shuō)，因?yàn)橛斜姸喔?jìng)爭(zhēng)對(duì)手，需要采取價(jià)格策略搶占更多市場(chǎng)份額，因此會(huì)選擇優(yōu)惠激勵(lì)版本；而對(duì)于一些信譽(yù)度堪憂的第三方平臺(tái)，為了獲取用戶最大程度的信任，就需要對(duì)商品質(zhì)量做出保證，選擇優(yōu)惠 + 信任的版本效果更佳。

在該過(guò)程中，品牌官網(wǎng)、經(jīng)銷(xiāo)商和第三方平臺(tái)不同做法的差異其實(shí)是背后客戶群體的差異，因此需要各自針對(duì)自己平臺(tái)用戶進(jìn)行試驗(yàn)，并調(diào)整出適合自己的方案。這也就是我們所說(shuō)的微操，也就是說(shuō)：別人的不一定是好的，只有不斷尋找和試驗(yàn)才能找到更適合自己的。

最后總結(jié)一下，數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品價(jià)值提升的核心原則是，以準(zhǔn)確的認(rèn)知、精益的量化來(lái)提升產(chǎn)品的價(jià)值。同時(shí)也只有這樣，我們才能夠正確地操控自己的業(yè)務(wù)，掌握自己產(chǎn)品的命運(yùn)。

作者：簡(jiǎn)寧，神策數(shù)據(jù) A/B 測(cè)試交付方案負(fù)責(zé)人

本文由 @神策數(shù)據(jù) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash，基于CC0協(xié)議。