編輯導(dǎo)讀：作為一個策略產(chǎn)品經(jīng)理，要對重視用戶的反饋數(shù)據(jù)，尤其是負(fù)反饋。負(fù)反饋是比正反饋更有用的信息，作為用戶的主動反饋行為，其可信度更高。本文作者從自身工作經(jīng)驗(yàn)出發(fā)，對用戶負(fù)反饋數(shù)據(jù)收集展開分析，希望對你有幫助。

（以下數(shù)據(jù)均進(jìn)行脫敏處理，不涉及公司業(yè)務(wù)真實(shí)數(shù)據(jù)）

推薦系統(tǒng)都是基于用戶的靜態(tài)特征和動態(tài)特征來進(jìn)行內(nèi)容推薦，靜態(tài)特征基本上是永久或長期不會發(fā)生變化的特征，例如用戶年齡、性別、職業(yè)等；動態(tài)特征則和用戶當(dāng)前場景下的興趣愛好息息相關(guān)，動態(tài)特征又分為正反饋和負(fù)反饋。正反饋就是用戶根據(jù)推薦系統(tǒng)推送的內(nèi)容進(jìn)行點(diǎn)擊、消費(fèi)時間等一系列行為，而負(fù)反饋則是比正反饋更有用的信息，作為用戶的主動反饋行為，其可信度更高，應(yīng)該被重視。

01 背景

產(chǎn)品的主要用戶基本上為小孩，存在非小孩用戶的推薦列表會受到主流用戶愛好干擾的現(xiàn)狀，尤其是在開學(xué)季，非小孩用戶的列表和節(jié)假日存在巨大的差異，因此有必要在優(yōu)化推薦系統(tǒng)的同時新增用戶負(fù)反饋功能。

（這里主要是講收集數(shù)據(jù)之前的工作，后面還會總結(jié)收集的數(shù)據(jù)如何使用）

02 項(xiàng)目過程

1. 競品分析

收集數(shù)據(jù)之前，會發(fā)現(xiàn)產(chǎn)品目前并沒有這個功能可以協(xié)助用戶進(jìn)行反饋，還是需要從頭開始做，因此，我參照了幾個用戶量比較大的產(chǎn)品，并非是真正的競品，但也能學(xué)到一些東西；經(jīng)常使用信息流產(chǎn)品的人應(yīng)該會很熟悉今日頭條；二次元深度患者則多使用b站；數(shù)碼生鮮產(chǎn)品愛好者則多會了解京東一些。

這三個產(chǎn)品，剛好都有做負(fù)反饋功能，如下圖（依次是12京東，34今日頭條，5b站）：

會發(fā)現(xiàn)，雖然只是一個小小的反饋功能，每個產(chǎn)品卻各有特色：資訊類產(chǎn)品負(fù)反饋因?yàn)樯婕暗接脩粼谛畔⒘鞯膶?shí)地感受，因此負(fù)反饋功能做的較為復(fù)雜，便于更精準(zhǔn)的掌握用戶的喜好；b站則更注重用戶的心里感受，會做出及時反應(yīng)以及用戶安撫，但無過多選項(xiàng)；電商類產(chǎn)品負(fù)反饋則相對簡單粗暴，不喜歡就干掉，方便快捷；三者各有特點(diǎn)，需要從我現(xiàn)在的實(shí)際需求出發(fā)，取長補(bǔ)短。

我目前的需求僅停留在數(shù)據(jù)收集層面，因此會傾向于較為簡單粗暴的方式，但考慮到游戲圖標(biāo)較小的現(xiàn)狀，采取了長按觸發(fā)的情況；

2. 數(shù)據(jù)預(yù)估

做一個功能之前，還有一點(diǎn)較為重要，也容易被大家忽視。那就是功能的覆蓋率（可以簡單的理解為功能的使用人數(shù)比例），這一點(diǎn)是很有必要做的，因?yàn)檫@決定了這個功能產(chǎn)生好或不好的數(shù)據(jù)影響波動范圍。

我這里的預(yù)估方式，是選取了之前的一個用戶給游戲打星級分?jǐn)?shù)的覆蓋率，預(yù)估了覆蓋率（最后的覆蓋率，和預(yù)估的數(shù)據(jù)幾乎無差異）。

3. 功能設(shè)計(jì)

雖然負(fù)反饋功能覆蓋率我預(yù)估在4%-5%左右，不會對大盤數(shù)據(jù)產(chǎn)生什么顯著影響，但還是需要謹(jǐn)慎，因此對功能的生效條件做了限制，功能根據(jù)用戶活躍天數(shù)靈活可控，配置開關(guān)，用戶引導(dǎo)次數(shù)靈活可配置，避免新手引導(dǎo)過多導(dǎo)致數(shù)據(jù)變差；

4. 需求評審與測試

需求文檔需要考慮到很多層面：

• 客戶端的開發(fā)邏輯、是否存在不能實(shí)現(xiàn)的需求點(diǎn)；
• 實(shí)驗(yàn)的結(jié)果預(yù)估，數(shù)據(jù)變差的下一步優(yōu)化需求預(yù)估，盡量做到最好；
• 產(chǎn)品自測的時候哪些地方需要格外注意；
• 數(shù)據(jù)埋點(diǎn)設(shè)計(jì)，需要以需求的最終目的為導(dǎo)向，進(jìn)行埋點(diǎn)設(shè)計(jì)，不設(shè)計(jì)多埋點(diǎn)浪費(fèi)資源，也不會缺少重要埋點(diǎn)；

5. AB test

功能上線后開實(shí)驗(yàn)驗(yàn)證數(shù)據(jù)效果，實(shí)驗(yàn)結(jié)果也基本在掌握之中，且和預(yù)估的結(jié)果差不多——新用戶數(shù)據(jù)有微微下降，推測是新手引導(dǎo)過多，因此在后期數(shù)據(jù)收集的時候靈活配置了實(shí)驗(yàn)，新用戶功能生效但不引導(dǎo)；

6. 總結(jié)閉環(huán)

實(shí)驗(yàn)結(jié)束需要完善實(shí)驗(yàn)報(bào)告進(jìn)行項(xiàng)目閉環(huán)，且需求也達(dá)到了之前最初的目的：在用戶核心數(shù)據(jù)不變的前提下，收集用戶負(fù)反饋數(shù)據(jù)。

03 項(xiàng)目復(fù)盤

1）目光長遠(yuǎn)與數(shù)據(jù)收集

負(fù)反饋是一個需要長期維護(hù)的工作。在覆蓋率和數(shù)據(jù)量比較少的情況下幾乎起不了什么作用，也不能左右大盤的數(shù)據(jù)，但也是需求去做的，慢慢的積累，負(fù)反饋結(jié)果是比用戶正反饋更加真實(shí)準(zhǔn)確的訓(xùn)練模型的正例樣本；

2）數(shù)據(jù)預(yù)測與功能類比

覆蓋率預(yù)估。功能設(shè)計(jì)之前，要明確功能的使用覆蓋率，如何預(yù)估其實(shí)是很簡單的，需要類比其他類似功能，進(jìn)行數(shù)據(jù)查詢，就能大概的預(yù)估其帶來的數(shù)據(jù)收益；

3）結(jié)果預(yù)測與需求靈活

需求在做之前，一定要考慮和預(yù)估到每一步的結(jié)果以及接下來的應(yīng)對方法，這樣才會避免反復(fù)做同一件事，需要有好的思考方式和做事習(xí)慣。

加油，打工人！

本文由 @王珂 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。