产品设计 ·

產品增長實踐:設計 > 數據 > 算法

本文結合實際案例,講解了設計是如何影響業務數據,影響到底有多大?理解設計-數據-算法三者之間的關係,以及對增長的影響。產品上下游團隊該如何協同,通過數據驅動業務增長?

之前寫了篇:產品增長中注意的事:設計>數據>算法。

這次結合實際案例,虛擬了一個例子來講下,主要講了3點:

  1. 設計是如何影響業務數據,影響到底有多大?
  2. 理解設計-數據-算法三者之間的關係,以及對增長的影響。
  3. 產品上下游團隊該如何協同,通過數據驅動業務增長?

用戶體驗是基礎,業務增長是根本

假設大寶是一家線下智能貨櫃的公司,主要售賣飲料和零食,在某市有10000個貨櫃,櫃機大概長這個樣子。櫃機兩邊是封閉的貨架,可以直接看到裡面的商品,中間有一個大屏幕,用戶在可以在屏幕上選擇商品,然後付款,完成整個購買流程。

櫃機的成本非常高,飲料需要低溫存放,需要製冷設備,加上櫃機機身和一套智能控制系統,僅是硬件部分就需要5萬塊錢,10000台設備硬件成本就有5億了。

鋪設櫃機需要投入大量的資金,大寶的資金壓力非常大。商品售賣是公司的主營收入,所以公司的KPI是櫃機收入。

那麼如何提升單櫃機收入呢?

筆者以前的想法在營銷和體驗上做文章:一方面在櫃機身上加大宣傳;另一方面保障用戶體驗,讓用戶在最短的流程完成購買操作?提高轉化率?

除此之外,還有什麼方法能提升櫃機收入呢?筆者成立了一個增長小組:通過數據驅動業務增長?

為了了解業務現狀,增長團隊先分析了過去的業務情況:

(1)公司現有10000個櫃機。

(2)平均每天每個櫃機成交100單。

(3)80%以上的用戶買了礦泉水。

(4)不同區域用戶對價格敏感度不同。

  • 旅遊景區的用戶喜歡購買價格偏高的商品。
  • 街道區域的用戶喜歡購買價格偏低的商品。

櫃機現有界面都是復用一套方案,雖然櫃機本身會自動檢測上架的商品,來決定屏幕上顯示的內容,但是並未對顯示排序的邏輯做任何的處理。增長團隊的L想:既然不同區域用戶偏好不一樣,能不能通過交互設計來影響用戶的決策,提高售賣商品收入?

筆者櫃機商品最初版本1的首頁布局如下,設計團體的想法是採用大圖顯示商品,減輕視覺負荷,營造購物氛圍。

理解設計是如何通過視覺流影響用戶決策

還好公司對之前界面的關鍵操作都做了埋點,L拉取了過去半年的全網商品位置的點擊數據,想看看有什麼邏輯。

先是分析訂單商品,不同的櫃機放置的商品不同,每天賣的主要都是礦泉水,不過這也在意料之中。

接下來再分析用戶的點擊數據,想了解用戶是如何決策的?

他們先是匯總了一個月每個坑位位置的點擊量,分佈情況如下:

我們總結了版本1的點擊規律,每個坑位的點擊比例分佈相對比較穩定,肯定不是巧合。

是不是設計產生的影響呢?用戶視線停留的位置,更容易被點擊?

我們發現點擊分佈呈現古騰堡規律:

結合之前查找歷史記錄得知:早期公司考慮大部分人買礦泉水,為了方便用戶購買,放在第一個位置。會不會因為這個原因,第一個點擊量高呢,上面的視覺流正好的巧合呢?

我們可以把礦泉水放到商品2的位置,看下點擊情況:

商品2的位置點擊比例上來了,除了商品1的點擊比例下來了。

另外,除了商品2固定放置礦泉水外,其它位置的商品經常會變,但點擊比例基本保持不變。但是首位置仍然明顯好於其它位置點擊比例,可以說明:在兩行商品分佈的設計下,用戶瀏覽商品的視覺流呈現古騰堡模型的。

根據這個信息,我們可以抽象出原則,指導運營策略:

  1. 在視覺流分佈線上,商品曝光要遠大於其它產品。
  2. 對於礦泉水作為通用高頻需求商品,商品位置對點擊率的影響較小。
  3. 對於其它小眾化非高頻需求商品,商品位置對點擊率的影響較大。

增加一行會怎麼樣呢?

雖然版本1的兩行設計簡潔,沉浸感強。但老闆覺得單屏放得商品太少,現在商品越來越多了,儘可能要一次性曝光。用戶不可能一屏一屏地翻頁來看商品,「要再加一行商品」老闆說。

「再加一行就變成了九宮格了,不好看吧?要不,每行先加一個商品?」設計同學Y說。

「好,就按你說的來」老闆說。

Y很快推出了版本2。上線一個月後,L統計了點擊分佈比例情況,還是跟預測的情況基本一致,在古騰堡視覺流上的商品位置,明顯高於其它位置。

再來看一看商業數據:單櫃機日均訂單數並沒有增加,櫃機的總體的點擊量也並沒得到增加。某種程度上說明,新加的商品並沒能激起用戶的興趣,查看更多的商品。另外,每行4個商品的設計也帶來了另一方面的影響:在同等情況下,不同商品之前的點擊分佈變得不均勻,運營策的同學很難集中火力主推某一個商品。

由於版本2並沒有為營業帶來實質的增長,老闆說再一個思路再看看「既然單行增加商品不行,就增加一行吧,看看怎麼樣?」

「那就成九宮格,不太好看吧。數據估計也不一定好,版本2都不行」設計同學Y說。

「做一版出來,先看一看效果吧」老闆說。

Y按照老闆的意思,推出了版本3:「先做一版,跑段時間看看吧」老闆就是想試一試,看能不能多賣些商品。Y就按老闆的意思推出了版本3。

版本3上線了,L一直監控後台點擊數據,看會對收入有沒影響?

這次改版比較大,相較版本1和2,商品位置都要多。L擔心用戶體驗不好,可能會影響礦泉水的售賣情況,就把固定在商品1位置。數據跑了一個星期之後,L整理數據發現:

  1. 單櫃機的日均訂單並沒有減少,而客單價略有提升。
  2. 而商品位置的日均總點擊量比版本1提升了50%。

而商品位置點擊比例的分佈並沒像版本1那樣,呈現了Z字型,並不像版本1那樣,L做了下總結:

  1. 在超過兩行的設計情況下,用戶的視覺流分佈呈Z字型。
  2. 處在視覺流路徑上的位置,更容易比其它位置獲得點擊。
  3. 在視覺起點,終點,停留點的位置,又比視覺流上其它位置更容易獲得點擊。

L繼續拉取櫃機一個月的點擊數據,查看了分佈情況:不同坑位點擊分佈較版本1,2都更為均勻。在總體點擊提升的情況下,較好地平衡了不同位置的流量獲取。

藉助數據指導設計

有了版本3的經驗,L得到一個重要的內容:不同的設計對用戶視覺流產生不同的影響,從而影響用戶的的選擇。

既然如此,增長團隊想做個嘗試:

  1. 利用視覺流效果,在重要位置主推高利潤的東西,刺激用戶購買。
  2. 把強需求的商品,放在次要位置,改變視覺流,從而帶動附近商品的曝光。

經過老闆的溝通,他們在不改變版本3的情況下,調整了礦泉水的放置位置,將其放到商品2,原有商品2的脈動放置在商品1,暫且稱它為版本3-1。

上線一個月之後,發現:

  1. 單櫃機日均訂單量略有增長,增幅也就只有1%。
  2. 商品1位置的脈動訂單量明顯較之前有一些提升,增幅達到5%以上。
  3. 商品6位置的點擊量和訂單數有所提升。分析發現:用戶視覺在走到商品2時發生了停留,影響一些用戶的選擇,又產生了古騰堡視覺流,從而對商品6的曝光和點擊產生的補償。
  4. 商品2位置的礦泉水訂單量有所有下降,但並沒影響單櫃機的日均收入。
  5. 新策略使得高利潤的商品獲得了更多的曝光,提升了客單價,整體營業收入上漲了10%。

新策略下的收入增長是通過提升客單價來實現的,但有沒方案能夠提升單櫃機的日均訂單。要是能提升日均訂單,那單櫃機的收入可以有較大的增長。

再小的數據也蘊藏着業務信息

如果你看得比較仔細的話,會發現:比例圖分佈中有些商品點擊比例分佈呈競爭關係:

  1. 版本1中,各個商品並未發現太大的競爭。
  2. 版本2和版本3中,商品1和商品9呈現此消彼漲的情況。

為什麼會發生這種情況呢?

不論是版本2還是版本3,發生競爭的商品都是同類商品,恰巧兩個商品都處在視覺流的重要位置,容易得到曝光。用戶只會在兩者之前選一個,選擇了前一個,就不會選擇后一個。反之,也是一樣。這就是競爭的原因。

有意思的是,兩個商品的競爭有周期性規律,總是前面幾天競爭明顯,後幾天減弱。

為什麼會這樣呢?

每個櫃機存放東西有限,公司每周定期都要補貨,填補賣出的商品。前面講了,版本1和3中,除了商品1位置固定放置礦泉水外,其它商品都是根據補貨的情況,隨機出現。競爭發生的時間正好跟商品更新的時間吻合。

所以,兩個版本在用戶看來,商品1固定,商品8不一樣。當商品8周期性更新時,視覺上發生了變動,用戶可能因為新鮮好奇查看了商品8。當商品展示了一段時間后,用戶視覺就會產生疲勞,不再點擊後面的商品。兩者之間點擊取得平衡。而當商品8再次更新時,平衡再次被打破。

怎麼才能消除商品之前的競爭呢?

總不能不更新商品吧,即使是固定商品8的位置,本質上兩者還是有競爭關係的,只不過是消除了更新產生的波動,而看到不過是競爭后的再平衡。

換一個角度來講,更新的波動也是有利的,能教育用戶商品的更新,有利新品的曝光。競爭不能消除,那能不能減弱,反而利用好曝光的競爭關係?

增長團隊的同學提議,要不我們放個不同品類的商品試試吧。

你放置兩個飲料,我肯定只會選一樣啊。要是搞個搭配,比如一個放可樂,一個放小魚乾,可能兩個我會買。

「那我們就試一試唄。」有了前面改版的效果,老闆對新策略挺有信心。增長團隊在版本3-1基礎上做了改進,在不改變其它位置的商品情況下,商品8和商品9放置小吃的零食。

數據又跑了一個月後發現:

  1. 單櫃機的日均訂單量有明顯的提升,增幅達到30%。
  2. 同一用戶同時購買商1和商品8或商品9的比較多。顯然,新策略生效了。
  3. 商品8和商品9的競爭明顯了,存在此消彼漲的情況。

「要不我們再進一步優化,將視覺流路徑上的商品品類都區分開來,避免產生競爭。」增長團體隨機調整了商品位置策略:按用戶的購物習慣,在視覺流路徑上放置容易讓用戶搭配購物的商品。

「那我們擺放的商品豈不是亂了樣,一眼看過花里胡哨的。用戶體驗一點都不好,買個想要的飲料,可能都要找半天。」設計同學不建議這麼做。

「看看今日頭條,展示的東西不也亂七八糟的。用戶口頭上說推薦的不是自己想要的東西,身體還是很誠實。推過去的東西不還是點點點,比以前分類的點擊好多了。」L說。「還是先上線,看看數據再說。」

上線了一個月後,單櫃機的日均訂單量增長了5%,日均收入也增長了5%以上,團隊挺興奮。

「我覺得還有上漲空間。只要你們肯想,一定有方法,相信自己。今年的年終獎就看我們的成績了。」老闆開始有點灌雞湯,給團隊畫餅。

精細化運營,算法來幫忙

增長團隊開始思考:還能有什麼方法提高收入,能想的都已經想了。除非再做精細化點?

不同櫃機放置的場所不同,用戶的購買場景不同。街道的人群傾向購買日常喜歡的商品,旅遊區的人群傾向購買好玩新鮮的商品。

為什麼不做智能推薦呢?

我們每天有大量的用戶行為數據,完全可以分析不同場所用戶群體的偏好,然後現結合交互設計的原則,讓合適的商品展示在合適的位置。

引導:

  1. 同一用戶多購買不同品類的商品。
  2. 同一商品儘可能買高利潤的。

「那我們才能做到:讓合適的商品展示在合適的位置上呢?」大家都很好奇。L列出一個公式:

總毛利潤=總訂單數x平均單筆利潤

「我們年終獎就靠它了,不管我們設計怎麼變,商品位置怎麼變?雖然我們的KPI是收入,公司最終要的還是利潤。毛利潤都是這個公式,也點類似電商GMV。」L繼續說。但我們需要拆開來看單櫃機數據:

單櫃機毛利潤=商品1x利潤1x訂單1+商品2x利潤2x訂單2+……+商品nx利潤nx訂單n。

這樣為了便於我們做精細化運營,既然不同櫃機擺放位置不同,面向用戶群體不同。那我們就搞個算法,像淘寶一樣,他們個千人千面,我們千櫃千面。淘寶做線上,針對個人分發商品。我們做線下,針對群體分發商品。至於商品位置怎麼放置,都交給算法,由增長同學來處理,設計合適的策略。只有在需要的時候,我們再去干涉算法。

增長團隊覺得挺有意思的,每個柜子商品擺放位置都由算法來決定。我們有10000個柜子,每個柜子每周測試一種策略,相當於一周做了10000個A/BTest。

L說,我們要注意兩個核心指標:

  1. 訂單數。單櫃機訂單數與過去一個月數據相比,下行波動區間只能在10%以內,總訂單數下行波動區間只能在3%以內,兩者上行區間不限,越高越好。訂單數代表了我們的用戶需求滿足情況,是長期指標,權重高。如果用戶下的訂單數少了,運營的可持續性就差了。即使通過提升單筆利潤提升總毛利潤,也是不可持續的。
  2. 平均單筆利潤。單櫃機的平均單筆利潤與過去相比,下行波動區間可以在15%以內,全量櫃機平均單筆利潤下行波動區間只能5%以內。利潤代表公司獲取的商業價值,是短期指標,權重次於訂單數。在訂單數增長的情況下,可以容忍利潤下降,來換取長遠的收益。

正確理解設計,數據和算法三者的關係

新的方案是否會有效?研發團隊持質疑態度:其實在你們搞算法之前,我們就做過,效果並不好,反正我知道訂單數基本上沒什麼增長?

「是在版本1的基礎上嗎?」L問。

「版本1,版本2都做過嘗試呀,沒用的。」研發同學G說。

「那你看現在的版本訂單量不就增長了,跟版本1,都增加了30%以上呢?」L說。「對啊,所以我覺得算法沒用,搞來搞去發現最後是因為設計的問題。我們再怎麼努力,還不及界面變一下」研發同學G說。

「之前的方法不對,設計主導了用戶的購買決策。算法再怎麼用力提做不了大的提升。你看後面,版本3布局沒有變動,我們在視覺流的基礎上做了商品搭配策略,訂單量就一下子上來。這也是算法的一種啊,只不過是我們人為制定規則,通過數據反映出來了。至少最理想的搭配是什麼樣的,就要看算法的。當前,這一切的前提是設計在正常的方向上。」L說。

G覺得有道理。畢竟,前面連續的業務數據,足以說明一切。只有正常方法,才能發揮算法的價值,先有設計,再看數據,然後再考慮算法。

設計 > 數據 > 算法

增長與團隊協作

為了後續持續優化,增長團隊拉上了運營,產品,設計和研發同學,一起總結了協作經驗:

  1. 核心數據是最終驅動力,各個團隊必須要捆綁一起來合作。
  2. 每個團隊在處理好專業領域之外,要關注自己所負責事項對數據產生的影響,且要有量化的結果。

而後,大家又一起制定了產品原則,來指導產品協作:

  1. 需求從運營到產品,設計,再到研發。每個團隊都要理解所處崗位對業務核心數據的影響,影響有多大。影響的權重越大,越要謹慎。
  2. 從設計到數據,再到算法。需要制定出合理的規則,指導產品的設計,運營和開發:設計的依據是什麼(比如總結上方視覺流原則)?運營的依據是什麼?算法調整的依據是什麼?
  3. 在需求實現環節中,要思考:依據現有的規則,我的工作將如何改變當前的商業行為,並對結果做出量化的預測。

在你所負責的業務里,你會關注哪些業務指標呢?每個指標都有特定價值,如果你不清楚,不妨列出你知道指標,然後問自己:依據這個指標,我將如何理解或改變當前的商業行為?

小試身手

假如你來負責增長團隊,老闆有一天再次發出挑戰:要把訂單量再往上提一成。你會怎麼做呢?

#專欄作家#

lei,微信公眾號:monster_talks,人人都是產品經理專欄作家。豐巢產品經理。主導過智能硬件,物流行業的啟動項目。專註To B業務策劃和數據分析,輔助業務決策。

本文原創發佈於人人都是產品經理。未經許可,禁止轉載。

題圖來自Unsplash,基於CC0協議

参与评论