打破边界-设计思维和产品思维之间存在差异（下）

前半部分讲的是交互设计部分，下面继续讲一些产品相关的。

讲到设计更多的是偏向于一个感性的，但是如果谈到产品的话，其实还是有很多理性的因素在里面，比如说大家最关注的的，数据。数据一定是每个人都要去关注的东西。因为你做一件事情，你要创造价值，你要拿到结果，如果一个产品或者是一个设计师，你在做的过程当中拿不到结果，到最后你往往是非常被动的。以为你没法去衡量你的价值是什么。

还有一些就是你要关注于渠道，因为渠道一直在变，要关注一些日活、留存、月活，还要知道一些市场营销相关的东西，或者是开发，用户研究，后面具体的例子里再讲。

同样你也是依托于一些方法工具或者是理论去做这些事情，然后你会发现，不仅仅只有用户体验，只有用户体验是不够用的。当然这个不仅仅是产品经理要做的事情，作为交互设计师的话也可以跳出来去看到其他的一些东西。

所以产品的话，平时会做一些行业研究，这个行业里面发生了一些什么样的事情，别人都在干什么，会去做一些竞品分析。这个竞品分析和交互设计师相比起来，可能不仅仅聚焦于功能上面，也有可能是聚焦于他的市场是怎么定位的，后期是怎么运营的，还有一些数据分析、包括产品设计，需求挖掘这些。

其实对于需求挖掘这一部分是最关键的。

所以就要求你要清晰的了解产品上线的各个环节，你要了解你的产品，以及运营，包括推广，推广阶段的一些渠道。

下面举个例子，讲讲用户是如何看待你的产品的。这里的用的方法是多渠道的舆情分析。

我们会有自己的后台反馈，同时会有自己用户群，还有一些应用市场的反馈。

那么，针对这几种不同的反馈来源，它有一个什么样的侧重，每个反馈来源，我们可以怎么样去处理，可以省时省力的把这部分东西给挖掘出来。

先说第一个：应用市场。

应用市场的话一般收集来的主要内容就是评分和评论，然后用户类型的话，有新用户和老用户，分析侧重点的话，关键是他的评分，还有一个是情感分析，就是他对你们app的情感是正向的，还是负向的，如果负向的原因是什么。

还有一个是时间序列，指各个版本的评论的波动。这个后面会有具体的例子来讲，为什么会有这个时间。这个特征的话就是需要长期的监测评论数据。

第二个是后台的意见反馈，总体而言分为两部分。

一是意见和建议，主要是来反馈的用户，往往是对你的app整个价值比较大的用户，是忠诚用户，因为他来给你提的反馈一般是，我现在用的怎么样，我觉得怎么怎么样可以更好。所以他对你这个app是非常忠诚的，他是想留下来用的，才会费这个心思找这个入口去给你一些反馈，所以对于这部分的分析侧重点，我们往往聚焦于一个主题分析，因为有大量的反馈数据，我们不可能人工搜索。主题分析的意思是说，他聚焦于哪一块，可能很多人对于哪个模块不满，那做完这种主题分析之后，这个模块就要引起我们强烈的关注。

忠诚用户的意见建议的话大多是需求类，这个体现的是用户期望参与到产品当中。

还有一些后台意见反馈，一般是是一些问题的咨询。这部分人有新用户也有老用户，它需要做的也是一个主题分析，因为他既然来问可能就是他用的过程当中出现了一些阻断（他用着用着发现用不下去了），所以他会来问一下或者说他会提一些使用的评价。各大社交平台，往往是我们第一时间要去处理的，因为一旦发表在在社交平台上，很有可能是已经非常不满了，并且会引起传播，所以我们客服精力第一时间都是用在社交平台上的。

其实对于一个量级相对来说比较大的产品来说，这些整个的内容会有很大量的数据。怎么样省时省力的把这些大量的数据给拎出来，并且拿到一个结果呢？

我们找到一种性价比比较高的方式。就是我们会做：内容分析。

基本流程是这样的：

先用一些编码规则把这些大量的文本信息转变成定量的数据。具体怎么做的呢：比如说应用市场这些渠道，我们会找开发用爬虫，把这些文本来源全部都爬出来。而且文本全部都提取出来，提取出来之后会做一个初步的处理，所谓的初步处理就是说有的应用商店里尤其是安卓的渠道，他会有一些广告，这些完全是没有价值的，所以先把这部分文本剔除出去，然后用软件去进行自动分析，自动分析之后会有一个精细分析。

精细分析就是需要人工介入。就是说会有一个情感分析。去分析用户对于你这个app的体验感受是正向的还是负向的。

然后语意结构的网络：就是他的反馈集中在哪个网络上。

还有就是主题的分析，以及一些时序。时序往往跟版本相关。

下面解释下刚才的几个名词：

【词频】一个词出现的次数

【语义网络分析】就是他的评论就像一个网一样。例如很多不同的价格，反馈价格是以“价格”这个点作为核心往外发散，有人说价格高，有人说价格不比别的便宜，其实他主要的全部都是指向的价格，所以你看到的反馈他的点就是集中在价格上面，是网状的一个起源点。

【文本情感分析】就是我们常说的一线挖掘，通过文本当中的一些观点或者情感倾向，去判断它对你是有好感还是反感的。

比如说这个：你会发现这里的核心节点是【产品沉淀值】，比如说软件、阅读这些情绪值好或不好全部都会塞到一起，这个是可以用软件完成的。

刚才我们又说到一个【序列】，左边的功能全部指向了一些径向的数据，刚才说到的一些序列就是和时间相关的。为什么要把这个序列给抓出来？因为你发现你在改版之后，或者是你的产品定位以后有一些数值上的变化。有可能你就改挫了，或者是你现在的定位用户不喜欢，这个数据就变低了。通过序列的划分，你能明确的知道这个版本比上个版本用户满意的地方在哪里，反感的地方在哪里。

讲完舆情分析，下面的一个是渠道。

渠道一直都在变，所以我们的用户也是一直在变的。

这个是我们之前去广东那面，因为我们有很多用户都是在那面，去看看他们是怎么用我们的app。

然后渠道用户数据的话，如果是回到两年前，整个的中国市场都是苹果和三星，但是两年以后呢，现在苹果的销量是有所下滑的，而且三星前段时间也爆炸了，现在我们再去观察我们后台的数据，我们的渠道现在会发生一些变化，像vivo，华为，现在对于我们的量相对会比较大一点，然后我们这个版本做了一些满意度调研之后，发现我们的用户现在在25岁以下已经有40%多了，这个在以前是没有的，也就是说渠道变了之后我们的用户也在变，那渠道整个是怎么样变的呢？渠道的话一般我们找用户会分成线上和线下两种方式。如果是线上的话，我们会通过邮件、短信、搜索引擎、应用市场、还有些广告位或者是相似的产品这些地方去找；如果线下用户接触点的话，比较常见的是一些地推的方式，所谓地推这个具体要看，看产品的属性去选择的，也不是每个产品都适合地推，像网易考拉海购这种它经常会在地铁站去做广告，或者是网易考拉海购提醒你这站到了，用这种方式。但是如果你一个阅读产品，卖一个章节才几毛钱，要卖到什么时候我才能把推广费给收回来。

所以这种渠道的话他的就是获取付费用户的成本太高了，所以我们不会去做这样的推广方式。也就是说这种推广方式是不适合我们的，我们顶多去做一些校园推广，但如果是针对网易考拉海购这种，客单价非常高，你去做广告可能哪怕就转化一部分用户，他就可以把广告费给覆盖掉，这个是从成本的方向去考虑的。

现有的推广趋势的话，从内容的角度，就是内容的阅读更加碎片化，现在有一种主流的推广方式是这样的。我们发现很多做内容的，往往就是找找公众号去合作，就是公众号里面起一个很撩人的标题，然后下面是内容，然后你看了一部分后又特别想知道下面到底怎么样的，然后下面有一个阅读原文，然后就跳到app小说去了。这个是现在非常好的一个渠道，效果真的非常好。而且那些公众号往往是很多号都是同一个公司在运营。

往往用户的需求也会非常功利化：比如十分钟看完一本书；十分钟看完一部电影。这种需求往往是用户非常喜欢的，像罗辑思维这种，毒舌电影，用户非常的沉迷于这种方式，觉得非常的高效。

从传播角度，刚才有讲到我们已经从传统的媒体到了这样一个自媒体的成功方式。也就是刚才讲的通过微信的大号，来向我们的web导流，然后web再向客户端导流，这样一个吸取用户的方式。并且现在是从一个从流量分发到口碑传播的时代，用户之间的口口相传，往往对产品传播的是非常有帮助的。

渠道这一块，上次我们做了用研之后发现一些用户和我们想象的完全不一样。他们有的根本对app没有概念，所以就会导致现在浏览器入口就会抢占先机。也就是说你不要觉得你的app做的怎么样怎么样，我有什么样的效果。实际上，有很多人，你想象中的用户对你的app根本就没有任何的感觉，他只要找到一个入口——然后可以看就可以了。

这个例子也有点难，讲的是一个数据的建模。

前面我们讲的是用户怎么来，我们一方面是拉新一方面是留存。用户来了之后我们怎么样让他留下来，不流失，如果他要流失了，我们要怎么办，我们怎么知道哪些人是有可能流失的，哪些人是短时间内不会去流失的，如果是有可能流失的那部分人，我们怎么样把他给区分出来。

针对这个，有一些具体的策略。所以这个就是我们建模的一个初衷。就是虽然都是流失，但是流失它也是分类型的。

有一种就是首日流失，也就是用户刚来之后，来了一次他就再也不来了，这个有几方面的原因：他跟你用了一段时间然后又走了，虽然都是流失，但是他的原因肯定是不一样的，所以我们就要区分一下这几种流失的原因分别是什么，以首日流失来举例的话，它来了一次就不来了，就好像你去餐馆，然后你在路上走别人给你发传单，说新店开张今天5折，有可能你过去吃过发现，这个店面我不喜欢，你就走了。这种的话可能就是app设计风格你不喜欢，然后走了。第二个是说你看菜单觉得一道菜可能是300块，你就5折的话也要150，也就是书籍的定价，他觉得太贵了，就不来了。还有一种情况是他觉得这个菜单就没有我想吃的，也会走对吧，那这个对应到app上可能就是说，我们的定位他不喜欢，他可能就是为了学习而来，但他一看我们推的都是原创小说，就走了。这些都是无法避免的，而且对于这种首日流失的用户，像那种定位不准确的你就要考虑到，是不是你的渠道需要调整。也许发传单的地方不是你的目标用户，他根本就不喜欢这样的方式，比如说你到一个有50、60个老大爷老大妈在跳广场舞的地方，去发一些寿司的传单，那这个导流的效果肯定是非常差的，

上面就是对首日流失原因的一个区分。

后面讲的是受挫流失，和自然流失。

这两部分的话其实是非常考验产品的功能和内容本身的质量的，我们要需要挽回的往往是这两部分人，受挫的和自然流失的。

受挫流失可能是他在使用过程当中遇到什么问题，导致他走了。我们通过前面的一些方式，可以通过舆情也好或者是后面讲的一个功能模块建模也好，通过这样的方式，知道他是在哪一部分出现了问题，从而给出解决方案。

自然流失可能是因为书籍内容不足以支撑，他在这里看完一本书，就走了。这个从数据上是看的出来的。你可以从30天留存的，就是用户如果看一本书的话，一个月之后看完了，看完之后他找不到第二本书的话，他可能就走了。这个时候你可以从30天的留存数据当中，这样的数据不稳定的话就说明他是为这本书而来的，看完之后，没有一本新的书刺激他，所以那一块的留失率就会特别高，我们后面建模的目的是为了挽留这两部分的用户。

第四块的话就是：市场环境的流失。市场环境简单来讲就是说，由于像微信起来了，所以我们不仅怎么用短信了，这种流失的话我们是解决不了的。所以我们建模的效果主要集中在前面两块，受挫流失和自然流失。

这个建模的数据的话说起来比较复杂，一般是产品经理来做。产品经理需要去做的一个就是建模字段的选取。

你要去区分哪些是流失用户，首先你要有对流失用户有一个明确的定义。比如说，多少天没来算流失，或者是中间做过哪些事情，他有多少好友等等，你把跟这个用户相关的所有有可能有关系的字段都放出来，也就是数据的提取。取出来之后他会有一个筛选，就是说可能我的好友数与发消息的数是正相关的，在数学上可能归类于同一类，他们两个如果都在的话，对结果影响是一样的，只要保留一个就行了。

这种情况下我们就要对数据进行清洗和筛选，把那些重的给去掉。

下面就是数据建模的过程。

建模的过程的话会有数据工程师，有BI，来配合你，在建模的过程当中，还会涉及到一系列微调，在前面一个大的样本当中，我们会留一部分人，用来建模，另一部分用来验证。也就是说你这个模型对不对，正确率有多少，你是需要去验证的，所以你的大库里面要流出这样一部分人来去验证工作。验证如果有偏差的话，还会继续调整。

就是这样一个不断调整这样的一个过程。

根据这个过程我们会开发一个流失用户的预警系统，就是告诉你哪些用户近期有可能会流失。

当然这些是通过他前面的一些操作行为得出来的，操作行为就是你前面的一个建模字段的选取，跟这个完全相关，因为是你选了这些字段，定了这些字段之后，在根据这些行为来看这些字段他每个用户大概是怎么样的。就是说我们现在做这个东西的目的就是一个人来了之后，他做了什么样的事情，没做什么样的事情，然后他才走。也就是知道一个中间过程。这他要走这样一个意愿之后，我们要对他做一个干预措施。

这个应用就是刚才讲的预测用户将来是否会流失，以及得出的概率出是多少，如果觉得他要流失了，一旦发现了，就立马进行干预，像在阅读中发红包啊，发完之后可能会留下来再看十天。

还有一些所有app经常用到的，送红包也是有类似的道理的。

第二个应用就是刚才讲的了解功能或者指标对用户流失产生的影响。

前段时间听linkedin的分享。其实每一个功能都有一个“魔法数字”，比如说linkedin数据发现，如果一个用户拥有的好友数超过5个，那对他接下来的留存会有帮助，留存和活跃就会比别人高很多，这个“5个好友”就是魔法数字。

同样根据刚才的那些功能，你会发现用户在用了哪些功能之后更容易留下来或流失，这个系数的正值，这个绿色的越大，表示对用户的流失影响越大，就说明这个功能他受挫了，用了这个功能，走的概率越大。这些的话就是他用了这些功能，走的概率越小，所以后面的我们要继续优化这个功能或者说你找出一个最高分，用户一旦来就给他推荐这个功能，这样用户留下概率就会加大。

可以看一下【易信】的例子。

之前【易信】有个功能是【偶遇】（易信是基于陌生人社交）。一开始觉得陌生人社交偶遇跟漂流瓶一样往地上一洒就完了。但是在做完这个之后发现，有偶遇的用户反而流失的越快，后来专门对偶遇这个功能又去做了下研究，结果发现偶遇让人有受挫感，因为偶遇了没人搭理，用户有受挫感。后来基于这个结果，我们上线了机器人的功能，用户打开【偶遇】后有机器人自动回复你。

效果确实有，就是说有些功能确实对用户的流失是有影响的。根据正面影响和负面影响，我们去决定砍掉这个功能还是继续优化这个功能，或者用户一来就去推荐这个功能。

第二点要说的是:这个模型可以针对全部用户，也可以针对新用户去做。对新用户去做的话，就可以知道，比如你定的时间周期是7天，7日内做了什么样的事情，然后他有一个流失，每个渠道都会有一个转化的漏斗，分渠道观察，可以判断出渠道的价值。这一点在渠道推广跟用户运营中会用的比较多。

第七个案例是：使用场景的分析。

这里有三条曲线，漫画、阅读、音乐。（隐去纵轴部分）。

中间：阅读，容易受双11影响；

漫画:周更，第一个，高峰都在周末；

音乐：周一的量最少；

举这个例子就是说，从场景的角度，大家一眼就能看出来，阅读是要受双11影响的，基于以上使用场景的分析，我们从后台数据可以看出来有3个阅读的高峰点：

1.睡觉前；

2.上班前；

3.中午午休时；

其实，还有一个隐藏的高峰点是上班的时候，到公司后你面对大大的屏幕，PC端比移动端更爽，不想局限于手机的一亩三分地，但是用PC会被老板看到。所以，我们这里有一个word模式，点了这个模式，就会帮助用户营造出一种“我心里全是工作”的感觉。

这个功能前段时间上了，但是没有大规模推广。数据上确实是有提升。

另外产品经理还需要关注行业和自身资源的整合：

比如前段时间网易严选来招待各位大佬。从名字就能看出来他是严选，他自己不生产什么东西的，他就是从各个待工厂以前是给一些出口的公司，现在出口行业不景气，所以那些代工厂是非常的欢迎像我们这样大的一个平台去一些营销方面的事情，所以合作的非常多，而且，现在价格也是很便宜。

自身资源是说，网易严选原来不属于邮箱部门，后来他挂到网易邮箱部门下去了，也就是说跟我们相比，他是网易邮箱的一个亲儿子，如果我们要做推广的话，我们是要去申请资源的，严选作为亲儿子就可能不用那么麻烦，网易邮箱他的量是非常大的。

第一个是基于行业的原因。

第二个是网易严选自身的资源，现在主要的流量是来自网易邮箱和门户，一打开邮箱就会弹出来网易严选，你会发现在行业和自身资源条件下，你是有机会去做一些事情的。

往小了讲我们自己的事情，前段时间360云盘关闭，云盘里都会放很多书籍，我们找了个网盘进行合作，数据就上去了，但没有大推特推，因为不能做这种政治上不正确的事情，所以合作过一段时间，因为两方面原因没有继续推，一方面是他的目标用户都不付费，都看本地书，他过来的可能就是一个看本地书的用户，不活跃，完成不了到一个付费用户的转化，因为这两个原因就没有推，但是确实是有效的，关注行业并对自身的资源进行整合。做这些事情是可以对你的产品是有一个好影响的，可以去尝试。

加群直接感受堂兄堂姐们的产品思维~~