产品体验 - 豆瓣 | 文艺的精神角落
一、产品概述
1.1 体验环境
1.2 产品定位
立足于书影音的兴趣社区，帮助用户发现生活中有趣、有价值的事物。
Slogan：我们的精神角落
1.3 产品简介
豆瓣以书影音信息介绍与点评起家，为用户提供优质的内容分发，集成了以兴趣为中心、并伴有LBS模式的交流社交化，并运营了多种载体的话题、活动、商品、周边，为用户提供更丰富的精神补给与交流互动服务平台。
二、用户分析
2.1 谁在用豆瓣？用来做什么？
普通用户：查询观看图书、电影、电视、音乐等信息，发现贴近喜好的优质内容，与欣赏的作者、影人、音乐人交流，与志同道合的豆友更深入多元地交流分享，更轻松地选购商品，表达、记录自己的生活时刻。
核心KOL：书影音等不同领域的达人与创作者通过入驻平台，分享自己专业方面的知识，收获荣誉感信赖感，赢得粉丝，赚取酬劳，发现更多的机会。
2.2 用户特征
通过艾瑞指数的使用人群画像分析，可以总结出豆瓣面向的用户，女性用户较男性稍多，且集中在25-35岁的年龄层面。这一年龄层面的人群基本实现了财务自由，并且到达了对生活、物质有一定品质要求的阶段，会寻求一些娱乐方式来充盈自己的生活。
在地域分布上也与大多数应用一致，基本遍布在一二线城市，而根据TalkingData的应用偏好关键词，更证明了这些用户对生活更具追求品质的特征。
2.3 解决方案
A 优质内容分发：豆瓣首页会为用户推送热门流行话题相关的优质内容，用户可以是分发源，也可以是分发的接收端，这些涵盖了书籍、影音、旅行、穿搭等生活起居各个不同方面的精选内容，成为了联系用户之间的纽带。
B 书影音为首的多类信息集合站：豆瓣庞大客观的打分系统，可供用户搜索、视听、发表观点，成为了用户评判一项作品的借鉴，并且往往可以由此得到更多作品衍生的相关资讯与知识。除此之外，还推出了豆瓣自运营的节目，独立且新颖的节目形式使用户更轻松娱乐化地打发闲暇时光。
C 广播：类似于微博等转推性质的IM消息流，达人与用户在这里发表动态，同时也互相在这里互动、交流，使使用平台侧重点不同的用户也可以更即时方便的互通有无。
D 小组：基于兴趣成立的各个小组，用户可以选择最适合自己或感兴趣的方面进行加入，与志同道合的豆友一同分享信息、讨论话题，找到更适合自己存在的小众角落。
E 市集周边&商品：豆瓣通过市集打造了特色文艺的周边产品，并且配合着独到见解的作品点评，为用户提供了购买书籍等商品的方式。
F 个人定制化统计：以豆列为名实则是收藏夹的模块，可以方便用户更集中统一地归纳自己感兴趣的信息，豆瓣每年末会推出的年底个人总结H5，也使用户能够很有心得与感悟地回顾这一年的经历。
三、产品概况分析
3.1 版本迭代情况
通过观察近半年的各重要版本迭代信息，可以发现豆瓣一直在致力于优化已有功能的体验，并且能够更贴近每个用户的行为习惯向用户推送内容推荐。并且在版本5.5.0，用户推出了知识付费专栏【豆瓣时间】，独家自制节目板块【豆瓣视频】，提供商品购买渠道与豆瓣实体周边的【市集】，这些都在表明豆瓣愿意也渐渐趋向于更广的市场领域的探索。
3.2 排名情况
在汇集着微信、QQ、微博、知乎等社交大佬以及直播交友类的社交榜单中，豆瓣这个偏小众文艺的App依旧能排在15名，着实离不开坚实的早期平台用户基础。
通过观察版本迭代情况和下载量，可以发现豆瓣在版本5.5.0后，迎来了一波高峰，这不仅与大改版带来的关注度有关，更是由于瓣嘴等节目的重视推广，明星效应带来的影响也是不容小觑的。
并且，豆瓣非常善于根据时下热门话题推出活动板块，比如在全民皆论中国有嘻哈的时候，它也推出了专门的板块，赚取了足够的流量。
3.3 用户评价
一直标榜要打造极致用户体验的豆瓣的综合评分还是很优秀的，但是也不乏在版本更新之后的第一波用户就会遭遇闪退的状况。比起体验的高低，强化软件的可用性才是更重要的。
除此之外，豆瓣日历的回归，也引来了好评，一方面证明豆瓣确实是在乎用户反响的，另一方面也证明正是这些留下自己个人意见的核心用户在乎的，往往也是豆瓣的特色服务。
3.4 产品结构图
上图为延伸到三级页面的结构图，从它狭长的特点可以看出整个App的架构是广而浅的。
由于豆瓣整体的功能架构为广而浅，故本次不输出流程图，具体的功能在下个模块进行浅析。
四、核心功能分析
4.1 首页
4.1.1 导航栏：豆瓣时间、豆瓣日历、书店、豆瓣视频
固定在首页顶部导航条的四个模块，分别是豆瓣时间、豆瓣日历、书店、豆瓣视频。
优点：
这四个模块分别对应了知识付费课堂、豆瓣周边商城、书籍商城、精选与自制视频专区，它们从不同的层面入手，共同组成一个综合的娱乐服务模块。用户可以更集中地选择增值服务来体验，同时也提高了豆瓣盈利变现的层级。
在这里要特别说明豆瓣的自制视频，瓣嘴与如是。前者其实是效仿美国的著名脱口秀节目“明星读推特”。节目形式是节目组邀请明星本人来复述twitter上的恶评，明星在朗读过程中奇妙的表情和不服的语言反击，都会带来热度。虽然瓣嘴没有那么犀利赤裸，但是，豆瓣结合了社区内近期的热门话题主角，不仅更符合国情，也能更好地让话题与热度发酵。
缺点：
入口名称与功能的内容对应不够清晰。比如豆瓣时间与豆瓣日历，都是时间概念的名词，如何让用户第一次使用时就明确功能？并且对应知识付费讲堂的豆瓣时间，用户不一定明确这是做什么的，这或多或少会流失用户（至少我一开始就搞不明白这是做什么的）；再比如豆瓣日历点进入的页面标题又为何叫做豆瓣市集？私以为统一产品模块的名称，也能降低用户使用过程中的存疑率。
响应速度与页面稳定性待提高。在书店模块中，书籍详情的实现方式是H5，响应速度慢、页面简陋排版单一、闪退频现的问题使这个功能给用户带来的好感度变得局限。不过这种方式对于平台本身来说，易修复、易调试更改，也是一种优点（用户并不在乎）。
4.1.2 首页推荐内容
首页几乎所有的版面都被个性化推荐内容模块所占据，豆瓣会根据每个用户的行为兴趣曲线，推荐用户近期、曾经感兴趣的相关话题的内容，更精准地向用户投喂信息。
优点：
每次刷新，页面内容都会被更换一次，并且在我本人的实测中，在一次更新中，系统呈现的与用户过往的操作反馈都有一定联系，这保证了信息推送的定制化，而非大众式分发。
用户往往可以通过某一篇内容推送，看到内容相关的影视、书籍详情入口，并且用户可以参与文章互动，以及查阅其他相关的内容，这一点带动了App其他区域的点击率与转化率。
缺点：
内容精选平台会往往会带来信息负载，用户在筛选过程中增加了诸多成本。虽说目前豆瓣已经实现了智能推荐算法，但是它的依据依旧是根据用户的历史搜索结果，不利于用户更广泛的去拓展信息。
依托平台积累的UGC内容的运营方式，使每期所推荐的优质内容比较少，意味着用户使用时长不高，只是用于短时间的消遣，留存率有很大限制。
4.2 书影音
书影音，是豆瓣历史最古老的模块，而它的评分系统，也是国内作品评分系统的佼佼者。以电影为例，国外有imdb，国内就有豆瓣，虽然诸多国内影视大佬（如冯小刚导演）对豆瓣用户的评分极为不齿，但是对用户来说，比起各家电影票购买机构评分的虚高，豆瓣的评分与短评，用户的可信程度是非常高的。
优点：
豆瓣区分了电影、电视、综艺、读书、音乐等分类，从作品类别区分，并且搜索功能也更利于用户精准查找；
根据热度与质量向用户进行推荐，影院热映、豆瓣热门、豆瓣榜单等合集，为用户提供了更优质的服务内容。
标记与发表评价等讨论区。用户可以在作品标记观看状态或发表短评，并且观看到其他用户的短评，互相之间参与互动，促进了交流。
缺点：
影音模块均有试看或全片观看的引流，但音乐模块却没有试听，我猜测也许是牵扯版权问题较难实现。
4.3 社区
4.3.1 广播
豆瓣广播在社交形式上类似于微博推特等，以UGC的模式，使每个用户都可以产出内容，并且获得豆瓣友邻的最近生活动态或分享，可以与友邻进行留言、IM等互动。
4.3.2 小组
豆瓣小组以前曾经作为一个独立的App存在于整个豆瓣系统中，而现在被整合成了一个模块并入底部Tab栏。每个豆瓣小组都聚集着志趣相投的用户，在小组的大环境中大家可以自由发帖讨论，认识新朋友，发现自己感兴趣的内容。
值得一提的是豆瓣的“八卦小组”，作为豆瓣最火的第一大组，八组提供了大家探讨八卦的场所，组内的每个用户仿佛都有通天本领，总是能输出或发现不少珍贵的八卦内容，并且为微博等营销号都带去了流量。
4.3.3 LBS社交
从注册用户到虚拟社交再到线下社交，这是用户粘性发展路线的基本法则。而同城模块，则是以LBS模式为主的潜在社交场景。豆瓣有专门的“同城”模块来搭建用户之间参与活动的桥梁，根据定位它展示了当前城市的展览、演唱会、聚会等不同分类的各个活动信息，方便同城用户组织到一起交流、共同参与。
五、盈利模式
出版物CPS分成：用户通过点击豆瓣的购买链接购买书籍，豆瓣会得到按比例的推广收入；
广告收入：在首页消息流等页面，会有品牌冠名的广告；与品牌的联合活动、豆瓣视频插播的广告；与视频网站的影片合作推广；
内容输出：如豆瓣时间中，达人用户作为输出方，身为豆瓣的平台提供了渠道，会抽取一定比例的分成；
电商：豆瓣市集、周边产品；
豆米充值：用来购买专栏等虚拟商品等。
六、总结
豆瓣生态最开始是垂直的形态，曾经拆分了13个App。虽然每个App面向着不同的市场，但是这种拆分独立的方式也不利于移动端的发展，难以集中化商业化，整体发力也较慢。
而将所有功能的App集成在一个App的代价，就是整个App的架构显得大而浅，但是这是每一个产品从无到有，再从有到精的过程。未来深化社交场景，整合社交形式，避免社交的杂而散，减轻用户的操作符合，配合庞大的用户操作行为打造支付闭环，将移动端的功能深耦合化，也是举足轻重的。
对于一个已经历经十年的产品，豆瓣的历练与突破都是有收获的，比如庞大的用户兴趣数据，比如精致的小众文章，这些信息的沉淀，才是最有价值的。
参考资料：
TalkingData运营数据；艾瑞指数；集创堂_纯色的豆瓣分析。
