项目背景
以豆瓣推荐模块阶段性调研的例子,展示PM在日常工作中怎么发现问题,之后如何评估问题,撰写需求,跟进研发及效果回归。
文档逻辑:1.找到理想态;2.抽样分析;3.优先级判断的步骤进行。
项目目标
找到豆瓣读书的推荐理想态(数字化);
对豆瓣目前的推荐结果进行抽样分析;
撰写需求文档,文档关键内容应包含:问题分析、综合影响面、需求优先级(可解决程度及解决成本)、项目计划;
基本拆解
|用户流程
|理想态定义
用户在对目标书籍无明确当下阅读的情况下(即目标明确,搜了就要马上读的情况),在浏览过程中对推荐书籍产生兴趣,并对推荐书籍产生了正向操作(购买/试读/加入书架/购物车/礼物等),从而提高用户在站内阅读的体验,提高用户站内阅读体验,减少用户选书成本。
|理想态评估关键指标
推荐点击率(推荐图书被点击次数/目标图书详情页推荐模块展现次数);
1-6号位各个位置推荐被点击次数与比重;
对推荐书籍的操作数据:点击购买/试读/加入书架/购物车/礼物;
用户点击推荐书籍的深度(深度计算方式:点击目标书籍的第一本推荐书籍深度为1,返回点击第二本推荐书籍深度为1.2,点击推荐书籍的推荐书籍深度为2,以此类推);
推荐书籍的打开率、阅读时长;
有过点击推荐书籍行为的用户与其他用户的站内深度阅读时长变化;
抽样分析
|抽样分析详情
注:样本选择:7本各类型的书,包含当下的畅销书、经典名著、单本图书、系列图书、科普、社会、文学。
|抽样评估说明
推荐原因
①同类型推荐 ②同作者推荐 ③同出版社推荐 ④热门书籍 ⑤优惠书籍 ⑥相同标签 ⑦系列图书 ⑧偏好协同推荐 ⑨高评分书籍
问题列表
ⓐ相关性弱 ⓑ评分较低 ⓒ语言混杂 ⓓ风格差异较大 ⓔ类型偏离
|抽样结果汇总
|抽样结果分析
在本次抽样中我们发现,在对42本推荐书籍中打得推荐质量评价中,正向评估占到75.89%,负向评估为24.11%左右,总体来说符合期待,但正向评估中多为合理期待下的推荐,超出读者预期的惊喜推荐几乎没有,而负向推荐中,虽总体数量少,但问题较突出,体验影响较大。
以下为结果分析结论:
推荐较好的情况下,书籍本身的信息提供的推荐度较少,相同标签的内容和类型本身比较合理,其中,通过运营和算法的推荐比重较大,质量也比较好。
推荐较差的情况下,语言混杂的问题虽然少,但是比较好解决;少数为相关性弱的问题,可通过标签、书籍摘要的语意理解等方式提升;运营/算法问题占比较大,需重点解决。
项目计划
本项目的优先级排列将充分考虑收益与成本。
注:
项目收益=待解决问题影面x解决后体验提升程度*预期解决比例
项目成本=研发成本
其他问题
在本次调研中,发现豆瓣PC版与APP版的推荐策略完全不通,似乎用的不是同一套推荐策略。APP的推荐模块为“喜欢本作品的人也喜欢…”,PC版的模块为“喜欢读xxx的人也喜欢的电子书”以及“喜欢读xxx的人也喜欢...”,也许文案上可以优化一些提高浏览量或其他运营手段提高点击。
空空碗成为产品经理的第845天
本文由作者@拔旗大王空空碗 在PMCAFF社区发布,转载请注明作者及出处。
閱讀更多 PMCAFF產品經理社區 的文章