产品分析——豆瓣推荐模块阶段性调研

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。