最简单案例，讲如何用数据驱动产品优化

今天，用户体验和产品设计越来越重要。产品设计上可能会存在什么问题呢？在数据时代，又该如何利用数据驱动产品的优化呢？在数据真实的情况下，数据是用户的行为反馈，一个产品好或不好，只有用户有发言权，用户说好才是好。下面我以一个配送类APP为例，来说说如何利用数据来驱动产品进行优化。

一、发现问题-构建核心路径转化漏斗，了解各流程转化率

要发现问题就得用数据说话。我们来思考梳理，使用这个配送app一个新用户从下载到转化完单，到底经历了多少步呢？梳理如下：

梳理完新用户转化核心步骤后，我们可以取出这些关键步骤的uv数据，构建一个用户转化的漏斗，来观察每步用户的转化情况，拿出数据如下：

百分比=本步骤uv/上一步骤uv

这是一款配送app的新用户下单路径转化漏斗，我们可以看出用户在询价->下单这个环节人数骤降，转化率只有63%，远低于其他环节转化率，且这个环节转化率在本行业同类产品中也是稍低的。同时为了对比，我们拿出老用户的路径转化数据，发现本环节转化率为79%，本环节新老用户差远高于其他环节的新老用户差。所以我们可以初步判断，询价->下单这步优化空间比较大，于是我们把目光聚焦在询价->下单环节，用户为什么在第一次来时询价之后掉头就走了呢？我们要寻找原因，找出优化点。

二、提出假设及解决方案

      为了找到影响用户转化的原因。打开我们的app，登陆后填单进行询价，询价页面如下：

       继而我们打开几个竞品app填入相同的信息，到达询价页面，发现大体页面信息差不多，只是位置有不同，而我们发现一个问题点：竞品的询价页显示的是券后价格，我们的询价页显示的是优惠前价格，而我们优惠后的价格和竞品优惠后的价格是差不多的。会不会是用户用我们app填写完信息后看到了比较大字的优惠前价格，而没有注意到旁边的可使用新手券优惠字样的提示？很可能用户也是在几个app之间进行比价，看到了40元的字样就直接退出，选择了其他产品进行下单。

有了假设后，接下来就要想解决方案，优化页面布局及展示逻辑。我们想了两种展示券后价格的页面，让用户可以在第一眼看到比较低的价格，留住用户：

三、AB实验设计

有了解决方案，就可以开始着手进行AB测了。首先咱们找设计小姐姐设计两种方案的询价页，然后给前端进行页面开发。和分析师确认是否有新增埋点以便后续实验统计，同时设计实验分组，采用AABC实验设计方式，且分层抽样保证每组新老用户比例均匀：

一切就绪后，就等着和下次发版上线实验了。

四、实验分析

通过一周左右的实验，我们可以对实验数据进行观测，确定我们的评估指标：

北极星指标：单量、成交额 ；

方向指标：转化率

      通过上述数据，我们得出实验组二的各项指标均优于对照组与实验组一，可以改版：

实验组一  

询价->下单转化率+1.78%(新)、+0.68%(老)

下单->完单转化率 无明显差异

人均单量 +0.013(新)、+0.005(老)

人均成交额 +1.4%(新)、+0.52(老)

 

实验组二  

询价->下单转化率+1.80%(新)、+0.71%(老)

下单->完单转化率 无明显差异

人均单量 +0.015(新)、+0.007(老)

人均成交额 +1.5%(新)、+0.57(老)

 

一个实验上线之后，不仅要分析其本身的数据结果，还要考虑产品大盘影响，项目指标和产品指标都要兼顾到。而因为互联网产品具有大数据量和快速迭代的特点，所以我们在懂用户和业务之外，利用数据做好产品优化非常重要，快速试错和调整，做到小步快跑。

以上，希望对大家有所帮助。

老表Pro已经满了

所以大家加老表Max吧

每日留言

说说你最近遇到的一个编程问题？

或者新学的一个小技巧？

（字数不少于15字）

完整Python基础知识要点

Python小知识 | 这些技能你不会?(一)

Python小知识 | 这些技能你不会?(二)

Python小知识 | 这些技能你不会?(三)

Python小知识 | 这些技能你不会?(四)

近期推荐阅读：

【1】整理了我开始分享学习笔记到现在超过250篇优质文章，涵盖数据分析、爬虫、机器学习等方面，别再说不知道该从哪开始，实战哪里找了

【2】【终篇】Pandas中文官方文档：基础用法6（含1-5)

觉得不错就点一下“在看”吧