复盘:一个数据分析类产品从 0-1 的建设全流程

复盘:一个数据分析类产品从0-1的建设全流程 「作品集框架、c端也适用」 - 图1

细嗅蔷薇 关注作者

编辑导语:数据分析产品,指的是能够帮助用户收集和处理海量数据、生成清晰的可视化报表并最终辅助决策的工具类产品。本文作者从自己实际工作项目出发,梳理总结了从 0 到 1 建设数据分析产品的相关思考过程以及经验,与大家分享。

复盘:一个数据分析类产品从0-1的建设全流程 「作品集框架、c端也适用」 - 图2

本文复盘了笔者参与的一个从 0-1 的数据分析类产品建设全流程,一方面是为更好的捋清产品发展全貌,另一方面则是对建设过程进行总结,吸取经验。

一、项目回顾

本部分从项目背景、项目开展、项目结果、未来规划四个方面展开。

1. 项目背景

该项目主要是基于一个自研的新技术进行产品建设。这个技术的能力可简单描述为:采集用户在 Web 页面上的行为数据,然后在将数据映射成视频,实现” 录屏器 “效果。该技术具备的能力及优势使其具备广泛的应用场景,比如说行为质检、用研等。

我们发起这个项目的目标是为该技术寻找具体的业务场景,进行技术和产品价值验证,最终实现商业化成功。

2. 项目开展

在整个项目开展过程中,我做的工作可分为两部分:产品商业化探索和产品设计。在实际工作中,这两部分事情是交叉进行的,但为更方便梳理和总结,对每个部分分开阐述。

(1)商业化探索

如何进行产品商业化探索,实际上,问题的核心点是确定用户价值和商业价值。对问题进一步拆解,确定用户价值需要确定 “人货场” 三个因素,即产品通过提供什么样的服务为什么用户解决了什么问题;确定商业价值需要确定市场现有规模及未来前景、竞争对手情况这三个因素。

只有充分了解用户价值和商业价值,才能知己知彼。

复盘:一个数据分析类产品从0-1的建设全流程 「作品集框架、c端也适用」 - 图3

围绕这六个因素展开商业化探索工作。

  • 了解该技术能力。通过与技术交流、行业分享和资料学习等方式大致了解该技术的原理和能力,以及各能力可应用的场景
  • 用户调研,了解用户需求。通过与内外部用户访谈、产品宣讲和资料搜集等方式进行调研和了解。对调研到的需求进行分析归纳,发现需求主要分为两类:①是用户行为分析,用于业务赋能,②是行为回溯,用于留证、质检等。
  • 竞品分析。寻找各技术能力对应的竞品,进行访谈、试用、功能拆解等。根据竞品分析,一方面知道该技术现有已商用的场景,可证明有市场需求,另一方面了解各场景下竞品的解决方案

上述 3 个工作是对产品可能的商业化方向进行大致调研,需要在进一步聚焦细化。在经过多次用户调研后,对各场景下用户需求进行拆解,使其更加清晰,各类需求间相互独立。

对所有调研内容进行梳理后,得到下方这张表。

复盘:一个数据分析类产品从0-1的建设全流程 「作品集框架、c端也适用」 - 图4

最后,确定商业化方向为行为分析,主要基于以下几点考虑:

  • 公司未来发展战略为大数据方向
  • 现有意向客户都对用户行为分析更感兴趣
  • 发展非行为分析方向的产品,需要商务介入进行推广,客户成功与否不可知

因此,为了更快速的验证技术与产品价值,在综合上面 3 点后,确定了以行为分析作为产品定位。具体来说,通过对用户行为进行可视化与数字化,帮助客户全面了解与分析用户行为,实现数据驱动业务增长。客户使用产品时,无需在进行数据采集工作,只需要基于业务需求定义数据指标就可以进行用户行为分析。

关于产品定位的探索过程,可看看之前写的一篇文章:《关于对产品定位探索的复盘

但是在复盘的时候发现:

  • 对 6 个因素进行分析时,遗漏了对市场规模和未来前景这两个因素的分析
  • 在用户调研时,调研对象覆盖面不全,比如没有对技术员进行调研(debug 能力)

另外,目前的产品定位颗粒度仍然比较粗,不管是后续的产品设计还是真正的商业化输出,都需要对产品定位进一步细化,找到具体的产品切入点。市场上行为分析类产品这么多,需要给客户选择你而不是选择其他产品一个理由,这个理由就是产品切入点,他是产品能力的集中体现,是护城河,所以必须足够 “尖锐”。

基于上述想法,已有初步的细分方案,但是需要在深入调研进行验证(SWOT 分析等),这是未来一段时间的工作重点。

(2)产品设计

在该部分,主要工作是根据产品定位进行产品设计, 设计思路为:

  1. 业务调研,梳理业务现状,总结业务问题;
  2. 建立产品画像,对需求分析进行归纳演绎,将用户需求转化为产品需求,捋清产品脉络;
  3. 梳理产品整体方案,基于业务理解,抽象提炼产品功能模块,确定优先级;
  4. 产品功能设计,推动产品上线与迭代。

我们先以公司贷后催收部门作为试点场景,围绕该业务场景进行产品设计。

1)业务调研

通过用户访谈、实地观察等方式对贷后部门展开调研,梳理催收业务当前现状和问题。

贷后部门的主要业务目标是提高催回率,那么可通过梳理案件催收流程,对流程进行拆解,来找到影响催回率的核心因素。根据调研结果梳理出的业务流程如下所示:

复盘:一个数据分析类产品从0-1的建设全流程 「作品集框架、c端也适用」 - 图5

当贷款逾期时,案件入催(将一笔逾期贷款称之为一个案件)。首先由催收系统自动跑批代扣用户银行卡余额,代扣不成功时,案件流转到分案引擎系统,由其按一定的规则将案件分配给催收员,催员在电催工作台系统上作业,经过多次催收后还未催回的案件外包出去或走法诉途径。

由上可知,逾期贷款的催回主要通过系统自动代扣和催员电话催收两种方式完成,而系统自动代扣的可操作性不强,其是否代扣成功完全取决于用户银行卡里是否有余额,因此影响催回率的核心因素在于催员电话催收这个环节

然而在真实业务场景中,催收员的实际工作行为是不可知、不可控的

  1. 目前只是根据业绩完成情况进行考核,但到底是什么导致了催员业绩差异并不清楚;
  2. 催员所有的工作都是在电催工作台上完成的,但是催员如何使用工作台、各功能使用情况、是否需要提供额外功能或案件信息支持等都是不清楚的;
  3. 催员经常会反馈一些催收过程中遇到的系统操作问题,产品或技术人员需要了解问题发生时的具体场景才能定位和解决;
  4. 催收行业是一个政策严监管行业,催员需要严格遵守合规质检条例,目前通过人工巡查和录音质检方式进行,但催收行为是否违规并不清楚。

以上类似情况还有很多,显然,管理层无法全面了解到催员的实际工作行为,存在管理盲区。

2)建立产品画像

通过分析典型用户的需求,弄清产品为什么用户提供什么服务,解决了什么问题,从而捋清产品脉络,建立产品画像。

客户问题诊断:从调研结果中提炼三类典型用户角色,对这三类用户需求进行分析,将用户需求转化为产品需求,推导产品方案设计。

复盘:一个数据分析类产品从0-1的建设全流程 「作品集框架、c端也适用」 - 图6

复盘:一个数据分析类产品从0-1的建设全流程 「作品集框架、c端也适用」 - 图7

复盘:一个数据分析类产品从0-1的建设全流程 「作品集框架、c端也适用」 - 图8

根据上述对典型用户画像的分析发现,他们的诉求是了解催员的工作行为,在往深层挖掘,为什么管理层想要了解催员的工作行为,这就和部门目标相关,即提升催回率,也就是说,管理层想要的一款能够衡量催收效果的工具产品,这款产品既要能全面刻画催员工作行为,进行工作流程优化与效能提升,又要能结合实际业务数据对案件催收流程做全盘管理。

产品画像建立:

结合上述分析结论和产品定位,确定做一款员工工作行为分析与回溯的产品,通过对员工工作行为数字化帮助其全面了解和分析员工工作情况,衡量催收效果,最终助力客户数据驱动业务增长

产品的关键价值点是对员工行为数据分析与应用,业务规划路径为:先将员工行为数字化、可视化,构建员工工作场景画像,实现对员工工作情况的全方位考察,最后结合业务数据考察催收流程中各环节各影响因素的表现情况。

3)产品整体方案

根据实现路径,进一步抽象和提炼产品功能模块

一般来说,数据分析类产品信息架构搭建时,首先需要基于业务理解完成数据指标体系搭建,找到核心构成因素,确定各构成因素的分析方法,根据分析方法确定对应的产品功能模块,最后通过工作流程和核心痛点串联各产品模块。但是在搭建的过程中,要考虑标准化问题,毕竟贷后只是我们产品的其中一个客户。

首先,对催回率这个核心指标进行拆解,如下图

复盘:一个数据分析类产品从0-1的建设全流程 「作品集框架、c端也适用」 - 图9

根据上述指标体系,可将影响催回率的因素分为 3 类:案件、催员、行为

  • 对用户的分析方法有:用户画像、用户分群等
  • 对行为分析的方法有:行为路径等
  • 对案件的分析可以采用分布分析方法等:①对数字分区间分析(不同逾期阶段、逾期金额);②对字段分类型分析:不同类型案件(首催、库存、本人、三方)
  • 对整个催收路径可以采用漏斗分析方法

围绕上述 3 因素和分析方法,可将产品划分为四大模块,各模块对应分析了一类或几类因素对催收效果的影响情况:通过dashboard展示核心指标变化和各类因素的基本情况、通过行为分析了解各类因素的变化规律和特征、通过网站分析考察催收工具的使用情况、通过用户分析了解各催员在各因素上表现的基本特征。具体如下:

  • dashboard:展示核心指标变化和各类因素的基本情况
  • 行为分析:通过行为回溯对催员工作行为进行可视化展示,直观了解催员的催收行为;通过工作分析了解催员基本工作情况;通过行为路径了解催员的行为规律和行为模式;通过漏斗分析找到案件流转过程中 “转化率” 较低的点;通过分布分析了解案件、话务、行为、催员的分布情况;通过归因分析找到催收过程中催员哪些行为对催收成功的转化贡献情况
  • 网站分析:通过页面分析可以了解到工作台上各页面的基本访问情况;通过热图分析来观察功能页面中具体功能的大概使用情况;通过页面点击分析则可以精确知道各功能模块的点击占比,点击人数等数据信息
  • 用户分析:通过用户分群对具体共同特征的用户进行分类作为各类分析模型的筛选条件;通过用户画像了解各催员的基本情况

复盘:一个数据分析类产品从0-1的建设全流程 「作品集框架、c端也适用」 - 图10

确定了产品主体功能之后,需要确定各功能的优先级。根据调研发现,管理层第一诉求是全面了解催员的工作行为,并且实际业务分析中主要缺少催员的行为指标,在结合我们的技术核心是将数据映射为 “视频”,所以在实现思路上,首先以行为回溯为切入点,将员工的行为数字化、可视化,在根据业务和方法论分析提炼员工行为规律、工作情况等,最后对整个催收流程数字化,过程指标与业务指标相结合,分析各环节的表现情况。

产品设计完成后,单独或组合运用一些分析功能,就可以实现数据反哺业务发展,一个典型的使用场景是,通过用户画像建立进行个性化匹配待催收案件,进而提高催回率。

进一步设想,在更远的未来,待数据丰富之后,实现自动化和智能化,比如目前一个痛点是电话接通率很低,无法人为判断一个案件是否接通,而我们可以利用数据预测案件的接通概率,催员可以根据案件接通概率进行催收工作,这将减少催员拨打无效电话的工作量。

当然,从标准化角度思考

  • 明确贷后催收只是其中一个场景,通过分析该场景,我们可以得到该数据分析产品的功能模块可能有哪些,哪些是通用的,哪些是定制化的
  • 在数据处理层面,数据指标定义、元数据管理等如何进行标准化、可配置化,这些也都是需要考虑的
  • 完善技术方案,因为目前数据采集方式是全埋点,且支持 web 端,对于一些采集不到的数据,是否加入其他技术方案来补充源数据缺少问题

4)功能设计及实施

根据优先级,进行具体功能模块设计,并协调资源推动产品上线和持续迭代。

在设计模块时,需考虑的因素有:用户是谁,功能模块的价值是什么,该价值是否与使用该模块的用户目标相一致,完成这一目标的操作路径是什么,是否有没有考虑到的异常情况等,最后在结合相关产品设计规则完成产品功能设计。

将设计好的原型先与业务方对齐,在拉会召集技术人员确定实施细节,会议结束确定人员安排及排期,进行项目进度把控。

3. 项目结果

项目立项时,目标是在半年到 1 年的时间内,产品达到商业化状态。如何将目标转化为可衡量指标,那么需对目标进行拆解,可分为两个方面:①产品功能健全度、②用户价值体量,可通过接入的客户数量来衡量。

目前项目结果如下:

  • 产品功能健全度:产品完成了 4 次大版本迭代,60% 的功能上线,线上正常运转
  • 客户接入情况:已接入 4 个客户,还有几个部门也有接入需求(产品路演后接入意愿表达)

总的来说,经过这大半年,产品商业化进度条达到 70% 左右。

4. 未来规划

仍然分为两个部分:商业化探索和产品设计

(1)商业化探索上

  • 纵向上,进一步细化产品切入点,以及对应的市场规模和前景,通过 SWOT 评估各切入点价值
  • 横向上,评估其他商业化方向的可能性和机会点等

(2)产品设计上

  • 基于业务场景,进一步进行产品细节方案设计
  • 持续跟踪现有上线功能的表现情况,收集用户反馈,进行迭代优化

二、思考与总结

当初机缘巧合加入项目组,回首参与项目以来的大半年,走过很多弯路,一切都是摸索着前进的,这个过程让我学到了很多东西,不仅是产品经理专属工作技能的补充和完善,更是一些潜在的软能力的提升,收获颇多。

首先,总结项目中遇到的困难

  • 产品商业化探索时,由于缺少相关经验和知识储备,导致踩了很多坑,浪费时间与精力。后来通过实践摸索(多沟通,多复盘)+ 一些方法论的学习(书籍、课程)才知道该如何去思考这个问题以及解决方案是什么
  • 项目进度把控能力欠缺。在推动产品上线的过程中,有时候不能如期交付,除客观因素(人员变动)外,主观因素主要是本人非技术出生,导致对开发工作量评估不准确。后来通过①找技术大佬帮忙一起评估和②细化开发工作、制定目标及定时 check 来增加对项目的控制力,可以更好的定位到项目延期风险问题

其次,总结在项目中的收获

  • 对产品工作认知加深。参与到这个完全从 0-1 的项目,使我更全面了解产品经理的整个工作流程,对每个环节有了更深的体会与理解
  • 产品工作技能提升。比如沟通能力,B 端产品必须要多和业务方打交道,才能知道他们的需求,此外,在做商务推广时,锻炼了对不同的人将不同的话的能力;比如学习能力、逻辑思维能力、发现问题的能力等

最后,路漫漫其修远兮,吾将上下而求索。继续前行吧!

文中如有不足之处,恳请指出。

本文由 @细嗅蔷薇 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

给作者打赏,鼓励 TA 抓紧创作!

赞赏

更多精彩内容,请关注人人都是产品经理微信公众号或下载 App

2 年从0到1初级数据分析产品

收藏已收藏 | 17 点赞已赞 | 9

分享到微博

微信扫一扫

复盘:一个数据分析类产品从0-1的建设全流程 「作品集框架、c端也适用」 - 图11

分享
http://www.woshipm.com/pd/4416262.html