产品经理：三大年夜案例手把手教你做产品迭代（GrowingIO）

你，不应该错过！

一、链家网

链家希望去研究线上数据的需求已经快积累了两年了，引入 GrowingIO 后我们的产品和开拓非常勤奋地用这些数据去填补我们之前哨上数据的不敷。

在链家网，我们创造利用『舆图找房』功能的用户群体的转化率，高于均匀转化率的 60% 及以上。
但是『舆图找房』这个功能的利用率只有 7.35%，也便是说没什么人用。

将【舆图找房】功能放到显著位置

既然这样，那是不是说利用『舆图找房』能提升整体的转化率呢？于是产品经理提出改版方案，便是把『动图找房』搬到了房源搜索结果页的列表上。

让人惊喜的是，只是这么一个小小的改动，就把利用『舆图找房』的用户提升了30%。

改版前后的转化率差异

同时新的舆图入口的转化率比原来的提高了6%-10%，我们整体的转化率居然提升了 9.8%，而这只是产品上一个非常小的改动。
这个例子是我们产品经理在加载 GrowingIO 的第一周就想到的一个产品改进，是一个非常有纪念意义的改进，以是拿出来讲一下。

如果我们能不断深入去研究这些数据的话，这些创意就会被我们源源不断的挖掘出来。

二、狗民网

（一）快速测试

在产品功能更新的过程中，大家可能会对产品功能产生不同的见地，这种情形下大家须要用数据去验证。
传统的埋点采集数据本钱很高，通过 GrowingIO 的“无埋点”数据采集技能可以很好的办理这个问题。

UGC阅读量和评论量标签

今年 10 月份（编者注：2016 年）狗民网在 App 里面做了一个 UGC（ User Generated Content，用户原创内容）瀑布流，每天更新 30 条优质的 UGC。

由于一开始的浏览量和评论量都不是很多，产品经理建议去除这部分数据的展示，但是研发认为用户已经养成参考这部分数据的习气，去除的话用户点击会低落。

产品迭代试验结果

面对争执，狗民网做了个大略的测试，去除了数据标志后，通过 GrowingIO 的数据看板不雅观察 UGC 的访问用户量和点击量变革。
试验后第一周数据不但没低落，反而有了大幅度的提升；为了打消内容变革的滋扰，又持续不雅观察了两个星期，数据不但没有低落反而有了大幅度提升。
通过试验数据剖析，原来争执不下的问题得到了很好的验证和解决。

（二）优化体验

狗民网在产品剖析过程中创造注册转化率过低，根据履历判断注册流程很可能有问题。
借助用户分群和用户细查，不雅观察用户的细查路径，果真创造了一些问题。

无法获取短信验证码

用户无法及时收到短信验证码，然后重复点击获取验证码，导致注册转化率过低。

第三方账号登录出错

同样，利用第三方账号（微信、微博等）登录 App常常涌现无法登录的情形，从而涌现短韶光内多次登录失落败情形。
经由剖析，狗民网创造用户信息数据库不兼容分外字符，导致很多第三方账号登录失落败。
经由改进，新用户的转化率提升了 4.45%。

（三）迭代产品

在产品迭代的过程中，通过 GrowingIO 的用户留存剖析，狗民网着重剖析了不同产品功能的留存率，希望找出高粘度的功能。
通过对 “俱乐部”、“养宠问答”、“养宠学院”、“购物”、“热门活动”等 9 个产品功能的用户进行留存剖析，创造利用“俱乐部”、“养宠问答”、“养宠学院”这三个功能的用户留存显著高于其他用户群体和 App 的均匀水平。

不同用户分群的留存率

既然利用“俱乐部”、“养宠问答”、“养宠学院”这三个功能的用户留存率更高，在接下来的产品迭代中，俱乐部功能得到更好的入口和推举，养宠问答引入专业的宠物年夜夫、宠物演习师进入，养宠学院不断丰富高质量的内容。
经由三个月的迭代，用户总体越日留存率提升了23.3%。

三、猎上网

猎上网全体模式非常类似电商，只不过电商办理的是线上商品资源的交易，而猎上网办理的是人力资源的交易。
但很多东西是举一反三的，电商行业通用的商品交易总额公式在猎上网也同样适用：

GMV=订单量订单转化率客单价。

下面我就跟大家分享一个猎上网自身的增长案例，先容我们如何通过数据剖析创造提升订单转化率的增长机会，并及时优化产品，终极实现业务总体增长。

（一）产品剖析

猎上网的全体业务可以分为很多模块：

订单模块：即人才推举，HR 发布职位后，猎头就会推举相应的候选人，这便是订单。

人才管理模块：指猎头对自己上传候选人简历库进行管理。

算法引擎模块：包括智能匹配、搜索引擎等。

猎上网业务模块

猎上网对所有这些模块都会进行监控和数据剖析。
以“人才管理”模块为例，看看我们针对用户行为数据进行剖析能创造什么。

猎上网人才管理模块用户行为数据剖析

首先，我们不雅观察猎头的行为创造，猎头 67% 的韶光都花在“简历创建”上，类似电商平台的“上新”。
而在所有这些“上新”的行为中，65% 的情形是猎头创造平台上有得当的职位，即图中绿色部分的“推举时”。
也便是说，绝大多数猎头默认的优先行为是在平台上搜索浏览企业 HR 发布的职位，进行“选单”，针对职位看自己手里是否有得当的候选人，再来创建简历。

而另一方面，当猎头的人才简历库越来越完备，信息越来越标准化，猎头又会有很大概率利用“智能匹配”，即平台推举。
智能匹配有两种玩法，一是人才匹配职位，二是职位匹配人才。
我们创造猎头更喜好用人才匹配职位（利用占比 62%），而且这种形式下订单转化率也比职位匹配人才模式更高，可以达到 40%。

两种智能匹配模式利用率和转化率

以是结论便是：猎头默认的动作偏好是按照职位去找人，也便是“选单优先”。
但是当平台给猎手推举信息进行“智能匹配”时，他们又更乐意根据简历库中的人才去匹配职位。
这是通过 GrowingIO 的用户行为数据剖析我们创造的一个非常有趣的洞察。

（二）产品优化

基于这个洞察我们做了两件事：

第一，优化搜索引擎。
在精准匹配的算法优化上，我们选择优先做人才匹配职位的算法，而不是职位匹配人才；

第二，建立职位专场，类似淘宝的聚划算和微淘。

增长效果数据

终极的结果便是，猎上网在前三个季度的整体面试成单转化率提高了 80%。
同时职位专场刺激了猎头激活，猎头的留存率得到提升，整体成单猎头数增长了 37%。
并且，专场化的运营也使得人才职位匹配度提高，佣金客单价提升了 21 % 。
后续，我们又进一步做了“滴一猎头”和“人才画像”两个功能，增长效果也很明显。

这是猎上网通过 GrowingIO 进行整体用户行为数据剖析，从中创造商业洞察并终极实现增长的一个有趣案例。
这个中数据洞察非常主要的一点意义，在于让我们可以更好地知道若何做资源调配。

产品前期开拓中有许多功能要做，但当我们把用户行为偏好的洞察数据给到他们往后，产品就能清晰地知道该当若何做不同算法调优的韶光分配和优先级安排，实现资源的最优化利用，才能终极实现显著的业务增长。

End.

来源：公众号“GrowingIO”

运行职员：中国统计网

微博ID：中国统计网

中国统计网，是海内最早的大数据学习网站，"大众号：中国统计网

http://www.itongji.cn