产品经理谈一谈：商品上架行为分析

产品经理是干什么的？

一个比喻形象解释下，产品经理便是互联网行业的“粮食育种专家”，产品经理和技能团队协作通过“基因编码”技能编写某栽种物种子各阶段成长的主信息，然后移植到土中造就，经由人工选择和优化终极造就出健壮高产的作物。

01 概述

种子要成长第一步是播种，不丢到土里或其他适宜成长的环境里是无法长出来，无法验证该品种是否优秀。

同理互联网各行业繁荣的第一步也是“播种”，只有将“种子”播种到“土”里，才能带来丰收。
不同的行业种子不同，播种办法也不同：

1.1. 自动化

对付交通系统而言，无论是地铁、高铁、汽车，发卖的车票都是标准化的产品，车票本身的包含的信息属性较少，可以由打算机程序自动完成车票的上架和下架，无需人工干预。

对付搜索引擎，特殊是不主导内容创作的业务模块，由自动化程序将互联网存在的各种内容爬取过来，在用户搜索的时候返回，信息的爬取也是自动化完成，无需人工干预。

1.2. 人工

对付商品系统，无论是衣服、食品、家电乃至房源，这些都是非标的产品，商品摆上货架，须要人工完成，并且在商品无法发卖时，还须要主动下架。

对付内容平台，知乎、小红书等，平台上供应的知识内容也是非标产品，内容的创作和上架都须要作者主动完成。

1.3. 人工赞助

人工赞助是对人工上架的补充，虽然由于行业的限定，无法完备交给机器自动化完成，但是个中部分的流程是可以交给机器的。

比如：

商品信息可以构建词典，帮忙添补部分商品的属性信息，包括自动天生宣扬标题、自动美化风格等。
商品的智能客服、物流追踪、自动下架可以由信息系统自动帮忙完成。

02 电商商品上货架

本文紧张展开电商商品的上货架剖析，期望通过剖析商品上架的效率现状，制订合理的指标，并一步步实现商品上架环节的高效进行。

2.1. 物理天下的商品上架行为

在互联网以前的货架紧张是物理货架，包括阛阓摆货、菜场摆菜等，发卖方须要花费大量的韶光安排专人理货，并须要定期下架不新鲜的货源。

笔者调研小区的菜篮子工程商贩，他们每次来小区摆摊七八个小时，摆货、收货环节就要花掉四个小时不止，可见商品上架霸占日常事情的很大一部分韶光。

2.2. 互联网天下的商品上架行为

互联网兴起后，线上商城包括淘宝、京东等成为最新型的货架，在这些平台上的商户须要花费大量的韶光处理商品上架的事情，包括文本信息录入、图片制作上传、视频内容上传等。

商品上架效率的高低由两个参与方决定的：商户的信息录入职员和平台的软件产品及配套做事职员。

如果信息录入员思路清晰，业务闇练，有耐心，在体验差的平台上也可以完成商品的上架如果平台智能，纵然业务不闇练的新手也可以高效完成商品的上架。

这两者个中任一方的功能强大，都能填补另一方的部分毛病。

作为推向市场的产品，我们乐意相信产品在实验室环境中已经做了必要的调研和试验，虽然未经由大量客户的直接考验，至少是能够正常完成信息录入。

03 剖析目标和思路

大部分平台须要上架的商品种类和字段会很多，我们期望剖析当前利用用户在商品上架环节花费的韶光情形，挖掘可以改进的空间。

3.1. 用户分群和排序

平台上的商户会很多，各种各样，数据剖析第一步，对用户分群并排序，优先关注高优先级用户的需求。

该过程首次启动时，可以利用静态数据作为分群标准，后续随着系统迭代，可以逐步丰富分群指标。

静态的信息，包括商户信息、员工信息、商品信息。

一样平常的平台可能会先选择以下指标：（实际场景各有不同，本处只是引子）

信息完善度：比如工商信息、收款账户等，详细考虑考虑标准根据实际业务场景确定，本文抽象为0-1之间的数字。
条约类型：免用度户、付用度户，肯定付用度户的优先级更高。
本文抽象为两个类型：免用度户、付用度户。

3.2. 用户行为定义和剖析

剖析用户行为，首先要梳理用户动作的数据构造，根据行为动作定义状态事宜。
动态的信息，核心字段简化为：

操作商户、操作人商品编号：用于唯一识别商品商品信息：商品信息内容较多，不同类别的商品要上传的信息数量不同，且会涵盖笔墨、图片、视频多个维度商品状态：用户的保存和提交动作会导致状态变革。
比如保存失落败、保存成功、上架失落败、上架成功，这些状态都在影响行为的剖析。

商品状态变革图为：

实际业务可以再此根本上连续拓展。

04 剖析实战4.1. 信息网络

本文利用的数据都是随机仿照的数据。
如需查看完全源代码可以在GitHub中，搜索”ImPmZhang”查看。
四张信息表为：

4.2. 定义事宜

商户操作上架，从任意选定的韶光窗口不雅观察，无非两种情形

无论哪种事宜，都可能是由多个动作组合产生。
以是第一步须要按照商品的维度将多个动作打标签，归为一类。

4.3. 事宜编号

将商品已成功上架和未成功上架的N多个房源的N多个动作授予唯一的编号。

4.4. 数据打算

数据打算关注点为：

每个事宜占用的总韶光、均匀韶光、动作数量每类事宜占用的总韶光分布、均匀韶光分布、动作数量分布。

4.5. 数据可视化4.5.1. 数据分布比拟

图表阐明：

图表中绿色为“商品已成功上架”事宜，横轴表示不同商品成功上架花费的韶光，纵轴表示用户数。
从图中可知用户最多要花费60个单位的韶光才能成功上架，解释上架效率较低，也侧面反响商户认可平台的代价，乐意花韶光做上架动作。
图表中赤色为“商品未成功上架”事宜，横轴表示不同商品用户花费的韶光，纵轴表示用户数。
从图中可知一部分用户花费较少韶光操作上架，上架失落败后就没有连续操作。

另有一部分用户一贯在坚持操作，随着韶光的增加可能会变为商品上架成功状态。

从仿照数据中得到信息为：

该平台可能新上线不久，系统还在适应期，系统体验度不好。
平台的用户对平台认可度高，虽然系统难用但是乐意利用，解释这是一个代价风口。
平台从事的行业产品信息繁芜，校验严格。

产品经理可以调研上架成功次数多且花费韶光多的用户，理解失落败缘故原由，针对性供应优化建议。

4.5.2. 数据整体比拟

以上三个箱体图分别统计“商品已上架成功”“商品未上架成功”两类事宜，每个事宜考试测验的次数、花费的总韶光和均匀韶光。

从图中可知，“商品已成功上架”事宜操作次数比“商品未上架成功”事宜操作次数多、花费的总韶光也多，但是均匀每次花费韶光少，解释商品成功上架的商户汇合中处理上架问题，不会间隔太久。

4.6.支配实时监控系统

支配履行系统的目标是将上述剖析实时化，通过动态系统可以动态不雅观察指标变革，管理层可以通过该指标明确业务重点，并考察实际成果，提高效率。

此处指标为：均匀上架花费韶光、均匀操作次数。

05 数据可运用方向5.1.商户赏罚机制干预

上架效率高低，由两个变量决定：操作人和平台系统。

对商户的干预是剖析本公司不同员工的操作效率。
通过区分表现精良或表现较差的员工，采纳赏罚机制。

5.2. 平台产品体验优化

如果整体的效率较低，解释不是人力所能为，须要平台着重从技能上办理问题。

本文由 @我是产品张 原创发布于大家都是产品经理。
未经容许，禁止转载

题图来自Unsplash，基于CC0协议

该文不雅观点仅代表作者本人，大家都是产品经理平台仅供应信息存储空间做事。