什么值得买爆料产品优化

让购买更愉悦——什么值得买

什么值得买是我决心走向产品生涯的第一篇内容,今日机缘巧合在微博上和什么值得买的CEO那总有了几句交流,也想趁这个机会写写占用碎片时间最多的app——什么值得买。

用他们自己的话来说,“什么值得买”是一个致力于建立完善的内容体系满足消费者全方位的需求,设立好价、好物、好文、海淘、音视频等频道,全力打造用户能够第一时间了解、体验优质商品的平台。

产品定位很清晰,一个能够使用户第一时间了解、体验优质商品的丰富内容平台。

模块设计也紧扣主题;

好价模块就是为了满足第一时间了解优质产品;

好物模块则是为了让更多用户体验优质产品。

本篇文章,着重讨论值得买的“好价”模块,这一模块已经发展得十分完善,本文也有一些鸡蛋里挑骨头的意味。相比之下,“好物”模块的基础功能虽已经实现,却存在用户投稿率不高,互动率不多等问题,在大力发展UGC内容平台的当下,拥有大量访问量的平台如何引导用户发帖,增加用户黏性,这也应该是作为产品优化的一大难点。更重要的是,我认为内容发展才是平台未来的重点,只有让“丰富内容”与好价结合,平台才有更高的用户黏性。 文章编写时,正值app V8.7版本上线,对’好物’模块进行大刀阔斧得改动,需要更多深入体验才能进行产品分析。所以关于好物模块,将放在下一篇文章内讨论。

【好价】:第一时间了解、体验优质商品

拆分来看,什么值得买作为一家从折扣信息爆料平台起家的互联网产品,不可否认,在爆料内容以及商品种类丰富程度上,在业界无人出其右。2015年时,我还因爆料时效性问题专门发私信给那总,在运营小编无法处理庞大爆料数据的情况下,建议改为值友专家团的审核模式,提高爆料效率。但今日翻过头来再看,我的建议就太过小儿科了,大数据和机器学习的应用,完全能够通过算法实现机器审核爆料问题,什么值得买中现行的审核机制应该就是 人工 + 机器识别 的方式,随着自然语言处理的研究更加深入,全机器识别审核的实现不会再是梦想。

现今平台24小时时段内在好价精选栏目中爆料数大致是300条。(发现栏目条数为倍数增长),就现在的体量来看,好价的爆料数基本可以满足用户需求,作为轻、中度用户,一日在app中停留时间为半小时左右,300条爆料信息足够填充信息需求。

但是,即便是作为中立的信息推介平台,哪一类型的信息(爆料商品)更能令人满意,用户对于爆料服务存在着怎么样的需求,这都是对于产品优化都很关键的问题。

因为我无法得到大面积的用户产品反馈,所以只能在app中两大用户使用痕迹中入手,一是评论区用户回复内容,二是爆料内容的满意率与参与人数。所用数据均为自行从什么值得买网页内抓取的,数据真实有效,但可能由于数据抓取的偶然性导致一定偏差,敬请谅解。

从数据入手,用爬虫提取运动户外商品分类中,前10页爆料信息中的共2984条评论,设定关键词筛选,以分析用户回帖内容,得出占比前三的回帖类型。

数据帮我们找到在这一品类中,最重要的三个用户需求。而这三个需求,则是三个十分值得讨论的的议题,其中我认为能够通过单纯软件层面优化解决需求的是第一点。

尺码、商品细节疑问

关于尺码及商品细节问题,一直是用户在运动户外品类最关心的内容,而现行模式是由有购买欲望的用户发起提问、已购买用户回复回答、完成需求解答。


可是需求解决过程中,存在着很多不可控因素,例如:

(1)已购买用户是否会点进评论区(发现问题),

(2)已购买用户在多次回复同一商品后,是否还会在评论区会选择回复相似问题(解答问题),

(3)当新用户连续提问时,已购买用户是否能够及时发现并回复问题(时效性),

这三个不可控因素极大程度上影响了’尺码疑问’这一用户需求的解决。 不可否认的是,现行模式极大提高了用户黏性,很大一部分用户交流发生在这一场景中,增加了用户黏性,但实际上是缺乏效率的。对此我们提出疑问,是不是在满足这一用户需求的场景中,有更好的解决方案呢?

其实传统电商网站中,对于这一用户需求的解决更加急迫,而实际上他们采取的解决方案则是赋予给了人工客服(询问)与评论区反馈。而对于什么值得买平台而言,我认为评论区反馈的模式更值得借鉴,但是传统模式还是缺乏一定效率,不利于快速解决痛点。

就传统模式而言,我观察淘宝、京东、网易惠惠海淘三家评论区的具体细节,要素有以下几点:

固定要素:购买日期、款式、颜色、尺码大小、对于产品的文字反馈、

可选要素:货品图片、对本条评论的咨询功能、对该评论的点赞功能

对于我设想的解决方案,建立产品数据库来解决需求痛点。传统模型内的原有要素都是值得采纳的,但为了提升效率,加强标准化,我建议选用及增添以下要素:

固定要素:款式、颜色、尺码大小、标准尺码大小、对于产品的文字反馈、

可选要素:货品图片、对本条评论的咨询功能、对该评论的点赞功能

并添加亮点功能:向购买过的人提问功能

新功能设计如下:

如此一来,在爆料中用户关于尺码细节问题的需求,解决流程变为:


模拟产品设计布局如下:



这样的优点是:

1、数据库可以最有效率得解决用户基本需求。

2、”向买过的值友提问“在解决关于用户复杂问题需求的同时,也保证了评论中的用户参与度,一定程度上弥补了由减少基本提问而导致的参与度下降。

什么值得买在价格爆料业务中做的已经十分优秀,在行业内也可以说是做的最好的产品。但是相对于UGC内容平台而言,需要做的还很多,无论是转化流量到论坛、还是引导用户发帖、培养用户阅读习惯,都有很长的一段路要走。待我细细体验过V8.7版本之后,再与大家分享。

感谢。

注:

1、本文所采用数据均为平台公开数据,真实有效。

2、本文是正式开始产品内容学习后所写的第一篇产品分析文章,所抓取的切入点可能并不准确,大多数观点也是自说自话,并没有成熟的方法论,望见谅。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 224,289评论 6 522
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 95,968评论 3 402
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 171,336评论 0 366
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 60,718评论 1 300
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 69,734评论 6 399
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 53,240评论 1 314
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 41,631评论 3 428
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 40,599评论 0 279
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 47,139评论 1 324
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 39,166评论 3 345
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 41,286评论 1 354
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 36,917评论 5 350
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 42,604评论 3 336
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 33,075评论 0 25
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 34,205评论 1 275
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 49,814评论 3 381
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 46,351评论 2 365

推荐阅读更多精彩内容