矽谷之路66 產品經理之路（七）

01-30

查看完整視頻：http://www.bittiger.io/videos

繼續我們的產品經理之路。今天一起來看看產品大牛的實戰篇。

在前面的六講中，我們一起從產品小牛跨越到了產品大牛，學習了大牛的「太極五式」：

在這一講中我們將開始實操產品大牛會遇到的問題：

如何優化電台？
如何優化搜索？
如何完成中國好聲音項目？

如何優化電台？

在遇到這個問題的時候，我們第一個要問的不應該是「有哪些方案」，而應該是什麼是「好」，「目標是什麼」。經過探索，我們發現「周人均電台聽歌數」是一個不錯的指標。其實，沁原覺得「完整聽歌數」會是更好的一個指標，因為如果聽眾聽歌總是頻繁的切換也並不能反映問題。可是，「周人均電台聽歌數」卻是一個更容易統計的指標。所以，確定目標是一個權衡的問題，不要overdesign這個目標。那麼，下一步該怎麼做呢？核心就是拆解。下圖中的方法就是典型的時空上的拆解。

可是問題又來了，實施的過程中第一個遇到的難點便是沒有統計。

所以說有了好的目標，還得過一陣子等把統計加全加准後方可開始分析。準備好數據後，我們繼續看拆解後的指標。其實，有的指標是可以優化的，有的就沒有那麼容易了。比如，「周均使用頻度」這個指標有點抽象，不好衡量，我們就可以先放放它，來優化其他的指標。

那麼第一個可以優化的指標就是入口參與比。這個很簡單，就是把電台做得很好看一些，讓載入速度更快一些。在設計和時間上的變化立竿見影的將頁面轉化率提高了15%。

下一個要優化的目標就是每個用戶每次聽歌的數量，這個相比之下有些難度。在提到優化的時候我們往往會先想到速度，所以我們就要看整個聽歌的過程是否足夠流暢。同時，我們還要做一個對比，因為對比是發現問題的源泉。

通過對比各個電台的人均的播歌次數，我們就得出了下面的表格。我們發現熱歌、傷感、80後和90後電台的人均播放數排的比較靠前。

有了這些數據後，我們進一步通過用戶反饋來作分析。用戶反饋是最容易幫助你認識到產品不足的地方，這些都是最影響用戶體驗的地方。通過下面反饋的內容，我們不難發現歌曲的重複和歌曲質量、速度等是影響用戶體驗的主要方面。那麼怎麼解決這些問題呢？

我們通過擴充曲庫來解決歌曲重複的問題。僅僅這一個優化就將人均播歌量提升了5%。仔細看錶格，也許你會發現並不是所有的電台的歌曲數都提升了，有的其實是降低了。這就要涉及到沁原提及的「完整聽歌率」了，通過按完整聽歌率的排名，淘汰被切歌次數多的歌，反而提高了大家的體驗質量。

除了擴充曲庫，還有下面列出的優化人均播歌量的手段：

另外一個優化周人均電台聽歌數的切入點是優化入口參與比，讓更多的人把電台添加到播放列表。我們可以增加入口，無論是符合用戶需求的上下文入口，還是廣告入口都可以。還可以尋求入口與搜索或歌詞的結合。

例如下面的例子。在soso音樂中輸入搜索傷感電台，就會出現電台入口，這就很好的運用了上下文入口。

周人均電台聽歌數還可以通過優化用戶的周使用頻度來實現：

通過上面這些方法，電台的總播歌量在穩步提高：

如何優化搜索？

同樣還是老問題，我們先要確定出優化搜索的目標是什麼。「周搜索聽歌數」就成為我們的目標。

那麼，這個目標該如何拆解呢：

在統計加全加准後，我們就來決定哪些指標可以作為優化的重點：

首先來看如何提升搜索的轉化率。可以將搜索詞分類，並進行分析。

我們發現，搜索轉化率的初值為72%，也就是說還有28%是沒有轉化成的。

那怎麼辦呢？我們首先手動抽取了100個未轉化的詞，結果就像下面的圖表列出的：

下面我們來把這些手動找出的結果一個個來分析一下。首先，用戶亂點的搜索是不用理會的，這就是被我們稱做的「噪音數據」，相關數據是可以直接被抹掉的。

另外，就是結果數比較少的。那怎麼辦呢？這個時候就要把搜索策略的方法和流程進行修改。

還有就是分類產生的問題。比如當用戶搜索「秋天」或「傷感」的歌曲類別時，如果曲庫里的歌曲沒有類似的關鍵詞，即使符合類別也搜索不到。所以一個解決的辦法就是人工匹配的大合集策略。其實，沁原曾經做過一個模糊搜索匹配，核心就是通過對網上創建的歌單進行自然語言處理。這個方法的效果非常好，也免去了人工匹配的繁瑣。細節以後有機會沁原會和大家詳聊。