用户投稿|＂数据＂在系统产品设计工作中各个阶段的应用实践
2024-11-29本文为学员投稿的原创作品，现在才聚正面向专业项目管理者征集“项目管理实战案例”原创文章，被采纳即可获得丰厚稿酬，欢迎大家关注公众号踊跃投稿。
如您有意向投稿，可点击查看投稿要求和方法，按文中方法将稿件投递给我们。
我已经从事产品经理工作多年，经验告诉我，数据一直伴随着产品设计。数据在系统产品设计工作中发挥着至关重要的作用，从需求发现、产品设计、到产品迭代和优化，数据都是不可或缺的资源和工具。
“数据”的应用贯穿于系统产品设计的各个阶段，分别是启动期、成长期、成熟期和衰退期。下面就以某企业资源管理ERP系统为案例，逐一分析和阐述各个阶段的落地实践。
1. 收集市场需求：利用各种数据收集方法（调查问卷/面谈/网络查询等）来汇总分类市场需求。
我们通过调查问卷、面谈、网络查询、朋友介绍等方式，获取到市场上各个ERP产品的信息，从行业地位、功能清单、能否提供源码、开发语言、是否支持低代码平台、报价方案等方面，汇总分类，形成一份初步的ERP调研结果表。这份表格将用于后续分析市场需求中真实需求，以便提炼出市场最迫切的核心需求。
图源：作者
2. 分析市场需求：利用各种数据分析方法（头脑风暴/专家判断/SWOT等）来分析市场需求，找出当前市场最迫切的企业资源管理需求。
依据上述表格中数据，通过头脑风暴/专家判断/SWOT等数据分享方法，我们得出关键的分析结论：
-
当前ERP的功能范围包含了客户管理、供应商管理、采购管理、销售管理、库存管理、财务管理这些基本功能。如果涉及到不同行业，可能会需要生产管理、合同管理、设备管理、广告管理、人力资源管理等功能。
-
大部分厂商是不提供源码；
-
开发语言主要是.net语言和Java语言；
-
支持低代码平台，便于客户后期自由组合模块，无需二次开发
-
报价范围：按客户数，基本是10个客户，20-30万。
3. 快速验证产品想法：通过MVP（最小可行产品）和A/B测试，快速迭代收集客户反馈，验证市场需求。
根据上述分析结果，我们着手设计MVP产品，设计两个产品，来快速投放市场，验证产品方向是否正确。
-
产品A：客户管理、供应商管理、采购管理、销售管理、库存管理、财务管理、营销管理、人力资源管理、办公管理；
-
产品B：客户管理、供应商管理、采购管理、销售管理、库存管理、财务管理、物流管理、项目管理。
公司寻找了一些有潜在意向的客户，通过免费试用，有奖反馈等形式，收集到两款产品的实际使用情况的反馈。
图源：作者
根据使用客户的实际反馈情况，排除一些干扰因素（比如使用客户中是否都将两块产品都全部使用过，客户使用系统的物理环境等），初步敲定产品A，具备可研发的可能性。报批公司高层，申请项目立项，进入正式研发阶段。
4. 灵活的设计：设计可扩展的架构，预留扩展空间，方便后期根据客户反馈进行调整。
从上面的收集的ERP调研结果表中，我们分析得知，新ERP系统必须具备低代码平台能力，这是一个亮点，是与其他厂商竞争的利器，足够能够吸引客户眼球并且下单购买。
产品架构和底层技术架构，需要做到扩展性、延伸性；接口字段增加备选字段，配置项和数据字典功能代替写死的代码；多个接口好于单个接口；支持标准的输入输出接口，方便对接外部系统等。
1. 数据驱动设计：根据客户行为数据，进行数据驱动设计，优化产品设计和功能。
我们在设计初期，就制定了数据埋点、数据收集、数量处理、数据应用的管理流程和规范。
（1）数据埋点
在电脑端和移动端的核心页面，各个按钮都增加埋点，同时区分各个渠道来源，同时增加操作日志；
底层服务，增加接口日志，监控接口与页面、接口与接口交互情况。
（2）数据收集
单独建表和日志存储，按照不同场景的数据来源，分门别类，标记清晰；
表中数据储存可达3年，以便将来的项目回溯、问题追踪和数据完善。
（3）数据处理
针对收集到的数据，首先需要进行数据清洗，按照业务规则来进行数据清洗，清除无效、错误、残缺的数据，保留合格有效的数据。
（4）数据应用
数据清洗完，需要将合格有效的数据通过页面方式展示出来，支持多维度查询。这样的数据，用于产品设计时，判断甄别出客户的真实需求，从而调整产品设计功能，以满足客户的需求。
2. 增加核心功能：根据客户反馈和数据分析，增加核心功能，满足客户需求。
从客户真实反馈和数据分析结果来分析，反馈最多，但是产品一直未支持的功能，大部分是客户需要的核心功能（比如采购管理、库存管理、销售管理），需要重点关注，进行优先开发和满足。
核心功能的价格，也是可以通过数据来分析，结合投入成本、市场定价、销售策略等因素，制定出合理有竞争力的价格，能让客户接受。
3. 完善产品功能：完善已有功能，提高功能的易用性和效率。
产品功能发布后，客户使用一段时间后，由于业务流程变化、业务人员操作习惯、页面之间风格不一致、交互流程存在断点等原因，客户肯定会提出各种优化需求，这些都会在数据层面体现出来。
我们需要结合数据，分析这些优化需求，去除干扰，提炼精华，再研究如何提升功能的易用性和使用效率。比如合同管理中可以能快速查到招投标项目和采购订单等核心单据信息，而不需要去另外打开页面去查询。
迭代发布后，还是需要坚持通过数据表现来说话，验证迭代产品方向有无错误，只有切实满足客户需求，帮客户解决了问题的产品，才是一款真正厉害的产品。
图源：作者
4. 优化客户体验：提升产品易用性、流畅度，改善客户体验，提高客户满意度。
当今时代，进入到产业互联网时代，现在的B端业务的具体实操人也是个体，是具体有思想有情感的人，这些人经过互联网实践，企业数字化转型理论的长时间熏陶，因此对于系统的交互性、体验度，也提出了更高的要求，不在局限以前的传统要求——能用就行。
淘宝的出现，让“淘式购物”已成为B端行业系统产品的标准，即B端系统使用起来，也要像“逛淘宝”一样，流畅好用，界面美观。
通过客户访问量、页面访问时长、页面停留时长、页面跳转时长、访问路径转化率、埋点数据记录等各种数据，我们依据专业的数据分析方法，使用各种数据分析和处理工具，能够快速找到系统产品在页面美观、页面交互、流程走向等方面存在的问题和背后的根本原因。
1. 精细化运营：根据客户画像和行为数据，进行精细化运营，提升客户体验和客户价值。
产品上市一段时间后，市场份额和营收都会趋于稳定，增量提升有限，这时候还是需要数据，数据为精细化运营提供事实支撑，根据不同客户的画像、行为数据、分析客户的购买行为动机、引导客户下单支付，提高客户的复购率，做好留存工作，不会让现有客户流失。
2. 增加个性化功能：提供个性化推荐、定制化服务等功能，提升客户体验和满意度。
从现有的数据反馈方面分析，我们可以看出，部分客户实际需要个性化功能来进一步带动和刺激客户使用系统的意愿，必须超出客户的预期，为产品带来新的增长点。差异化的服务，也是产品服务的生存法则。
3. 探索新功能：尝试新的功能，为产品注入新的活力，保持产品竞争力。
根据市场调研结果表，我们可以从现有产品功能和竞争对手的产品功能中找出，目前市面上还未出现的新功能，为客户的企业资源管理带来新的数字化转型价值。
比如说，可以根据企业内部组织的归属和分工不一样，采用模块化设计，自由组合各个模块，不同的组织，试用不用的模块和流程。大大降低开发成本，提高业务管理效率，快速满足业务需要。
为客户降本增效，我们的产品才能完成应有的任务，赚取利润，实现“双赢”。
开发新功能之前，需要结合历史数据，预测下未来市场份额、客户数、营收、毛利等情况，预测数据达到公司要求后，快速开发新功能。
开发出新功能后，需要尽快投放市场，同时做好营销推广工作，收集客户使用数据，快速验证市场反应，如果反应好，就乘胜追击，不断完善新功能；如果反应不好，需要及时止损，快速查找原因，综合分析再做出决策。
市场需求一直在变，我们需要紧随市场变化，必须结合数据来分析、预测和判断，切不可主观认定，造成不可挽救的损失。
4. 保持稳定性：保证产品的稳定性和可靠性，避免出现重大问题，影响客户体验。
产品稳定性和可靠性，也是需要数据来证明。比如短时间内，系统访问数减低，客户数减少、订单量减少、收入急剧下降等异常情况，必须通过数据从源头开始分析，使用鱼骨图法等数据分析方法，打破砂锅问到底，才能找到最根本的原因。
找到原因后，立刻提出解决方案，确保短时间内恢复系统产品的正常使用，避免给客户造成长时间无法使用系统的局面，客户因此会失去耐心和对我们的信任，当然客户方的损失，也会需要我们自己来承担。
一个系统产品，不可能一直上市运行，当我们结合数据，探查到该产品在一段时间内的客户数所剩无几，访问量低，订单量低，带来的营收低或者几乎为0。
虽然采取了挽救措施，但是产品的整体收益还是无法有效提升。企业投入成本高居不下，利润为负，最后企业还是需要根据实际数据，必须做出逐步退市或立即退市的计划。
老产品的退市，也是为新产品的上市和拓展做出贡献，老产品的一些数据，可以为新产品的未来发展，带来非常有价值的参考意义，避免新产品走弯路。
综上所述，我们总结出数据在产品设计工作中应用包含了设计前、设计中、设计后：
设计前：在产品设计前，通过数据分析明确产品设计方案的目标，并找到改版的路径。
设计中：数据驱动的重点在于数据辅助产品优化和效率提升。
设计后：在产品发布后，利用数据进行验证，并提供证据，以优化产品。
作为产品经理，我们不能局限于当前现状，还要畅想未来，数据在系统产品设计工作中的应用将更加广泛和深入，不仅能够提升产品设计的效率和质量，还能够增强产品的智能化和个性化。
我们可以从以下几个趋势进行展望：
1. 大数据和实时分析：随着数据规模的不断增长，未来系统产品设计将更加依赖于大数据技术和实时分析能力。这意味着产品设计将能够处理大规模数据并进行实时分析，以快速响应市场变化和用户需求。
2. 人工智能和机器学习：人工智能和机器学习技术的发展将使得产品设计和开发中出现更多复杂的预测性分析和自动化流程。这些技术可以帮助设计师和开发者更好地理解用户行为，优化产品性能，并预测未来趋势。
3. 隐私保护和法规遵守：随着数据使用的广泛性增加，隐私保护和法规遵守将成为重要议题。系统产品设计需要在收集和使用数据时考虑到隐私保护的要求，确保合规性。
4. 多模数据库技术：数据库技术的发展将支持多模数据库，实现一库多用，利用统一框架支撑混合负载处理，并运用AI实现管理自治，提升易用性、降低使用成本。
5. 数据驱动控制：数据驱动控制作为一种现代控制理论的新趋势，其核心在于通过分析和利用数据来进行控制决策，而不完全依赖于精确的数学模型。结合在线数据和离线数据进行控制系统设计，可以充分利用实时反馈信息和历史数据积累的优势，实现更为精准和可靠的控制。
6. 数据科学与产品设计的融合：数据科学在产品设计中的应用将更加深入，从数据价值、数据指标建立到切实可用的分析方法，都将对设计师和设计成果产生重要影响。数据将驱动产品优化，辅助设计决策和量化设计效果。
7. 数据治理和模型管理：随着模型和算法在产品设计中的作用日益增强，数据治理和模型管理将成为确保数据质量和模型可靠性的关键。
拥抱数据，应用数据，才能将产品设计工作做得更加完美！
8. 数据可视化和交互：数据可视化技术将帮助设计师和用户更直观地理解数据，提高决策效率。同时，数据交互技术将使得用户能够与数据进行更直接的互动，从而提升用户体验。
- 上一篇：NPDP考试常见知识点及题型
- 下一篇：没有了
