VeryBuy 數據驅動文化下的產品開發流程

僅以這篇文章協助讀者瞭解 VeryBuy 的數據驅動文化，主要寫給那些未入行、剛入行的產品經理，藉由筆者(一個菜雞 PM)的視角一起窺探，在 VeryBuy 的數據驅動文化下，會如何進行產品探索(Discovery)與建構(Delivery)。

圖片來源：unDraw.co

簡單來說，數據驅動文化是指一間企業有意識地利用搜集來的數據，來優化解決問題、做出決策的效率(efficiency)跟效益(effectiveness)。

那 Data-Driven 帶來的價值是什麼？我自己的想法是，回到商業的本質來看，商業就是不斷地做出(儘可能)正確”的決策。而 Data-Driven 的文化是提供一套共同的準則，讓所有人專注在”事實“之上討論如何做決策，而非利用人的”經驗與直覺“來做決策。

依據數據做決策可以協助我們減少直覺帶來的偏誤、設定合理的目標、排序優先級、並做出更符合經濟效益的解決方案。

（以上是我對於 Data-Driven 的理解）

圖片來源：unDraw.co

一般來說，從需求產生到 feature 上線，Product Manager 會經歷幾個階段，本篇文章會 follow 這個架構來勾勒 VeryBuy 的數據驅動文化如何體現。先簡述一下這個產品開發的流程：

1. 需求產生：需求可能從四面八方飛來，主要來自三個地方：產品策略 Roadmap、需求單位(TGO部門、OP部門)、其他 stakeholders。
2. 問題定義與分析：這是整個流程中與 Data 最息息相關的部分，可以再拆解成以下四個環節
   • 指標設定：了解需求產生是為了的解決什麼問題、優化什麼商業指標。
   • 產生假說：質化的去揣測 user 在相關的產品體驗上，可能遇到了哪些問題，對於問題成因產生一些假說。
   • 搜集洞察：試著驗證假說是否為真，並從產品數據中發現其他洞察。
   • 構思解決方案：把洞察整理成解決方案的原則。
3. 排列優先級：PM /PO 要把資源運用在刀口上，解決最有價值的問題。
4. 跟團隊溝通與協作：PM 的 day-in day-out，但不是本文重點，在此不談。
5. 用數據做迭代：上線後觀察指標變化，以指標來揣摩 user 對於這個 feature 的想法、感受，並且想出規劃迭代的方向。

因為這次在規劃懸浮按鈕的時候，剛好完整的走完一次這個流程，以下就以懸浮按鈕的規劃為例，分享一下這次的經驗。

1. 需求產生：

   • 當時舊版 MWeb 剛被 retire 掉，原本在常駐在 header 上方的 SAB(Smart App Banner) 也消失了，但是 TGO(流量增長暨運營部門) 的導下載 APP 的需求仍在，所以就產生了這次的需求。

2. 問題定義與分析：

• 指標設定：這個需求最終的目的是要提升從這個渠道下載 APP 的數量，並且要在不破壞用戶體驗的前提下做到這件事。在這樣的理解之下，我設定了幾個要觀測的 metrics

  • 通過 SAB 下載 APP 的事件數(# of APP install)
  • SAB 的 click、close、view 事件數，以及一些派生指標
    • [close/view]、[click/view] → 對於整體現況的了解
    • [(click+close)/view] → 版位的受關注程度
    • [close/click] → 版位的惹人厭程度

• 產生假說：這時我先去看看目前產品在上述指標的數據表現如何，因為我猜在觀察那些數據時，會先發現一些有趣的趨勢，並且在實際假裝自己是 user 角色扮演一番後，就會有一些靈光乍現的時刻，於是假說就這麼產生了。我發現：

  • item page 的 click rate 比其他的都低，search page 跟 category page 的 click rate 則比較高。
    • 推論：item page 的目光焦點在大拇指附近（即螢幕下方），因為 user 是不斷向下滑來看商品資訊的。而 search page 跟 category page 可能是因為要點擊選單、search bar 所以目光焦點在螢幕上方，所以更容易關注到 SAB 而帶來點擊。
  • search page 的 close rate 比其他的頁面都要高。
    • 假說：舊版 MWeb search page 的 UI 也許不適合再多疊加一層 SAB 在上方，這樣加上 SAB + header + search bar 就已經佔用螢幕的一半了，所以更容易惹惱用戶，因此 close rate 更高。

• 搜集洞察：挖掘完問題之後我發現了一些假說，於是現在要找其他數據來驗證我的假說是否為真。我的假說是「如果用戶體驗受到破壞，他們就更傾向去點擊 close」。

  • 所以我找了一些數據來觀察「螢幕比例跟 close rate 的是否有負相關」，因為如果螢幕越矮寬，則在 search page 被 SAB 干擾的篇幅應該更大，結果關係大致如下。所以就可以很清晰地看見兩者之間有個負相關的趨勢，因此推論假說為真。

• 構思解決方案：於是我將我在數據中獲得的 insights 整理成原則（例如：item page 新的下載入口要在螢幕下方），並跟 Product Designer 分享。在 VeryBuy PM 會跟 designer 合作構思解決方案，不過 PM 的角色只會提出為什麼要做？以及要符合哪些原則？在跟 designer Sync 之後，其他則交由 designer 完成，因為我們相信 designer 能提出更好的 UX solution 來滿足 user 的需求。

3. 排列優先級：

• 在產品團隊中，PO / PM 是分配資源的人，也因此最需要看向價值，先讓最有價值的事情被團隊開發、交付出來。

• 順著上面的脈絡，item page 的下載入口要在下方、交互邏輯可能跟其他頁面不一致的話，那麼應該要先做哪一塊價值最高？一樣從數據出發，這次盤點的是所有可以導下載的入口，哪個入口的 click 最高，並依此排序優先級。item page 的是最多流量經過的入口、click 數也最高，所以就決定是從這邊開始了！

4. 跟團隊溝通與協作：

• VeryBuy 的 day-in day-out 就是用 Scrum 框架跑敏捷的開發流程，該有的流程、會議都有，雖然也很有趣，但不是本文的重點就先不談。

最後以懸浮按鈕作為下載入口

5. 用數據做跌代：

• 懸浮按鈕v1 上線之後，終於可以開始觀察當初設定的指標了！

• [close/click] → 版位討人厭程度

  • 數據觀察：原本預期因為放在下面比較容易被 user 看到，如果沒興趣的 user 應該會點擊 close 所以 [close/click] 版位惹人厭程度應該會偏高，但結果是這個指標下降非常多， user 並不討厭這顆懸浮按鈕。
  • 迭代計畫：可嘗試在懸浮按鈕上做 GIF 動圖來增加關注度，而 [close/click] 雖然會升高，但應該在可接受範圍。

• [(click+close)/view] → 版位的受關注程度

  • 數據觀察：原本預期因為放在下面比較容易被 user 看到，所以這個指標應該要會上升，但這項指標卻不如預期的高，細究 [click/view] 與 [close/view] 兩項指標，發現是因為 close 實在降低太多了，所以導致數據觀察上以為版位的受關注程度有下降，但其實原因是版位惹人厭程度下降。
  • 迭代計畫：可接受，暫不迭代

• [click/view]、[click]

  • 數據觀察：在懸浮按鈕v1 上線之後，初步觀察 [click/view] 以及 [click] 這兩項指標都有顯著上升的情況，不過因為 [click] 上升，導下載的成功率下降，所以最終 App install 的數量沒有顯著上升狀況。
  • 迭代計畫：
    1. 在行銷版位利用文案溝通加強下載誘因
    2. 調整 app store/google play 商店的版位提升誘因 → ASO 優化

• 在經過一些迭代之後，目前新的 MWeb 導 APP 下載入口已經趨於穩定的狀態。MWeb 導流到 APP 的下載量從原本佔平均下載量 6.5% 到現在大約是 11% 成長了 4.5 個百分點，變成原本的 170%。
• 接下來這個這顆懸浮按鈕就成為了一種新的運營武器，除了導下載以外，懸浮按鈕也可以作為其他 campaign 的 promotion，不過這就脫離 Product Team 的範疇了，一切還是讓專業的來，交給 TGO！

整體來說，我覺得 Data-Driven 的文化體現在有意識地做「數據採集、數據分析、優化數據可取得性、讓數據洞察 action-oriented」。VeryBuy 也並非做得面面俱到，但大家都認同這是重要的，並且也在往這個方向前進。

對剛入行不到半年的新人來說，能夠依著產品的數據脈絡，去抽絲剝繭的理解問題到底出在哪裡？並且去一步步地提出假說、找資料驗證假說，是非常理想的環境！

在這個辯證、追尋問題本質的過程中，解決問題的能力也相應的成長不少，大抵體現在：

• 拆解問題的方法能更結構化，
• 對於問題的敏銳度能思考的更細緻，
• 並且更培養以事實為導向去作論證的能力。

最後想說，本質上產品經理的工作只有兩件事：一是想清楚哪些是真正重要的事，二是影響他人讓那件事發生。在 Data-Driven 的文化下工作，毫無疑問的，是訓練想清楚哪些是真正重要的事的理想環境；如果 Data-Driven 儼然成為強勢文化，那只要分享 insights 給團隊，影響力自然也是水到渠成。

願各位產品新人都能接受 Data-Driven 的文化洗禮。

• 最近聽到了這句話，很好的解釋了 side effect。其實不只取數錯誤，更常發生的狀況是盲信數據、不探求數據背後的故事，就形成了錯誤解讀。數據只是一個工具，這個工具讓故事的說服力更強、解釋力更深。但光只有數據，永遠無法取代故事本身。

by 小白