惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

D
Docker
爱范儿
爱范儿
Vercel News
Vercel News
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Martin Fowler
Martin Fowler
博客园 - 司徒正美
大猫的无限游戏
大猫的无限游戏
酷 壳 – CoolShell
酷 壳 – CoolShell
T
Tailwind CSS Blog
Blog — PlanetScale
Blog — PlanetScale
博客园 - 【当耐特】
人人都是产品经理
人人都是产品经理
F
Fortinet All Blogs
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
博客园 - Franky
T
The Blog of Author Tim Ferriss
Y
Y Combinator Blog
Recent Announcements
Recent Announcements
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Google DeepMind News
Google DeepMind News
H
Help Net Security
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
G
Google Developers Blog

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
从0-1构建商业数据产品
产品人的自留地 · 2022-06-17 · via 人人都是产品经理

编辑导语:构建数据产品是产品经理的日常工作之一,本篇文章作者分享了从0-1构建商业数据产品的具体过程,从行业背景、市场分析、用户分析、公司资源和能力讲述了商业数据产品的具体构建流程,感兴趣的一起来看看吧。

下文所述这款产品,是一款服务高校发展规划工作的数据产品,它从发布至今,已经迭代了12个版本,目前已经进入了稳定盈利的阶段。

我有幸深度参与了这款产品从0-1、从1-N的全过程,见证了这款产品的出生和发展。

下文将基于这款产品的构建过程来分享如何从0-1规划一款商业数据产品。

一、行业背景

产品的灵感来源于高校主动联系过来的数据分析需求。

在进一步调研后,我们了解到:

2015年,国务院印发《统筹推进世界一流大学和一流学科建设总体方案》,方案提出,国家将鼓励和支持不同类型的高水平大学和学科差别化发展,总体规划,分级支持,每五年一个周期,2016年开始新一轮建设,并且建设将更加突出绩效导向,通过建立健全绩效评价机制,动态调整支持力度。

方案增强了高校实行本校发展量化评价和与标杆高校发展对比的需求,但是由于标杆高校数据难收集、发展评价模型缺乏参考等问题,高校较难自行对本校和标杆高校进行合理的发展评价。

而我所在公司高教垂直领域媒体出身,在高教分析、高教数据方面已经有所积累。

基于上述行业背景,我们从市场情况、用户需求、公司资源及能力三个方面来进一步分析产品规划方向。

二、市场分析

1. 市场规模

本科高校近1300所,其中对高校发展数据需求较大,且指标数据中涉及频率较高的高校为其中的部属高校和各省实力较强高校,即核心客户数为300所。

2. 竞品情况

3. 分析总结

通过市场规模分析可得,目标市场虽然规模不大,天花板较明显,但是客户购买力较强,且市场较长期稳定,具备进入价值。

通过竞品情况分析可得,竞品的存在从侧面证明了用户需求的真实性,且竞品本身存在明显不足,我们相对竞品存在赶超可能性。

三、用户分析

1. 用户画像

高校用户分为决策者、需求者、使用者三类,其中决策者为校领导,需求者为处领导,使用者为普通科员,相关用户画像如下所示:

2. 用户场景

相关用户的业务场景为:发展规划、发展监测、专项分析、日常工作支撑。

  • 发展规划:依据国家政策法规和本校发展目标组织制定学校事业发展规划;
  • 发展监测:动态监测学校发展进展;
  • 专项分析:基于排名、学科评估、双一流等校外重大专项事件或校内重大决策需要,开展专项分析;
  • 日常工作支撑:在日常工作完成学校层面的各类信息、报告撰写及报送。

3. 用户需求

  • 科员:负责学校层面的各类信息、报告撰写及报送,最需要在平台中快速获取相关数据、内容;
  • 处领导:负责组织实施本校发展规划及监测、专项分析,向校领导汇报,最需要在平台中获得有价值的分析模型;
  • 校领导:对本校发展情况负责,需要动态监测本校发展情况,并快速获取有价值的信息。

4. 分析总结

要做出一款客户买账的产品,只是紧盯竞品是远远不够的,关键还要看产品是否能更好地满足用户需求。

用户画像能辅助我们思考用户在哪里,是怎样的一群人,用户场景能辅助我们思考用户会在什么情况下用到我们的产品,以及操作环境是怎样的,而用户需求最为重要,能辅助我们思考产品具体要为用户解决什么问题,提供什么价值。

后续的产品形态、功能规划、数据规划、交互形式及视觉效果都需要围绕着用户画像、用户场景、用户需求展开。

基于上文的用户画像、用户场景,我们可以分析得到产品未来的功能、交互设计要尽可能简洁、易用,并且产品形态要更适合工作场景使用。

基于用户需求,我们可以分析得到用户的核心诉求为借助第三方提供的数据、内容,以及模型提高工作成效,但是不同角色(校领导、处领导、科员)用户提高工作成效的方式不同,后续产品规划时需要全面考虑不同角色用户的需求。

四、公司资源及能力

公司资源及能力包含公司现有资源及能力,以及可获取的资源及能力。公司现已积累一定的高校发展指标数据,并拥有稳定的数据运营能力,但公司目前在模型构建能力上较弱,需要一段时间进行相应的技术和人员储备。

1. 产品规划

1)规划概述

市场及用户决定了我们需要做什么,而公司资源及能力决定了我们可以做什么,只有在市场情况、用户情况、公司资源及能力达到平衡时,才能真正落地一款有竞争力的产品。

通过市场分析、用户分析,我们确定产品应该围绕着数据、模型、可视化分析展开,按照优先级排序,相应的功能价值也是数据>模型>可视化,并且通过公司资源及能力盘点了解到具备快速落地可能性的目前只有数据。

从0-1阶段需要通过MVP快速验证市场需求、占领用户心智,加之考虑到高校发展指标数据的获取既是高校核心需求又是模型构建的前提,所以最终确定从0-1阶段优先完成数据积累和数据查询功能的开发。

2. 功能规划

基于上述产品总体规划,拆解详细功能,并按照开发工作量拆分版本如下。

1.0版本:

  • 基本收录高校发展核心指标数据;
  • 开发数据查询相关功能。

2.0版本:

  • 进一步提升产品数据数据和质量;
  • 优化产品现有功能体验;
  • 优化产品视觉效果,提升产品质感。

3. 数据规划

基于上述产品总体规划,将数据相关工作按照工作量拆分版本如下。

1.0版本:

  • 收录国家级、部委级核心发展指标;
  • 收录指标类别涉及师资队伍、科学研究、人才培养、学科建设等全品类。

2.0版本:

  • 按省份对数据的需求程度划分A、B档;
  • A档省份收录关注度最高的TOP10省级发展指标;
  • B档省份收录关注度最高的TOP5省级发展指标。

数据处理规划:

  • 定义待采集的指标清单;
  • 定义待采集的指标属性、采集范围、采集标准、采集方式(自动化采集、人工采集);
  • 定义采集后原始数据的处理规则;
  • 定义处理后数据的校验方式;
  • 定义校验后数据的验收标准;
  • 分析数据处理全过程所需资源(包括机器资源及人工资源)。

五、总结

因为从0-1落地一个产品是一件需要消耗大量公司资源的事情,所以作为产品经理的我们更需要在规划阶段进行完备、严谨的规划和论证。

即使当时我觉得已经做到位了,现在回过头来看,仍然觉得过程中存在很多不足。

回顾整个过程,我认为做的好的事情是对行业和用户的全局思考和论证,最大的收获是在这个过程中对行业和市场又加深了了解,做的不好的事情是在产品规划初期对现在以及未来的业务发展趋势思考和预估不够,从而没有让系统架构更具扩展性。

本文由 @产品人的自留地 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议。