用户|第三种功能分析法：平均成本
_本文原题：第三种功能分析法：平均成本
编辑导读：一个存在影响用户 ， 并且有条件解决的问题 ， 产品经理就一定需要对此进行功能迭代吗？这或许是许多产品一直以来的想法 ， 但你可能忽略了背后的平均成本 ， 本文作者对此展开详细说明 ， 与大家分享 。
本文插图
如果功能所解决的问题 ， 不存在被影响的用户 ， 那么这个问题就不需要解决 ， 功能也就不应该做 。
如果问题存在被影响的用户 ， 但是功能不具备解决问题所需要的条件 ， 那么 ， 这是一个产品暂时无法解决的问题 ， 功能也就不应该做 。
问题分析与条件分析可以过滤掉大部分不应该做的功能 ， 但对于产品从业者而言 ， 这样还不够 。
在剩下的看似正确的功能当中 ， 那些存在被影响用户的 ， 并且具备解决条件的功能当中 ， 仍然存在一种影响很严重的错误功能 。
已经有非常多的产品 ， 尤其是创业阶段的产品 ， 因为这些错误功能 ， 失去了宝贵的机会 。
所以 ， 作为产品行业的从业人员 ， 我们还需要使用第三种功能分析法 ， 将这类型错误的功能辨别出来 ， 这样可以有更高的功能正确率 。
01 过于细心的生鲜电商
麦子生鲜是一款基于LBS的生鲜电商产品 ， 平台为用户提供了50种生鲜商品 ， 用户可以通过麦子生鲜APP购买水果 ， 蔬菜 ， 肉类等满足日常饮食需求的商品 。
平台为用户提供了“两小时速达”与“定时送”两项特殊的服务 ， 配送人员将会在用户在下单后的两小时内 ， 将商品送到用户的手里 ， 用户也可以选择一个指定的配送时间点 ， 配送人员将会在指定时间点 ， 送货上门 。
这两项特殊的功能 ， 准确命中了用户的痛点 ， 产品一上线 ， 用户数量以较快的速度增长 ， 半年后 ， 已经有100万注册用户 ， 日活用户达到了10万 ， 其中有4万用户会产生下单行为 。
为了更好地推动产品更新迭代 ， 公司特别重视用户的反馈 ， 每个月都会组织用户调研 ， 询问用户在产品使用过程中存在哪些问题 。
这个举动确实为产品团队带来了宝贵的真实使用者的建议 ， 产品也在修复打磨中越来越受用户喜爱 ， 订单量每个月都会有所突破 。
在最近一次的调研中 ， 有很多用户共同提出了一个问题：希望产品能在搜索时 ， 兼容错别字 。
在搜索某些商品时 ， 常常会输入一些错别字 ， 像菠菜（bocai）和博彩(bochai) ， 杏子（xingzi）和信子(xinzi) 。
用户反馈 ， 家里的长辈本身文化程度较低 ， 在下单时 ， 输入错别字就会找不到商品 ， 没几次就不想用了 ， 还是老样子上街买菜 。
产品团队通过数据分析的方式 ， 对错别字问题进行了为期一个月的观察分析 。
这一个月里 ， 一共有20万用户使用过产品 ， 有5万用户产生了搜索行为 ， 在用户的搜索记录当中 ， 有2万名用户产生过错别字搜索的行为 ， 一共有4万次错别字搜索的记录 。
为了评估功能的开发成本 ， 产品团队也和研发团队进行了可行性探讨 ， 确定“搜索兼容错别字”是可以实现的 ， 但需要10万的研发成本（工时折算） ， 此时 ， 公司的现金流还剩100万 。
这是一个存在被影响用户 ， 并且有条件解决的问题 。
如果解决了错别字兼容问题 ， 可以减少部分中老年用户的流失 ， 并且提升每天的订单量 。
新功能上线以后 ， 每天的订单量确实增加了 ， 从40000笔 ， 增加到41000笔 。
后续迭代中 ， 又做了几个类似“搜索兼容错别字”的功能 ， 每天的订单量越来越多了 。
然而 ， 当订单量突破到每日5000单以后 ， 麦子生鲜资金断链了 ， 一方面是融资不顺利 ， 一方面公司原有的100万现金流 ， 在功能迭代过程中耗尽了 。
尽管拥有上百万用户 ， 尽管日活用户达到了20万 ， 尽管每天都有5000笔订单 ， 公司仍然走向了倒闭 ， 团队解散了 ， 产品也停止了面向用户的服务 。
02 错误的刻度单位
不存在影响用户的问题 ， 不需要解决 ， 没有条件解决的问题 ， 解决不了 ， 尽管这两类问题会给产品带来很大的负面影响 ， 但却是很好判断 ， 也很好规避的问题 。
另一种问题 ， 隐藏在正确问题当中 ， 既存在被影响的用户 ， 也具备解决问题的条件 ， 就像是隐藏起来的使用慢性毒药的杀手 ， 不容易被发现 ， 即使中毒了 ， 也不会被察觉 ， 等到毒性发作时 ， 产品也就生死一线了 。
这种隐藏起来的问题 ， 才是产品经理所遭遇的高危险问题 ， 常常在不知不觉中让产品死亡 ， 表面上来看 ， 每一个功能都带来了数据的增长 ， 实际上 ， 却是在不断地接近死亡 。
并且 ， 负责该产品的产品经理即使在产品死亡后 ， 也不会察觉到自己犯下的错误 。
这个问题就是使用了错误的刻度单位 。
麦子生鲜也是因为使用了错误的刻度单位 ， 走向了死亡 。
假如有两把尺子A和B ， A的长度是100米 ， 最小刻度是1米 ， B的长度是1米 ， 最小刻度是1厘米 。
我们将两把尺子并排摆放 ， 起始位置相同 ， 并且在起始位置处 ， 放上一只蜗牛 ， 就像下图一样 。
本文插图
当蜗牛发生位移时 ， 以A尺子为参照的情况下 ， 我们很难感知到蜗牛发生了位移 ， 也无法判断出蜗牛位移的距离 ， 当尺子的刻度单位继续增加时 ， 这种感知将会接近于无 。
刻度单位过大时 ， 移动的物体会呈现出相对静止的状态 。
而B尺子 ， 刻度单位较小 ， 能够清晰感知到蜗牛的位移 ， 以及蜗牛位移的距离 ， 当尺子的刻度单位继续缩小时 ， 这种感知将会极为明显 。
刻度单位极小时 ， 任何细微的变化 ， 都会如同行驶中的列车一样明显 。
尺子 ， 就是我们用来衡量功能成本的工具 ， 刻度单位较大时 ， 就无法对功能做出正确的判断 ， 有太多信息 ， 相对大刻度而言呈现出静止 ， 无法被感知的状态 。
一些很严重的问题 ， 隐藏在大刻度背后 ， 难以被察觉 。
麦子生鲜用来评估“搜索兼容错别字”功能时 ， 所使用的10万开发成本 ， 就是大刻度单位 ， 适合用来与现金存量进行对比 ， 但作为功能分析而言 ， 就不太适用了 。
从业人员需要换一种衡量功能成本的刻度单位 。
一种更小 ， 更精细的刻度单位：平均成本 。
03 平均成本
我们尝试换一把“尺子” ， 用一把刻度单位极小的尺子 ， 不去衡量开发成本 ， 而是衡量功能的平均使用成本 。
这需要增加一个辅助条件 ， 我们假设有效计算周期为功能上线后的一个月使用时间 。
在上线该功能之前 ， 麦子生鲜的产品团队对用户一个月内的使用行为进行了观察分析 ， 得到了一些数据情报 ， 计算平均成本时 ， 需要使用到这些数据 。
为了方便阅读 ， 将这些数据从案例中进行了提取：
“观察的一个月时间里 ， 一共有20万用户使用过产品 ， 有5万用户产生了搜索行为 ， 在用户的搜索记录当中 ， 有2万名用户产生过错别字搜索的行为 ， 一共有4万次错别字搜索的记录 。 ”
现在 ， 以一个月为计算周期 ， 尝试计算一下 ， “搜索兼容错别字”功能的平均成本 。
以用户为计算单位 ， 计算每位用户的平均成本 ， 10万的研发费用 ， 为2万名产生错别字搜索行为的用户提供服务 ， 为4万次错别字搜索行为提供服务 ， 似乎是一个可以接受的成本 。
但 ， 当我们尝试计算功能的平均成本时 ， 隐藏的问题就暴露出来了 。
10万的费用 ， 为2万名用户提供服务 ， 人均成本5元；相当于每一位产生错别字搜索行为的用户 ， 公司都需要为其支付5元成本；
10万的费用 ， 为4万次行为提供服务 ， 次均成本2.5元 ， 相当于每次用户产生错别字搜索行为 ， 公司都需要为此支付2.5元成本 。
这样的平均成本 ， 就难以接受了 。
互联网产品通常为大规模的用户提供服务 ， 因此 ， 功能的人均成本 ， 以及基于使用次数的次均成本都是一个极低的值 。
2020年 ， 腾讯云提供的云短信10万条套餐包售价是3400元 ， 平均0.034元/条 。
同年 ， 拥有4亿日活用户的抖音 ， 公开的广告收费标准 ， CPC的计费标准是0.2元一次 ， CPM的计费标准是4元千次 ， 相当于0.004元一次 。
术语注解：
CPC：广告的计费方式之一 ， 按照用户的点击行为计费 ， 用户每点击一次广告 ， 广告主需要向平台支付广告费用 ， 若是用户没有点击 ， 则无需支付费用 。
CPM：广告的计费方式之一 ， 按照曝光数计费 ， 通常以千次曝光进行计费 ， 不考虑用户是否点击 ， 只要广告被呈现出来 ， 广告主就需要向平台支付广告费用 。
我们在衡量功能的平均成本时 ， 会以一个极低的值做为标准进行判断 ， 且用户规模越大 ， 标准值越低 ， 计算周期越长 ， 标准值越低 。
通常情况 ， 按用户人数计算 ， 人均成本极少超过1元每人 ， 按照使用次数计算 ， 次均成本极少超过0.01元 。
当我们尝试用平均成本的方式对功能进行分析时 ， 原本能够接受的成本 ， 也变得难以接受 。
现在 ， 如果你是麦子生鲜的产品经理 ， 面对人均成本5元 ， 次均成本2.5元的“搜索兼容错别字”功能 。
你认为 ， 应该做吗？
04 平均成本的分析方法
功能的平均使用成品叠加起来就是产品的平均使用成本 ， 一些产品在上线初期堆砌了许多功能 ， 但用户规模 ， 使用规模都不足 ， 导致这些功能都平均使用成本极高 ， 缺少注资的情况下 ， 产品死亡率就极高 。
那些什么都做 ， 什么都是核心的产品 ， 已经被时间淘汰掉了 ， 并且留下了一个名词：大而全 。
相对应的 ， 活下来的 ， 成功的产品 ， 现在依然存续 ， 也留下了另一个名词：小而精 。
所以 ， 草根创业产品初期只做两件事 ， 其一是为大面积用户提供的核心功能 ， 如同微信的通讯 ， 淘宝的购物 ， 其二则是吸引新用户的功能 ， 能够拉新的功能 。
新用户的加入 ， 可以降低产品被使用的平均成本 ， 功能的增加则会增加产品被使用的平均成本 ， 两者构成了一个奇妙的关系 ， 用降低的平均成本减去增加的平均成本可以得到一个净值 。
净值为正 ， 表示降低的值减去增加的值若是大于0 ， 意味着产品的平均使用成本在降低 ， 产品就进入到一个良好的发展轨迹 ， 两者的差值 ， 可以将产品的平均使用成本向0推进 ， 净值越大 ， 产品的发展速度越快 。
净值为负 ， 表示降低的值减去增加的值若是小于0 ， 意味着产品的平均使用成本在增加 ， 产品就进入到一个负重成长的发展轨迹 ， 两者的差值 ， 会持续将产品的平均使用成本推高 ， 净值越低 ， 产品的负重越大 ， 越快耗尽公司所持有的可使用资金 。
净值可以有效评估产品迭代过程中的健康度变化 ， 对于产品的发展方向也能起到极好的支撑作用 ， 是一种很有效的 ， 也是产品经理所能掌握的产品评估方法 。
但这是一个比较后期的产品评估分析方法 ， 未来有机会 ， 再为大家展开讲述 ， 现在 ， 我们还是回到功能的平均成本当中 。
评估功能的平均使用成本包含了六个步骤：
1. 建立一个成本刻度
成本刻度就是指平均成本的单位 ， 可以是每人 ， 可以是每百人 ， 也可以是每千人 ， 每万人 。 产品规模不同 ， 适合使用的成本刻度也需要进行调整 。
刻度过小时 ， 得到的数值会过小 ， 且无限接近于0 ， 不容易观察和分析 。
刻度过大时 ， 得到的数值会过大 ， 影响评估的精细度 ， 不容易发现问题 。
2. 建立一个标准值
标准值是一个我们所期望的值 ， 反映出了我们希望为用户的某个行为支付多少成本 ， 这是一个很少会思考的问题 ， 但却是一个有效的问题 。
标准值是动态调整的 ， 当我们发现功能的测算成本始终低于标准值或者始终高于标准值 ， 并且偏差幅度较大时 ， 就意味着标准值的设置可能是错误的 ， 需要进行调整 。
3. 建立一个计算周期
理论情况下 ， 功能被实现以后 ， 可以永久性为用户提供服务 ， 但实际情况却存在许多变动 ， 像是产品停止运营 ， 功能变动 ， 乃至一些外部因素都会影响功能的服务周期 。
因此 ， 我们希望在一个可控的时间段内对功能进行评估 ， 这样的评估才是有效 ， 且有用的 。
计算周期需要根据功能的特性定制设计 ， 一些功能见效较快 ， 覆盖的用户群体较为集中 ， 就会设计一个比较短的计算周期 ， 一些功能见效慢 ， 是长期投入 ， 需要培养用户习惯 ， 就会设计一个比较长的计算周期 。
通常情况 ， 短的计算周期会被设计为1个月 ， 或者2个月 ， 长的计算周期则是6个月 ， 或者12个月 ， 极少有超过12个月的计算周期 。
4. 推测功能的使用人数
平均成本是一种评估方法 ， 使用到的数据也是以推测数据为主 ， 在评估人均使用成本时 ， 就需要从业者推测出会使用该项功能的用户数量 。
推测方法有两种：存量推测与增量推测
存量推测是基于现有用户进行推测 ， 在现有用户当中 ， 有多少用户存在该功能的使用倾向 ， 被功能所对应的问题困扰 ， 并以此为基础增加一个浮动范围 。
增量推测是以一个月为单位 ， 观察过去多个月的用户新增趋势以及新增规模 ， 推测功能上线后的一个月或者多个月里 ， 每个月会有少用户新增 ， 并以此为基础增加浮动范围 。
在选择推测方法时 ， 主要是判断功能所面向的对象 ， 判断该功能是为老用户服务 ， 又或者是为新用户服务 。
5. 推测功能的使用次数
在评估功能的次均使用成本时 ， 需要推测用户对功能的使用频率 。
功能是问题的解决方案 ， 问题的出现次数就等同于功能的潜在使用次数 ， 所以 ， 常常用替代的方式 ， 将对功能的测算转变为对问题的测算 。
需要以月或者周为单位 ， 分析某些相关问题出现的次数 ， 并且观察问题扩散的速度以及扩散的趋势 。
问题的次数 ， 对应的就是功能的潜在使用次数 ， 问题扩散的速度及趋势对应的就是功能潜在使用次数的增长趋势 。
6. 将结果与标准进行对比
最后一步 ， 就是将推测出的平均成本与标准成本进行对比了 ， 低于标准成本 ， 功能的正确性会更高 ， 且 ， 差值越大 ， 正确性越高 ， 极有可能是一个很出色的功能 。
如果推测平均成本高于标准成本 ， 功能的错误性就越大 ， 且 ， 差值越大 ， 错误性越大 ， 极有可能会成为产品的一个负担 ， 耗损公司的现金 ， 需要我们慎重对待 。
在实际工作中 ， 标准值有可能是一个错误的值 ， 需要我们在数次迭代验证的过程中 ， 对标准值进行调整 。
当然 ， 比对结果 ， 以及完整的测算过程 ， 均是功能分析的过程 ， 所使用到的 ， 以及所得到的 ， 均是分析材料 ， 并不能直接等同于决策 。
对功能的分析 ， 是为了让从业者更好的做决策 ， 而不是替代决策 。
一些平均成本极高的功能 ， 在其他条件的支撑下 ， 也可能是必须要做的功能 ， 而一些平均成本极低的功能 ， 在其他条件的支撑下 ， 也可能表示一定不能做的功能 。
05 思考题
尝试将本节讲述的方法 ， 运用在实际的产品当中吧 。
产品背景
这是一款创业阶段的电商产品 ， 为喜欢户外旅游的用户提供专业的户外商品 ， 包括帐篷 ， 登山杖 ， 登山鞋等 。
已知该团队可使用的资金还剩100万 ， 且产品早期实现了多元化的优惠券功能 ， 可以向用户发放单品优惠券 ， 满减券 ， 无门槛优惠券等多种形式的优惠券 。
目前 ， 产品的部分数据如下：
累计用户10万 ， 日活1万 ， 月活跃用户4万人 ， 其中包含每天新增加的用户100人 ， 每月新增加的用户累计3000人 。
创始人有两个基于优惠券的想法 ， 准备从中选择一个 ， 投入开发资源将其实现出来 ， 为此 ， 向你提出了咨询 ， 希望你能给到一个合理的建议 ， 而你是这款产品的负责人 。
这是一款创业阶段的产品 ， 且用户规模较小 ，我们可以为每一位用户支付更多的成本 ， 也是为了更好地帮助你掌握这种分析方法 ， 所以 ， 我们补充一些假设信息：
成本刻度设置为每人 ， 标准成本设置为2元 ， 有效计算周期设置为一个月 。
现在 ， 尝试用平均成本的分析方法 ， 对两个功能进行分析 ， 并给出你的分析意见 ， 你认为 ， 哪个功能应该做 ， 哪个功能不应该做 。
想法A：新人优惠券
为产品的新用户提供新人优惠券 ， 这样可以促进新用户的首次下单行为 ， 也能带动订单的增长 ， 但客单价较低 ， 且老用户无法参与 。
该功能的开发成本需要投入20000研发经费 ， 并且会一直持续下去 。
想法B：满减券
设计一场基于满减券的活动 ， 向所有用户派发满减券 ， 活动有效期内 ， 满减券都可以使用 ， 这样可以促进用户下单 ， 并且提升客单价 。
该功能开发成本需要投入40000研发经费 ， 活动持续时间为一个月 。
结合这款产品的基础信息以及补充的假设信息 ， 用平均成本的分析方法 ， 对这两个功能进行分析吧 。
#专栏作家#
枯叶 ， 微信公众号：枯叶咖啡馆 。 人人都是产品经理专栏作家 。 9年经验产品经理 ， 3年产品总监经验 。 擅长数据增长 ， 商业模式 。 曾孵化过千万级用户规模的创业产品
【用户|第三种功能分析法：平均成本】题图来自 Unsplash ， 基于CCO协议 。
推荐阅读
- 台风|今年第7号台风“海高斯”生成 或将明天登陆我国广东沿海
- FGO金枪虞详情：男性特攻绿卡单体，第二个充能金卡单体枪
- 剑与远征秘宝峡湾第二关怎么过？剑与远征秘宝峡湾第二关阵容推荐攻略心得
- the|新冠肺炎成美国第三大致死原因 仅次于心脏病和癌症
- 梦幻西游：80W精锐第一法系戒指买家曝光，全号价值远超500W！
- 王者荣耀意难平，来聊聊老林的昨天第五局第六局的bp
- 这些星座的男生是护妻小超人，嫁给他们很幸福！
- 梅拉尼娅·特朗普|想拉个小手怎么这么难？美国总统特朗普又被第一夫人拒绝了
- 这些星座上半年没少吃苦，下半年获得帮助，9月份终于越走越顺
- 中超第5轮最差11人：国安上港让人失望，热内西奥毫无作为