你好，金老师！我想咨询一下，那个人人易购微盘是真的吗？我之前被拉入这个群 - 110网免费法律咨询
您的位置：
&& 查看咨询 　　　　　　　今日活跃律师： &&&&&&&&&&
该问题已关闭
的回复获得奖章一枚
的回复获得奖章一枚
的回复获得奖章一枚
的回复获得奖章一枚
的回复获得奖章一枚
的回复获得奖章一枚
的回复获得奖章一枚
的回复获得奖章一枚
的回复获得奖章一枚
的回复获得奖章一枚
你好，金老师！我想咨询一下，那个人人易购微盘是真的吗？我之前被拉入这个群
陕西－安康&07-18 14:58&&悬赏 0&&发布者:ask201…… & 回答:(4)
你好，金老师！我想咨询一下，那个人人易购微盘是真的吗？我之前被拉入这个群，里面好多人都在玩，看他们发的一天赚好几千！我感觉这个是骗人的，所以只是处于观望中
您也有法律问题？ 您可以 发布咨询，我们的律师随时在线为您服务
[陕西-西安]
965916积分
回复时间：
不靠谱，小心上当受骗。
[陕西-西安]
回复时间：
建议谨慎，谨防诈骗。
[重庆-江北]
203676积分
回复时间：
建议慎重。
[陕西-西安]
回复时间：
你好，建议慎重以防上当受骗
问题答案可能在这里 →
无锡推荐律师
最佳律师解答
(何峤巍)()&
(康治斌)()&
(年遇春)()&
(李晓航)()&
最新回复律师
人气：3360
人气：8194
人气：70630
人气：1621
人气：126223
北京 朝阳区
人气：891668404 Not Found
404 Not Found
The requested URL was not found on this server.
您要找的内容已被删除人人都是产品经理
产品经理、产品爱好者学习交流平台
T03:55:50Z
/feed/atom
/?p=864119
T03:55:50Z
T03:55:50Z
<![CDATA[所谓恐惧型文案，就是把事情的负面后果指出来，让读者感动害怕，继而产生行动或者放弃某个行为。
恐惧是一种复杂情感。
很多东西会带来这种情感，比如死亡、离开或是孤单。就像电影《寻梦环游记》的一句台词，真正的死亡是世界上再没有一个人记得你。
恐惧也是一种动力。你害怕迟到扣钱，所以你会从床上弹起来。你害怕被人超越，所以努力加油学习。因此，当你想让消费者行动起来，可以试试制造点恐惧。
如何写恐惧型文案呢？所谓恐惧型文案，就是把事情的负面后果指出来，让读者感动害怕，继而产生行动或者放弃某个行为。这个我之前讲过，但下面的注意事项才是关键。
1、恐惧要具体清晰
越具体清晰，恐惧就越大。千万不要那种抽象的恐惧，比如梦想破碎、爱情悲剧等。这些东西看不到摸不着，恐惧就会削弱，对应的行为就难以激发。
举个房地产的例子，写一句恐惧型文案。
“没有房子，就没有美好生活。”这看起来是恐惧型文案，但后果太模糊了，构成的恐惧不足。应该把恐惧后果具像化，越具体越有杀伤力。比如：
“没有房子，就没有老婆。”
“没有房子，就没有房事。”
2、恐惧要因人而异
恐惧要找准对象，这是最容易忽视的。你惧怕的东西，别人不一定害怕，反过来也是。因为每类群体在乎的东西不同，所以他们害怕的事情不一样。这时候，你就要明确并找到你真正的目标对象。
举个禁烟的例子，写一个恐惧型文案。当你的诉说对象主要是男性的时候，你的文案应该这样写：
“吸烟导致阳痿。”
当对象是女性的时候，她们在乎的东西不一样，所以她们的恐惧点不一样。文案应该这样写：
“吸烟加速衰老。”
找到目标群体最在乎的事情，也就找到了最好的恐惧。这就是一种洞察，透过表象然后找到消费者的内心所在乎的。
比如山叶钢琴的经典文案，学琴的孩子不会变坏。这文案的逻辑也是利用恐惧，知道家长最在乎孩子的身心健康成长。找到了对应的恐惧，也等于找到了消费者的痛点。
还有一个恐惧型广告文案，我感触很深刻。是一个旅游或越野汽车的广告，记得不是特别清楚，视频画面大致是这样：
一个纹身的男孩对女孩说：美女，我带你去玩好么？
女孩说：好啊。
一个猥琐的大叔对女孩说：姑娘，我带你去玩好么？
女孩说：好啊。
一个色迷迷老头对女孩说：小美女，我带你去玩好么？
女孩说：好啊。
最后广告告诉你：多带孩子出去玩。
这个广告文案蛮有洞察的，找到了消费者也就是家长真正的恐惧，让他们主动取采取行动，多带孩子出去看看世界，避免不想发生的负面后果。
3、恐惧不能太大
恐惧大小是相对的。如果你的产品无法填补你制造的恐惧，那么这个恐惧就太大了。
比如前不久很火的金融广告，《年纪越多，越没人原谅你的穷》。穷带来了很多后果，但这些问题后果理财产品并不能解决。如果这是一个彩票的广告，这就是合理的，因为彩票可以解决这个恐惧。
所以设计恐惧的前提是，你的产品能解决它。如果恐惧太大，消费者就会放弃克服和反抗行为。消费者会认为，就算付出这个行动也无济于事，索性就不行动了。就像得了绝症，你还叫我吃那么苦的药？那我肯定不吃。
假设我是卖衣服的，然后我这样写：不会打扮的女人，职场没有前途。这制造的恐惧，一件漂亮衣服解决不了职场问题。文案应该可以这样写：
“不会打扮的女人，永远是个小透明。”
4、恐惧不能加入娱乐元素
最开始就说过，恐惧是一种严肃的情绪。不要加入娱乐搞笑的成分，否则就变味。有朋友留言了几个恐惧文案，是这样的。
如厕不冲，没有老公。
三天不读书，笨得像头猪。
文案的传递语境已经变了。看起来是恐惧文案，其实已经成了顺口的段子，起到得是幽默欢快的作用。表达同样的的意思，但语境也很重要。比如同样是写读书的文案，自行感受下哈哈哈。
三日不读书，便觉得面目可憎。
三天不读书，笨得像头猪。
最后，在《宣传时代》一书中提出，只有满足以下4点时恐惧才最有效：
足够吓人。
能提供具体战胜威胁的建议。
使消费者相信提供的建议能降低威胁。
消费者执行建议时很方便。
我这里逐条简单翻译下。
恐惧要具体，要找准对象，这样的恐惧才足够大。
就是告诉消费者你家的产品或服务。
但是你的恐惧不能太大，大到你的产品无法去解决这个恐惧。
我家产品能达到预期效果，而且使用很方便。
#专栏作家#
黑小指，微信公众号：休克文案，人人都是产品经理专栏作家。擅长互联网文案研究和撰写。
本文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
/?p=864090
T03:39:26Z
T03:39:26Z
<![CDATA[新零售的未来，肯定会有更多清奇的事情，即将发生。
未来成型的新零售，无法用单一角度来定义，因为将是一种“复合式、多形态”的经营方式。
比如，办公室=咖啡厅、超市=餐厅。一个场合，产生两种功能，可以扩大面向消费者，也可能带来加乘作用。
尤其是生鲜超市往新零售方向的提升力度最大。原因一是市场份额足够大，二是高频消费，三是体验感极强，非常适合作为新零售的代表领域（投资风口，也往生鲜超市大量注入）。
另外一面，生鲜超市也有很多既有的问题特点需要升级，包含易耗损、毛利低、品类多、品项杂等，改造的难度相当高。
大多数的妈妈们面对生鲜超市的一些老问题，早已练就一身解决方案的本领，只要到了超市，就像是在执行“专项任务”。
比如：在一把把蔬菜堆里“挑出”新鲜的蔬菜、在一叠叠水果堆里“翻找”出甜度高水分足的水果、每一只鸡鸭鱼肉都要经过“全身检查”是不是新鲜。不但外观要好看，而且还“要便宜”。
妈妈们会记得上个月的米油盐酱醋茶和鸡鸭鱼肉瓜子水果是卖多少钱，只要一涨价，头脑雷达就会迅速预警，提醒她们赶紧再找其他“便宜点”的替代品。
图为传统超市，借此向每一位辛勤的持家者致敬
其实这些麻烦事，“只要”提前做好品检和预包装以及数据化，就能提升消费者的口碑，而且还能加快进展O2O的方向、提高线上线下的效率。
站在消费者的需求进行提升
从物美超市在北京联想桥、金宝街两家店开始一系列大动作的改造会发现，面对新零售发展，生鲜超市走出了一条明确的方向，每个人一进场就会确实的感受到：宽敞、明亮。
直通到底的主干道至少有三米宽，不同高度的货架可以一眼望去整个卖场，货架上呈现大面积的整齐陈设。这些宽敞的空间规划，对于追求“坪效”的零售业来说，无疑是非常奢侈的，因为从传统的思维来看，走道并不能卖货。
但是经过实际验证，对于提升消费者滞留在店里的时间增加、好感度增加、客单价（每次成交的总金额）也可能会增加，这一切都有一套严密的计算逻辑。
过数据化分析，全面升级之后的物美超市
这些改造的支持，皆来自多点Dmall，一家O2O生鲜超市电商。
面对大改造工程的背后优化
为了增加O2O的效益和进展，多点Dmall结合物美超市的改造，可以说是非常的深入。
从SKU（Standard Product Unit 标准化产品单元）的数量控制，由数据分析哪些产品能产生效益、该放置多少数量；哪些会产生相关性的购买，该延伸多少类别。这些计算能有效减少不必要的产品堆放，以增加宽敞的空间，并且还能提高销售效益。
比如，从预包装和品检来说，大颗的西红柿，是要两颗、还是四颗包装起来；一把青菜到底是要300克、还是500克包装起来，这些区别都会产生销售结果的不同，堆放的方式也会随之改变。
消费者挑选蔬菜水果的品质和重量，都是在品检的标准范围之内
在摆上台面之前已经提前做好品检，改善以往传统超市对于消费者东挑西拣之后残留剩下卖不掉的耗损（以前都要计入一件商品的成本），但是提前品检和标准化预包装之后，反而降低了成本，产生“便宜的竞争力”。
现在，消费者只要选择想吃的青菜，就可以确保购买到的品质和重量都能符合需求，并且提高O2O配送时的捡货环节，达成1-2小时之内快速配送到家的目标，这是其一。
和一般的传统电商在手机上看图片订购生鲜蔬果的方式比较起来，多点Dmall生鲜电商将O2O双向结合的优势，在体验上让消费者获得更实在的信赖感，这是其二。
产生信赖、更有效率的服务更大范围的消费者，是新零售O2O持续追求的方向，不仅如此还要增加黏度，也就是消费频次，这是其三。
除了提高效益，还要增加消费频次
在提高效益的前提条件中，有效压缩一般可标准化的SKU之后，更大的重头戏是鱼肉。
海鲜和肉类追求的是新鲜，现场烹煮可以将新鲜更大化的展现。在“省下”的空间规划上，加入海鲜和牛扒等现场烹煮，提供消费者带着一家人“堂吃”，带动更多族群的消费。并且也加入多家知名餐厅，带动整个消费场景的升级。
买菜同时解决晚餐，这是一举数得的好方法。
物美超市充满“活力”的生鲜料理和餐饮
现代上班族群除了工作时候有餐点需求，回到家没有太多精力料理也是生活困扰。多点Dmall在线上增加可销售的品类，包含午餐和晚餐的餐点外送服务也是满足高频消费的需求。
这些便利的结合可以更大的提升O2O的效益，同时带动线上和线下的增长，传统电商无法提供的“体验感和黏度”正是O2O的优势。
更多的改造带来更多的可能
除了产品、空间、经营模式的优化之外，还有另外一点是会员增长。
培养消费习惯是长期经营的过程，除了确保消费者在过程中获得便利，还要持续提供优惠好处。
由多点Dmall开发完成的“自由购”，提供消费者在线下实体超市结账时，通过App扫描就可以实现快速结算、免去长时间排队结帐的麻烦，这是便利的场景体现之一。
另外，中式快餐区域在中午的时候购买用户非常多，而这些赶时间的消费者，完全可以买完盒饭就通过自由购通道扫码出门，提升许多便利性。
多点Dmall提供物美超市实现自助结帐，已扩展到全国范围
当然，这需要消费者加入会员打通支付环节（支付宝、微信钱包）形成O2O完整的闭环，而吸引消费者愿意加入会员的主因是可以带来更多好处。
比如：针对会员持续消费给予各式各样的多重优惠、获得累积积分、积分兑换多种商品、提供购买折扣、折抵停车费等，甚至未来还可以与商场结合起来，连看电影都可以减免。
新零售的优化是未来必要的措施，但是多点Dmall以全渠道双向优势结合的新零售，是与传统电商、传统零售区别开来的好方向，简单来说就是线上线下整合，产生效益提升。
再从各个渠道的评论来了解：
从结果来看，正好精准的符合消费者的需求和期望
谁不想让生活，多点新鲜？！
在未来，当消费者面临半径2公里内有两家超市的时候，会“知道”选择哪一家超市可以让他们觉得更舒适、便利、优惠。
也会“知道”半径3公里有一家实体超市能提供即点即送的便利服务，在App购买会觉得安心，使用频次也更高。
现在的消费者有时效、品质、优惠等多重因素需求，这些就是消费升级。生鲜超市是零售领域最难啃的一块，但这些努力，也非常值得其他零售领域作为借鉴。
新零售的未来，肯定会有更多清奇的事情，即将发生。
作者：谢客官，知乎专栏：
本文由 @谢客官 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
/?p=863436
T03:32:30Z
T03:32:30Z
<![CDATA[学知识是一个很漫长的积累过程，而知识管理作为产品经理必备基本能力之一，需要不断优化雕琢，这里分享一些关于我通过实践对知识管理的一些方法，希望对大家有帮助，不足之处，请多指教。
一、关于知识管理
&#8220;作为产品，你的竞争力的源泉就是你处理信息和知识的能力（效率）。&#8221;
知识管理我将其分为个人知识管理和团队知识管理，这里分享的是将知识管理思想应用到个人，形成经验和方法论，为个人创造最大的价值，即个人知识管理。
个人知识管理，又名PKM（Personal Knowledge Management）, 一般指个人通过工具建立知识体系并不断完善，进行知识的收集、消化吸收和创新的过程。总结其核心即为“得、理、用”，除此之外，额外强调一下关于知识的分享和更新，主要导图如下。
二、知识的获得
我们现在身处知识爆炸时代，每年人类的知识总量都会翻一翻。我们每天在刷朋友圈，看微信公众号里的文章，看人人都是产品经理的分享····一天下来，看似我们读了很多文章，了解很多东西，但是静下心来问问自己，其实自己能真正记得和掌握的东西能有哪些呢？
1、学习知识要选对方向，让你的知识具有独特性。
知识无穷无尽，而我们精力终归有限。因此，我们重点是要把80%的时间花在一两个领域里，建立T字型知识结构是最有效的。比如作为产品经理，努力学习 设计、交互、分析、逻辑思维一定是，一定会向越来越高的领域进阶。
2、知识的来源
知识爆炸的时代，每日都会获取大量的碎片信息，而这些可以直接称之为知识吗？并不一定，我们还需要针对所获取的信息进行分析处理才能转换为自己的知识。因此，为了更高效率的获得知识，我们可以有意识的普遍具备更高价值的渠道。
与行业专家交流
阅读行业相关专家文章
对应的课程
以及相关出版物
3、知识的归集，知识获取之后，需要进行有效归集，以备未来检索和个人创作所用。
这里主要介绍一下我在做知识归集时所用的方法和工具。Evernote、有道云、OneNote、甚至你手机自带的便签都是不错的工具，选择你顺手的即可。这里已有道云笔记作为例子。
灵感收集，多终端的笔记软件有一个好处，就是随时有任何想法，可以立即记下，通过收集APP或绑定账号的微信公众号记录信息。通常我会将灵感之类的内容 记入笔记的inbox中，方便下次整理使用。
微信公众号，逛朋友圈或者订阅的文章中，通过转发功能，一键转发到笔记本里。
微博收藏，微博收藏的内容过于碎片化，通常授权给有道后，通过微博收藏的内容会自动同步到有道笔记，
网页剪报，作为最常用的功能收集手段，看到合适的内容或者评论，剪下来。
读书笔记，同灵感收集，不过通常是随手记的内容，拍下来后，同步到笔记软件中，方便后期整理
关于知识收集的，在我这里的一个基本原则就是统一到一个工具中，统一管理，方便后面的搜索及整理。
三、知识的处理
知识的处理是一门蛮深的学问，我也一直处在摸索当中。下面分享两点，我是如何处理的。
1、分类，这里分享两个分类方式。
线性流程分类：目录结构，可以按照“收集、处理、存档”的流程目录，也可以按照学科进行分类处理。
网状管理方法：通过打标签形式管理笔记，这样的好处是可以将跨学科和跨流程的知识通过标签形式关联起来。
这里分享下我的笔记目录结构。
2、学会删除，对于知识我们很容易进入一种无止境的收集状态。
大量的获取碎片化的知识，只如没有内化的东西，只能称为信息，不能叫知识。因此我们要从中选取可内化，真实有效的知识，其余对于自己无用，或已过时的信息，请大胆删除。
四、知识的应用
知识不去应用，一切都是无用的，真正知识应与和实践为一体。
1、与工作相结合
其实很多时候，我们学习知识并不是说先学了才去想如何应用，而是因为工作项目需要才去找寻相关知识进行去学习。因此，最高效的知识应用既是，将自己投身到一切可应用的场景中，运用知识及根据应用过程中遇到的问题或阻碍继续补充知识，形成良性循环。
2、知识是自身的外脑
大脑应该只负责思考和理解上面，而记忆可以交给“外脑”，即你的知识管理系统。很多时候，当我和别人聊，或者写文档的时候，发现需要素材的时候，只需要打开笔记——搜索。
五、知识的分享
分享其实也是知识的应用的一个环节，将知识共享出来，将会获得更多。在我看来，分享有以下好处：
1、树立个人品牌，提升个人核心竞争力。
分享是让别人了解自己的窗口，是一份优秀的”简历“，你的分享内容价值越高，就越会被更多的人牛逼的人认可，你的个人品牌价值也在不断升级。
2、结交志同道合的朋友
对于生活中的绝大多数人来说，拓宽圈子的手段极其有限，而如何能够寻找到气味相投的朋友，如何判断别人和自己是否有共同语言，将你的知识分享给其他人，是极其有效的方式，同时分享极大地增强了话语的复用性，一次分享，无数次阅读，比如此时正在阅读这篇文字的你。
3、进一步掌握知识。
如果一件事情你不能讲清楚，十有八九你还没有完全理解。把一个知识交给别人，是一种最最强大和彻底的反思途径。想让别人理解，就迫使你对你所掌握的那些东西作彻彻底底的、深刻的反思，如果你的受众越是不懂，你就需要反思得就越深刻。
4、分享是一种不断激励自身去学习和思考的方式。
将分享作为一件需要持之以恒地做的事情，我个人奖每月完成一篇文章分享，反向逼迫自己不断的总结工作中的经验、阅读中的笔记。只为自身更好的成长。
六、知识的更新
知识本身是随着时间的逐渐失效，因此我们需要不断的更新，而更新知识的方法是永远不会失效的。
1、保持关注
对于知识相关领域知识，不断保持关注，保持对领域的敏感和获知通道。可以参考节点和标杆，适当的制订自身的学习计划。
2、盘点知识
定期将积累、沉淀、融汇、凝练的知识进行盘点，看到自己的成长。而盘点的方式可以将掌握的内容内化为导图的形式。
愿每一位产品都可以尝试建立你的个人知识管理系统，请记得只有可应用的才为知识，其他的都是信息。愿每位读者都可以与别人不一样。
作者：驰子，互联网圈打杂骚年
本文由 @驰子 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
/?p=863878
T02:57:02Z
T02:57:02Z
<![CDATA[大数据时代，大多数企业都对大数据寄予厚望。通过数据分析，企业既能够实现危机预警，也能做到洞察先机。但是，企业规模不同、数据应用的成熟度不同，大数据技术的发展更是一日千里。俗话说，“一口气吃不成胖子”，企业如何科学地搭建适合自己的“数据观”呢？
波士顿咨询公司（Boston Consulting Group）最近的一项调查显示，公司拥有的大数据能力与他们渴望在三年内拥有的大数据能力之间存在着巨大的差距。 其中一项能力——优先级能力——的不足影响尤甚，因为它是成功的根本。
此外，另外一个明显的现象是，企业选择大数据方案时非常地“随性”。有时候会选择脱离实际的方案，而不是具有成长性的方案——那种可以让企业随着时间的推移集成到更先进、更有价值的能力的方案。
随性的选择有时候还会导致企业以彼此分散、不相关联的方式工作。业务部门通常不知道、也没有能力利用其他业务部门开发的数据资源、人才或洞见。
不过，企业可以改变策略。从随性选择转变为聚焦重点，一边追求大数据带来的价值，一边以协调的方式发展自己的大数据能力。通过“加速器”和“测试－学习”的方法，企业可以快速查看结果，获得经验并将经验教训应用到工作中去。
下面我们来具体聊聊，如何从0开始，搭建企业的“数据观”。
Step 1：聚焦重点
公司聚焦能力的关键在于它确定优先级的能力。然而，这往往是公司最薄弱的能力之一。波士顿咨询公司（以下简称BCG）调查发现，受访者表示他们排列各种大数据机遇的优先级的能力很低，如果在1～5分之间打分，平均得分仅为2.5。企业需要发展该项能力，以集中精力开展最佳举措以及培育其它能力。
Step 2：对大数据方案进行调查的最佳方式
如何确定最佳机遇？ 面对利用数据的多种方法，企业必须排出优先级。这意味着评估每一种大数据方案的潜在利益，以及它们的可行性。
为了分析利益，公司需要一种定制但结构化的方法——使用企业目前的目标和优先级来建立一套标准，并分别给予权重。评分后，每项举措的相应位置就绘制完成了。
上图纵轴为潜在利益，越靠上说明方案带来的潜在利益越大；横轴则为可行性，越靠右说明方案越容易推行。
潜在利益可能包括：可以创造的潜在价值（无论是直接的方式，例如增加收入，还是以间接的方式，如提高客户满意度）; 可能对客户体验产生的影响；可能的战略适应；或与技术路线的潜在整合力。与一家企业相关的因素，可能并不适合其它企业。
确定下潜在利益之后，要为每一个利益打分，也就是设定权重了。同样，权重的设定也必须契合企业现状。对于一些公司来说，更重要的可能是改善客户体验，而不是创造收入，这种情况应该反映在每个标准的权重上。
每项标准的权重直接影响到该方案在利益轴上的位置，所以改变一个权重可能会造成项目的实现或破产。管理人员深知这些，他们通常会强调某些标准的重要性，以提高项目通过的可能性。 因此，满足所有利益相关者的权重可能是棘手的； 让关键决策人参与讨论并分配足够的时间非常重要。根据我们的经验，需要多个会议——通常是3个——来确定最优权重。
为了确定可行性标准，企业应考虑实行方案需要的各项能力——比如公司对必要数据的访问权限，客户是否信任这样使用数据等等，并衡量每种能力是否到达所要求的成熟水平。 还应评估其它有助于确定可行性的因素——比如监管限制和上市时间。 由于确定当前和所需的成熟度水平往往需要技术专长，CIO以及来自IT和运营的代表应参与分析。
选择标准，评分，并将这些方案绘制在图表当中，可以帮助企业发现哪些机会值得关注。这个过程也可以帮助决策者认清企业应当聚焦的那些能力。
Step 3: 发展正确的能力
使用聚焦重点的方式来培养能力是重要的，因为在这个时代，能够发挥作用的大数据相关技能、流程和技术简直多到不胜枚举。确定大数据方案，应该利用一份涉及到公司运营各个方面的能力清单。BCG将这些能力分为四组：
数据视觉数据视觉是一个公司建立大数据视野的“瞳孔”。这项能力对于确定数据与分析在公司业务模式、战略中扮演的角色、以及对价值创造的影响至关重要。
数据使用 这方面的能力决定着企业如何生成、并管理新的创意，对于管理企业隐私、确保数据安全、赢得客户的信任也很重要。
数据引擎 这些能力围绕着企业的数据结构——要包括哪些人员、流程、技术——才使公司能够高效地收集、存储、管理和使用数据。
数据生态系统 利用这些技能，创建伙伴关系和其他外部关系，在大数据业务模式和战略中发挥作用。
显然，公司不能同时提升所有能力。调查显示，几乎所有的能力，公司目前的水平和未来三年内渴望达到的水平都存在巨大差距。数据使用，数据引擎和数据生态系统的差距尤其明显。同时提升这么多能力对许多公司来说必然是一个挑战。
调查结果还表明，许多公司可能并没有完全了解某些能力的价值。报告显示，受访者发展伙伴关系和其他外部关系的能力特别低。
事实上，只有相对较少的公司——大约30％——正在从事合作伙伴关系或考虑与同行进行有意义的合作。然而在实践中，数据生态系统通常被证明是成功的大数据方案的重要组成部分。建立合作伙伴关系和外部关系是获得必要知识和技能的最快捷——通常也是唯一的方式。
建立更广泛的生态系统还可以让公司获得一些自己需要、但不具备的数据。然而，在四组能力中，数据生态系统的能力不仅是目前的最低水平，而且也是最低期望水平。这表明，许多公司需要在整个组织中灌输对大数据方案的基本理解，并获得使其发挥作用的资源。
两手抓，两手都要硬。理想情况下，迈向大数据视野的旅程应该像爬楼梯一样：通过每一步或每一个方案，一家公司创造价值并发展相应的能力以支持它的下一步，在这个“爬楼”的过程中逐渐健全企业能力。BCG建议，企业想要加快这一进程，应当邀请分析专家进入。
Step 4:获得“加速器”
传统来说，确定数据方案一般由业务人员主导。但是，如果以高效、有效的方式，让分析专家参与到方案的创意、安排优先级、以及最终决策中，会带来一些益处。我们发现，经典的“辐轴式”（从中心辐射到四周）运营模式可以确保公司获得这些益处。
“辐轴”的中心由一个核心的数据分析团队组成，团队成员具备大数据的才能以及技巧。这并不是一个“数据部”，而是一个轻量级的组织，是负责设计和执行高级分析的数据科学家，以及负责收集清洗数据、实施数据管理以及数据安全、并定义数据架构的数据工程师的家园。而一条条从中心发散出去的轮辐则是各个业务部门。
纳入分析专家的益处之一是，他们可以提升企业处理优先级的能力，以及命中大数据机会的可能性。该模型通过促进数据分析团队和业务部门之间的交互与协作来确保这一点。比方说，当分析团队的负责人及其专家参与优先级讨论时，可以更精确地为利益标准制定权重。
另一个优点是，分析专家可以帮助企业提升对大数据的认识和了解。再一次，该模型的互动和协作可以帮助业务部门的领导者更好地理解大数据能做什么，不能做什么。同时，分析专家对业务需求以及如何满足这些需求有更好的知识储备。
但也许分析专家带来的最大的好处是“速度”。通过与业务部门合作，分析团队可以帮助加快大数据方案的实施以及能力建设。事实上，我们倾向于将分析团队简单地描述为“加速器”。 它可以通过几种重要方式达到目标：
加快确定新机遇的速度。
作为大数据方案的中心，加速器可以看到所有项目的成果。因此，它可以通过两种方式激励他人：分享业务部门的项目经验与见解，以及酝酿新的举措。了解其他举措的结果将有助于业务部门产生新的想法；了解所有的大数据方案将有助于加速器确认机会。
快速访问内部和外部资源。
作为人才和工具的焦点，分析团队可以协调内部资源。 这不仅可以确保技巧、可用数据和技术在整个公司内得到更有效的使用，而且有助于将业务部门引导至他们甚至可能不知道的资源（例如数据或见解）。 作为外部资源和伙伴关系的协调者，加速器可以将业务部门引导到更广泛的分析生态系统，以访问内部可能不可用的数据与功能。没有这种协调，外部资源往往以随性的、而且往往并非最佳的方式被使用。
以智慧和协调的方式建立能力。
一步一个脚印是困难的。确实很容易就脱离了轨道。一方面，如果一家公司过分注重大数据方案的即时利益，选择建设提供价值、但却不需要发展新技能、新资源的方案，那么在未来某个时刻，当你需要某些关键能力的时候，就会发现有很大的缺口。另一方面，如果一家公司过分强调建设长期能力，但不能创造近期价值，那么就有建立一个累赘的风险：投入了大量的时间、金钱与人力，却部署了一个看起来不错但基本没有得到充分利用的设施。
“加速器”通过帮助避免这些陷阱，来加快企业能力的发展。通过对整体能力和全面机会的了解，企业可以确保以协调的方式实施各项举措和能力，从而使公司迅速迈向长期愿景。
Step 5：以敏捷的方式工作，并采用“测试－学习”方法
以敏捷的方式工作是实施大数据方案的关键。在敏捷模式下，小型跨职能团队通过快速、频繁的迭代开发和测试，利用经验教训来改进这些项目，并探索新项目。
在我们的调查中有一个有趣的发现，总的来说，并不是最大的公司才拥有最成熟的分析能力或最大的野心。相反，这是一群介于最大和最小受访者之间的公司。他们比小型企业拥有更多的资源，但与此同时，又没有大企业那么多的层级结构，受到传统结构的层层阻碍。简而言之，他们往往更有能力实施敏捷模式。
虽然没有业务部门与加速器如何协同工作的标准案例（公司跟公司之间会有所不同），但有一个通用的流程：构思－策划－研发以及部署－ownership。
无论是业务部门，还是“加速器”，都能为项目带来关键技能。业务单位提供业务专家和产品所有者; 加速器提供分析专家、数据专家和开发主管。在一起，他们通过频繁的周期来开发、测试与学习构建最小可行性产品。
最小可行性产品发布后，业务部门将全面接管产品，并在必要时进一步开发产品。与此同时，“加速器”则用从经验中获取的见解来确定组织其他部分的新举措——一个新的循环开始了。
实际上，实现大数据视野的途径本身就由一系列的迭代组成。每个方案都会影响到下一个方案的方向。这个过程可以比喻成经过每一个转弯都变得更聪明一点的GPS，为更好的目的地绘制更快的路线。
“辐轴式”模型已经成功实施。一位行业领先的金融服务提供商的首席财务官认识到，分散的分析工作无法对公司产生真正的影响。
该公司建立了由75位专业人士组成的卓越中心（CoE），其中包括数据科学家、数据工程师和业务分析师。该小组与业务部门的领导紧密合作，确定解决关键业务难点的大数据方案，根据明确和可衡量的回报优先考虑这些举措，并使用跨职能团队实施举措。 该CoE显著地加速了价值的交付，同时使公司能够规模化、标准化地利用其分析方案。
该模式还具有很大的灵活性：可以根据公司的具体要求和特点，以各种方式实施。例如，在某个领先的欧洲银行，大数据功能的成熟度在各个业务领域有很大差异。于是，该银行建立了一个大约40人的数据中心，主要分为两个组——高级分析师和数据工程师——为每个业务线提供所需的支持。
比如在零售银行方面，分析被广泛应用于运营和决策，因此其大数据功能已经非常强大。 因此，中心主要为更高级的方案提供补充援助。相比之下，在财富管理方面，分析并没有得到广泛的应用，所以中心提供了更全面的支持，实际上“外借”了全面的专家小组来创建分析模型，然后负责实施和监督。
对于快速实现大数据视野，并将其转化为公司寻求的价值来说，聚焦和加速至关重要。
企业需要找到合适的平台或工具，将手中的数据利用起来，逐步挖掘其价值，慢慢做到数据驱动业务。
毕竟，在现在这个用数据说话的商业的战场中，数据观跟世界观一样重要。
本文由 @菜菜 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
大数据猎人
/?p=861799
T02:52:07Z
T02:52:07Z
<![CDATA[调研了上百家从事风控数据业务的公司，有行业大牛也有各种低调开展业务的，在不会泄露各公司太敏感信息的前提，本着客观的角度及学习的态度，逐一揭秘各家公司的征信风控产品及数据源特色。本期的目标将是【91征信】。
1. 通过企查查、天眼查等获取公司股东架构
通过企查查查看91征信公司的简要情况：法定代表人：薛本川。兼任91征信首席执行官，并入选2017福布斯中国30岁以下精英榜。注册资本：206.3909万元人民币。
营业期限：。
2. 通过企查查、天眼查等获取公司投融资信息
思路：通过企查查、天眼查等获取公司投融资信息，一是为了了解金主的投资板块，及行业背景，如果有投资了本行业板块其他企业，需要关注各通板块不同业务公司的业务分布规划，可以看出数据底层的组成，流转；二是为了现任大股东的对外投资情况，可以得知相应的产业链业务布局规划。 综合可以看出这个企业的后续发展是否值得关注。
投融资情况：
1.2015年6月，经纬中国的千万级天使轮融资。公司以创新的不良资产处置方案获得市场及资本认可，并获得国际知名风险投资机构经纬中国的千万级天使轮融资， 同年10月，致力于深层解决金融风险问题与征信数据共享问题的产品91征信正式上线。（趁热打铁，趁有资金顺带进入相关领域）
2.2016年2月，A轮融资，经纬中国跟投。91征信企业用户量超过200家，同期完成A轮融资，经纬中国跟投，2016年底公司实现全面盈利。（这侧面说明了倒卖数据的利润空间的确够大）
3.2017年5月，完成由银之杰（股票代码300085）投资的B轮数千万融资。这也得力于91征信稳扎稳打的业绩表现，这年用户量近500家了。
接着看下相对较新的公布情况介绍：91征信是全国首家通过分布式数据库技术方案，从系统服务、场景应用、用户体验、业务交易等层面提供互联网征信数据服务的公司。在两年的迅速发展过程中，至今已服务包括中银消费、百度、玖富、中腾信、夸客金融在内的等近600家机构，为用户累计提供超过6600万人次的数据共享服务，产品每日为金融机构提供共享数据查询服务在50万次以上，全面覆盖了银行、消费金融、保险、三方支付、P2P、租车、保理等各类领域。
PS：银之杰这个91征信大股东，还投资了亿美软通（短信运营服务商-也即是拥有大量短信数据）及华道征信（是的，你没看错，国内8大征信公子之一。也是亿美软通的子公司之一）。银之杰布局的这3家公司都有其业务特色及数据共通点，后续会出文另写，请留意关注。
这里补一句：法定代表人薛本川旗下还有家“人人催咨询公司”，可为合作机构的不良资产进行催收业务。（聪明人的玩法）
3. 通过百度等搜索引擎及行业公开信息交叉验证信息准确性
通过百度等搜索引擎及行业公开信息交叉验证信息准确性。从上文可以看到，企查查查到的工商注册时间与91征信官网公布的发展时间是部队称的。需要从各类信息交叉验证信息的相对准确性。从搜索引擎获取的91征信CEO的旧闻中，可以得知相对真实的业务发展规划。
通过公开信息可知91征信是由北京小崔时代信息服务有限公司运营的大数据征信平台。公司始创于2012年3月，创始团队获得国际风险投资MatrixPartners（经纬中国）两次千万级风险投资，并在2015年-2016年组建了包括的400家互联网金融公司及消费金融公司的“91征信联盟”（类似现在的信联要做的事，共享多家有实际信贷业务行为表现的用户数据）。”
实际上，经过交叉校验，91征信于2015年10月上线相对更准确。其通过互联网接口方式，将P2P公司系统进行对接，实现P2P公司之间可以进行贷款结果的实时查询分享。加入91征信联盟的公司可以通过91征信技术接口向其他会员发出查询要求，联盟其他会员会实时响应查询请求，并反馈真实结果。
据了解91征信并不需要各个公司将数据上传至中央服务器、定期更新上传数据，而只是打通P2P公司信息渠道，实现数据的实时互查共享，解决信贷风控痛点。
而自2016年8月网贷《暂行办法》）发布以来，各省市的动向一直备受关注。今年2月13日，广东省金融办出台了《广东省网贷实施细则》（征求意见稿），并向社会公开征求意见，全国首个省级网贷监管细则面世。广东当年发布的实施细则（征求意见稿）与去年银监会等四部委发布的《暂行办法》相比，有不少更加细化且严格的地方。比如，其中提出“征信管理部门应当将网络借贷信息中介机构的有关信息纳入征信管理系统”，明确的政策支持让网贷行业备受鼓舞。
这对于提前布局同业征信数据共享平台的91征信是利好的。至今，行业内已有超过10家公司布局这块数据共享业务，例如：人人贷旗下人人信，拍拍贷旗下拍拍信，挖财旗下的富数科技，你我贷旗下的极融科技，玖富的火眼征信，宜信旗下至诚阿福等。相关政府部门为了更好监管相关信贷数据，继银联和网联之后，征信行业的“信联“也随之出现，目前由中国互金协会牵头发起的这一个人征信机构尚未对外披露全称，坊间将之称，系因为将其与银联、网联一同，看作是行业集中式的枢纽机构或基础设施，希望但完善征信体系，打击过度“多头借贷”、诈骗借贷等乱象。
4. 分析其主打产品及数据底层组成
征信行业定位粗略根据业务类型可以分三大类，包括个人/企业数据接口整合报告，个人/企业数据接口批发商及个人/企业数据建模及分析系统搭建。对征信行业不熟悉的可先看看【了解国内大数据征信行业，你需要知道这些】这篇初级科普文。而91征信产品也只有数据批发（同业共享数据查询+91征信分）。
银之杰在征信行业布局中，收购了华道及亿美软通，这两家在数据和业务上和91征信是有区别的。华道的数据基本来源与亿美软通和91征信，由于位列行业8大家之一，备受关注，为了不碰监管红线，业务开展非常谨慎。亿美软通的数据主要为多年来给运营商提供短信服务的积累，再引入第三方数据，主要覆盖精准营销板块。而91征信业务也被紧紧压在现有板块。
91征信的定位显得比较专一，为信贷行业提供信贷数据共享平台，据公布的数据：91征信数据已接入覆盖全国50%以上小贷、P2P等客户资源网络。（市场上的小贷公司多大几千家，持牌机构230家左右，P2P公司就更多，正常运营的可能在2000多家。每次看到这些数据覆盖程度，我们其实都需要打个？号，真实覆盖率是多少）
因为数据孤岛的存在，导致征信及风控行业无法获得最全面的信贷用户信息，从而搭建了信贷同业数据共享平台（央行征信机构与民间金融机构数据不互通）。参与平台的信贷机构可以免费查询一定限制的用户数据，从而在借贷多头及黑名单等维度更清晰的判断申请用户的信用资质。（这里的征信及风控主要指民间类，区别于央行征信信用数据。信贷机构在做风控策略时需要知道用户的信贷详情）
（91征信痛点定位图）
除了银之杰这个金主在行业的规划布局影响外，91征信的数据共享定位，也是主要决定了其主要数据组成，同时限定了其产品形态。
其主打的产品主要有同业征信报告，91征信分。
（1）同业征信报告
是91征信的用户多重负债数据产品，利用信息共享平台获悉用户的隐性负债信息，可用于风控决策、数据建模、贷中监控、提高催收效率等多种用途。
91征信的数据风控产品覆盖约500家联盟机构，覆盖8000多万借款人数据（拍拍贷，作为行业巨头，2016年的用户数为3261多万。可侧面对比下数据覆盖面）。数据详情包括借款人的借款类型、状态、金额区间、合同日期、期数、还款状态、欠款金额等。
【猎人说】共享数据有个风险点：数据准确性问题，共享为自行上传原则，行业内有大部分信贷机构上传用户数据时会故意调整数据，例如白名单变黑名单（用户只能被自己的机构识别），黑名单变白名单（增加别家的信贷风险），共享平台无法准确辨别少部分好坏客户。相比之下央行征信数据仅有3亿多人的信用数据（银行类借贷行为数据，央行有8亿多人的基础信息，还有近5亿无贷款记录，6亿多人没收录），内容包括：信用卡、贷记卡及其他信用卡信息，部分房车产信息等。
外部数据市场：91征信定义的是数据来源与验证类型产品，包括身份核验、银行卡信息验证、工商信息授权爬取、学历学籍信息爬取等。并且经过细分维度，可获取更细的颗粒维度。（这是市场上多数数据公司，信贷公司接入使用较为方便的）
接下来看看产品查询结果，只需要输入用户姓名及真实的身份证号码即可获得非常详细的借贷记录详情。由于2017年6月份的个人信息安全法的出台，现在很多数据输出都非常敏感，91征信的共享数据查询也一样，因此会有对应的数据结果转换，脱敏形式达到数据无法反向推测出用户的更详细的信息。
（2）91征信分
也许91征信看到了共享数据的单一性，从而外接了各种第三方数据也扩充相应的借贷用户画像，并根据后台得知的用户画像给出相应的分值-91征信分（也是行业个人信息安全传输的一个规避方式）
，给予相关合作机构一个判断标准及风控策略的建议。行业内，分值代表数据详情，符合法律规则却不符合企业实际需求，因为企业只看到相关的分值，无法得知这分值的准确性和真实性（品牌企业和合作已久的除外），因此一般要求线下给与一定的分值解析列表，给予风控人员更好的解读理解分值后的意义。
5. 数据应用建议
适用对象：银行信用卡部门、数据公司数据部门（数据补充）、信贷机构风控部门等应用场景：信贷风控贷前、中、后，及监控
应用说明：根据不同企业的贷前、中、后的风控规则策略按情况使用。
在贷前准入阶段，命中黑名单的用户直接拒绝，则调用查询91征信接口，命中黑名单的用户直接拒绝，无命中的可通过
欺诈判断阶段：可根据查询结果的欠款金额及时间，设定参数，假设命中了欠款金额大于10000且时间大于1年都没还款的，判断为欺诈，拒绝。
【猎人说】这里只简单举2个使用例子，后续会单独出个全行业数据详细的策略使用说明。各种规则策略因为不同的信贷产品，风控部门的目标而不一样，需要根据实际业务情况数据表现等不断调整参数及策略。（这是个烧钱和数据的过程）
从政策上看，91征信的同业共享平台符合征信行业数据合规及共通规划发展，后续可能会直接被融进“信联”数据体系。
从行业上看，91征信的产品业务暂时比较单一，纯粹的API批发商模式，无法做大。但数据积累的足够多后，应该会往风控建模这方向布局。
从产品上看，只有2个，同业共享平台属数据交互平台，91征信分才算其真正的输出产品。通过分值形式输出被查询用户借贷详情，相对合规。行业上芝麻分是最早的分值形态产品，但维度相对更丰富，包括用户交易行为数据、资产数据等，其他例如甜橙分、腾讯分等都有其独特的数据组成特点。分值产品的核心竞争力，在于底层数据对用户维度的刻画颗粒数量与风控行业风控策略是否能匹配使用来决定的。而现在各大互金协会也已经在搭建信贷行业民间数据共享平台，并对外输出相应产品，91征信分的市场竞争力会受到很大影响。
最后，金主爸爸银之杰后期应该会将旗下三大数据公司91征信+华道+亿美的数据输入新的数据公司，进行更丰富但更垂直行业的数据产品创新。
作者：大数据猎人，微信公众号：date-hunter。五年战略研究，行业分析，商业模式搭建经验。曾就职于风投公司，也在某国企支付战略部待过，均负责战略分析工作。现在新公司负责大数据风控产品研究事宜。欢迎交流
本文由 @大数据猎人 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 Pexels，基于 CC0 协议
/?p=863726
T02:42:00Z
T02:42:00Z
<![CDATA[前段时间做过了一次比较系统的可用性测试。因此写了这篇文章作为个人对可用性测试的梳理和反思。
可用性测试是一个体量很大的学科，仅仅从形式和平台两个维度去分，就可以细分出十几种不同的可用性测试，而每种不同的测试其研究方法还有相当大的不同。
而且我相信，即使是同样的一个目标，由不同的角色去设计和执行（比如咨询公司的用研人员，某些公司专门的用研部门，或者业务线上的产品经理）也会有不同的方法和侧重点，因此本文数千字的篇幅是不可能涵盖可用性测试的方方面面的，甚至连作为某一种特定的可用性测试的工具书都不够详尽。
这里只是我作为一个业务部门里的交互设计师，就我们采用的实验室的可用性分析（usability lab studies）来谈一谈进行可用性测试的一些技巧和需要注意的点——总的来说，站在测试的大目标下，我们的每一个决定和方法都需要紧贴在目标上，每一个步骤都需要有合理的前因后果和清晰地逻辑。
本文分为“可用性测试的时机”，“可用性测试的目标”，“以目标为导向的方案设计”和“测试的过程”四个部分。
可用性测试的时机
广义的可用性分析是指让用户使用真实材料（包括真实的产品，模块，页面，原型，概念等）来探索其可用性的研究。包括了概念测试（concept testing），实验室的可用性分析（usability lab studies），远程的有指引可用性测试（moderated remote usability studies），快速迭代的测试和评估（rapid iterative testing and evaluation），眼动分析（eyetracking）等。
我们将这些可用性测试的方法放到用户研究方法的“定性—定量／态度-行为”坐标系中，我们发现各种可用性测试方法涵盖了定性到定量的整个坐标轴，而在纵坐标轴上，可以看到可用性测试是偏向行为的。
因此，不论是要对系统的可用性得到一个概括性的结论，还是要针对一个模块的可用性进行精确的数据分析，我们都可以通过不同的测试方法来完成。然而不论是哪一种方法，可用性测试的核心都是建立在观察上的。
那么，我们应该在什么时候去发起一次可用性测试？NNG的联合创始人Jacob Nielsen列出了以下三个场景：
在迭代的过程中，特别是两个迭代之间的时候。我们需要知道我们本期的设计是否解决了之前的问题，或者我们还需要继续改进我们的设计方案。
数据不会骗人——对于竞品的可用性分析，可用性测试得到的指标是非常有用的。
在每一次新的发布之前，我们需要在脑海中有一个清晰的目标。当我们对现在的设计方案没有很大的把握的时候，一次可用性测试可以告诉我们，新的版本是不是已经准备好发布了。
总的来说，可用性测试最好是发生在整个设计周期里的研究阶段（在连续迭代的过程中，研究可以被看作是一个设计周期的第一环，也可以是发布后的最后一环）在我们拥有一个真正的产品之前，我们需要知道一个方案是否可行，此时需要注意的是，我们需要平衡可用性测试材料的保真度。
我们可以用一个尽量轻量级的原型来进行，这样就可以尽快的对设计方案进行迭代；当然，它也要有足够的细节来让用户明白我们到底做了一个什么东西，并且能够被带入到我们预设的场景里。再就是在我们发布产品之后对于设计的评估和梳理，这个时候的可用性测试相当于一次低配版的田野观察。
可用性测试的目标
这一部分我分两点来说，第一是什么是可用性以及我们是怎么用可用性测试来衡量它的，第二是可用性测试是用来做什么。
usability.gov为可用性给出的定义是“用户与一个系统交互时体验的质量”，而构成可用性的三个因素包括效度，效率和主观满意度。一般来说，我们通过以下的几个维度来衡量系统的可用性：
设计的直观性：产品的整体架构符合用户的心智模型，换句话说，用户可以轻松直观的了解产品的结构，并利用导航系统在界面间清晰的移动
清晰性：界面元素表意清晰，交互方式和结果符合用户的预期
可寻性：用户可以快速准确的找到界面的关键信息
易学性：一个新用户可以轻松的完成一个任务
使用的高效性：一个老用户可以用系统高效的解决问题
可记忆性：在第一次访问这个系统后，用户可以记住足够的内容来帮助他在以后使用的时候可以高效的使用
发生错误的频率和严重性：用户在使用系统时发生错误的频率，这些错误的严重性，以及用户能否修正这些错误
主观满意度：用户在使用时的总体体验，以及他们有多喜爱这个系统
那么问题来了：我们是怎么来衡量这些可用性指标的呢？我反思了我们之前做过的可用性测试，在所有的这些测试里，我们招募的都是从未使用过系统的目标用户。
这样做的好处在于：上述的1-4点可以得到优质的结果。这样的做法更适用于对设计概念和新功能的验证，但是我们经常忽略的是——其实也是更难做的是——对旧功能的可用性测试。因为在平时的设计过程中，我意识到有的功能，即使是可用性很差，但是用户在一段时间的使用后也可以正确的完成任务。或者是说，有的功能是为多次使用而设计的，这些功能模块可能相当复杂或者有很长的操作路径，特别是一些B端的产品，页面的信息密度还相当的大，此时采用新用户来进行可用性测试，不一定会得到准确的结论。
然而对于已有功能的可用性测试是必须而且重要的。
举例来说，我们有一个对对象进行批量操作的模块，用户需要对相似的对象进行多次的重复操作，此时的可用性就和上述的1-4点没有多大关系了，而需要度量的是系统的效率和容错性。此时就需要对可用性测试的思路进行一定的调整了，比如说，我们可以为我们的设计设定一个指标，来观察我们的设计能否达到这个指标。
比如：我们的目标是一个熟练的用户可以在1分钟内处理10个对象；在没有办法制定指标的时候，我们可以引入两个方案的对比，从而选取更好的一个。
当然，我们还需要随时保持这样一个意识，就是在具体的场景下，可用性测试是否是最好的方式，还是刚才那个例子，如果我们确定上面的1-4点都没有问题，并且埋点数据的分析就可以回答现有的设计下用户每分钟处理对象的数量，那么就没有必要去进行一场可用性测试了。
所以最后就是关于可用性测试的使用场景，可用性测试主要有以下两个作用：
衡量产品的可用性
定位产品问题及产生的原因。总的来说，可用性测试用于优化产品，但是不能告诉我们应该去做什么需求，或者是用户想要什么。
比如说，我正在设计一个帮助用户进行锻炼的应用，系统里有一张汇总用户每日跑步详情的月汇总表，可用性测试不会告诉我们用户为什么会去关心这张表，或者这张表会为系统带来怎样的价值——你需要通过一本叫做Hooked的书或者一些深度访谈来回答这些问题。
请注意下面这个例子：可用性测试不回答用户会去关心这张表里的哪些字段，只有在我们预设某一个字段是重要的的时候，我们可以通过可用性测试来验证我们的设计是否能让用户直观的接受这个字段信息。我们用数据埋点，点击分析和问卷来了解产品里发生了什么，用深度访谈来了解用户的动机，态度，想法和体验。而可用性测试的意义在于告诉我们一个问题为什么发生。
因此，我们不会去询问用户对这个产品的看法，而是将产品交给用户，给他们布置一个任务，去观察他们是如何与系统交互的，再通过这样一些行为数据去了解系统中存在哪一些问题。比如说，我们通过埋点数据发现在一个复杂的注册流程中的用户资料上传页面存在巨大的跳出率，我们就需要可用性测试来告诉我们为什么会有这样的跳出发生，以及如何修正这个问题。
以目标为导向的方案设计
以目标为导向其实是我一直非常认可的一种设计思想，这种思想同样也体现在了我的用户研究上。这里也分为两个方面：
一是和其他所有的用户研究方法一样，我们采用研究学习螺旋模型来规划我们的可用性测试。这种模式的核心在于，研究的每一步都是建立在目标之上的；
二是，我们方案里的每个行为都必须是有目的的——在我刚开始做用户研究的时候，常犯的一个错误就是全套照搬别人的流程，然而在研究结束后的反思里才意识到，每一个行为都应该是有意义的，根据实际情况的不同，我们也需要对标准的流程进行修改或者补充。
设计了一个好的研究方案，就成功了一大半了。如上文所说，可用性测试的最大目的就是：
研究用户是否能顺利的通过系统达成目的
定位问题。第一点比较简单，第二点稍微复杂一些。
先讲第一点：在我们开始思考任何的方法和拟定任何的方案之前，我们需要先把本次测试的目标定清楚，在制定研究目标的时候，我建议根据上文列出的8个维度来思考（当然你也可以列出更多的维度）。
比如，如果需要测试一个网站导航系统的可用性，那么我更倾向于去关注系统的“设计的直观性”，如果我需要测试一个新用户是否能顺利的预订酒店，那么我需要关注的可能就是系统的“清晰性”，“可寻性”和“易学性”。
我们需要一个清晰的框架来帮助我们梳理我们的研究目的，这样才能保证我们可以找到一个研究对象最关键的点，并且在后续的步骤中不会遗漏掉可能出现的问题。在这里我们也可以看到，目标其实是和大小无关的：测试一整个预订流程是否流畅是一个合理的目标，测试一个按钮组的呈现方式是否足够直观也是一个合理的目标。
第二点就是定位问题，为了精准的定位到问题出现的原因，我的做法是将观察的粒度拆得尽量细。而这样的细分其实是分为两个部分的：
通过关键假设将目标拆分为可以度量的条目
在完成了任务的设计后，需要在任务流程里设置详细的观察点。
先说关键假设，其实假设是我们在做用户研究的时候很容易忽略的一个步骤。这个步骤的含义是，我们在提出了目标之后，需要理清关于目标，我们（认为自己）已经知道的事情，我们预期用户的行为是什么，我们认为哪些地方会出现问题，以及我们可能会怎么去解决这些问题。
Frog的一个设计研究负责人Jon Freach提出，在研究的早期，假设可以帮助我们感知和思考我们需要去解决的问题，更好的选择研究方案。
具体到我们的可用性测试来说，除了上述的作用，关键假设还可以为我们带来这样的价值：我们在第一步提出的目标其实是不能直接和具体的方法联系起来的，这个时候，关键假设可以帮助我们将目标拆分为更容易被翻译成具体任务的条目。
比如：我的目标是“测试用户是否在酒店列表里能找到合适的酒店”，我的关注点是页面信息的“清晰性”，“可寻性”，那么我的关键假设可能就是：
用户可以清晰的理解每条记录里具体信息的意义
我们提供的按价格，评分，星级的排序机制可以满足用户需求的
用户在寻找左侧边栏的筛选控件时会遇到困难。那么根据这样一些假设，我们只要设计出可以全部覆盖它们的任务流程，就可以很顺利的达成目标了。
至此，我们已经走在了正确的道路上，我们的任务可以覆盖我们目标可能存在的所有问题。现在再来回想一下我们在一场可用性测试里的目的：精准的定位问题，以及挖掘问题发生的原因。
那么，我们还需要一些方法来将测试的过程更加的精细化。在这里我采用了设置观察点的方法，这种方法的机制是：尽量将页面上可能的触点罗列出来，而所有的触点分为和任务主流程有关的触点（A）和无关的触点（B）。
在用户完成任务时，我们需要观察所有的触点，此时对A类触点的观察可以覆盖到所有和测试目标有关的用户行为，而对B类触点的观察可以覆盖到系统里一些其他的可用性问题。
在用户完成任务后的复盘过程中，我们需要就关键的，以及刚才出现问题的触点与用户进行访谈，以便确认问题发生的原因。这个方法的意义在于，在访谈的过程中，观察者可以带着目的和清晰地条例去观察用户行为，在之后的复盘中，可以更加系统的去还原用户的行为，特别是那些通过直接观察没有办法得出结论的点。
打个比方：如下图所示：还是预订酒店的例子。
我们的目标是测试酒店搜索结果页对于一个新用户的的可用性，用户任务是在该页面找到一家价格适中，位置靠近老城，评价优异，可供全家4人住宿的房间。
在酒店信息页，可能的A类观察点就包括了展示酒店信息的所有卡片；卡片内的所有字段，链接，标签，图标，按钮；筛选控件；排序控件；地图入口；切换浏览方式的控件等。可能的B类观察点就包括了重新搜索的控件，该目的地其他日期的预定情况等。
在一场真实的可用性测试中，我们需要知道完成任务的所有路径，以及最高效的那些路径，而用户很有可能会采用一些更低效的路径，我们需要去观察用户是如何做出这样的选择的，并且在测试完成之后的复盘中，我们需要去向用户了解是如何去认知其他的路径的。
比如在这个例子中，如果用户想要高效的找到合适的住宿，他可能需要采用地图视图，价格筛选器，以及按照用户评分对列表进行排序。而在实际的操作中，用户有可能不会用到这些组件，他们甚至可能会不对列表进行任何操作就直接在列表中逐项浏览。那么在测试的过程中，我们就需要去留意用户是怎样选择并使用了一个组件，在过程中是否有误操作，犹豫等。
在测试完成后，需要去询问用户“请问你注意到列表上方的排序控件了吗？”，“我注意到你刚才想要去点击地图，但是最后放弃了，这是为什么呢？”，“你有没有想过需要将可以住4人的酒店筛选出来呢？你觉得你应该怎样去操作才能完成筛选呢？”等。
在完成了目标，关键假设和观察点的梳理后，我们就可以开始拿着我们的测试计划开始准备材料，数据，脚本以及用户招募了。但是在走进房间开始和用户进行近距离接触之前，我通常会建议团队再做以下这件事情：对可用性测试的计划本身进行一次测试。一是为了保证测试过程的流畅，二是为了再次检查我们的测试方案是否已经足够细致和全面了。
在这样一个非正式的测试里，我们通常会邀请一个同事（被试者对系统的熟悉程度需要根据测试目的来定），并严格按照正式测试的环境和流程进行。
在这个流程中，我们可以看到准备的材料和数据是否合理，能否覆盖我们的测试目的；对于那些设计多平台多设备多端口的任务，我们需要去保证数据和流程的流转可以正常的进行。在这样的测试里，得到的关于可用性的结论是没有太大参考意义的，但是我们可以通过走完一个完整的流程对之前列出的观察点进行查漏补缺。
最后就是招募用户的数量。根据Nielsen和Landauer的研究，可用性测试发现系统中问题数量与测试人数遵循以下公式：
P=N （1-（1- L ） n ）
其中P为发现问题的数量，N是系统中存在问题的总量，L是通过研究单个用户可以发现的用户比例，根据经验L的值一般被定义为31%。
此时我们可以绘制出P关于n的曲线，如下左图所示。
此外，Nielsen还给出了以下的一份数据：根据83例NNgroup最近进行过的可用性咨询的案例分析可以得出下右图的可用性问题数量——招募用户数量的关系。我们可以看到，在招募5-8名用户的时候，就足以暴露出系统中的大部分可用性问题了。而此时再测试更多的用户，并不会为我们的洞察带来明显的提升。
因此在我们的可用性测试中，我通常会遵循以下的原则——这也是其他定性用户研究用户招募的一个通用原则——至少对5名用户进行测试，当测试完第五名用户的时候，如果我们发现问题的分布足够集中，或者是不再出现新的问题，那么针对这个目标的可用性测试就可以结束了。如果此时还在暴露出新的问题，那么我们就还需要继续进行测试，直到不再暴露明显的新问题为止。
测试的过程
关于测试的过程我就不在这里详细描写一次可用性测试所有的步骤了，下面列出几个我认为可以最大程度上提升研究质量的点。
不要试图去消灭测试的“人为因素”
一次典型的实验室环境的可用性测试包括了一把椅子，一张桌子，用户坐在屏幕前完成任务，由录像机和各种传感器来追踪所有发生的事情——包括眼动，面部表情，身体语言等等。这样做的目标就是试图消灭掉试验中的一切实验因素。甚至有一些用研人员建议“不要和用户说话”。
虽然我完全同意倾听多于说话的观点，但是——即使我完全保持沉默，甚至是躲在另外一个房间，用户总是会知道他们是正在被观察着的，我不用做任何事情，我的身份就是一个观察者，这个时候适得其反的事情就发生了。
用户会把我视作一个标杆或者权威，他们会用他们的答案和行为来取悦我
因为他们惧怕在我眼中显得愚蠢，因此他们会惧怕犯错
他们的行为模式会和自然状态下截然不同，他们会使用一些前所未有的方式去和我们的产品交互
我们需要意识到的是，可用性测试对于用户来说本来就是一件不自然的事情——包括马上我要说的Think Out Loud——就像洗澡的时候突然有人拉开浴帘问我水温如何一样。因此，我认为消灭测试的“人为因素”是一件徒劳的事情，相反，我们应该向前一步，去接受实验环境和现实不同的这个事实。
去扮演一个友好的角色，我习惯于在正式的测试开始之前和用户有一个简短的寒暄，讲两个适当的段子，一些和用户贴近的小问题，注意自己的语气和身体语言——事实上，这样的开场适合于所有的定性研究。
总之，创造一个轻松的氛围，让自己看上去亲和友好，向用户传达我们是多么高兴他可以帮助我们发现系统的问题。当用户愿意走出他的舒适区时，我们就可以得到更多有价值的信息了。
Think Out Loud&测试后的复盘
测试的目的之一是挖掘出更多的信息，而用户的操作只能展示出测试时所发生的事情的很小一部分，除了仔细的观察之外，我们会要求用户在使用时将自己的思考/决策过程说出来，包括
当进入这个页面的时候，我首先注意到了哪些东西？
我认为这个页面是做什么用的
我下一步想做什么？我觉得页面上哪些元素可以帮助我？
当我完成某一操作后，我预期会有怎样的反馈？那真实的反馈是怎样的？
界面上有哪些元素是我不明白的？
我进行了误操作，我应该怎么消除这个错误？
这样，我们就可以保证我们设置的观察点得到了充分的覆盖，并且可以帮助我们对界面以及产品结构进行更全面的洞察。当然，Think Out Loud是建立在第一条的基础上的，只有当用户在一个足够放松和信任的状态下，他才会保持一个说话的状态。
在用户完成任务之后，我们已经收集到了足够多的信息，但是如何保证信息的精确性呢？我使用的方法是进行一次复盘。我们需要回顾用户刚才的路径和所有操作，去确认每一个决定的原因，以及用户没有说出来的东西，比如：
你为什么要点击多次撤销，而不去点击清空按钮呢？
我注意到你将鼠标移到了A按钮上，但是最后又没有点击呢？
我注意到你在进行B操作的时候显得有些焦躁，这是为什么呢？
保证信息的完整和精确，我们就可以告诉用户说今天你的测试已近完成了。
对测试方案的迭代
如果我说“我需要在研究的过程中修改我的研究方案”，很多研究者心中的第一反应多半是WTF？我理解很多人将中途修改方案视为洪水猛兽，因为这和“得到一个客观的结论”的目的似乎是相悖的。他们说你需要5名用户去做一模一样的任务，这样才能得到一个有意义的结论。
我当然同意要想办法得到更客观的答案，但是这并不意味着我们的研究方案就自始至终一成不变的了。我们应该在保证目标和关键假设不变的前提下，在每一次测试之后，对我们的观察点以及复盘时的问题进行迭代——这个习惯同样适用于其他的定性用户研究方法——因为我们的观察点和问题的拟定都建立在我们对系统了解的基础上，但是有的时候，用户和我们设计的体验是两回事情，曾经有同事反馈说，自己设置的观察点很多都没有用上，而用户的很多行为完全出乎了他的意料。
打个比方，如果前两个用户在任务的最开始都统统选择了一条我们预料之外的路径，而我们都没有在这条路径上设置任何的观察点与问题。那么，如果我们不在后续的研究上加上“你为什么会点击这个入口”这样的问题，那么我们永远也不会知道用户这样奇怪举动背后的原因。
Usability Engineering, 1993, Jakob Nielsen
Qualitative Research Design, 1996, Maxwell,
UX Research Cheat Sheet, 2017, Susan Farrell,
How Many Test Users in a Usability Study, 2012, Jakob Nielsen,
Why You Only Need to Test with 5 Users, 2000, Jakob Nielsen,
How Do I Do User Research, 2014, Katerena Kuksenok,
Don’t Listen to Users and 4 Other Myths About Usability Testing, 2016, Icon8,
UX Design Process Best Practices, UXPin,
The Guide to Usability Testing, UXPin,
A 5-Step Process For Conducting User Research, David Sherwin, 2013,
本文由 @J.Yang 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
/?p=863826
T02:40:36Z
T02:40:36Z
<![CDATA[互联网时代，电商平台的镜花水月，实体经济的波涛汹涌，服装品牌企业未来之路在何方？
近期，与都市丽人IT部某高管沟通，笔者受了很多启发，深有振聋发聩之感。
服装新零售，如何协调终端发展与品牌发展的问题；如何整合流量和数据；到底是线上为主，还是线下为主，如何解决线上与线下的关系问题。这些都是服装行业生死攸关的问题，值得所有从业人员深思。
而这正击中了美特斯邦威这样的传统品牌的软肋，近期被爆羽绒服里藏虫子，率先迈出“智慧零售”步伐的美特斯邦威，强大如斯，在新零售时代，也面临如此之多的问题。
人：会员流失止不住？大数据分析实现精准营销！
正值转型阵痛的美特斯邦威发布2017三季报，前三季营收4.44亿，同比下滑5.69%。不仅如此，美邦还预计2017年全年的净利润将亏损2.07-3.62亿元。
业绩下滑、成本提升、利润减少，这些都是品牌迈向灭亡的征兆！为什么会导致以上问题？核心原因就是因为用户需求没找准！截止2017年11月，美邦拥有3800家门店，作为流量数据的入口，应该能收集到足够多的数据去掌控消费趋势，但年报显示出美邦售卖的商品并不符合用户的消费需求。美邦主打90后，却没有真正了解90后。这类人群大多以走上工作岗位，处于打拼和买房车结婚的阶段。反观美邦的衣服，却设计老旧，服装低龄化，对受众的吸引力极低。美邦因为不了解消费需求，生产了不适合受众的商品，导致业绩下滑，库存积压；然后通过宣传推广等方式增加销量，但投入大量广告费用，造成成本上升；“双剑合璧”促使利润减少，然后在恶性循环中被市场淘汰。这正对应了都市丽人IT部高管的说法：“品牌经营现状，就是拥有庞大的终端流量数据却缺乏粘性！企业需要在收集数据之后继续深挖，进行集成多角度的大数据分析，并将结果呈现，做出有价值的市场决策支持！”
这样才是品牌运营管理该做的事，空有数据而不分析不调整，最终导致品牌原地踏步甚至“前浪被后浪拍死在沙滩上”。
近几年，美邦虽然走了些许弯路：互联网邦购、有范平台，但现今的美邦总算发现了这个问题并且积极改变：搭建O2O全渠道零售终端平台工具、大数据商业智能平台。通过打通营销、商品、服务、组织协调能力等企业内部环节，采集消费轨迹、获悉消费者偏好习惯，提供个性化精准营销、智能搭配、货品推荐和消费者生命周期管理，从而实现锁住商家价值增值管理、增强品牌粘性、提高连带销售。美邦还将通过线上云店和线下场景的搭建，寻求与消费者更多的互动和共鸣，结合社会大数据给消费者画像，从中寻找规律，顾客对款式的所有反映数据都可被采集和记录，这些数据被用于指导商品企划从而将品牌和产品不断提升。
进入互联网时代后，大数据成了企业倾听消费者的重要方式之一。首先通过各种方式收集用户信息，使用saas工具进行系统分析，从而将消费者精准定位，挖掘消费者的用户需求，推出针对性的商品。另外通过用户画像分析，能有效洞察消费者的消费趋势，对总部的运营规划起到重要支撑作用。
货：库存积压？提高效率原来如此简单！
美邦存货占总资产的比重2017年达到25.28%，美邦的存货周转天数竟高达204天，公司产品生产和销售进入恶性循环！对比Zara、H&M等广为称道的快时尚企业，成功之处就在于能够迅速地响应潮流，而且是全球化的供应链响应协同能力。而现今的美邦无疑成为了被这种“高效率”撕裂的典型服装企业，供应不能与消费匹配就造成大量库存积压，为了清库存就大幅打折，然后各种恶性循环……
新零售时代，强调的是经营效率的提升。而对于服装零售业而言，供应链问题都存在于每个发展环节，正如美邦所遇的囧况，采购、入库、销售循环变慢，导致各项成本飙升利润下降，企业的负担越来越重。因此对企业管理的模式整合和创新，重构内部供应链，显著提升效率，降低成本。
2017年的美邦在进一步梳理和优化供应链布局，以此有效衔接产品生产和终端销售。根据半年报显示，美邦服饰目前拥有上海、温州、沈阳、东莞、西安、成都、天津和武汉8大区域物流中心，从工厂运送至区域物流中心，然后分拣配送至公司仓库，最后配送至各店铺，形成了高效的三级配送体系，其中，上海六灶物流中心日均可达到50万件服饰产品的物流处理能力。
新零售时代，强调的是品牌企业线上线下的互动运营效率。电商持续增长，但其中弊端早已显露无遗，成本越来越高。电商的运营成本在大幅增加，过于重视电商只会让品牌入不敷出，落得“费力不讨好”的尴尬结局。未来的企业需采取线上线下互动营销方式，终端门店重视客户体验，打造更适应客户生活与工作场景的场景式消费；线上云端注重便捷购物与实时咨询，方便消费者的随时购买行为。借助全渠道服务为实体经济升级助力，让彼此之间的连接变的更简单，实现品牌，门店，消费者，导购快速有效连接；建立全渠道会员体系，线上线下用户数据融合分析。
场：企业规划不落地？驱动终端是关键！（增加线上线下互动）
2017年三季报，美邦净亏损7949.95万元，并在短短3年时间关闭1500余家门店。盈利持续亏损，美特斯邦威到底做错了什么？
过于纠结互联网，而忽视了终端本身，忽视了消费者的需求。2015年4月美邦推出有范APP，并冠名《奇葩说》，但近亿元的投入换来有范极低的转化率，最终2017年9月有范宣布内部调整暂停运营。线下门店方面，盲目地在一线城市最贵的黄金地段打造旗舰店，但却获益甚少，产品不受欢迎、库存增多、业绩下滑，种种迹象表明美邦的线下战略遇冷。美邦想抢占年轻消费者市场没错，转战互联网也没有错，但最致命的问题是，美邦在最根本的终端门店方面走错了。
笔者认为，美邦这些年放了太多精力在吸引消费者的方式方法上，导致对终端门店的规划缺乏条理。互联网时代，似乎大部分品牌的急功近利，盲目涌入线上，试图用“便捷攻势”俘获消费者。而在线下扩张方面，采取的都是大规模开店方式，导致高库存的隐忧初现，品牌同质化严重。正如都市丽人CIO所说：“这些大品牌的都在忽视实际场景应用问题，以及忽略如何去驱动终端执行者主动落地上层规划。”无法真正提高终端的执行效率，最终导致上层规划无法落地的尴尬局面。
如今的美邦，开始逐步调整线下战略，从管理终端到赋能终端。总部提出实际规划，将运营管理的权利下放到门店，释放终端个体的力量。终端开始采用数字化的管理方式，利用信息化完善门店管理，优化升级线下门店消费体验。赋能终端的核心是驱动门店提升效率，把线下门店的流量、转化率、客单价和复购率做到极致。
新零售时代的服装零售行业，需要紧抓“人、货、场”的三字真言，运用互联网大数据实现洞察消费需求与趋势，通过优化供应链提升企业管理效率，高效协调线上线下互动营销，脚踏实地驱动终端并赋能终端，最终实现品牌可持续发展。
作者：文卫军，微信公众号“易商乐”（ID:zgpsESL）
本文由 @文卫军 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 Pexels，基于 CC0 协议
/?p=863790
T02:26:05Z
T02:26:05Z
<![CDATA[随着行业巨头们的加入以及巨额资本涌入，新零售不再只是概念，而是真正的在很多业态细节上发生了实质变化，其中最为明显的就是正在发生“货架革命”。办公室出现的无人货架只是现象级市场，只是充当了货架革命中的那只蝴蝶，更大的货架革命正发生在社区市场。
连锁商超货架已然在变，社区新零售货架即将开变
对于办公室无人货架的争议一直很大，这个市场需求肯定是有的，但市场究竟有多大是个严肃的问题。从整个零售市场考虑，办公室无人货架所带来的增量市场仅是九牛一毛的事情，但其出现之后刷新了不少人对于零售货架的认知，并且刺激了零售货架的产业链式变革。
网红超市盒马鲜生带动整个连锁商超行业的货架变革，这个问题曾讨论过，传统商超的货架又高又密，为的是尽可能提供更多的商品展示以便促进消费，新型商超则为了提升体验把货架高度降低，货架排距增宽，货架摆放更精致，货架选品更有质量。连锁商超的变革已经有了实质体现。
而在社区市场，货架变革还处于酝酿阶段，我曾介绍过，社区零售市场问题很多，之前几年的发展进展缓慢。然而，随着今年天猫、京东等电商巨头，永辉、物美、大润发等连锁商超，以及诸多拿到融资的无人便利店、无人货架等项目都不约而同的盯上社区新零售市场，社区货架变革已出现加速迹象。不过，虽然社区新零售市场的参与者越来越多，但有足够能力推动全国社区市场变革的得看阿里和京东的表现。
天猫小店+零售通，京东便利店+新通路，抢占社区货架
表面上看，天猫小店、京东便利店都在整合大批社区夫妻便利店，但实际上他们要整合的是店内的货架，因为货架是商品的载体，只有提升整体货架能力，才能起到促进消费的作用。从具体的做法来看，两大电商巨头想输出自己的网络技术、电商供应链、仓储及配送能力等去帮助这些夫妻便利店优化货架。例如：
互联网可以有效解决社区夫妻便利单的单店孤岛信息问题，通过互联网技术来管控商品的进销存问题；
阿里零售通和京东新通路，在不断强化自身在B2B2C领域的供应链能力，为夫妻便利店提供更多的商品选择；
两大巨头的数据挖掘与分析能力可以让店主对经营情况有据可依的来进行优化调整，不在只是盲目的凭感觉来经营；
阿里和京东的仓储及物流能力，可以满足店主碎片化的采购需求，不用再像此前只能成箱的采购方式来占据店面空间。
最初天猫做零售通，京东做新通路都想利用货源来抢占夫妻便利店的货架，但这种只涉及B端采购环节仅能解决夫妻便利店的SELL IN问题，而能解决这个问题的公司和平台非常多，所以二者先后推出天猫小店和京东便利店业务，帮助夫妻便利店解决SELL OUT问题，以此助力B2B供应链业务抢占夫妻便利店的货架。
其实在前一波社区O2O热潮中，已经类似社区零售项目出现，有专做B端的，有专做C端，也同时做B端和C端，但这些项目的市场影响力远远不及天猫小店和京东便利店的作用大。
社区新零售：正在发生的“货架革命”
线下零售是以货架作为实物商品的承载体，货架的呈现形式可以影响商品的交易情况，业界最经典的口头案例就是尿不湿与啤酒放在一起，再比如口香糖、安全套等都会放在收银台的堆头货架上等，其实商品在货架上的摆放数量，位置高低，以及从左至右的摆放顺序都有学问在里面。
稍微搜索一下就能发现，这类教如何货架摆放的内容，网上有很多，主要是结合了一些运营经验、消费心理学、空间设计等专业内容的指导建议，一般只有连锁便利店和连锁商超才会注意这些细节。
而正在发生的货架革命，是基于电商、大数据、物联网、销售系统、供应链、仓储配送、会员管理等一系列技术和供应链发展而产生的惠及包括夫妻店在内的全部线下销售终端的一次零售变革，赋予零售货架全新的“生命力”。
货架革命1：SKU数量提升与优化选品，店内仓优化与补货碎片化
（1）SKU数量提升与优化，商品摆放精细化
连锁便利店体系化的运营一般会对的SKU进行末尾淘汰式的调整，不断对商品进行优化。但中国连锁便利店只有10万家，对于680万的普通零售小店而言，此前他们并不具备这样的供应链选控能力，在面对经销商时都很被动，没有太多可选择的余地。
阿里的零售通和京东的新通路参与到B2B供应链中来，可以为680万社区零售小店打开采购通路，提供更为丰富的商品选择。虽然这两大电商巨头目前的供应链能力还无法满足复杂多样的基础需求，但从长远来看，这个问题是可以解决的。今后社区小店的货架也可以不断扩充SKU，同时进行商品优化，这是非新零售时代无法想象的。
（2）店内仓储优化，补货需求碎片化
我们生活中经常会看到在社区夫妻小超市或便利店中很多货物随处乱发，随地乱堆，不仅货架不美观，还要占据过道。一来是店主没有仓储意识和经验，二来受制于供应商，不得不一次性采购一箱或其他一个单位的货品，最终就造成了店内的乱象。
店内无仓储能力，补货无法碎片化所导致的显像结果是店内混乱，隐像结果是坪效被降低。货品混乱无规则的占据货架和过道，不仅浪费商品销售空间，同时会接降低消费者的购买欲望。在这一点上，日式连锁便利店对货架的空间、灯光都有要求。阿里或京东的供应链、仓储与物流的能力，未来或能帮助社区夫妻店解决一部分此类问题。
货架革命2：品牌商直连终端货架、电商专属货架、广告货架、二维码货架
（1）品牌商直连终端货架
传统夫妻店与品牌商之间存在诸多经销商角色，品牌商无法直连夫妻店，如果没有终端督导的巡查和调研，品牌商得到的信息只能通过经销商一级级回传。而新零售环境下，互联网B2B平台为品牌商提供了直连夫妻店终端的信息化平台，例如京东新通路与某薯片品牌试点，尝试主推更大容量薯片，效果非常理想。
（2）电商专属货架
天猫小店和京东便利店在对夫妻小店进行整合的同时，也希望借助这些终端零售场景帮助线上的快消品品牌落地社区，所以都提供了各自的专属货架，例如天猫小店与百草味合作的零食货架，主推百草味高价值的零食，效果也有。电商专属货架未来或是电商巨头帮助更多想做落地试点、布点的快消品牌载体。
（3）品牌广告货架
便利店有广告属性的货架、堆头一直都存在，但此前品牌商并不能直接掌控货架广告效果，中间的经销商、代理商、广告商或多或少都会扣留一部分原本补贴给消费者和店主的广告费用。京东新通路与某日化品牌合作的洗衣液广告货架可以做到广告直达的效果，最关键的是品牌商可以根据京东的销售数据有依据的选择门店来投放营销广告。
（4）二维码货架
早期互联网所引发的社区零售货架变革中，出现比较奇葩的是“二维码货架”，较为典型的就是初期时的顺丰嘿客，踩用二维码的方式来展示商品，好在顺丰嘿客也及时做出了调整。现在很难看到只有二维码没有实物的经营方式了。二维码作为连接线上线下的信息载体，还在被广泛使用，例如一些无人货柜都是通过二维码的方式开门和支付。
货架革命3：货架智能化、商品数据化、销售可视化、货架仓储化
（1）货架智能化
让货架智能起来，也是零售商们正在努力尝试的方向，但现在的解决方案不是直接设计生产智能货架，而是利用其它科技产品让货架先“半智能”起来。例如沃尔玛近期在尝试的货架扫描机器人，能够自动进行库存检查，提升补货速度的同时帮助员工节省大量的时间和精力。另外还有墨水屏电子价签可以直接通过联网后台系统进行调价。
（2）商品数据化
对于680万的夫妻小店而言，虽然不少店都在用POS系统，但更多的是实现商品的信息化，而新零售则是互联网公司通过自己的技术手段，让这些信息变成有价值的大数据，通过对不同数据的挖掘交差分析，为店主提供经营参考决策。天猫小店和京东便利店在描绘自身可为店主提供的服务时，都会强调自身的大数据能力。
（3）销售可视化
视频技术的快速发展已经开始向终端零售市场延伸，不少主打黑科技便利店的互联网公司都加入了客流热力图。通过智能摄像头实时监控店内客户信息及客流轨迹，生成热力图帮助店主或店长直观了解店内各区域的人流密度、停留时长，通过分析不同性别、年龄对于不同商品的喜好，为选品、理货提供数据化的科学参考。
（4）货架仓储化
线上是社区新零售中不可分割的一部分，围绕社区消费的各类零售店公众号、外卖平台、独立的便利店APP等产生的交易额占比在不断提升，未来夫妻店的货架将充当这些线上社区零售平台的仓库。在未来社区线上交易的过程中，线下实体货架的存在意义发生本质变化，从展示商品变成存放商品，所以未来线下货架设计时需要考虑到线上订单的分拣工作。
货架革命4：无人便利店与无人货架、自助售卖机与无人货柜
（1）无人便利店
今年无人便利店非常火，围绕其展开的争论一直存在，前几日阿里CEO张勇发表看法，表示不看好无人店。其实，在社区消费场景中，无人店所经营的标品和24小时营业，完全可以通过自动售卖机来解决，又何必耗费那么大的技术成本去用集装箱开个店呢？无人店的体验并不比有人店要好，貌似节省了人力成本，实则也流失了不少订单。
前几日写的内容《》以及列举过社区无人店存在的问题。在社区场景下，有人店要比无人店更有价值，这个问题简单地讲，未来社区商业的价值不只是来自于商品交易，而是来自于服务、金融等增值业务的消费，日式便利店营收除了鲜食之外，增值业务占很大比重。
（2）无人货架
无人货架的使用场景主要集中在高学识、半封闭、熟人圈的办公室场景，但即便是办公室场景也大量存在商品丢失等问题。实际上，圈内人圈外人都明白，无人货架只是最低成本抢占办公室市场的产品输出形式，是一个用来圈地的过渡型产物，未来常态化的无人零售终端不会是一个组装起来的简易货架，而是有物联网技术的无人货柜。
（3）无人货柜
无人货架相比，我更看好无人货柜，而且以顾问身份参与一个社区无人货柜的项目。无人货柜可以有效引导用户正确的消费使用习惯，基本不会出现恶意盗拿的问题，而且无人货柜的技术难度并不高，目前市面上已有一些公司在做了，主要通过位移、称重和视频识别三者方式来判定消费者选购的商品是什么。
与自动售卖机相比，无人货柜的成本更低，柜体更小，相同的制造成本，无人货柜可以覆盖更多点位，也更易摆放，不会占据过多空间。另外，无人货柜类冰箱式的交互，可以放入水果生鲜等非标品。换个视角看，可以把其理解成共享冰箱。另外，若是供应链和补货能力足够强，完全可以早上买早餐，傍晚卖蔬菜，晚上卖水果。
（4）自动售卖机
其实，自动售卖机出现时已经完成一次零售终端的货架变革。抽象地看，自动售卖机就是把货架装入到一个箱体内，然后通过机械化方式获取商品。而互联网、物联网及移动支付的发展和普及使得自动售卖机进一步进化，如今的自动售卖机不仅可以买标品的零食、饮料，还可以卖咖啡、冰淇淋、盒饭等餐饮。
在支付体验上，无人货柜是以无感支付为交互方式，更为方便，自动贩卖机主要还是点击选购，然后手机支付，较为复杂；再从使用场景来看，无人货柜需要用户有一定的自觉性，适合放在社区这类半封闭的场景下，而自动售卖机高度标准化的交互更适合放在商场、地铁、医院、高铁、机场景区等大人流量的场景下。
货架革命5：新零售下，游走在监管边缘的车载货架
（1）滴滴货架、快餐车
中国对城市流动经营的方式管理非常严格，也产生了城管这个职业，不过有些地方政府对固定点位的快餐车比较支持。其他利用可移动车体卖商品的方式比较少，不过传闻朱啸虎打算投资在滴滴专车上做无人货架的项目。姑且不考虑这个市场有多大，项目是否能成，这件事本身对监管层面的松土作用还是很有意思的。
（2）社区定点生鲜车、可移动售卖配送车
在社区新零售市场中，我看见过两种利用车体进行销售的案例，一种是定制化的非机动定点车体，另一种是定制化的可移动售卖货车。由于这两家公司都不想对外做过多宣传，所以不便做更深入的介绍，但其实稍微想想，也不难理解，就是具备移动支付和物联网技术的流动摊位。当然，具体的实施方式要更为体系化、规范化，从货架变革的角度，可移动货架也是有价值的存在。
（3）货架革命，更进一步说则是“空间革命”
其实，货架革命，更进一步说则是“空间革命”，利用互联网、物联网、大数据、人工智能、移动支付等技术，更高效的利用原有店面室内零售空间，提升坪效；挖掘更低成本的碎片化点位空间，降低成本。正在发生的货架革命带来的这两方面的变化，是新零售所带来的最直观的商业价值。
#专栏作家#
王利阳，微信公众号：言区社，人人都是产品经理专栏作家，做过电商，搞过营销、擅于分析、喜欢研究、创业途中，社区服务O2O领域专业人士，关注电商O2O、SNS、移动互联网、电视视频、智能硬件、移动医疗等科技领域。《社区新零售》作者
本文原创发布于人人都是产品经理，未经作者许可，禁止转载。
/?p=863510
T02:51:55Z
T02:20:04Z
<![CDATA[从0到1的过程是令人兴奋的，但是从1到100也不会容易，同样也充满挑战，而且更加有成就感。
今天要分享的是从「日活十万的应用打造成为日活千万级产品」的优化框架，后面再结合案例详细说明。很多时候我们并没有机会参与到从0到1的过程，不需要失望。当然从0到1的过程是令人兴奋的，但是从1到100也不会容易，同样也充满挑战，而且更}