标签归档:UCDchina书友会

为什么SNS的群组利用率低?

这个是昨天UCDchina书友会引出来的一个小话题,当时没有深谈,现在觉得有点意犹未尽,于是把自己的一些想法写出来看看。

SNS群组的门槛相对较低
这个观点是我列出来的。我的感觉是,目前社区类网站的群组门槛都是非常低的,门槛低的直接后果是群组的管理很混乱,一大多数的群组最后的下场是无疾而终。
比如在5G里,我的待确认群组邀请里现在有78个未确认的邀请,不是我不想确认,而是因为这些群组无法用内容来吸引我。或许你会跟我争论SNS的核心在于 关系,但是,在一个只有关系而没有任何内容的群组里,我觉得加入了也毫无意义,为什么要给自己多打上那么一个可有可无的标签?
现在,每个人翻一翻自己个人主页下面的加入的群组,看看有多少个自己能记得起来曾经去看过,去发过帖子的?任何人只要高兴就可以随意的建立若干个群组,然 后不管认识不认识的,不管是否有跟这个群组一样诉求的用户,都可以通过系统设定的功能全部拉进来,这样造成单个用户加入的群组越来越多,同时这些用户很快 就遗忘了这些与自己没有实际联系的群组。
群组数目巨大,同时参与人数很少,这样就导致了SNS的群组利用率很低,因为在用的时候我不知道要把帖子发在什么地方去……

SNS群组的地位尴尬

这点在垂直类社区里展示的尤为明显。同质或接近同质的用户群,无法带来用户的多样性,群组显得多余。
目前的SNS里,群组的地位与日志相比,相距甚远。在发布一个帖子的时候,我会很自然的就选择了发布在日志里,因为SNS的feed是以个人为核心来展示 的,我的好友更加关注的是我个人的动态,而不是群组的动态;同时日志的功能相比群组也丰富了许多,这点上也是有部分用户会选择日志的原因。
总体来说,SNS的群组与日志没有一个很明显的划分。用户在很多时候不知道到底是把帖子发布在群组里还是发布在日志里,而且从成本上看,选择日志的成本更 低。你可能在发布一个帖子在群组之前需要花费1分钟从你加入的50个群组里选择一个你想要发布的,但是你仅仅需要1秒钟就可以点开你的日志进行发 布。

用户把群组当作一个标签

从我个人的经验和观察上看,初到一个陌生的社区的时候,很多人都习惯疯狂的添加小组。主要原因我觉得有2个:给自己打一个标签,在一个社区里从更多的维度 上让别人了解自己,认知自己,发展自己;加入小组的成本很低,同时通过小组可以发现认为与自己有共同点的人,同时去认识更多的人。
于是,很多人在进去一个社区的时候习惯拼命的给自己加标签,成本低和希望被认知同时希望借此认识更多的人,这是主要的原因。这样的结果是,SNS群组的黏性很低,很多用户贴完标签就闪人了…..

SNS的重心在于个人

目前的SNS的信息输入与输出单位都是个人,我们通过个人主页发布信息,个人主页里显示主人的各种动态;通过个人信息中心接受feed,消息里显示主人发布的各种信息。
群组实际上还是在为一对一关系服务的。目前群组的作用只是满足用户的需求,创建新的个人与个人的关系,又回到个人上了,所以他们的群组不需要有多热门,只要能让群组成员中更多地出现”加好友”的行为,目的就达到了。

呃,我觉得有必要补充一下,群组的火不火与群组的利用率是两个问题。群组的利用率是一个产品需要考虑的问题,而群组的火爆则是一个运营的问题
2个人的群组,里面出现一个脱衣服的女人,这个群组立马会火爆,立刻会有大量的用户去围观,去盖楼;2000人的群组也不一定能够火的起来,比如这个群组,是我豆瓣群组里人数最多的一个(14126个),但是帖子最新的也是10几天前的。

6月北京UCDchina书友会记录

本期UCDchina书友会话题:设计的数据和分析 ,以下是来自北京书友会的讨论记录:
可以讨论的点:
1)数据的种类
数据库的数据与来自用户的数据
作为互联网的数据分析与传统行业的数据分析之间的区别
定量的数据与定性的数据
作为战略的数据与作为某一个具体的项目的数据
2)数据是怎么来的?
数据:把信息记录下来,属于信息的载体
作为支持产品设计的数据,更需要关注的是数据得来之前的方法是否正确,
数据的结论是如何得到的?至于其他的工作属于技术的问题,对于产品人员则不必要做太多的干预。
3)数据清洗
数据记录的属性有所不同,可能会出现误差,在提取信息的过程中有些数据是不需要的有些是有误差的,所以我们需要对数据进行清洗之后再用于对产品设计的支持。
对数据的清洗实际上就是要挖掘出数据里隐含的信息。
最为产品人员最最需要关注和掌握的能力就是对数据进行清洗。
4)数据怎么用?
数据是产品设计的一种工具,如何更好的发挥他的作用,结合产品把数据变得浅显易懂的展现出来?
数据的分析也应该是为网站的运营来服务的
简单的使用流程:设计——数据来验证设计——改进设计(先要有问题再去找数据)
做决策判断:基于自己的判断+得到的数据来进行分析,数据还是一种辅助的工具。
从数据中发现问题:监控异常指标数据-调研分析-改进方案
5)数据可视化
技术导向型——可用。把所有功能都挖掘出来
用户导向型——易用。把数据中蕴含的信息剥离出来进行展示,是可配置的。
后台数据可视化、数据地铁图,利用数据来展示用户在什么地方集中在什么地方松散,为什么集中,为什么松散?

参会同学观点:
1)不能让分析把运营绑架了
2)如何用数据说话?需要体现出设计师的专业性,设计师应该有能力挑出错误的数据,同时使用正确的数据来指导自己的设计
3)产品与技术应该同时关注数据,技术给出问题产品去研究问题
4)对数据统计口径应该一致性,协调不同部门之间对数据的使用
5)唯数据论与唯经验论都是错误的,唯数据论与唯经验论之间的平衡关系
几个数据使用的流程:
6)数据分析的布点(维度齐全)——对数据的拼装(可配置、可视化)——发布报表
7)海量数据做对比——发现波动点——抽样分析——得出结论
8)做决策的目的?——需要那些数据做判断?——如何判断这些数据?
9)宝洁的:建立或修改假设——设计实验——执行实验——分析实验——计划推广——实施推广——学习图书馆建立