×

创意品网站筛选系统的设计

96
Ziya
2014.02.11 09:02* 字数 2138

特征

创意品的特征

创意品是具有独特的制作工艺、风格或文化蕴含的商品,创意品的显著特征为「个性化」。

个性化主要体现在以下几个方面:

  • 定制化:希望商品能够具有个人风格,变得独一无二或更适合自己的需要;
  • 另类化:有别于千篇一律的「批量制品」,希望商品能够让人觉得与众不同,一般指造型或设计风格;
  • 小众化:指商品的使用指向性较强,用途范围较为狭小;
  • 细节化:指商品在细节处理方面别具匠心,有其他商品所不具备的特色。

用户群体特征

一般认为,创意品的购买者以年轻人为主,其中又以女性居多。

筛选系统的组成

筛选和搜索一样,都是为了对内容的「精准定位」。以互联网产品为例,常见的筛选系统由三部分组成:

  1. 分类导航:一般为商品的类别,如服装、饰品、家居、文具等。根据种类的多少,可以进行多层级的划分,但一般不建议超过三级。
  2. 属性过滤:可以是商品的制作工艺,如手工、机制等;也可以是商品的材质,如金、银、玉石、棉麻等。原则上,属性过滤项应列出本类别商品最显著的共性。
  3. 标签:标签的定义为无层级结构,用来描述物品信息的关键词。除了可对商品进行进一步定义以外,标签还有助于我们对用户进行更精准的推荐。但只有当用户参与其中时,才能够发挥标签系统最大的价值。

针对性设计

分类导航

根据创意品及其用户群体的特征,我们在设计分类导航时应注意以下几点:

  • 分类导航属于层级结构,关注的是商品纵向的划分
  • 分类导航的总体原则可概括为:相互独立,完全穷尽。即各个分类之间应相互独立、尽量隔离,将不同的分类进行明显的区分,不要出现模棱两可的分类;所有的分类汇总在一起时,应能够对涉及商品进行完整描述,不会出现遗漏。
  • 第一层分类用词应简洁准确,尽量避免「其他」、「礼物」等用户无法直观感知的词语。年轻人,尤其是年轻女性对专业词语的理解相对较差,应尽量使用习惯用语甚至口语化。
  • 子层级的分类,应对上一层级进行完整概括。当种类过多时,可继续向下进行层级划分。
  • 当商品具备多种功能时,可酌情将其归属于多个分类,如「具有收纳功能的凳子」等

属性过滤

  • 属性过滤属于平行结构,是对商品进行横向的划分。也就是说,属性过滤项一般是隶属于某一个分类的。
  • 不同分类下的属性应该根据该分类商品的共同特征,进行分别设计。如服装类商品一般可设置「风格」、「流行元素」等属性,箱包类商品一般可设置「材质」、「开袋方式」等。
  • 和分类导航一样,因人群特征的原因,考虑属性的设置时,应更多的考虑「用户会进行怎样的过滤方式」。用户在进行精准检索时会在意的,就是我们在设计属性过滤时要设置的。
  • 根据创意品的商品特征,属性过滤项应更多的进行细化考虑。如收纳用品可设置属性「收纳方式」,项目包括「桌面收纳」、「收纳包」、「衣物收纳」等等。
  • 有些属性可以是统一性的,比如很多分类中都会存在的「材质」、「定制方式」等,可以把它们看成是多个分类的属性合集。但因创意品的特性,除了「定制方式」这样的附加属性之外,很难具有能够涵盖所有商品的属性。

标签

标签系统的应用,在如今的产品中是越来越多了,这里只说几处关键的地方:

  • 标签也属于平行结构,和属性不同的是,标签更注重于商品独有的「特征」,而属性注重的是某一类商品「共有的特征」。在产品设计中,分类和属性常常用来组成一个整体,而标签多是独立于他们的另一种筛选方式。
  • 标签是用于商品信息的关键字式描述,可由卖家/管理员进行撰写。但更有意义的是让用户参与进来。这不仅有益于筛选系统的完善,更可以由此为数据基础进行更加精准的推荐。
  • 标签系统应使用「推荐标签」、「自动完成」、「自动修正」等功能点,在数据录入时进行错误排除,减少后期的人肉工作量。
  • 应对标签系统进行定期的手动维护,将无意义(这里指的是类似「&%&¥#」、「啊岁的法国海军快乐」这样的)、错别字等具有明显问题的标签进行删除、合并等修正操作,并以此完善错误排除系统

数据挖掘

根据数据统计的结果调整产品设计,是现有产品管理中非常实用的一种方法。根据用户浏览及搜索的记录,提取关键数据并以之完善筛选系统,能够将产品的筛选功能日益完善。对用户而言,也就可以更快速更准确的对想要的商品进行精确的定位。

从以往的实践来看,主要的步骤为:

  1. 选择数据来源:根据自有统计系统,或网站分析工具(如百度统计,CNZZ等),提取分类、搜索、上下游等相应页面的访问数据
  2. 数据预处理:将访问数据进行前期处理,剔除无用的参数或字段、将搜索关键词进行数据转换(%E6%8A%B1%E6%9E%95 -> 抱枕)等,对搜索关键词还可以进一步进行分词处理。一般需要保留的数据有ip地址、访问时间、相对地址、搜索关键词等。
  3. 数据分析:根据访问次数、搜索次数等分析模型,进行数据分析。关键的一点是首先找出相关关系,之后尽量找出因果关系。暂时找不到因果关系也没关系,只要有相关关系就可以了。
  4. 结果反馈:根据分析结果,进一步改善产品的筛选及推荐功能。

最后

在设计筛选系统时,额外要注意的几个要点:

  1. 要相信术业有专攻,多听取和采纳内容编辑或运营同事的意见,他们作为第一线的人员,看到的都是最实实在在的问题。
  2. 要保持怀疑的态度,不要别人怎么说或者其他人怎么做就跟着照做,一定要自己多动脑,寻根究底是做产品最起码的原则,多问问为什么。
  3. 产品的工作都是需要持之以恒的,不存在什么一步到位或者一劳永逸的事情。即使当时觉得再完美,也要在一段时间后进行维护和修正。
产品思考
Web note ad 1