用户数据剖析，别的一点决议是否要优化功用的要素是商业层面

数据支撑决议计划

以上几个场景的优化方案要不要做？这个问题凭空说了不算，需要看详细的数据再定，这也是当下产品经理需要培养数据驱动决议计划的习气（条件是你们有数据）。

咱们需要剖析不同场景下用户的行为占比，比如有多少用户在直播间购买代金券之后，点了当即运用；

剖析有多少用户购买代金券之后没有点击当即运用，但却在其他进口中当即运用了代金券；

剖析多少用户在有效期内运用了代金券，他是通过哪个进口操作的；

剖析有多少用户代金券过期退款了，为什么没有消费。

等等以上许多可以愈加细分的场景，都可以通过用户画像+用户行为构成一些剖析视图。

假定发现许多用户购买代金券之后没有当即运用，但又在几分钟后做了核销，那么，从购买到核销下单的过程，就有必要做得更简单，更具有引导性。

而通过剖析假如发现过期退款的用户占比较高，那么咱们在提示用户，或者下单前主动匹配代金券的功用也许就是重点。

三、商业支撑决议计划

除了用户数据剖析，别的一点决议是否要优化功用的要素是商业层面。

即代金券这个功用究竟对渠道的收入是否有显着影响？是否会促进用户活跃、用户下单等业务全体指标？

毕竟许多忠诚用户没有代金券也会运用，而习气运用代金券的用户，其可持续性是否有保证。

或者说，通过代金券获取的用户与渠道的ROI是否强关联。

再换个视点，这些用户带来的渠道全体数据对于企业的估值，或者竞争对手的影响是否有作用？

等等诸如此类的要素叠加到一起，会让简简单单的功用迭代变得愈加慎重。

何况，国内头部软件所承载的用户量，每次迭代可能发生的舆情危险，以及每次优化看似简单的功用，对技能底座是否有关键影响和要求，都是在实际工作中不得不考虑的要素。

所以，和其他软件做得相似，也许是最安全的挑选。