数极客首页

项目中的经济学(一)

项目管理中存在设么样的经济学理论?作者从这个角度切入与你分享。

项目中的经济学(一)

互联网行业工作几年,发现一个现象:不论大公司小公司,不论是设计狮、产品汪、运营喵、程序猿,平时可能都在默默的钻研自己的岗位,但一到周末或者假期,我的朋友圈就被他们各种积极向上、欣欣向荣的学习活动所霸占。

有参加行业会议的、有参加培训的、有读MBA的、有上辅导课的、有在家网络自学的···这些人也许就是你工位旁边正在偷偷玩农药的小张、到点去接孩子的老王、每天独来独往的单身狗大强。尤其身边一些看着普通、实际上碉堡的人经常让我佩服至极。

在这些人的感召下,我也简单的学了一点经济领域的知识,只因处于金融中心上海,学经济拥有着种种便利。另外听别人说经济学从更本质的角度看世界,而且不要求本身的专业,任何学科都能从中汲取养分。

从本文开始,跟随金融学习的进度,开始整理学习收获的心得,和大家一起交流。同时鞭策自己不断学习和思考。

一、机会成本

工作中,不论我们是从事什么工作岗位,取舍是我们常常需要面对的情况。举个例子:

项目中的经济学(一)

如图所示,上线了某个要求用户进行设置的新功能,针对如何引导用户,存在A、B两种解决方案:

A方案是在刚进入产品时,先弹出全覆盖弹层,先让用户进行设置,然后再允许用户使用;B方案是默认进行某种设置,但是允许用户立即进行更改。

那么A、B哪种方案该如何取舍呢?

对于上述案例,我们要付出两种类型的成本:第一种成本是项目需要花费的时间、投入的资本、人员的薪水、竞品的状况等,这些内容其实不作为必须考虑的成本,因为不论执行A、B哪一种方案,都需要付出这些成本。从经济学的角度,我们假设A、B两种方案的时间、资本、薪水、竞品这些成本都是是常数(因子),通过这类成本花费的比较是无法判断哪个方案更优秀的。

那如何比较A、B方案的真实成本呢,这时候需要引入另外一个概念:

机会成本(Opportunity Cost):为了得到某种东西所必须放弃的东西。

A方案的机会成本,其实是必须要放弃的B方案,当然反过来说,B方案的机会成本也是必须要放弃的A方案。如果选择A方案,那么用户必须自己去做出选择。如果用户面对的是比较专业、比较冷门的概念(这种概念在金融领域常常见到),这对于小白用户来说是极为不友好的。用户只好要么为了搞懂概念另外去学习,要么直接离开这个功能。即使用户被迫弄懂概念并做出选择,也未必是他们想要的。而且更没有提供给用户方便的修正和调整的工具。

项目中的经济学(一)

反过来分析,如果使用了B方案,看似失去了选择的机会,但实际上用户选哪一个都没有绝对的对与错,选任意一个都不会对使用造成太大影响,无非是需要一定时间的习惯。另外,选择任意方案都可能让用户习惯固定下来,以后再也不会进行设置。

项目中的经济学(一)

比较起来,显而易见强迫用户对于他们不熟悉的、过分专业的领域来进行抉择,对产品体验带来更加严重的影响,机会成本更高。

虽然经济学中常见的比较对象一般都是成对的,但是在上面的案例中,不论采用A或者B方案都达不到最佳效果,这时候会引发思考:也许真正的解决方案既不是A也不是B,而是还有更优的解决方案,比如C、D、E方案。

如果当时决定采用A方案,那采取这个行为的机会成本就是B、C、D、E方案的可取之处。从这个角度分析会让大家都紧张起来,采用任何方案的机会成本都是很高的。由此大家就会更少一点拍脑袋决定的行为。

 

本文由 @ 三也 原创发布。未经许可,禁止转载。

题图来自unsplash,基于CC0协议

新一代大数据用户行为分析与数据智能平台:数极客(https://www.shujike.com),是支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式,整合分析用户行为数据和业务数据,可以自动监测网站、APP、小程序等多种渠道推广效果分析,是增长黑客们必备的互联网数据分析软件。数极客支持实时多维分析、漏斗分析、留存分析、路径分析等十大数据分析方法以及APP数据分析网站统计网站分析小程序数据统计用户画像等应用场景,业内首创了六种提升转化率的数据分析模型,是数据分析软件领域首款应用定量分析与定性分析方法的数据分析产品

发表评论

评论已关闭。

相关文章