排序規(guī)則設計分享——服務類O2O項目初期首頁排序
產品經理可以如何設計好適合業(yè)務階段的排序規(guī)則?這篇文章里,作者以某線下服務類O2O初創(chuàng)項目為例,做了有關排序規(guī)則的設計分享,一起來看看,或許會對你有所啟發(fā)和幫助。
一、背景與現(xiàn)狀
1. 項目簡介
某線下服務類O2O初創(chuàng)項目,消費者可以預約某一服務人員的服務,雙方可以在指定時間、地點進行履約,例如球類陪打,由消費者購買教練的服務,雙方約定到某一球場進行教學,最終由消費者確認完成,訂單結束。平臺主要盈利來源為抽傭。
2. 功能背景
首頁以列表形式展示服務區(qū)域符合篩選要求的所有服務人員卡片,暫時沒有設置有意義的排序規(guī)則,現(xiàn)在已有幾百名服務人員入駐,需要新增一個適合現(xiàn)階段的服務人員列表排序規(guī)則。
由于是項目初期,數(shù)據(jù)量少、數(shù)據(jù)維度少,且排序也不能做得太復雜,因此選擇采用比較直觀的計算公式來做排序規(guī)則。
二、排序的影響因素梳理
本次優(yōu)化排序規(guī)則的目標是將有價值的服務人員展示在前面,優(yōu)先讓消費者看到他們。
這個價值有三個對象:
1)對消費者的價值
這個是主要的,消費者希望自己能找到更優(yōu)質的服務人員。
如何去判斷一個服務人員是否優(yōu)質呢?好評多的服務人員質量和態(tài)度可能更好;成交單量多的服務人員可能經驗更足;比較活躍的服務人員可能回應更迅速;資料內容比較充實的,給到消費者的信息更多,決策友好;價格高的服務人員可能更優(yōu)質,不過價格太高會超預算……
站在消費者角度去梳理選擇服務人員時需要考慮的因素,對應梳理的幾個因子是:好評/差評數(shù)(初期單量少,若使用占比,這個值將波動過大,暫不考慮占比)、成交單量、離線天數(shù)、動態(tài)數(shù)、價格。
2)對平臺的價值
由于平臺是抽傭制,且服務人員大多是按小時為單位收費,價格近似的情況下,消費者下單的小時數(shù)越大成交額越大,服務人員成交額越大,給平臺帶來的收益也就越多,因此平臺比較關注服務人員的成交額;
同時平臺希望能夠根據(jù)服務人員的表現(xiàn)對其平臺內排序做對應處理,例如某服務人員被發(fā)現(xiàn)有了違規(guī)行為,那么運營人員可以手動降低該人的排序,我們需要預留一個手動因子,支持手動配置不同的值以改變列表排序,以備不時之需。
3)對服務人員的價值
首先,所有服務人員希望自己能夠盡可能地獲得更大的曝光,如果列表的排序一直不變將會影響服務人員的積極性,也會使一些后來者失去很多機會。
在平臺現(xiàn)階段沒有完善的算法的情況下,可以考慮引入一個隨機排序因子,使排序列表每次刷新時,都有小幅度的排序變化。
其次,服務人員希望接到更近的單子,但由于雙方協(xié)商前服務地點是未知的,這點暫時無法做到。最后,服務人員希望自己的曝光與自己在平臺的表現(xiàn)是正向的,因此需要避免不合理的排序計算方式;
三、排序因子
用戶對于價格優(yōu)先的需求我們可以通過篩選或按價格排序的功能選項來實現(xiàn),因此先將價格從排序因子中剔除。
1. 正影響
1)成交單量(高權重)
2)好評數(shù)(高權重)
3)動態(tài)數(shù)
4)成交額(由于成交額的數(shù)值明顯大于其他的影響因子,為了避免成交額對排序造成過大影響,需要將成交額除以一個基礎值50,再放入排序公式,選擇50的原因是服務人員基礎價格為50/h)
2. 負影響
1)差評數(shù)
2)離線天數(shù)(以day為單位)
3. 其他影響
1)隨機因子(1.0~1.5,每次刷新更新數(shù)值)
2)手動排序因子(用于特殊情況下手動修改某個服務人員的排序,0.01~100,每個服務人員的手動因子默認是1,可以在后臺修改)
*由于以上兩個因子變動需要對整體的值產生能夠改變排序的影響,因此選擇以乘法的形式放入公式
四、計算公式
最終排序數(shù)值=(10+成交單量x2+成交額/50+好評數(shù)x2-差評數(shù)+動態(tài)數(shù)-最近登錄離線天數(shù))x 隨機因子x 手動排序因子
最終排序按以上計算結果從大到小排序。
本文由 @芊芊 原創(chuàng)發(fā)布于人人都是產品經理,未經許可,禁止轉載。
題圖來自 Unsplash,基于 CC0 協(xié)議。
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
好奇計算公式中的系數(shù),按照什么思路來設置呢
權重,相當于是預設了兩個等級的權重,重要的*2,不重要的*1