热搜:
编辑导语:配置项是产品中常见的一个功能选项,而配置项需要依据业务场景、用户需求等因素来进行设置。若设置不合理,则可能会引起用户不满。那么,配置项被用户改动之后,产品数据应当如何变化、并保证用户体验呢?本文作者对此进行了分析,一起来看一下。

在B端产品中,会提供用户自定义设置的选项,用户可以根据实际的业务场景进行自定义配置,但是业务是动态变化的,当设置的配置项已经无法满足现在的业务时,用户就会去调整配置项。

举个例子,房产中介公司A对于“优质客户”的回访有统一要求,要求在优质客户咨询后当天就进行回访,为此在“某会员管理系统”中设置了H类客户(H类客户,即优质客户)下次回访时间:0天,方便提醒销售人员进行跟进。

但实行该规定一段时间后,收到了用户大量的投诉,用户认为受到了骚扰。为此A公司修改了下次回访时间的设置,从0天改成了3天。

这里就是“下次回访时间”配置项最初设置的值和实际的业务场景发生了冲突,0天导致了用户投诉,从而产生了一次配置项的改动,而配置项改动后也会带来一个问题,产品数据应该如何变化呢?本文就想和大家讨论这个问题。

一、考虑影响的数据范围

当“配置项”被用户改动后,我们首先应该考虑数据的影响范围。

假设“配置项”规则改动的时间节点为X,那么我们的数据范围就会被划分为两个部分。在时间线上以X作为时间分割点,X左边即发生在X之前时间,所产生的数据结果即为历史数据;X右边即发生在X之后时间,所产生的数据即为未来数据。

一起通过房产中介公司A的案例来验证一下,A公司设置的“下次回访时间”为0天,但由于陆续收到很多用户的投诉,因此A公司修改了“下次回访时间”为3天。

那么房产中介公司在4月份登记的优质客户A、B、C和5月份登记的优质客户D、E、F分别属于什么数据范围呢?

这里5月1日是在时间线上的一个分割点,在这一天A公司修改了“下次回访时间”的配置项,那么优质客户A、B、C就属于是历史数据范围,而优质客户D、E、F就属于未来数据范围。

了解影响范围后,就能推导出“配置项”改动是否会影响数据变动了,通常我们认为,“配置项改动”会影响未来数据,而不影响历史数据。

因为从时间线上看,未来数据所产生的结果,晚于“配置项”规则的修改,所以会以新规则统计。就像优质客户D、E、F是在“下次回访时间”规则改动后产生的数据结果,就需要以最新的规则来统计回访日期,而历史数据所产生的结果,是已经发生存在的,不需要以最新的规则来统计。

那么事实真的如此吗?

二、配置项改动会改变历史数据的场景

未来数据,在“配置项改动”后需要发生变化,是毋庸置疑的,而历史数据在某一些特殊的场景下,会发生改变。

1. 什么是历史数据

对于历史数据,我们先来看下这个历史数据。

2021年我26岁,那么从2022年,2023年的时间视角看,不管发生了什么,2021年我26岁都是一个既定事实,26岁这个“数据”就是历史数据,是已经发生的数据,不会随着其他条件的改变而发生改变,这就是1个历史数据。

什么是历史数据?是过去的、已经存在的的数据结果,从时间线上看早于现在发生的。这也是为什么我们会认为“历史数据”一般不会受到“配置项改动”而改变。

另外,改变历史数据的影响非常大,例如19年我在某品牌的积分对应该品牌的白金会员,但在20年因疫情影响调整了会员等级和积分的对应关系,这时我的积分对应了该品牌的致悦会员。如果调整历史数据,就会涉及到会员权益的问题,需要补偿19年白金和致悦之间的权限差异。

所以呢,通常改动历史数据是比较少见的,也是需要慎之又慎的。

但是在一些特殊的场景下,必需要对“历史数据”进行改动,第一种是受制于历史数据产生时的条件不成熟;第二种是因历史数据结果产生早于了“配置项”的产生,下面就让我们一起看下具体的场景吧。

2. 历史数据条件产生不成熟

这一种场景是比较罕见的,主要是受制于历史数据产生时的条件影响,包括当时条件不成熟、当时环境约束等无法改变的客观原因。而随着社会和人类的进步,在当下能做出更准确的判断了,才会对历史数据进行变动。

例如国家对于法律误判的补偿,就是1个典型受制于历史数据条件的案例。这里的历史数据是受产生时间点的技术、侦查或证据等客观原因而作出的法律判决,出现误判的原因是当时客观条件的不足或者不充分导致的。而在当下这个时间点客观条件的改变,例如更有力证据的检出等,在新老客观条件的冲突下,导致了误判的产生。

由于历史判决在当下时间点,已经变得不再合适,如果不对此进行改动,会产生有失公平公正的不良影响。而改变历史判决作出合适的新判决,并对于当事人作出补偿的方式,也是一种保障人权的体现。因此需要在当下结合新的客观条件,做出更合适的判决。

3. 历史数据结果早于配置项规则产生

第二种场景是相对比较常见的,是由于数据结果早于配置规则导致的。一般的,数据结果是在配置规则后产生的,先有规则才能产出具体的数据结果。

当数据结果早于配置规则时,就会出现冲突,当配置规则未产生时,数据结果是按原有规则进行统计的;当配置项规则产生后,数据结果需要遵循新的规则进行统计,新旧规则的冲突就导致了历史数据发生了变动。

国家的退税,就是一个典型案例,在3月年度汇算的时候,因政策变动、人为规则改变(增加抵扣专项等)等原因导致需要重新对个税进行计算。

再举个例子,某公司考核方案是对员工KPI分数进行等级划分,不同等级对应了不同的绩效和晋升,2020年的A、B、C等级划分人数比例是2:7:1。

假设2021年的KPI分数产出后,公司考虑增加A、C两个等级的比例,从而让员工具有进取精神和紧张感,修改后的等级划分人数比例为A:B:C = 3:5:2。

这里就出现了数据结果出现早于配置规则,在新的等级人数划分规则未出现时,是按2020年的等级划分人数规则进行划分的,而当新的人数划分规则出台后,原有的KPI定级就需要进行重新评定了。

4. 应对的产品方案

在实际业务中,“客观条件不成熟”的场景是相对罕见的,而“数据结果早于配置规则产生”的场景,就比较容易发生。

在该场景下如果不改变历史数据所带来的影响是十分严重的,按原有规则产生的数据对于当下采用新规则来说,是没有意义的,那么对于“需要改动历史数据”的场景我们该以怎么样的产品方案来应对呢?

首先,我们需要确定更新数据的方案,当数据结果早于配置规则出现就意味着新旧规则同时存在。而新规则是未知的不确定的,是无法提前进行预测的,提前预置规则是非常困难和性价比很低的方案,因此我们可以采用评估新规则受影响的具体字段和时间范围,以人工干预清洗数据的形式对这部分数据以最新的规则进行更新。

其次,需要提前告知用户具体字段在哪一个时间段内会发生“历史数据变化”,尽可能降低用户的不安。

一方面是因为数据是用户行为产生的,原则上数据归属用户所有,如果随意修改数据而不对用户进行告知,会导致用户产生“数据不安全”、“对产品不信任”等负面影响。另一方面,主动告知影响范围,也会减少用户产生“数据为什么发生变化”的疑惑。

最后,评估“历史数据”改变给用户带来的影响,有无影响用户正常业务,是否直接或间接给用户带来损失。对于产生影响和损失的,需要及时给予用户补偿,以缓解和安抚用户负面情绪,避免因此而造成和用户的纠纷以及可能存在的诉讼等更不良的影响。

例如A公司使用了某款数据分析产品,根据该产品提供的数据对员工进行KPI考核,改变历史数据就会影响到A公司已经完成的考核,如果不告知用户和进行补偿,很可能会引起用户的追责和诉讼。

三、总结

当“配置项”发生改变时,通常未来数据是肯定发生改变的,而历史数据不发生改变,但是在一些特殊场景下,历史数据也需要被改变,而且不改变会导致一些不好的影响。所以需要通过人工干预数据的方式来进行数据清洗和更新,并且需要提前通知用户和沟通补偿方案,尽可能降低用户负面情绪所带来的更恶劣影响。