編輯導語：當出現新産品時，企業和品牌肯定是希望能夠有更多的用戶，但目前市場産品品種繁多，消費者眼花缭亂，如何吸引消費者成為自身品牌用戶需要進行策略布局。本文将從2B的視角對用戶遷移成本展開講述，推薦對此感興趣的夥伴閱讀。

一、用戶遷移場景

産品團隊研發了一款新産品即将投放市場，期望是盡可能多的獲得用戶，在市場上紮根成長。新産品對用戶而言提供了一種新的選項，多種因素會影響用戶做出選擇與否的決定。

如果把用戶因為吸引力選擇新産品的行為看作用戶遷移，把影響用戶做選擇的權衡因素看作遷移成本，那麼，如果吸引力的獲得感大于遷移成本的損失感時，産品獲得青睐是可以預期的，否則，不被選擇也是可以預期的。

筆者因為主要經曆的産品在2B領域，所以本篇内容更傾向于B端産品角度的闡述，希望對你有所幫助。

二、用戶遷移成本

首先，來思考一下什麼是用戶遷移成本呢？通過拆分可以獲得三個詞組：用戶，遷移，成本。

用戶：是泛指一款産品的使用者，可能是個人，也可能是組織即一群人。

遷移：是指用戶因為某些因素的觸發産生的變化行為，比如，降低老産品使用頻率或者放棄老産品并嘗試新産品。試想存在P1和P2兩種産品選項，當使用P1時，系統加載數據速度慢，影響用戶辦理業務效率和心情，很可能會進一步對用戶個人績效産生負面影響。

如此，一個組織内對P1的負面評價逐步發展成負面口碑，最終導緻P1被淘汰；又或者當使用P1時，在有限場景下幫助用戶解決一個需求，如發起申請，但是P2可以在同等條件下滿足統計報表的潛在需求，那麼用戶可能會逐漸降低使用P1次數，增加使用P2的次數，最終演變成将P1産品淘汰。

成本：借用著名經濟學家薛兆豐先生有一個簡潔的解釋：成本是放棄的最大代價。

成本是需要承擔的代價，假如從三個維度來闡述，一是代價産生的來源即代價因子D；一是代價因子對應的市場估值V；一是代價因子在客戶認知的權重β。如果用一個計算模型來表示代價（假設有n個代價因子），它可以描述為這樣：

C=β1*D1*V1 β2*D2*V2 β3*D3*V3 … βn*Dn*Vn。

基于此，用戶遷移成本，即用戶因為某些動機觸發，如逃避痛苦或者選擇因獲得的愉悅感受，進而做出選擇新産品選項的行為需要承擔的最大代價。說是代價，可能還是稍顯抽象，我整理了感受比較深的三個方面：時間成本、風險成本、學習成本。

1. 時間成本：轉移曆史數據

如果用戶更換了供應商的産品，為了業務辦理延續性和數據查詢便捷性，很可能需要将已有的數據積累轉移到新産品中。

諸如，客戶資源、項目資源、業務記錄、組織資産等，是支持組織持續正常開展業務的基礎支持資源，輔助工具資源或者業務流水記錄等。試想将P1産品的數據轉移到P2産品中會發生什麼？

數據轉移涉及到一系列過程：産品數據結構梳理分析，曆史數據清洗，數據轉移腳本編譯，數據預轉移，數據轉移及加注标簽，數據轉移後核查準确性，曆史數據封存管理等。

這些環節的執行需要消耗時間。一般企業級的曆史數據資産可能有數年之久，加上業務複雜度高，關聯的部門衆多，積累的數據體量較大。按照筆者經曆過的多個項目實踐案例來看，實現一次數據轉移，可能需要花費數周甚至長至數月。

數據轉移期間，對組織中開始使用P2産品的用戶來說，需要在P1和P2兩個産品之間進行切換，這樣增加了業務環節完成的時長，進而在一定程度上影響公司業務開展順暢性，進而影響公司階段性業務效率。

2. 風險成本: 清理曆史數據

因為不同的産品之間在設計方案上存在天然的差異性，比如，數據結構，數據類型，數據精度，這就會使得數據從P1數據庫到P2數據庫的轉移實際是從一套數據标準去适應另一套數據标準，不可避免的存在對P1數據的清理。

在數據進行清理過程中就可能産生數據損失，比如數據清理過程可能存在下面這些情況（假設P1 和P2有相同業務含義字段R，數據從R1遷移至R2）：

（1）因數據結構不同，損失數據

如果R1數據是一段富文本，實際包含了多個指标參數說明，但是在R2中實際對應R21、R22、R23等多個平行獨立分項，無法直接遷移數據到R2，清理數據可能裁剪轉換R1，如此，可能導緻數據表達信息失真或産生語義歧義。

（2）因數據類型不同，損失數據

如果R1數據是數據型，R2數據是字符型，無法直接遷移數據，數據清理進行數據類型轉換，将數據型轉換為字符型。如果轉換，會損失數據型數據具有的一些特性，比如邏輯計算、排序的分析能力或者降低數據查詢、統計效率。

（3）因數據精度不同，損失數據

如果是字典類數據，比如年齡分段，一般在系統頁面中呈現下拉選項的形式，如年齡的字典選項為：0~17、18~24、25~30、30~60、60~，那麼系統頁面顯示時也隻會顯示上述五項。如果R1與R2字典項不一緻，為了保障數據轉移後可以正常顯示及使用，數據清理會對R1數據進行規整。

比如，将R1中多項整合到R2中某一項，由此損失了R1部分選項，也就損失了對應部分的數據精細度。

數據清理是完成曆史數據去适應新數據庫存儲容器的過程。當曆史數據無法直接被新數據庫标準所兼容時，就需要清理數據，此過程包括對曆史數據的拆合、轉換、規整。

拆合：業務數據在舊數據标準與新數據标準間存在數據結構的一對多或者多對一關系，曆史數據清理時就需要拆分或者融合數據，對數據進行裁剪和拼接，使其喪失了原有的信息完整性及邏輯性。

比如，一棟建築屬性在曆史記錄為：按照2015版用地規劃，該規劃用地為居住用地，建築面積1000㎡，容積率35%，符合标準；新數據結構記錄為：用地性質：居住用地；建築面積：1000㎡；容積率：35%。數據拆合後參照标準的背景信息不完整了，對建築合理性分析的邏輯合理性支撐就不充足了。

轉換：業務數據在舊數據标準與新數據标準中存儲類型不相同，曆史數據清理時就需要轉換類型及表達形式，使其喪失了原有的語義表達。

比如，客戶清單的性别數據在曆史數據中采用數字0或1描述，在新數據庫中采用字符男或女描述，清理就需要按照業務規則将曆史數據0、1對應轉換為男、女的表達。

規整：業務數據在舊數據标準與新數據标準中字典選項不一緻，曆史數據清理時就需要調整字典選項，使其擴大或縮小了原有的字典選項範圍。

比如，一款手機寄送地址的曆史數據中地理分區是省-市-縣（區），新數據庫中地理分區啟用了省-市-縣（區）-鄉（鎮），清理就需要将曆史數據按照新分區标準規範整理。

在這些清理過程中曆史數據發生了或多或少的變化，也就可能導緻一些數據損失。

B端相對C端客戶而言，組織結構、業務關系更複雜，使得數據結構更複雜，數據體量更大。數據清理可能性更大，存在數據損失可能性也更大，因此，B端用戶對曆史數據清理的态度也更謹慎。

3. 學習成本：适應新産品

（1）情緒成本

選擇新産品，就像搬進了新家需要熟悉新的居住環境一樣，會面臨熟悉新産品的功能布局及UI風格過程。用戶會經曆打破舊使用慣性，重新摸索，初步嘗試，逐漸形成新的慣性的過程。

這個過程會因産品本身的設計，用戶學習接收能力，崗位業務複雜度等因素存在時間差異。

如果産品設計簡捷，用戶學習能力強，崗位職能複雜度越低，則完成一個業務環節辦理的時間就越短，否則，這個适應時間就越長。

如果用戶使用過程中遇到誤操作等異常情況，産品是否能夠提供高效便捷地處置，會直接影響用戶的體驗。人的本性都是更喜歡待在自己熟悉的舒适區，适應新産品的過程無疑是一個需要用戶重建舒适區的過程，對用戶是一個情緒消耗的過程。

（2）溝通成本

使用新産品還需要面對差異化的業務流程設計的适應。對于B端用戶而言，業務關聯的部門衆多，包括：銷售、行政、實施、運營、技術運維等，不同部門承擔着不同業務環節，不同部門使用的産品功能也具有顯著差異。

不同部門間需要熟練使用相應的功能模塊，業務環節彼此協同，組織的業務流程才能順利實現閉環。在實現高效順暢的業務閉環前需要經過部門間溝通的磨合期，去實現各個環節操作的準确性、時效性保障。

工欲善其事，必先利其器。産品對用戶可能是一位有價值的夥伴，幫助他們提升工作效率，也可能是一份想要擺脫的負擔，畢竟使用者都是食人間煙火、有情緒的一個個人。

因此反過來說，設計産品這件事是一件值得細細琢磨的一件事。

本文由 @樓頂智人 原創發布于人人都是産品經理，未經許可，禁止轉載。

題圖來自 Unsplash，基于 CC0 協議

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部