{{ upload.hint }}
{{ comprehensiveStepThree.attachments[upload.key].name }}工作表：{{ comprehensiveStepThree.attachments[upload.key].preview?.sheetName || '首个工作表' }}
| {{ header }} |
|---|
| {{ cell }} |
{{ page.title }}
{{ taskBackground }}
实训背景
{{ taskBackground }} {{ taskRequirement }}
实训要求
COMPREHENSIVE TRAINING · WORKFLOW
{{ activeStepName }}
第 {{ String(currentStep).padStart(2, "0") }} 步
{{ activeStepName }}
{{ page.task }}
| 序号 | 任务名称 | 任务说明 | 工作内容 |
|---|---|---|---|
| {{ row.no }} | {{ row.taskName }} | {{ row.description }} |
{{ page.processUploadTip }}
{{ form.ganttFileName }}
第 {{ String(currentStep).padStart(2, "0") }} 步
{{ activeStepName }}
PEST分析
1. 请根据案例资料信息进行PEST分析，进行上述各项内容归类，把文档中相应内容填写到以下四类中：
SWOT分析
2、请根据案例信息进行SWOT分析，进行各项信息内容提炼归类，把文档中相应内容填写到以下四类中。
第 {{ String(currentStep).padStart(2, "0") }} 步
{{ activeStepName }}
1. 下载本实训数据，根据案例数据，利用Min-Max归一法计算产品综合得分，请设置指标体系权重：
| 一级指标 | 权重占比（%） | 二级指标 | 维度内权重（%） | 对应总权重 |
|---|---|---|---|---|
| {{ group.label }} | {{ dimension.label }} |
2、利用Min-Max归一法计算产品综合得分结果如下所示：
3、结合本实训提供的产品评论数据，分析用户的痛点及未被满足的需求。
| 品类 | 好评率(%) | 用户痛点 | 未被满足的需求 |
|---|---|---|---|
| {{ comprehensiveReviewCategory(index) }} |
第 {{ String(currentStep).padStart(2, "0") }} 步
{{ activeStepName }}
1、公司团队通过第三方数据公司，采集了电商数据上购买相关产品的用户行为数据，包含用户ID、最近购买天数（R）、购买次数（F）、消费金额（M）等字段，需要进行RFM分析，完成用户分层：
2、请进行RFM数据可视化分析，根据数据可视化结果，分析用户群体特点：
| 分析维度 | 分析要点 | 你的分析 |
|---|---|---|
| {{ row.label }} | {{ row.focus }} |
3、请根据案例资料中重点用户访谈记录，分析重点用户画像：
| 用户信息 | 行为特征 | 需求痛点 | 消费心理 |
|---|---|---|---|
4、结合RFM用户群画像和重点用户画像的分析结果，进一步细分市场，寻找产品开发机会，从不同细分用户的行为特征和需求痛点分析市场吸引力，使用KANO模型对用户需求进行分层，进行需求问卷调研，通过定量数据验证和深化用户需求洞察：
| 编号 | 功能 | 对应KANO类型 | 对应功能方向 |
|---|---|---|---|
| {{ index + 1 }} |
第 {{ String(currentStep).padStart(2, "0") }} 步
{{ activeStepName }}
1、请根据访谈记录、案例资料，分析用户在购买旅程各阶段的行为表现，识别关键触点，并评估用户的情感体验水平。
| 序号 | 旅程阶段 | 用户行为描述 | 关键触点 | 情感体验 | 关键决策因素 |
|---|---|---|---|---|---|
| {{ index + 1 }} | {{ row.stage }} |
2、结合用户购买旅程图，分析各阶段存在的痛点及未满足的需求，提出产品优化建议。
| 旅程阶段 | 识别的痛点 | 优化建议 |
|---|---|---|
| {{ row.stage }} |
3、针对用户原始痛点需求，我们需要进行需求整理与清洗，把原始需求转化为工程语言，请根据实训要求中的原始需求内容，进行需求整理与清洗，根据示例填写需求转化表：
| 序号 | 用户原声 | 场景洞察 | 转化后的功能定义 | 功能描述 | 技术指标/验收标准 |
|---|---|---|---|---|---|
| {{ index + 1 }} |
4、然后我们需要针对具体需求进行量化打分，请参考需求优先级评估打分表模板，填写以下打分表：
| 需求ID | 功能名称 | KANO属性 | Reach（覆盖范围） | Impact（影响程度） | Confidence（置信度） | Effort（人/月） | RICE得分 | 优先级 |
|---|---|---|---|---|---|---|---|---|
| F{{ String(index + 1).padStart(2, '0') }} | {{ comprehensiveRiceScore(row) }} |
5、针对原始痛点需求进行功能转化优先级评估之后，针对优先级较高的用户痛点和用户期望，我们可以针对性的解决痛点，为用户创造收益，基于产品价值主张画布，形成产品概念，提炼出产品价值定位，请完善下述产品价值主张：
契合
6、根据产品价值主张画布，使用经典定位陈述格式，撰写简洁有力的产品价值定位陈述。针对不同的目标用户，设计至少两种产品版本：
第 {{ String(currentStep).padStart(2, "0") }} 步
{{ activeStepName }}
1、全面明确产品细分市场用户群体、用户痛点需求，并把用户痛点需求转化为产品功能定义，形成明确的产品概念之后，可以进行产品规划与设计，针对智能硬件类产品，我们首先要明确产品功能逻辑，请根据实训案例资料，选择3个典型的工作场景，分析产品架构各层级的工作。
| 序号 | 用户场景 | 硬件物理层（感知什么） | 驱动感知层（传递什么） | 算法处理层（处理什么） | 应用功能层（触发什么） | 驱动感知层（输出什么） | 硬件物理层（产生什么效果） |
|---|---|---|---|---|---|---|---|
| {{ index + 1 }} |
2、产品故障与售后服务设计关系到产品能否持续盈利，产品经理熟悉产品功能架构之后，对产品常见故障发生的原因会有较强认知，能够进行故障分类，而且互联网产品的售后服务与传统产品有显著区别。传统产品售后主要集中在硬件故障维修，而互联网产品特别是智能化的产品，还需要处理联网问题、云端连接故障等软件层面的售后需求，且可以通过远程诊断、OTA升级等方式降低售后成本。请根据4类故障类型，设计精细化的分级处理流程。请结合实训资料中的售后政策和常见故障案例，完成以下处理流程表。
| 故障类型 | 具体场景 | 处理流程 | 核心规则 |
|---|---|---|---|
| {{ row.type }} |
3、根据故障分级处理流程，制定面向消费者的完整售后政策。售后政策是消费者权益的保障承诺，需覆盖退换货、质保、维修服务、响应时效、补偿方案等核心维度，可直接用于产品说明书附录及电商平台详情页“售后保障”模块。
①填写售后政策框架表。请结合实训资料中的产品信息、行业法规及竞品售后政策参考，完成以下售后政策框架表。
| 政策维度 | 政策内容 | 适用条件与说明 |
|---|---|---|
| {{ row.dimension }} |
②填写电商详情页售后信息摘要。将售后政策框架表中的核心信息提炼为消费者友好的简明摘要，用于电商平台详情页“售后保障”模块展示。要求语言简洁、重点突出，消费者3秒内可获取关键信息。
| 售后信息项 | 详情页展示内容 |
|---|---|
| {{ row.item }} |
第 {{ String(currentStep).padStart(2, "0") }} 步
{{ activeStepName }}
1、产品规划设计完成，PRD文档确定之后，正式进入项目落地阶段，需要进行BOM估算及供应渠道评估，请在满足成本约束条件下，比较不同批量规模下的成本差异。元器件采购价格与采购量密切相关：小批量试产（100台）议价能力弱，大规模量产（10000台）议价空间大。请根据案例资料分别计算两种批量场景下的单台成本：
| 物料名称 | 选型规格参数 | 小批量100台（元/台） | 大批量10000台（元/台） |
|---|---|---|---|
| 合计 | {{ comprehensiveBomTotal('small') }} | {{ comprehensiveBomTotal('large') }} |
2、硬件成本除元器件外，还需覆盖制造成本。请根据案例资料中的制造成本，核算单台总成本：
| 序号 | 费用名称 | 小批量试产100台（元/台） | 大批量量产10000台（元/台） |
|---|---|---|---|
| {{ index + 1 }} | |||
| {{ comprehensiveStepSix.manufacturingRows.length + 1 }} | 制造成本合计 | {{ comprehensiveManufacturingTotal('small') }} | {{ comprehensiveManufacturingTotal('large') }} |
| {{ comprehensiveStepSix.manufacturingRows.length + 2 }} | 物料BOM成本 | {{ comprehensiveBomTotal('small') }} | {{ comprehensiveBomTotal('large') }} |
| {{ comprehensiveStepSix.manufacturingRows.length + 3 }} | 单件总成本 | {{ comprehensiveUnitCost('small') }} | {{ comprehensiveUnitCost('large') }} |
4、BOM成本估算后，企业需要再成本约束下，决策“去哪买”。请从采购成本、交货周期、品质可靠性、采购灵活性、服务支持等5个维度，且需要考虑小批量试产（100台）和大规模量产（10000台）两种不同的场景进行供应渠道评估，不同采购场景下各维度重要性不同，试产阶段更看重采购灵活性和交货周期，量产阶段更看重采购成本和品质可靠性。请根据不同场景，为评估模型设置权重。
| 评估维度 | 维度说明 | 权重占比（%）小批量试产 | 权重占比（%）大批量量产 |
|---|---|---|---|
| {{ row.label }} | {{ row.description }} |
5、根据案例资料，按照统一的标准，从采购成本、交货周期、品质可靠性、采购灵活性、服务支持等5个维度进行赋分，每项分数为0-10分，计算试产及量产两种场景下的加权得分。
| 渠道 | 采购成本 | 交货周期 | 品质可靠性 | 采购灵活性 | 服务支持 | 试产加权总分 | 量产加权总分 |
|---|---|---|---|---|---|---|---|
| {{ comprehensiveChannelScore(row, 'trial') }} | {{ comprehensiveChannelScore(row, 'mass') }} |
第 {{ String(currentStep).padStart(2, "0") }} 步
{{ activeStepName }}
1、供应渠道评估与选择之后，采购决策还需回答“买多少、什么时候买”。企业需要基于产品历史销量数据，运用科学方法预测未来需求，结合安全库存和现有库存制定采购计划。请基于案例数据，采用线性预测法预测未来市场需求数据，并填写下表。
采购规则如下：（1）安全库存：按预测销量的10%预留，应对突发订单波动（四舍五入取整）；（2）补货周期：按月采购，每月月初下达采购订单；（3）期初库存：预测第1个月的期初库存为30台，后续月份取上一月末剩余库存。
| 预测月份 | 预测销量（台） | 安全库存（台） | 期初库存（台） | 采购量（台） |
|---|---|---|---|---|
| {{ row.month }} | {{ comprehensiveSafetyStock(row) }} | {{ comprehensiveBeginningStock(index) }} | {{ comprehensivePurchaseQuantity(row, index) }} |
2、完成采购需求预测后，产品上市前最后决策环节就是定价。请综合运用成本加成定价法、竞争定价法、价值定价法和PSM价格敏感度测试模型，测算不同方法下的合理价格区间，找到不会引发大规模用户流失、同时最大化利润的最终定价。
（1）成本加成定价法
核心逻辑：总成本 ×（1+加成率）= 最终售价。企业根据渠道类型和品牌定位确定加成率，在成本基础上加成定价。
| 序号 | 渠道 | 加成率（%） | 加成售价（元） |
|---|---|---|---|
| {{ index + 1 }} | {{ row.channel }} | {{ comprehensiveCostBasedPrice(row) }} |
（2）竞争定价法
对标同品类竞品，根据产品差异化优势寻找价格空位。请分析竞品价格带与差异化定位，填写差异化优势，并确定本产品可切入的价格空位。
| 竞品产品类型 | 品牌 | 电商售价（元） | 差异化优势 |
|---|---|---|---|
（3）价值定价法。基于用户感知价值定价，将产品可替代的功能或产品逐一折算价值并加总，得到用户感知总价值，再按一定折扣让渡利润给用户，确定最终售价。
| 可替代产品/功能/额外价值感知 | 价值感知（元） |
|---|---|
| 感知价值合计 | {{ comprehensiveValueTotal }} |
价值定价法价格：{{ comprehensiveValuePrice }} 元
价值定价法价格 = 感知价值合计 × 折扣率
（4）PSM（价格敏感度测试）。通过四个问题调查用户对价格的敏感程度，包括：太贵不买、太便宜不买（怀疑质量）、偏高但可接受、便宜划算。请根据案例资料填写PSM累计占比表。
| 价格（元） | 太贵不买累计占比(%) | 太便宜不买累计占比(%) | 偏高可接受累计占比(%) | 便宜划算累计占比(%) |
|---|---|---|---|---|
太贵不买太便宜不买偏高可接受
（5）汇总四种定价方法的测算结果，综合分析确定最终定价，并说明定价依据与利润空间。
| 定价方法 | 测算结果 | 毛利润率 |
|---|---|---|
| {{ row.method }} |
第 {{ String(currentStep).padStart(2, "0") }} 步
{{ activeStepName }}
1、完成产品开发与定价后，产品正式上线销售。店铺原有产品线一般包含多个品类，新上架的产品需要融入现有品类体系，明确在全店品类体系中的定位，进行针对性的运营资源配置。请根据案例资料提供的店铺各品类近12个月营收数据，对各品类按照销售额从大到小进行排序，并计算销售额占比和累计销售额占比；累计占比前70%的品类划为A类核心品类，70%~90%区间的品类划为B类潜力品类，最后10%的品类划为C类长尾品类。
| 品类名称 | 营收贡献（万元） | 销售额占比（%） | 累计占比（%） | ABC分层判定 |
|---|---|---|---|---|
2、作为战略新品，一般营收贡献较低，被归入C类长尾品类。但新品具有技术领先性和市场增长潜力，公司需对其进行流量扶持，需要进行新品分层优化调整。
| 新品名称 | 当前分层 | 调整必要性分析 | 建议调整分层 | 流量扶持措施 |
|---|---|---|---|---|
| C类长尾品类 |
3、根据ABC分层结果，针对A类核心品类、B类潜力品类、C类长尾品类和新品分别制定差异化的运营策略、库存策略和资源配置方案。结合案例资料提供的各品类SKU数、动销率、毛利率、库存周转率等经营数据，填写下表：
| ABC分层 | 运营策略 | 库存策略 | 资源配置优先级 |
|---|---|---|---|
| {{ row.level }} |
4、完成品类结构优化后，新品已明确在全店品类体系中的定位。接下来需要选择合适的线上发布渠道。不同维度对新品渠道效果的影响不一样，请给以下几个核心评估维度设置权重，按照重要性分配权重，总权重合计100%。
| 评估维度 | 维度说明 | 权重占比（%） |
|---|---|---|
| 总权重 | {{ comprehensiveChannelWeightTotal }} | |
5、根据案例资料提供的5大渠道近3个月数据，通过Min-Max归一法将各维度原始数据转换为0-10分标准化得分并根据指标权重计算加权综合得分：
| 渠道 | {{ dimension.name || "评估维度" }}得分 | 加权得分 |
|---|---|---|
| {{ comprehensiveChannelReleaseScore(row) }} |
第 {{ String(currentStep).padStart(2, "0") }} 步
{{ activeStepName }}
1、完成发布渠道评估后，新品已选定核心发布渠道并进入投放运营阶段。新品投放不是“一锤子买卖”，需要在预算有限的前提下，先定预算、再定打法，然后根据真实投放数据核算效果、针对不达标渠道做出优化决策。
投放周期分为冷启动期、增长期、稳定期三个阶段。请将预算分配到三个渠道和三个时间段中。
| 渠道 | 渠道定位 | 预算占比（%） | 预算金额 | 冷启动期投放预算 | 增长期投放预算 | 稳定期投放预算 |
|---|---|---|---|---|---|---|
| {{ comprehensiveBudgetAmount(row) }} | ||||||
| 合计 | {{ comprehensiveBudgetShareTotal }} | {{ comprehensiveBudgetAmountTotal }} | ||||
2、产品投放结束后，企业从各渠道后台导出投放数据，核算每个渠道的点击率和ROI，判断是否达标。请从案例资料中获取各渠道的真实投放数据，填入下表并核算各渠道的点击率与ROI（投产比）。
保本ROI = 1 ÷ 毛利率；当投产比达到该数值时，推广花费刚好等于产品的毛利额，不会产生亏损，实现投放盈亏平衡。
企业投放目标为整体ROI不低于保本ROI。请依据案例数据核算结果，判断各渠道投放是否达标；对不达标渠道，根据案例从选项池中选择最可能的问题诊断与优化动作。
| 渠道 | 点击率 | ROI | 是否达标 | 问题诊断 | 优化动作 |
|---|---|---|---|---|---|
3、完成投放评估与优化后，新品已进入运营阶段。新品“上架”并不意味着结束，投放数据只能告诉我们“卖得怎么样”，却回答不了“为什么卖不好”。产品问题诊断就是运营的听诊器，需要从数据漏斗、用户评论、对比测试三个层面找到问题根源，再输出可落地的产品迭代方案。
（1）数据漏斗。从用户触达产品的全路径出发，搭建从曝光到复购的完整数据漏斗，逐层计算各环节转化率并对比行业均值，定位异常节点。
| 链路节点 | 行业均值 | |
|---|---|---|
| {{ row.node }} |
对比案例行业均值数据，定位异常节点。
| 渠道 | 链路节点 | 店铺转化率 | 行业均值转化率 | 异常分析与判定 |
|---|---|---|---|---|
（2）用户评论分析。漏斗只能定位“哪个环节出了问题”，要回答“为什么出问题”，需要分析用户最真实的反馈。
支持 XLS、XLSX、CSV，上传后预览首个工作表。
{{ comprehensiveStepNine.commentAttachment.name }}工作表：{{ comprehensiveStepNine.commentAttachment.preview?.sheetName || "首个工作表" }}
| {{ header }} |
|---|
| {{ cell }} |
{{ term.text }}
请根据词云图填写词云中出现频次最高的TOP3问题。
请点击情感倾向分析按钮，系统自动判断各情感类型评论数量，并计算各情感类型占比。
| 情感类型 | 评论数量（条） | 占比 |
|---|---|---|
| {{ row.type }} | {{ row.count }} | {{ row.ratio }} |
{{ row.type }}{{ row.ratio }}
（3）找到根因后，还需验证“改进方案是否真的有效”，避免拍脑袋迭代。AB测试对照诊断法将用户随机分为对照组（维持原方案）和实验组（应用改进方案），对比两组的关键指标差异，用数据判断改进方案是否值得落地。
请从案例资料中获取AB测试两组数据，计算后填入下表并逐项判定：
| 测试指标 | 对照组数据 | 实验组数据 | 判定与分析 |
|---|---|---|---|
| {{ row.metric }} |
第 {{ String(currentStep).padStart(2, "0") }} 步
{{ activeStepName }}
请根据前述实训步骤内容，撰写实训报告，也可以导出实训内容，借助AI大模型生成一份实训报告，实训报告框架如下所示：
| 模块 | 标题 | 内容要求 |
|---|---|---|
| {{ row.module }} | {{ section.title }} | {{ section.requirement }} |
第 {{ String(currentStep).padStart(2, "0") }} 步
{{ activeStepName }}
{{ page.tableTitle || "实训工作表" }}
请结合自己的产品对象，在每一项后填写分析内容，形成可提交的实训成果。