淘宝购物车,为什么要设置上限?

2020 年 11 月 2 日 人人都是产品经理

关注并将「人人都是产品经理」设为星标

每天早 07 : 45 按时送达

前天,双十一的第一场“战役”打响,无数“尾款人”掏空了自己的钱包。同时,微博热搜上出现了一个话题引起了大家的关注:购物车为什么要有上限?不少用户表示,淘宝购物车只能添加120件商品限制了自己的发挥。本文作者对此发表了自己的看法,与你分享。


全文共 2854 字,阅读需要 6 分钟

—————— BEGIN ——————

不知道大家昨天付尾款的感觉如何,今年天猫双十一购物狂欢节从原来的光棍节变为双节棍后,战线拉长,一场购物狂欢正式打响,11月1号你我都是「尾款人」。

在剁手的同时,一个微博热搜话题引起我的兴趣「#购物车为什么要有上限」,发现该话题在微博的阅读量超过1.2亿,讨论超过1万,许多剁手党纷纷表示购物车完全不够用,阻止了广大尾款人剁手的脚步。

其中有人发起一个投票,你的购物车够用吗,有5.3万人参与投票,其中绰绰有余的2.5万人,而表示购物车完全不够的也有2.1万人,说明这个痛点还是有较大一部分用户群体存在痛点的。

这个话题还是挺有意思的,今天也想就这个话题站在用户和产品的角度分析讨论:为什么淘宝天猫要将购物车设置上限?

一开始购物车的上限是100个,中间经历过一次调整,目前购物车的上限是120个。

很多用户在微博上表达了购物车上限的痛点,相信淘宝天猫的产品经理肯定也看到了这个话题的讨论,但是基于目前这个上限的设定,肯定是基于用户、商家、平台等多方的考虑。

回归原始场景

首先我们可以想象一下:为什么会有购物车这个物品?

在线下的商超,我们都会为我们提供一个篮子袋子或者小推车,供我们逛超市和商场中装待付款的心仪物品。一般小推车里面的商品都是我们已经确定要购买的商品,所以线下购物车的作用就是为用户提供工具装待结算的商品——尽管会有一小部分会在挑选商品后会拿出来或者替换,但不影响购物车的实质作用。

而线上电商的出现,其实就是将线下的超市和商场搬到了线上:用户逛淘宝天猫其实就是类似在逛一个超超大型的卖场,所以淘宝天猫的购物车和线下商超的主要作用也是相同的,甚至在图标上也和实体的购物车一毛一样。

为什么这里我说的是主要作用?

因为随着使用场景的迁移,购物车被很多用户当成了收藏夹去使用,很多在购物车呆了很久的商品其实都没有被付款。

实体购物车因为有物理的空间限制,理论上可以购买的商品件数和空间是有限的,因此电商的购物车其实在拟物化上也沿袭了这一设计。

通过用户购买路径的分析,可以发现购物车在整个购物成功的链路中承担了非常重要的决策,理性购物者在购买商品时都会加入购物车对比,除了直播带货以及抢购场景的冲动消费,电商的购物车除了承载待结算的场景,其实更多的也变为用户收藏夹的功能。

因此,站在平台和商家的立场考虑,购物车上限的提示是在一定程度上引导用户去结算或者清理的,提升购物车商品的曝光量,同时也是希望用户把购物车和收藏夹的场景区分开来的,保留购物车的核心功能。

需求大小与价值衡量

从我自身的使用上,我目前还未遇到过购物车超过上限的情况,但是基于淘宝天猫这么大超过8亿的用户群体,碰到购物车超过上限的比例如果只有1%,那绝对值也有庞大的800万用户。

我们很多时候都会考虑一个问题:在做一个功能的时候,需要评估一个功能上线的影响;有可能我们的功能是解决A用户群体的需求,同时我们也需要评估这个功能的上线会不会影响平台上其他的用户使用。

那么在这个场景下面,针对这1%的用户解决购物车上限的痛点,首先我们就要思考会对这类用户带来多大的价值,投入产出比是否合适。

不可否认的是:提升购物车的上限一定会提升该部分用户的使用体验,但是我们再往深入一个层次思考,电商购物最终一定是以交易成交为目的的——也就是:解决这个问题能否提升用户下单率和成交件数?

这个其实是不一定的。

当购物车上限过多时,有可能用户的购买决策会更难,周期可能会更长;同时购物车过多商品用户也会表示很难找到自己想结算的商品,所以在需求的价值上来说是需要慎重衡量的。

另外,这个功能会不会对其他用户产生影响呢?

大多数情况下面,其他用户是感知不到的——绝大多数用户购物车是达不到上限的,所以大概率不会给其他用户造成负面的影响。

但是在双十一这种大促场景下,购物车超过上限的用户比例一定是会提升的;为了提升用户体验和成交额,有没有其他的办法解决这样的痛点呢?

除了引导用户结算或者清理,还可以引导用户先添加收藏夹再添加购物车,另外也看到一些用户的提议,比方说类似美团外卖多个购物车的场景,又或者是类似花呗限时提额的操作,在大促是限时提高购物车的上限。

从技术和性能角度考虑

这个原因可能是最有可能的一个因素,大家可能会有一个疑问:阿里这么大的公司,有这么多牛逼的技术,双十一做了这么多年,应该不会是技术上导致购物车要设置上限,避免系统崩溃吧?

我们来看下大部什么场景下面购物车会超过上限:

第一,从用户个人角度,当用户把购物车当收藏夹用;或者是高购买力的用户;另外因为天猫超市的加入,一些超市商品品类多件数少,很容易超过上限。

第二,从平台角度,在一些大促场景,比方说双十一、双十二等大促,很多商品都是预售,用户都需要提前加入购物车才能购买。

从个人角度来看,如果是平时低峰期,技术没有遇到那么高并发的情况下,可能性能上不会出现大的问题,不会出现购物车商品加载不出来,或者结算时出现系统出错的情况。

但是在大促时,系统本来已经面临千万级上亿级别的并发量,为了避免购物车商品图片、价格等信息加载不出来,出现卡顿等情况,设置上限是保证用户体验的一个手段;当用户不能添加购物车需要清理购物车,和进入购物车出现卡顿或加载不出来相比,影响相对较小。

同时购物车结算涉及到跨店铺满减、商品库存、优惠券、订单金额计算等多达几十个服务的调用,因此技术上为了避免宕机或者影响用户无法结算等糟糕的体验,设置购物车上限是一种产品上的妥协。

而至于为什么要设置为120个,一个原因有可能是通过数据分析,绝大多数用户的购物车数量不会超过120个,还有一个原因则是技术上面给的建议,在不影响产品性能和用户体验的情况下的选择。

那是不是我们可以理解为:只要技术上能够突破或者能够支持购物车能设置更多的时候,产品上会不会把120个商品的上限提升?

这个也是不一定的,还是需要站在用户和平台的角度去权衡。

比方说做A/Btest去验证,是不是提升购物车的上限,能够提升用户下单的转化率,能不能提升用户购买的的商品数量。

任何一个需求或者功能的上线,其实都是多方面决策衡量的结果;除了从用户痛点和使用场景出发,还需要从产品的战略层面、需求的影响层面、价值层面以及技术等多个角度考虑,就类似我们吐槽很多微信的功能,比方说语音进度条、群聊的管理、聊天记录的管理等功能。

今年的双十一从目前披露的数据来看,一定是会创新高的,但会达到多大的高度,也需要看我们广大尾款人的钱包:很高兴我们又参与了一个千亿级的项目。

—————— / END / ——————

▼ 喜欢请分享&收藏,满意点个赞,最后点「在看」 ▼

登录查看更多
0

相关内容

少即是多?非参数语言模型,68页ppt
专知会员服务
23+阅读 · 2020年11月22日
专知会员服务
71+阅读 · 2020年9月20日
【2020 最新论文】对比学习中什么应该不是对比的?
专知会员服务
38+阅读 · 2020年8月16日
【KDD2020-Google】动态图设计的图学习
专知会员服务
34+阅读 · 2020年7月28日
【SIGIR2020】LightGCN: 简化和增强图卷积网络推荐
专知会员服务
72+阅读 · 2020年6月1日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
模型压缩究竟在做什么?我们真的需要模型压缩么?
专知会员服务
27+阅读 · 2020年1月16日
最全推荐系统Embedding召回算法总结
凡人机器学习
30+阅读 · 2020年7月5日
树形结构为什么不需要归一化?
七月在线实验室
8+阅读 · 2019年4月30日
我是怎么走上推荐系统这条(不归)路的……
全球人工智能
11+阅读 · 2019年4月9日
从动力学角度看优化算法:自适应学习率算法
PaperWeekly
8+阅读 · 2018年12月27日
推荐系统中的矩阵分解技术
AINLP
9+阅读 · 2018年12月24日
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
谈谈用户画像
caoz的梦呓
10+阅读 · 2017年8月17日
美团点评旅游搜索召回策略的演进
美团技术团队
4+阅读 · 2017年6月16日
Arxiv
0+阅读 · 2021年2月2日
Arxiv
1+阅读 · 2021年2月1日
Learning Recommender Systems from Multi-Behavior Data
VIP会员
相关VIP内容
少即是多?非参数语言模型,68页ppt
专知会员服务
23+阅读 · 2020年11月22日
专知会员服务
71+阅读 · 2020年9月20日
【2020 最新论文】对比学习中什么应该不是对比的?
专知会员服务
38+阅读 · 2020年8月16日
【KDD2020-Google】动态图设计的图学习
专知会员服务
34+阅读 · 2020年7月28日
【SIGIR2020】LightGCN: 简化和增强图卷积网络推荐
专知会员服务
72+阅读 · 2020年6月1日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
模型压缩究竟在做什么?我们真的需要模型压缩么?
专知会员服务
27+阅读 · 2020年1月16日
相关资讯
最全推荐系统Embedding召回算法总结
凡人机器学习
30+阅读 · 2020年7月5日
树形结构为什么不需要归一化?
七月在线实验室
8+阅读 · 2019年4月30日
我是怎么走上推荐系统这条(不归)路的……
全球人工智能
11+阅读 · 2019年4月9日
从动力学角度看优化算法:自适应学习率算法
PaperWeekly
8+阅读 · 2018年12月27日
推荐系统中的矩阵分解技术
AINLP
9+阅读 · 2018年12月24日
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
谈谈用户画像
caoz的梦呓
10+阅读 · 2017年8月17日
美团点评旅游搜索召回策略的演进
美团技术团队
4+阅读 · 2017年6月16日
Top
微信扫码咨询专知VIP会员