🧩 產品背景
你是一家線上教育平台的 PM，平台主打「專業技能課程」並採訂閱制。
最近數據團隊發現
已訂閱用戶的課程完成率下降（過去三個月由 48% → 35%）用戶中途退訂率也同步升高。
🧪 進階題：流程設計思考題
你發現很多用戶在 觀看影片 20% 進度時退出，團隊提議在 20% 處加一個「互動小測驗」來讓用戶更投入。
請回答
- 你贊不贊成？
- 這樣的改動可能有什麼風險？
- 你會用什麼數據來驗證它是否有效？
回答之前，我想先分享我的思考脈絡
- 我會好奇以下兩件事
- 很多「用戶」是指新用戶還是固定回訪的老用戶？
- 使用者在觀看 20% 退出影片之後會做哪些行為？是真的完全離開平台，還是有去看其他的影片？
- 關於離開的行為
- 如果是新用戶 X 完全離開平台：可以觀察一段時間
- 有可能是課程不感興趣 or 注意力有限
- 假設注意力有限，我認為加入互動機制，能夠幫助使用者繼續留存在平台上
- 如果是定期回訪的老用戶 X 完全離開平台：我認為注意力有限的比例較高
- 不論是新舊用戶，如果是去看其他影片
- 對正在觀看的影片不感興趣或是不如預期
- 做法：優化其他的挽留機制，如：推薦其他影片給使用者參考
關於是否贊成加入小測驗
- 條件式贊成：如果數據顯示退出用戶中有高比例是「完全離開平台」而非「去看其他影片」，且主要為新用戶或注意力分散型用戶，則小測驗可能有效
- 原因：互動測驗能在用戶開始分心前提供一個「介入點」，重新吸引用戶，增加參與感
可能風險
- 體驗中斷：20% 處的強制互動可能讓專注學習的用戶反感，特別是進度被打斷時。
- 題目設計不當：太難或太簡單都會影響成就感，甚至導致流失
- 錯誤的目標用戶：如果主要流失的其實是對內容不感興趣的用戶，測驗並不會解決核心問題
驗證數據
- 觀看影片的完成率是否有提升
- 小測驗的互動率、轉換率是否有提升
- 使用者課程完成數是否有提升
GPT 建議
- 驗證數據的層次：我只提到完成率、互動率，建議可以再加「回訪率」與「平台內其他行為」來判斷長期影響
- 測驗後繼續觀看影片比例（vs 無測驗對照組）
- 平台層級指標
- 測驗後 24 小時內的課程完成數
- 測驗後 7 天回訪率
- A/B Test
- 分層分析：加入新舊用戶 + 影片類型分析，避免對所有影片一刀切做互動設計
- 我的回答只有專注在用戶與離開所組成的分析維度，也許可以加入影片類型，找到關鍵影片進行優化，如果有效再規模化
🔢 題型挑戰
如果只能追蹤一個指標來判斷學習動機是否提升，你會選什麼？為什麼？
課程完成數，如學習動機有所提升，則對於平台上面的使用者就會不斷完成課程
GPT 補充
- 單看「完成數」可能受平台推出新課程數量、課程長度影響，不一定純粹反映動機。
- 建議用 「平均課程完成數 / 活躍用戶」 或 「完成率（已開始課程的完成比例）」，更能排除基數變動的干擾
如果只能優化「課程封面頁」，你會改哪一個元素？
- 課程封面頁加上課程評分結果，舉例：4.8(230)
- 顯示課程總觀看時間
- 原因：假設課程封面的底圖就是按照使用者偏好顯示，則評分與觀看時間都是降低決策成本的「關鍵訊息」，對快速決策有效
GPT 補充
- 可以再加 「完成率標籤」（例如「90% 學員完成」），不只顯示別人的評價，也傳達「這門課有人真的看完」，進一步建立信任感
- 若是短課程，可以明確標示「僅需 XX 分鐘」，降低學習門檻
如果公司想用「AI 個人化推薦課程」，你會怎麼驗證它是否真的有幫助？
- 我會確認轉換率以及決策的中位數時間是否有縮端
- 使用者選擇且開始觀看數 / AI 推薦課程數，如果很高則表示 AI 推薦的課程非常符合說使用者偏好
GPT 補充
- 「重複觀看率」：同一用戶是否持續點擊 AI 推薦課程，來衡量長期黏性，而不只是一次性的轉換
🧭 額外挑戰（策略排序題）
公司給你以下 4 個功能項目，但只能選兩個優先做，請排序並簡述原因
- AI 課程推薦
- 學習進度提醒（推播 / Email）
- 課程章節化（切成小段）
- 學習社群互動功能
排序邏輯：先解決「學習動機觸發」與「留存」，再考慮「學習效率提升」
- 學習進度提醒（推播 / Email）
- 作用：直接觸發用戶回訪與繼續學習的動機
- 驗證：推播點擊率、推播後課程完成數變化
- 學習社群互動功能
- 作用：用同儕影響與陪伴學習提高留存與黏性
- 驗證：社群活躍率、社群內活動參與率、社群用戶的課程完成率 vs 非社群用戶
（不優先）
3. AI 課程推薦：需有足夠的內容消費數據才有精準度，現階段可先用規則推薦做替代
4. 課程章節化：屬於觀看體驗優化，不是留存與動機的主要驅動因子
我的心得
- 我的驗證數據還是太過單點，GPT 提醒我可以多看其他相關維度
- 關於分層的邏輯，我的維度沒有錯，但 GPT 提到的分層維度，我認為也很有意思，因為關鍵也是課程內容，如果在資源有顯之下或是要驗證觀念 or 做法，確實應該要想到課程內容
- 關於第二階段的快問快答，我印象很深刻的是
- 單看完成數的風險，如果要更聚焦觀察指標應該要下什麼定義，如：「完成率（已開始課程的完成比例）」
- 課程封面頁的優化，除了回答加入的元素之外，我認為 GPT 在體驗上也給更多的建議，幫助我了解這類型產品可以做的優化方向有哪些
- 最後是 AI 個人化推薦課程，提到了我沒想過的指標「重複觀看率」，如果使用者不斷點擊 AI 推薦的內容，則這正是關鍵指標
- 最後排序的部分，我印象很深刻的是，GPT 有提到風險，雖然題目是單點式，但實務上 PM 再做任何決策時，不只要定義優先序，更要思考每個決策的背後會隱藏哪些風險，以及面臨這些風險時，要怎麼提出對應解法，這都是需要練習的！
這次的練習一樣收穫滿滿，這是我第 17 天的練習紀錄，將持續練習這個「數據思維升級計畫」，持續優化觀察力與邏輯💪
