案例拆解框架:如何选择案例、拆解维度与输出模板
案例拆解不是“读故事”,而是“拆机器”。民航产品案例的复杂性在于其涉及多主体(航司、机场、旅客、监管)、多系统(订座、离港、运价、常旅客)和多阶段(购票前、值机中、飞行后)。如果缺乏统一框架,拆解容易陷入“细节淹没结论”或“结论脱离数据”两个极端。本章给出一个可复用的四步框架:选例标准 → 五维拆解 → 步骤编排 → 模板输出,帮助你在30分钟内完成一个有深度、可迁移的案例解剖。
3.1 案例选择:三个硬性标准与两个加分项
不是所有民航产品案例都值得拆解。选错案例,后续所有工作都是浪费。建议用以下标准筛选:
| 标准 | 说明 | 判断问题 |
|---|---|---|
| 相关性 | 案例与你的业务领域或目标用户有直接交集 | “这个案例中的用户/场景/约束,是否在我工作中会出现?” |
| 完整性 | 案例有公开或可获取的数据、流程、结果 | “我能拿到多少真实数据?还是只能靠猜测?” |
| 可迁移性 | 案例中的经验能抽象成通用规则 | “如果换一家航司/机场,这个结论还成立吗?” |
| 加分项1:典型性 | 案例代表一类常见问题或趋势 | “这是孤例还是行业普遍现象?” |
| 加分项2:时效性 | 案例发生在近2年内,或具有历史转折意义 | “这个案例是否反映了当前技术/政策环境?” |
实操建议:优先选择“自己参与过”或“能接触到一手数据”的案例。二手案例拆解容易失真,因为关键决策信息往往被隐藏。如果只能选公开案例,优先选择民航局通报、航司年报、上市机场财报、行业白皮书中的案例。
3.2 五维拆解:用户、场景、功能、数据、商业
五维拆解是案例解剖的“手术刀”。每个维度回答一组核心问题,五个维度合起来构成完整画像。
3.2.1 用户维度
民航产品的用户不是单一群体。一个值机产品,用户至少包括:旅客(使用自助值机)、地服人员(处理异常)、航司收益部门(关注超售)、机场管理方(关注排队时长)。拆解时必须明确:谁是核心用户?谁是次要用户?谁是被忽略的用户?
- 用户画像:年龄、出行频率、技术熟练度、特殊需求(老人/儿童/轮椅)
- 用户目标:旅客要“快速完成值机”,地服要“减少人工干预”,航司要“收集数据”
- 用户痛点:排队时间长、操作界面复杂、异常处理流程不透明
3.2.2 场景维度
场景是“用户+环境+时间+设备”的组合。同一个功能在不同场景下表现完全不同。例如“人脸识别登机”在国内航班和国际航班场景下,涉及的数据合规要求、证件类型、排队密度都不同。
- 场景分类:按旅程阶段(购票→值机→安检→登机→飞行→到达→后续)
- 场景要素:物理环境(航站楼/机舱)、时间压力(延误/中转)、设备条件(手机/自助机/闸机)
- 场景边界:哪些场景是产品覆盖的?哪些是产品主动回避的?
3.2.3 功能维度
功能拆解不是罗列功能列表,而是分析功能如何支撑用户目标。建议用“功能树”方式拆解:
核心功能(必须做对)
├── 值机办理(选座、行李、登机牌)
├── 航班状态查询(实时、准确)
└── 异常处理(改签、退票、赔偿)
辅助功能(提升体验)
├── 会员积分累积
├── 贵宾室预约
└── 接送机服务
隐藏功能(用户未感知但关键)
├── 超售算法
├── 航班恢复调度
└── 行李追踪
拆解时重点关注:功能优先级(哪些功能缺失会导致业务中断?)、功能耦合度(改签功能是否依赖支付、库存、通知等多个系统?)。
3.2.4 数据维度
数据是案例拆解的“证据链”。没有数据支撑的结论只是观点。关键数据包括:
| 数据类型 | 示例 | 拆解用途 |
|---|---|---|
| 业务指标 | 值机转化率、平均排队时长、航班正常率 | 衡量产品效果 |
| 用户行为数据 | 点击热力图、操作路径、放弃节点 | 定位体验瓶颈 |
| 财务数据 | 客单价、补贴成本、边际收益 | 评估商业可行性 |
| 系统性能数据 | 接口响应时间、并发量、故障率 | 判断技术约束 |
数据陷阱:民航数据口径复杂。例如“准点率”有“离港准点”和“到港准点”之分;“客座率”有“可用座位公里”和“收入客公里”之分。拆解前必须确认数据口径,否则结论会失真。
3.2.5 商业维度
商业维度回答“这个产品/功能为什么值得做?”以及“它如何赚钱或省钱?”
- 收入侧:直接收入(机票、附加服务)、间接收入(广告、数据变现)
- 成本侧:开发成本、运营成本、渠道佣金、旅客补偿
- 竞争壁垒:数据积累、网络效应、牌照资源、技术专利
3.3 拆解步骤:从还原到提炼的四步法
五维拆解是“横向”的,四步法是“纵向”的流程控制。
- 第一步:还原(Reconstruct)——完整记录案例发生的时间线、用户操作路径、系统交互过程。不要带任何判断,只做事实记录。
- 第二步:分层(Layering)——将还原的信息按五维归类。每个信息点必须归入至少一个维度,允许跨维度标注。
- 第三步:关联(Relate)——找出维度之间的因果关系。例如“用户排队时间长(用户)→ 因为自助值机设备少(功能)→ 因为机场预算有限(商业)→ 导致高峰期体验差(场景)”。
- 第四步:提炼(Extract)——输出可迁移的经验规则。规则必须满足:可操作、可验证、可复用。
3.4 输出模板:案例拆解卡
统一模板的价值在于:让不同人拆解同一案例时,输出结构一致,便于横向对比和知识沉淀。推荐使用“案例拆解卡”格式:
| 模块 | 内容要求 | 示例(以“某航司APP自助改签功能”为例) |
|---|---|---|
| 案例名称 | 一句话概括 | “某航司APP自助改签功能上线首月数据复盘” |
| 背景与约束 | 业务背景、技术约束、时间窗口 | “原改签需人工客服,平均耗时8分钟;目标将线上改签率提升至30%” |
| 用户分析 | 核心用户、用户痛点 | “高频出差旅客,痛点:改签需电话排队” |
| 场景分析 | 关键场景、场景边界 | “航班延误后2小时内的改签高峰” |
| 功能拆解 | 核心功能、辅助功能、隐藏功能 | “核心:实时改签+差价计算;辅助:短信通知;隐藏:超售保护” |
| 数据表现 | 关键指标、前后对比 | “改签率从8%提升至27%,客服话务量下降18%” |
| 商业评估 | 成本、收益、ROI | “开发成本40万,月节省客服人力成本12万,ROI约3.3个月回本” |
| 可迁移规则 | 3-5条通用经验 | “① 自助功能必须提供‘人工兜底’入口;② 改签差价计算需实时同步运价系统;③ 高峰期需预留系统弹性” |
案例闭环演示:以“某机场自助行李托运设备投放”为例,完整走一遍框架。
背景:该机场T2航站楼日均旅客5.2万人次,人工值机柜台排队平均12分钟,旅客投诉率中“值机等待”占35%。机场决定引入20台自助行李托运设备,预算600万元。
拆解过程:
① 用户:核心用户为“无托运行李或仅1件行李的国内旅客”(占比约60%);次要用户为地服人员(需处理超重、违禁品等异常)。
② 场景:早高峰(6:30-8:30)和节假日高峰;设备部署在值机区入口处,与人工柜台形成互补。
③ 功能:核心功能为“自助打印行李条+自动称重+传送带交接”;辅助功能为“证件识别+航班信息确认”;隐藏功能为“行李全程追踪数据采集”。
④ 数据:投放前人工柜台平均处理时间90秒/人;投放后自助设备平均处理时间45秒/人,但异常率(需人工介入)为12%。整体值机效率提升32%,但设备故障率在高峰期达到5%。
⑤ 商业:设备+系统开发+运维年成本约180万元;节省人工柜台3个(年人力成本约60万/个);因效率提升带来的旅客满意度提升,间接促进航司合作意愿。
提炼规则:① 自助设备必须保留“一键呼叫人工”功能;② 设备投放需按“高峰小时旅客量”计算数量,而非日均量;③ 行李条打印的耗材成本需纳入运营预算;④ 设备故障需有备用方案(如临时开放人工柜台)。
复盘:该项目首月实际使用率为41%,低于预期的60%。原因在于旅客对自助行李托运不熟悉,且现场引导人员不足。后续增加“首件行李免费托运”激励和地服引导后,使用率提升至58%。
背景:该机场T2航站楼日均旅客5.2万人次,人工值机柜台排队平均12分钟,旅客投诉率中“值机等待”占35%。机场决定引入20台自助行李托运设备,预算600万元。
拆解过程:
① 用户:核心用户为“无托运行李或仅1件行李的国内旅客”(占比约60%);次要用户为地服人员(需处理超重、违禁品等异常)。
② 场景:早高峰(6:30-8:30)和节假日高峰;设备部署在值机区入口处,与人工柜台形成互补。
③ 功能:核心功能为“自助打印行李条+自动称重+传送带交接”;辅助功能为“证件识别+航班信息确认”;隐藏功能为“行李全程追踪数据采集”。
④ 数据:投放前人工柜台平均处理时间90秒/人;投放后自助设备平均处理时间45秒/人,但异常率(需人工介入)为12%。整体值机效率提升32%,但设备故障率在高峰期达到5%。
⑤ 商业:设备+系统开发+运维年成本约180万元;节省人工柜台3个(年人力成本约60万/个);因效率提升带来的旅客满意度提升,间接促进航司合作意愿。
提炼规则:① 自助设备必须保留“一键呼叫人工”功能;② 设备投放需按“高峰小时旅客量”计算数量,而非日均量;③ 行李条打印的耗材成本需纳入运营预算;④ 设备故障需有备用方案(如临时开放人工柜台)。
复盘:该项目首月实际使用率为41%,低于预期的60%。原因在于旅客对自助行李托运不熟悉,且现场引导人员不足。后续增加“首件行李免费托运”激励和地服引导后,使用率提升至58%。
3.5 常见误区与总结
| 误区 | 表现 | 纠正方法 |
|---|---|---|
| 重功能轻用户 | 只拆解“做了什么功能”,不分析“为谁做、为什么做” | 每个功能必须回答“用户是谁?目标是什么?” |
| 重数据轻场景 | 只看转化率、客单价,忽略数据产生的具体场景 | 数据必须标注“场景条件”,如“仅限国内航线” |
| 重结论轻过程 | 直接给出“成功/失败”结论,不展示分析过程 | 输出模板中强制包含“分析过程”模块 |
| 重案例轻迁移 | 拆解完就结束,不提炼可复用规则 | 每案例必须输出3条以上“可迁移规则” |
总结:案例拆解框架的核心价值不是“拆解本身”,而是通过结构化拆解,让隐性经验显性化,让个体经验组织化。选对案例、用对维度、走对步骤、出对模板,你就能把每一个民航产品案例变成可复用的知识资产。