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。

案例拆解四步框架 ① 选例标准 相关性·完整性·可迁移性 ② 五维拆解 用户·场景·功能·数据·商业 ③ 拆解步骤 还原→分层→关联→提炼 ④ 输出模板 结构化·可复用·可对比 用户 旅客/航司/机场/ 代理人/监管 痛点·需求·行为 场景 购票/值机/登机/ 延误/行李/中转 触点·流程·环境 功能 核心功能/辅助功能 交互逻辑/信息架构 优先级·实现路径 数据 关键指标/埋点 转化率/客单价 数据来源·口径 商业 收入/成本/利润 定价/补贴/分成 ROI·竞争壁垒 拆解步骤(四步递进) 还原 完整记录用户操作路径 分层 按五维拆解归类信息 关联 找因果链与关键节点 提炼 输出可迁移的经验规则 输出模板:案例拆解卡 案例名称 | 所属领域 | 拆解人 | 拆解日期 | 五维摘要 | 关键结论 | 可迁移规则

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。

  1. 场景分类:按旅程阶段(购票→值机→安检→登机→飞行→到达→后续)
  2. 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)
  3. 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。

  1. 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。
  2. 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。
  3. 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)”。
  4. 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%。

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。