互联网健康科技公司产品经理实习报告

互联网健康科技公司产品经理实习报告一、摘要

2023年6月5日至8月22日，我在一家互联网健康科技公司担任产品经理实习生。核心工作成果包括完成“健康数据监测”功能模块的竞品分析报告，覆盖5款主流竞品，提炼3个差异化设计点；参与用户调研访谈28场，形成用户画像及需求文档，推动2个新功能上线，首周使用率提升12%。专业技能应用上，运用Axure搭建了10套原型设计，通过数据分析工具（如Tableau）可视化用户行为数据，优化了信息架构，使页面跳出率降低8%。提炼的可复用方法论包括敏捷开发流程中的快速迭代验证法，以及基于用户反馈的优先级排序矩阵。

二、实习内容及过程

实习目的是想看看自己学的那些产品知识能不能在实际工作中用上，了解互联网健康行业到底是怎么回事。实习单位是做健康数据追踪软件的，主要帮用户记录运动和睡眠情况，给医生提供参考。

第1到3周，主要是熟悉业务，跟产品总监和设计师混熟，了解他们的工作流程。我参与了“健康数据监测”功能模块的竞品分析，看了5款竞品，用SWOT分析法写了报告，提出了3个差异化点子，比如把用户运动数据用折线图展示得更直观。期间还用了Axure做了10套原型，虽然做得挺粗糙，但总监说比以前规范多了。

第4到6周，开始参与用户调研，每周去用户访谈2次，累计28场。我负责整理访谈记录，提炼用户痛点，比如很多人抱怨睡眠记录不准。基于这些反馈，我重新设计了信息录入流程，跟研发聊了数据埋点方案，最后推动了2个新功能上线一个是“智能睡眠评估”，另一个是“运动目标自适应调整”。上线首周，“智能睡眠评估”功能的使用率就有12%的提升，比预估高2个百分点。

第7到8周，主要是复盘和优化。我发现有些用户反馈数据采集有延迟，问了研发才知道是后端数据处理队列积压造成的。我建议优化了任务调度策略，他们采纳了，页面加载速度从3秒降到1.8秒。我还用Tableau做了用户行为分析，把关键路径可视化，让运营同事能更快找到问题点。

遇到的困难是初期做竞品分析时，数据太杂看不过来，感觉分析出来的结论没什么新意。后来我尝试用竞品对比矩阵表，把功能、设计、交互分开打分，发现几个竞品在数据可视化这块做得特别弱，于是把这个方向作为重点，最后报告确实帮团队找到了新机会。学会了用竞品对比矩阵这个工具，效率高多了。

实习最大的收获是摸清了产品从调研到上线的全流程，尤其是健康行业的用户特别关注隐私保护，数据脱敏和权限控制这块必须做得特别到位。之前觉得用户画像就是画个用户卡片，现在明白要结合用户行为数据做用户分群，才能指导产品迭代。职业规划上更清晰了，想往健康领域的产品经理发展，因为这块市场挺有前景，但用户需求又很特殊。

单位管理上感觉有点问题，新人入职没给系统培训，都是靠老同事带，有时候信息传递不准确。建议可以建个内部知识库，把产品文档、设计规范、常见问题都放上去，方便新人随时查。岗位匹配度上，初期觉得主要是做功能，后来发现要懂点数据分析，才能跟研发沟通得更好，建议学校可以多开点数据分析相关的课程。

三、总结与体会

这8周，从6月5号到8月22号，在健康科技公司实习的经历，让我感觉像是从书本里跳进了真实战场。以前看产品经理做需求文档，觉得挺简单的，实际做起来才知道要考虑的点太多了，尤其是健康领域，用户对数据隐私这块特别敏感，稍微处理不好就容易被吐槽。参与“健康数据监测”功能模块的竞品分析时，光整理资料就花了3天，最后提炼的3个差异化设计点，虽然老板说还行，但对比真正做出来的大厂产品，还是差得远。

实习最大的价值在于，我亲手把用户访谈记录变成可执行的需求，看着2个新功能上线后数据慢慢起来，那种成就感挺实在的。比如“智能睡眠评估”功能首周使用率12%的提升，就是用户反馈直接推动的结果。这让我明白，做产品不是闭门造车，得时刻盯着用户反应调整。现在回头看，学校教的那些方法论，比如用户画像、优先级排序矩阵，在实际工作中都是真金白银的，只是光会理论没用，得知道怎么落地。

这次经历也让我对职业规划更清晰了。以前觉得产品经理就是协调各方，现在发现得懂点数据分析、后端逻辑，甚至要有点用户运营的思维。健康行业现在火，但竞争也激烈，单纯做功能很容易被淘汰，以后想往这块发展，肯定得把数据分析能力补上，打算接下来去考个数据分析相关的证书，顺便多看些行业报告，争取下次实习能帮上更多忙。

最直观的感受是心态变了，以前做项目觉得差不多就行，现在知道每个细节都可能影响用户体验，责任感明显重了。遇到问题比如竞品分析没亮点时，虽然有点挫败，但逼着自己用竞品对比矩阵这个工具，效率确实高，也学到了怎么把杂乱信息结构化。抗压能力也锻炼了点，比如有次为了赶用户调研报告，连续2晚在宿舍改方案到凌晨3点，虽然累，但第二天状态还好，感觉比以前更能熬了。

行业趋势上，感觉AI健康助手这块是重头戏，现在很多公司都在搞，但怎么把算法和用户需求结合好，避免变成冷冰冰的数据推送，是个大挑战。我实习时参与的“运动目标自适应调整”功能，就是尝试往这个方向做，虽然数据效果还行，但明显还有优化空间。以后学习肯定得多关注这块，希望能有机会参与更核心的项目，把实习中学到的经验真正用起来。

致谢

感谢在实习期间给予我指导和帮助的团队。特别是我