在线天堂а√8,欧美成人aaa片一区国产精品

搜索

APP

起點課堂會員權(quán)益

職業(yè)體系課特權(quán)

線下行業(yè)大會特權(quán)

個人IP打造特權(quán)

30+門專項技能課

1300+專題課程

12場職場軟技能直播

12場求職輔導(dǎo)直播

12場專業(yè)技能直播

會員專屬社群

榮耀標(biāo)識

發(fā)布

注冊 | 登錄

干貨：一篇文章掌握數(shù)據(jù)導(dǎo)向設(shè)計

2019-09-24

1 評論 10298 瀏覽 49 收藏

16 分鐘

本文作者從工作實踐出發(fā)，結(jié)合案例等分享了數(shù)據(jù)分析的相關(guān)知識，供大家一同參考和學(xué)習(xí)。

周六早上，高中女神給我發(fā)了一條微信，我的雙手放佛得了帕金森綜合癥般不聽使喚，費勁的點開了那一條微信，原來女神不知道如何用Excel表格處理數(shù)據(jù)，讓我教她處理數(shù)據(jù)。嗨（四聲）！說起數(shù)據(jù)，就不得不提數(shù)據(jù)導(dǎo)向設(shè)計。

中高階設(shè)計師都需要關(guān)注數(shù)據(jù)，數(shù)據(jù)是對設(shè)計師主觀審美邏輯設(shè)計的一種輔助和補充，通過數(shù)據(jù)做出來的設(shè)計更具有說服力和驗證性。

數(shù)據(jù)為設(shè)計提供方案支撐和后期的方案驗證，有利于產(chǎn)品后期的迭代和優(yōu)化。

通過對數(shù)據(jù)的比對，對數(shù)據(jù)趨勢的分析，能讓我們發(fā)現(xiàn)哪些環(huán)節(jié)存在問題，哪些環(huán)節(jié)有提高空間。

明確各種數(shù)據(jù)指標(biāo)，明確設(shè)計目標(biāo)，讓數(shù)據(jù)為設(shè)計服務(wù)。

這篇文章的目的是幫助設(shè)計師快速入門和熟練掌握數(shù)據(jù)導(dǎo)向設(shè)計。

文章目錄：

數(shù)據(jù)分析的意義
熟練掌握數(shù)據(jù)指標(biāo)
數(shù)據(jù)分析與設(shè)計的方法
數(shù)據(jù)模型的建立
數(shù)據(jù)如何驗證設(shè)計

一、數(shù)據(jù)分析的意義

1. 用戶行為可視化，可清晰的了解整體/個體用戶的行為

如下圖所示，通過Google Aanalytic 網(wǎng)站可清晰的掌握平臺整體流量的來源，用戶群體路徑行為軌跡，這可以讓設(shè)計師/產(chǎn)品經(jīng)理清晰地了解到平臺的用戶行為軌跡和用戶人群的操作習(xí)慣。

2. 可追蹤產(chǎn)品任何一個時間段的數(shù)據(jù)，對比整體數(shù)據(jù)的變化

如下圖所示：通過曲線變化，可看出產(chǎn)品日活躍的變化，通過變化前后的節(jié)點可得到產(chǎn)品發(fā)生大變化的時間節(jié)點。

3. 提供數(shù)據(jù)支持和后期方案的驗證

例如下圖，通過優(yōu)化產(chǎn)品界面的購買按鈕，通過對比前后數(shù)據(jù)，看設(shè)計改版是否成功。

下圖的固定產(chǎn)品的購買按鈕點擊率從6.4%提升到了9.8%，漲幅53.1%，由于漲幅大于0，同時沒有外部其他因素影響數(shù)據(jù)變化，所以可得出結(jié)論，這次設(shè)計改版是成功的。

4. 通過數(shù)據(jù)可分析產(chǎn)品設(shè)計的問題所在

如下圖所示，整個注冊，綁定銀行卡的過程中，總的轉(zhuǎn)化率只有0.06%，用戶完成率過低，如果要優(yōu)化整個用戶注冊操作流程，那么需要找出流失過大的節(jié)點進(jìn)行優(yōu)化。

注冊成功率過低，這時候設(shè)計師就要分析整個注冊流程哪些設(shè)計因素導(dǎo)致成功率低。并針對成功率低進(jìn)行特定優(yōu)化。

二、熟練掌握數(shù)據(jù)指標(biāo)

掌握數(shù)據(jù)指標(biāo)有助于我們?nèi)腴T數(shù)據(jù)分析，我將數(shù)據(jù)指標(biāo)分為三類，分別為：綜合性指標(biāo)、流程型指標(biāo)和業(yè)務(wù)性指標(biāo)。

1. 綜合性指標(biāo)：指的是能綜合體現(xiàn)產(chǎn)品整體情況的指標(biāo)

對于非交易類型的網(wǎng)站，那么這個平臺的綜合性指標(biāo)可以包含DAU、留存用戶數(shù)、留存率和人均使用時長。

DAU：Daily Active User 。衡量產(chǎn)品使用的活躍度。

數(shù)據(jù)用途是方便產(chǎn)品設(shè)計人員了解產(chǎn)品的每日用戶情況，了解產(chǎn)品的用戶增長或者減少趨勢。

留存用戶數(shù)：一段時間內(nèi)再次訪問的用戶數(shù)，留存有次日留存、7天留存、30天留存等。

數(shù)據(jù)用途是用來衡量產(chǎn)品的用戶粘性和產(chǎn)品的留存用戶規(guī)模。

留存率：某周期內(nèi)留存用戶數(shù)/某周期內(nèi)訪問用戶數(shù)。

數(shù)據(jù)用途是用來衡量用戶使用粘性，也可以用來作為產(chǎn)品改版后的重要指標(biāo)，留存率提升了，在不改變功能的情況下，說明設(shè)計改版成功。

人均使用時長：用戶平均每天停留在產(chǎn)品的時間。

數(shù)據(jù)用途是用來衡量用戶使用產(chǎn)品的深度，判斷用戶使用產(chǎn)品的粘性和依賴度。

對于交易類型的網(wǎng)站，那么這個平臺的綜合性指標(biāo)可能就包含GMV、支付UV、人均訂單數(shù)、人均客單價。。

GMV：用戶的下單總金額。下單產(chǎn)生的總金額，包括銷售額+取消訂單金額+退款訂單金額。舉個例子：一個電商平臺，所有用戶一共下單了100萬的商品，其中取消訂單2萬，退款10萬，那么GMV就是100萬。

數(shù)據(jù)用途是體現(xiàn)電商平臺的交易規(guī)模，GMV越高說明這個電商平臺的交易規(guī)模越大，平臺體量越大。

支付UV：指下單并成功支付的用戶數(shù)。舉個例子：一個電商平臺，有3000人點擊購買，其中2000人，成功完成支付，則支付uv為2000人。

數(shù)據(jù)用途是了解平臺整體用戶支付購買人數(shù)規(guī)模。

人均訂單數(shù)：支付PV/支付UV，人均訂單數(shù)大于1。舉個例子：一個電商平臺，支付pv為3000，其中支付人數(shù)為2000人，那么人均訂單數(shù)為1.5。

數(shù)據(jù)用途是用于衡量產(chǎn)品/頁面/功能的導(dǎo)購能力。

人均客單價：ARPU，GMV/支付UV。舉個例子：一個電商平臺昨天GMV有100萬，其中支付UV1萬人，那么人均客單價為100元。

數(shù)據(jù)用途是一段時間內(nèi)每個用戶平均收入，用來衡量產(chǎn)品效益。

2. 流程性指標(biāo)，這些指標(biāo)和用戶操作流程中產(chǎn)品的指標(biāo)有關(guān)

點擊率：點擊率分為pv點擊率和uv點擊率，整體來看，點擊率使用pv點擊率比較好。

轉(zhuǎn)化率：下一步用戶數(shù)/上一步用戶數(shù)。

流失率：（上一步用戶數(shù)-下一步用戶數(shù)）/上一步用戶數(shù)

完成率：完成率相對于轉(zhuǎn)化率而言，是最終的結(jié)果數(shù)值。轉(zhuǎn)化率是過程值，完成率是結(jié)果值。

3. 產(chǎn)品的業(yè)務(wù)性指標(biāo)

區(qū)別于基礎(chǔ)通用型指標(biāo)，業(yè)務(wù)性指標(biāo)主要強調(diào)其業(yè)務(wù)屬性，例如社交社區(qū)，則可能需要的業(yè)務(wù)指標(biāo)為：人均發(fā)文數(shù)、人均評論數(shù)、人均點贊數(shù)，分享率等。

三、數(shù)據(jù)分析與設(shè)計的方法

數(shù)據(jù)分析和設(shè)計的方法一共有以下六種，分別為：行為事件分析、漏斗分析、留存分析、分步分析、對比分析和多維度拆解。

1. 行為事件分析

通過分析特定類型的用戶行為，找到這種特定類型的用戶行為的對產(chǎn)品帶來的影響。也可以推算出這種特定的行為給產(chǎn)品帶來的意義。

行為事件分析法一般經(jīng)過事件定義、下鉆分析、解釋與結(jié)論等環(huán)節(jié)。

2. 漏斗分析

流量在各個節(jié)點流轉(zhuǎn)過程中，會存在一級級的流失。最終形成了漏斗形態(tài)，漏斗分析適用于一些列完整流程操作的用戶行為。

找到設(shè)計過程中流失比較多的數(shù)據(jù)，通過數(shù)據(jù)找到流失的原因。

3. 留存分析

通過找到整體留存情況，找到用戶留存的關(guān)鍵性因素指標(biāo)。

留存分為兩種情況：

產(chǎn)品整體留存，整個產(chǎn)品的留存率，對象是整個產(chǎn)品；
功能模塊流程，各個模塊的留存，這里是針對于單個功能模塊。

產(chǎn)品留存要分開看待。既要看整個產(chǎn)品留存率也要看所負(fù)責(zé)設(shè)計的各個功能模塊留存率。

4. 分布分析

用戶在特定指標(biāo)的各種占比的歸類展現(xiàn)。

5. 對比分析

對比前后數(shù)據(jù)，通過對比數(shù)據(jù)的差值，驗證設(shè)計。

自身產(chǎn)品比，對比產(chǎn)品其他模塊相似場景的數(shù)據(jù)差異。通過對比找到問題點并做分析優(yōu)化；
行業(yè)產(chǎn)品比，和同行業(yè)產(chǎn)品的數(shù)據(jù)對比分析，找出數(shù)據(jù)差異的問題所在，并給出對應(yīng)的優(yōu)化方案。

6. 多維度拆解

用不同的維度視角拆分分析統(tǒng)一類數(shù)據(jù)指標(biāo)。例如按照不同的省市地區(qū)分析、不同的用戶人群、不用的設(shè)備等。通過不同維度拆解，找到數(shù)據(jù)背后的真相。

四、數(shù)據(jù)模型的建立

設(shè)計團隊引入數(shù)據(jù)分析，那么就需要一套成熟的適合自己的團隊的模型做基礎(chǔ)，所以數(shù)據(jù)模型是我們數(shù)據(jù)分析的理論基礎(chǔ)。

在數(shù)據(jù)模型中，我們可以學(xué)到數(shù)據(jù)模型的分類思路，以及如何創(chuàng)造出適用自己團隊的數(shù)據(jù)模型。

基于這個目的，我們可以將市面上常見的數(shù)據(jù)模型找出來并進(jìn)行整理并分析。通過熟悉主流的數(shù)據(jù)模型的產(chǎn)出邏輯，并從中找到規(guī)律，創(chuàng)造出適用于自己團隊的數(shù)據(jù)模型。

常見的數(shù)據(jù)模型有：Google’s HEART、AARRR、RARRA和Customer Experience Index (CX Index)。

Google’s HEART：Google’s HEART是一個用來評估以及提升用戶體驗的模型，它由五個維度組成：Engagement（參與度）、Adoption（接受度）、Retention（留存度）、Task Success（任務(wù)完成度）和Happiness（愉悅度）。
AARRR：AARRR增長模型出自于增長黑客，即獲客、激活、留存、變現(xiàn)、傳播推薦。
RARRA：RARRA的數(shù)據(jù)模型，本質(zhì)上是在AARRR的基礎(chǔ)上進(jìn)行順序調(diào)整得到，以滿足日益獲客成本所帶來的壓力成本。RARRA模型相比與AARRR可以使得獲客成本更低。
Customer Experience Index (CX Index)：用戶體驗指數(shù)的維度有三個，分別為：滿足需求、簡單地和愉快地。

五、數(shù)據(jù)如何驗證設(shè)計

通過核心指標(biāo)判斷設(shè)計方案是否符合預(yù)期，以此驗證設(shè)計方案是否成功，并為后續(xù)產(chǎn)品的迭代優(yōu)化做依據(jù)。

1. 關(guān)注設(shè)計的核心指標(biāo)

設(shè)計過程中，要關(guān)注設(shè)計的核心指標(biāo)，針對于核心指標(biāo)，進(jìn)行針對性的設(shè)計。

如果改版的最重要（核心）的指標(biāo)是任務(wù)流程完成率，先查看用戶操作流失率，然后分析找出流失原因，給出對應(yīng)的優(yōu)化方案。等到優(yōu)化方案的產(chǎn)品版本上線后，對比完成率數(shù)據(jù)變化。

如果改版的最重要（核心）指標(biāo)是人均觀看次數(shù)，則要思考可通過哪些設(shè)計策略可提升產(chǎn)品的人均播放次數(shù)。

舉個例子，新浪微博，以前版本用戶看完視頻后，視頻會有重播按鈕和推薦視頻，用戶只有進(jìn)行下一步點擊才能播放下一個視頻。改版后看完視頻會自動切換到下一個視頻。這樣的設(shè)計策略雖然綁架了用戶的行為，用戶從一個主動接受者，變成了一個被動接受者，但是這種策略能有效的提升人均播放次數(shù)。

2. 核心指標(biāo)帶來的價值/收益

當(dāng)驗證了核心指標(biāo)往好的方向發(fā)展，這時候，就需要總結(jié)核心指標(biāo)帶來的價值和收益，這樣的話設(shè)計價值才可以直接被量化。

舉個例子：一個banner的點擊率達(dá)到3%的時候，每天GMV約200萬，當(dāng)重新設(shè)計了這個banner，同時其他條件保持不變，點擊率提升到了6%，這時候通過數(shù)據(jù)查看每天的GMV是多少，如果達(dá)到了400萬，那么這增加的200萬則是通過設(shè)計優(yōu)化所帶來的。

以上就是關(guān)于數(shù)據(jù)導(dǎo)向相關(guān)知識。