2022-4-17 ui設計分享達人
作為一枚設計小萌新，對上述場景，是否似曾相識呢？此些尷尬的情況，也映射出了不少問題：數(shù)據(jù)化設計意識薄弱，數(shù)據(jù)基礎知識模糊，缺乏系統(tǒng)的體驗評估模型和度量方法等等。
那么，我們該從哪些維度進行數(shù)據(jù)分析呢？數(shù)據(jù)的基礎知識又有什么呢？常見的數(shù)據(jù)分析方法又有哪些？諸位看官抓好扶好，入門版航班即將起飛，讓我們一起走進數(shù)據(jù)的世界，掌握一定的數(shù)據(jù)分析能力，告別“我要我覺得”的任性決策。
增量尚不明確，存量博弈的下半場，都以去肥增瘦的方式，宣告著精細化運營的時代到來，似乎也對設計師同學提出更高專業(yè)的要求。數(shù)據(jù)意識作為能力象限中的某個小瓦塊，雖然細微，但也是專業(yè)輸出的切入點。
在面對產(chǎn)品功能迭代、用戶行為分析、日常監(jiān)測、設計決策以及效果評估等等問題時，單純的從視覺維度進行推導，會稍顯單薄。而基于客觀數(shù)據(jù)的分析，可以更科學準確的輔助我們進行決策。
所謂的“數(shù)據(jù)指標”，簡單來說就是可將某個事件量化，且可形成數(shù)字，來衡量目標。在一定程度上，“數(shù)據(jù)指標”能揭示出產(chǎn)品用戶的行為和業(yè)務水平狀況。
目前市面上的產(chǎn)品種類繁多，大致都圍繞“用戶是誰、做了何事、結果如何”進行歸納整合，分別對應著用戶數(shù)據(jù)、行為數(shù)據(jù)、業(yè)務數(shù)據(jù)三類指標。
1. 存量：反映某一時間段內(nèi)活躍的用戶數(shù)。以日活（DAU）、周活（WAU）、月活（MAU）維度進行統(tǒng)計。其中，Active需以關鍵用戶的自發(fā)行為來進行定義，常見的動作有登錄、瀏覽內(nèi)容等。
2. 增量：一般用新增用戶數(shù)來反映，同樣分為日新增（DNU）、周新增（WNU）、月新增（MNU）三類統(tǒng)計維度。其中，增量的定義相對模糊，需提前與渠道確認好新增指標，建議根據(jù)內(nèi)部的賬號體系進行指標的取舍，選擇新增注冊用戶還是新增設備數(shù)。
3. 來源：用戶從何而來，包含自然搜索、產(chǎn)品導流、好友邀請等多種渠道。結合不同渠道用戶的數(shù)據(jù)表現(xiàn)，可以指導后續(xù)的推廣方案。
4. 留存：通過留存率來評判產(chǎn)品的健康程度，表示新用戶在一定時間段內(nèi)，某些行為重復發(fā)生的比率。其中，日留存和月留存的評判分析作用又有所不同：
日留存：作為衡量用戶渠道質(zhì)量的重要依據(jù)，如老王的公眾號在站酷、知乎、微信群進行導流宣傳，通過分析不同渠道的用戶留存表現(xiàn)，從而優(yōu)化受眾用戶的投放來源。
月留存：作為用戶粘性的重要判斷，通過指標來分析產(chǎn)品對用戶是否長期有吸引力。也可用作產(chǎn)品上新后，功能迭代是否符合預期的判斷依據(jù)。
1. 訪問深度：用戶單次瀏覽頁面的過程中，瀏覽了頁面的數(shù)量越多，表示用戶訪問深度越深，產(chǎn)品粘性較好。
2. 轉(zhuǎn)化率：指在一個統(tǒng)計周期內(nèi)，完成轉(zhuǎn)化行為的次數(shù)占總訪問次數(shù)的比率。轉(zhuǎn)化率=(轉(zhuǎn)化次數(shù)/點擊量)×100%。如在電商、理財?shù)犬a(chǎn)品中，轉(zhuǎn)化率是衡量產(chǎn)品優(yōu)秀與否的重要指標之一。
3. 跳出率：訪問了單個頁面的用戶占全部訪問用戶的百分比，可用來衡量訪問質(zhì)量，高跳出率通常表示內(nèi)容或體驗與用戶目標脫節(jié)。
4. 停留時長：用戶游逛的時間長度，需要區(qū)分對待內(nèi)容消費與工具效率場景，高停留時長并非全是正向反饋。
5. 次數(shù)：包含頁面訪問次數(shù)（PV）和用戶訪問次數(shù)（UV），通過頁面或者用戶作為計數(shù)單位，但需進行相應數(shù)據(jù)去重，保證數(shù)據(jù)的真實性。
6. 點擊率：CTR（Click-Through-Rate）即點擊通過率，某一內(nèi)容被點擊的次數(shù)與被顯示次數(shù)之比，CTR是衡量互聯(lián)網(wǎng)廣告效果的一項重要指標。影響用戶點擊的因子較多，作為入口級內(nèi)容，卻具備較大的設計發(fā)揮空間，可通過信息的布局與核心利益點的外化，實現(xiàn)行為號召（Call to Action）
1. 總成交量：GMV（Gross Merchandise Volume）屬于電商平臺企業(yè)成交類指標，主要指訂單的總金額，包含付款與未付款兩部分
2. 人均消費金額：ARPU（Average Revenue Per User）即每用戶平均收入。這個指標計算的是某時間段內(nèi)平均每個活躍用戶為應用創(chuàng)造的收入。
3. 續(xù)費率：指的是在訂閱期結束時，選擇續(xù)費的用戶占所有應續(xù)費用戶的百分比
4. 付費率：付費用戶占活躍用戶的比例。
5. 用戶周期價值：LTV（life time value）是產(chǎn)品從用戶獲取到流失所得到的全部收益的總和，當LTV大于平均獲客成本和后續(xù)的運營成本時，產(chǎn)品獲得凈收益。
對上述數(shù)據(jù)類別有所了解之后，我們在面對紛紜復雜的應用類型與數(shù)據(jù)概念時，到底該怎么選取合適的指標進行衡量和分析呢？接下來，讓我們進入下一個知識點-指標建模。我們大致可以按照以下方法進行關鍵指標的選取。
① 明確業(yè)務的最終目的；
② 判斷業(yè)務模塊所屬類型；
③ 根據(jù)模塊類型選擇數(shù)據(jù)指標；
任何產(chǎn)品都有其商業(yè)或生存目的，且通常會使用一些支撐手段的工具、或是支撐手段的手段來達成目的。我們以“設計軟件-Figma”為例，進行業(yè)務目的與手段的拆解。
1. 目的：Figma 是一個基于瀏覽器的協(xié)作式 UI 設計工具，其最終目的是完成商業(yè)變現(xiàn)，讓更多用戶付費購買。
2. 手段：為達成這一目標，而采用基于web的模式這一手段，極大的方便了團隊協(xié)作辦公的需求，繼而備受青睞，普及率節(jié)節(jié)攀升。
3. 支持手段的工具：此外，借助開源的插件及完善的組件功能，為設計創(chuàng)作者提供更便捷的工具支持。
在從業(yè)務的最終目的出發(fā)，梳理業(yè)務模塊后，可進一步的拆解該業(yè)務模塊的具體類型。為方便理解，可以按照產(chǎn)品價值，將功能模塊分為4種類別：工具、內(nèi)容瀏覽、社區(qū)、交易。
1. 針對本身自帶價值屬性的產(chǎn)品，按照幫助用戶節(jié)省時間和消磨時間可分為：
工具類：剪映、輕顏相機、飛書文檔及翻譯查詞等
內(nèi)容瀏覽類：各類圖、文、音視頻體裁的消費內(nèi)容，如短視頻、喜馬拉雅、知乎等
2. 另一類產(chǎn)品本身不產(chǎn)生價值，通過自身的平臺屬性來連接資源，同樣按照幫助用戶節(jié)省時間和消磨時間可分為：
社區(qū)類：小紅書、即刻、微博等
交易類：電商板塊、會員付費板塊以及直播打賞充值等
按照時間與價值維度，將產(chǎn)品劃分為4類模塊，每類都有各自需要核心關注的指標要素
下面對4種分類的功能模塊，分別介紹如何選取指標體系
1. 工具類：通過產(chǎn)品達成個人目標，高頻的使用行為，可以培養(yǎng)用戶的固定習慣。因而可主要關注使用量、目標達成率、頻次數(shù)據(jù)指標。（示例：剪映）
2. 交易類：以詳情頁作為用戶購買動機的誘因，實現(xiàn)付費轉(zhuǎn)化。倘若能多次反復的購買商品或服務，整體轉(zhuǎn)化效果更佳。因而，可選取詳情頁轉(zhuǎn)化率、客單價、復購率作為衡量指標。（示例：百度網(wǎng)盤）
3. 內(nèi)容瀏覽類：用戶是否已獲得更優(yōu)質(zhì)的內(nèi)容，愿意投入更多的時間瀏覽內(nèi)容，并能觸發(fā)與內(nèi)容的互動行為。因而可選取瀏覽數(shù)、瀏覽廣度、瀏覽時長和互動行為作為衡量指標。（示例：快手）
4. 社區(qū)類：社區(qū)環(huán)境主要受人與內(nèi)容、以及人與人之間的關系影響。鼓勵用戶發(fā)布內(nèi)容，以創(chuàng)造的內(nèi)容來吸引其他用戶產(chǎn)生共鳴，從而進行內(nèi)容創(chuàng)造與互動行為。因而，可選取發(fā)布量、互動量、用戶間的關系密度作為衡量指標。（示例：即刻）
在產(chǎn)品迭代發(fā)展的過程中，掌握有效的數(shù)據(jù)分析方法，能讓冰冷客觀的數(shù)據(jù)鮮活起來，為決策提供判斷依據(jù)。接下來，就給大家推薦兩類高頻數(shù)據(jù)分析方法，請注意查收。
由Dave McClure 2007提出的客戶生命周期模型，可以幫助大家更好地理解獲客和維護客戶的原理。其核心為AARRR漏斗模型，對應著實現(xiàn)用戶增長的5個指標：
1. 獲取(Acquisition)：用戶如何發(fā)現(xiàn)（并來到）你的產(chǎn)品？
2. 激活(Activation)：用戶的第一次使用體驗如何？
3. 留存(Retention)：用戶是否還會回到產(chǎn)品（重復使用）？
4. 收入(Revenue)：產(chǎn)品怎樣（通過用戶）賺錢？
5. 傳播(Refer)：用戶是否愿意告訴其他用戶？
我們在進行數(shù)據(jù)分析的時候，應該考慮用戶正處于AARRR模型的哪個部分、關鍵數(shù)據(jù)指標是什么、對應的分析方法又是什么？
科學反映用戶行為狀態(tài)以及從起點到終點各階段用戶轉(zhuǎn)化率情況，是一種重要的分析模型。廣泛應用于網(wǎng)站和App用戶行為分析的流量監(jiān)控、電商行業(yè)、零售的購買轉(zhuǎn)化率、產(chǎn)品營銷和銷售等日常數(shù)據(jù)運營與數(shù)據(jù)分析的工作中。
例如：在完成電商購物行為時，共包含瀏覽選擇、查看詳情、添加購物車、生成訂單、支付等環(huán)節(jié)。通過監(jiān)控用戶在流程上的行為路徑，漏斗能夠展現(xiàn)各個環(huán)節(jié)的轉(zhuǎn)化率，直觀地發(fā)現(xiàn)和說明問題所在，更快定位出某個環(huán)節(jié)的具體問題。
除了需要了解分析方法之外，還需要提防以下數(shù)據(jù)分析常見謬誤，避免落入陷阱之中，從而做出錯誤的決策。
1. 數(shù)據(jù)偏?
在分析數(shù)據(jù)時受個?偏?和動機的影響，即僅選擇?持你聲明的數(shù)據(jù)，同時丟棄不?持聲明的部分?！皵?shù)據(jù)偏?”將讓數(shù)據(jù)的客觀性蕩然?存。 避免這種謬誤的?法是在分析數(shù)據(jù)時，盡可能收集相關數(shù)據(jù)，并詢問他?意?。
2. 采樣偏差
在做抽樣分析時，選取的樣本不夠隨機或不夠有代表性。例如，互聯(lián)網(wǎng)圈的人極少會使用PDD，為何該應用還會有這么好的市值表現(xiàn)？
3. 因果相關謬誤
將兩個同時發(fā)生的事件，判斷為因果關系，忽略了其中間變量。例如，隔壁老王生了個孩子，同時種了一棵樹。孩子和樹都隨著時間的推移而長高，在一定時間內(nèi)，如果使用相關性分析，可以得出這兩個變量具有相關性。然而我們都很清楚，孩子長高和樹長高之間，并不具有因果關系。
4. ?普森悖論
即在某個條件下的兩組數(shù)據(jù)，分別討論時都會滿足某種性質(zhì)，可是一旦合并考慮，卻可能導致相反的結論。避免“辛普森悖論”給我們帶來的誤區(qū)，就需要斟酌個別分組的權重，以一定的系數(shù)去消除以分組資料基數(shù)差異所造成的影響。
5. 定義謬誤
在看某些報告或者公開數(shù)據(jù)時，經(jīng)常會有人魚目混珠。「網(wǎng)站訪問量過億」，是指的訪問用戶數(shù)還是訪問頁面數(shù)？
6. 比率謬誤
談論此類型指標時，都需要明確分子和分母是什么。另一方面，在討論變化的百分比時，需注意基數(shù)大小。如小王和小劉體重都上漲了10%，但二者的體重基數(shù)分別為60kg、90kg。
文章來源：站酷 作者：美工李大強
分享此文一切功德，皆悉回向給文章原作者及眾讀者.
免責聲明：藍藍設計尊重原作者，文章的版權歸原作者。如涉及版權問題，請及時與我們?nèi)〉寐?lián)系，我們立即更正或刪除。
藍藍設計( tweetduck.com )是一家專注而深入的界面設計公司，為期望卓越的國內(nèi)外企業(yè)提供卓越的UI界面設計、BS界面設計 、 cs界面設計 、 ipad界面設計 、 包裝設計 、 圖標定制 、 用戶體驗 、交互設計、 網(wǎng)站建設 、平面設計服務