首页> 科技 > 干货:一篇文章掌握数据导向设计

干货:一篇文章掌握数据导向设计

2019-11-16 12:15:35 来源:网络

本文作者从工作实践出发,通过案例分享数据分析的相关知识,供大家参考和学习。

周六早上,高中女神给我发了一个微信。我的手就像帕金森氏病,我忍不住点击微信。女神不知道如何使用excel处理数据,她让我教她如何处理数据。嗨(四声)!说到数据,我们必须提到面向数据的设计。

高级和中级设计师都需要关注数据。数据是设计者主观审美逻辑设计的辅助和补充。数据设计更有说服力和可验证性。

数据为设计提供方案支持和后期方案验证,有利于产品的后期迭代和优化。

通过数据比较和数据趋势分析,我们可以发现哪些环节存在问题,哪些环节还有改进空间。

明确各种数据指标,明确设计目标,让数据为设计服务。

本文的目的是帮助设计人员快速入门,掌握面向数据的设计。

文章目录:

如下图所示,通过谷歌分析网站,可以清楚地掌握平台整体流量的来源和用户组的路径行为轨迹,这可以让设计师/产品经理清楚地了解平台的用户行为轨迹和用户组的操作习惯。

如下图所示:通过曲线变化可以看到产品的日常活动变化,通过变化前后的节点可以得到产品变化较大的时间节点。

例如,下图通过优化产品界面上的购买按钮并比较修订前后的数据,显示了设计修订是否成功。

下图中固定产品购买按钮的点击率从6.4%上升到9.8%,上升了53.1%。由于增量大于0,并且没有其他外部因素影响数据更改,因此可以得出设计修订成功的结论。

如下图所示,在注册和银行卡绑定的整个过程中,总转化率仅为0.06%,用户完成率过低。如果您想要优化整个用户注册操作过程,您需要找出丢失太多而无法优化的节点。

如果注册成功率太低,设计者必须分析在整个注册过程中哪些设计因素导致了低成功率。并针对低成功率进行具体优化。

掌握数据指标有助于我们开始数据分析。我将数据指标分为三类:综合指标、流程指标和业务指标。

对于非交易网站,平台的综合指标可以包括dau、保留用户数量、保留率和平均使用时间。

dau:日常活跃用户.测量产品使用的活动。

数据的目的是便于产品设计者了解产品的日常用户以及产品用户的增长或下降趋势。

保留用户数:在一段时间内(包括第二天、第七天和第三十天)再次访问的用户数。

数据的目的是测量产品的用户粘性和产品的保留用户的规模。

保留率:一段时间内保留的用户数/一段时间内访问的用户数。

数据的目的是测量用户的粘性。它也可以用作修订产品的重要指标。保留率已经提高。在不改变功能的情况下,设计修订是成功的。

人均使用时间:用户每天停留在产品中的平均时间。

数据的目的是测量用户使用产品的深度,并判断用户使用产品的粘性和依赖性。

对于交易类网站,该平台的综合指标可以包括gmv、支付uv、人均订单数和人均单价。。

Gmv:用户下的订单总数。下订单产生的总金额,包括销售额+取消订单金额+退款订单金额。例如,在一个电子商务平台中,所有用户总共下了100万个订单,其中20,000个被取消,100,000个被退款,因此gmv是100万。

数据的目的是反映电子商务平台的交易规模。gmv越高,电子商务平台的交易规模越大,平台容量越大。

付款紫外:指的是下订单并成功付款的用户数量。例如,在一个电子商务平台上,3000人点击购买,其中2000人成功完成支付,支付紫外线为2000。

数据的目的是了解购买平台的用户总数的规模。

人均订单:光伏支付/紫外光支付,人均订单大于1。例如,对于一个电子商务平台,支付pv为3000,其中支付次数为2000,因此每人的订单数为1.5。

数据的目的是衡量产品/页面/功能的购买能力。

人均单价:arpu、gmv/付款uv。例如,一个电子商务平台gmv昨天有100万台,其中1万台是紫外线支付的,所以人均单价是100元。

数据使用是一段时间内每个用户的平均收入,用于衡量产品效益。

点击率:点击率分为pv点击率和uv点击率。总的来说,使用pv的点击率更高。

转换率:下一步的用户数/上一步的用户数。

损失率:(上一步的用户数-下一步的用户数)/上一步的用户数

完成率:完成率是相对于转化率的最终结果值。转换率是过程值,完成率是结果值。

与基本通用指标不同,业务指标主要强调其业务属性,如社会群体,可能需要的业务指标有:人均发表文章数、人均评论数、人均评论数、分享率等。

数据分析和设计有六种方法,即行为事件分析、漏斗分析、保留分析、逐步分析、比较分析和多维拆卸。

通过分析特定类型的用户行为,找出这种特定类型的用户行为对产品的影响。也可以计算这种特定行为对产品的重要性。

行为事件分析通常包括事件定义、深入分析、解释和结论。

在每个节点的流量流动过程中,都会有逐级损失。最后,形成漏斗形状,漏斗分析适用于一些完整过程操作的用户行为。

找出设计过程中丢失的更多数据,并通过这些数据找出丢失的原因。

通过查找总体保留情况,找到用户保留的关键因素指标。

保留分为两种情况:

产品保留应单独查看。它不仅取决于整个产品的保留率,还取决于负责设计的每个功能模块的保留率。

特定指标中不同比例用户的分类和表示。

通过比较比较前后的数据和数据的差异,验证了设计的正确性。

从不同的维度角度拆分和分析统一的数据指标。例如,根据对不同省、市、区、不同用户组、未使用设备等的分析。我们可以通过分解不同的维度来发现数据背后的真相。

当设计团队引入数据分析时,需要一套适合自己团队的成熟模型作为基础,因此数据模型是我们数据分析的理论基础。

在数据模型中,我们可以学习数据模型的分类思想以及如何创建适合我们团队的数据模型。

为此,我们可以找出市场上常见的数据模型,对它们进行分类和分析。通过熟悉主流数据模型的输出逻辑并从中找到规则,我们可以创建适合自己团队的数据模型。

常见的数据模型包括:谷歌的心脏、aarrr、rarra和客户体验指数(cxundex)。

核心指标用于判断设计方案是否满足预期,从而验证设计方案是否成功,为后续产品的迭代优化提供依据。

在设计过程中,要注重设计的核心指标,对核心指标进行有针对性的设计。

如果修订的最重要(核心)指标是任务流程完成率,则首先检查用户操作损失率,然后分析并找出损失原因,并给出相应的优化方案。优化计划的产品版本上线后,比较完成率数据的变化。

如果修订的最重要(核心)指标是人均观看次数,那么有必要考虑可以采用哪些设计策略来增加人均观看次数。

例如,新浪微博过去有一个重播按钮和一个推荐视频,在用户观看之前版本的视频后。用户只能通过点击“下一步”按钮播放下一个视频。修改后,观看视频将自动切换到下一个视频。虽然这种设计策略绑架了用户的行为,并将用户从主动接收方变为被动接收方,但是这种策略可以有效地增加人均广播数量。

当证实核心指标发展方向良好时,有必要总结核心指标带来的价值和效益,使设计价值能够直接量化。

例如:当横幅的点击率达到3%时,gmv大约是每天200万。重新设计横幅时,其他条件保持不变,点击率上升到6%。此时,我们可以通过数据每天检查gmv。如果点击率达到400万,则通过设计优化增加200万。

以上是关于数据定向的相关知识。

“设计师的基本15项数据指标”

“数据提升背后的三个问题”

微信公众号:echo的设计笔记,每个人都是产品经理专栏作家。前美国团队对高级交互设计师的评论。

这篇文章最初发表于《人人都是产品经理》。未经允许禁止复制。

主题地图来自unsplash,基于cc0协议。


足球外围 安徽快3投注 江西快3开奖结果

上一篇:女子三大球纷纷告捷!女排夺冠女篮进决赛,女足轰惊天世界波
下一篇:奥迪挖角?前宝马高管将出任奥迪品牌CEO 明年4月履新

© Copyright 2018-2019 sayersj.com 紫湖上排新闻网 Inc. All Rights Reserved.