当前位置:
首页 > 产品 > 如何建立以数据为导向的设计体系?来看高手的总结!

如何建立以数据为导向的设计体系?来看高手的总结!

如何建立以数据为导向的设计体系?来看高手的总结!

本文内容为如何建立以数据为导向的设计体系。大纲如下:

  • 以数据为导向的意义
  • 数据指标
  • 数据分析方法
  • 模型建立
  • 数据验证

以数据为导向的意义

1. 可视化

用户行为可视化,可清晰的了解整体/个体用户的行为。

如下图所示,通过 Google Aanalytic 网站可清晰的掌握平台整体流量的来源,用户群体路径行为轨迹,这可以让设计师/产品经理清晰地了解到平台的用户行为轨迹和用户人群的操作习惯。

如何建立以数据为导向的设计体系?来看高手的总结!

也可以清晰地了解每个用户的操作行为路径。如下图所示:

如何建立以数据为导向的设计体系?来看高手的总结!

2. 可追踪

可追踪产品任何一个时间段的数据,了解整体数据的变化。

如下图所示:通过曲线变化,可看出产品日活跃的变化,通过变化前后的节点可得到产品发生大变化的时间节点。

如何建立以数据为导向的设计体系?来看高手的总结!

3. 可验证

前期提供数据支持和后期方案的验证。

例如下图,通过优化产品界面的购买按钮,通过对比前后数据,看设计改版是否成功。

下图的固定产品的购买按钮点击率从 6.4%提升到了 9.8%,涨幅 53.1%,由于涨幅大于 0,同时没有外部其他因素影响数据变化,所以可得出结论,这次设计改版是成功的。

如何建立以数据为导向的设计体系?来看高手的总结!

4. 可预测

通过数据变化,可预测产品的走向和趋势。

如下图所示,通过日活曲线,可预测未来产品的日活增长速度。

如何建立以数据为导向的设计体系?来看高手的总结!

从图可以看出,经历过第一次增长后,第二次增长的增长率低于第一次。未来产品如果想维持高增长,则需要投入更多的人力和费用。

数据指标

掌握数据指标有助于我们入门数据分析。

我将数据指标分为三类,分别为:综合性指标、流程性指标和业务性指标。

1. 综合性指标

综合性指标:指的是能综合体现产品整体情况的指标。

对于非交易类型的产品,那么这个平台的综合性指标可以包含 DAU、留存用户数、留存率和人均使用时长等等。

DAU

DAU:Daily Active User。衡量产品使用的活跃度。明确产品的用户体量,方便产品设计了解产品的每日用户情况和用户增减趋势。

如下图所示,通过 DAU 可以很直观的了解产品的所处在的生命周期。和用户增长情况。

如何建立以数据为导向的设计体系?来看高手的总结!

数据用途是方便产品设计人员了解产品的每日用户情况,了解产品的用户增长或者减少趋势。

留存率

留存率:某周期内留存用户数/某周期内访问用户数。用来衡量用户使用粘性,也是衡量产品引流成本的一个重要参考

数据用途是用来衡量用户使用粘性,也可以用来作为产品改版后的重要指标,留存率提升了,在不改变功能的情况下,说明设计改版成功。

如何建立以数据为导向的设计体系?来看高手的总结!

产品的留存率越来越高,这说明他们的产品用户粘性越来越好。

当然不同行业的产品,留存率也是不一样的。社交产品,关系链越庞大越深度,粘性越好,用户迁移成本就越高,留存率也高。

人均使用时长

人均使用时长:用来衡量用户使用产品的深度,判断用户使用产品的粘性和依赖度。

如何建立以数据为导向的设计体系?来看高手的总结!

单位用户的使用 app 的时长是一定的,当在一个 app 上花费的时间多,那么意味着在其他的 app 上就花费的时间少。

对于交易类型的产品,那么这个平台的综合性指标可能就包含 GMV、支付 UV、人均订单数、人均客单价等等。

GMV:用户的下单总金额。下单产生的总金额,包括销售额+取消订单金额+退款订单金额。举个例子:一个电商平台,所有用户一共下单了 100 万的商品,其中取消订单 2 万,退款 10 万,那么 GMV 就是 100 万。

数据用途是体现电商平台的交易规模,GMV 越高说明这个电商平台的交易规模越大,平台体量越大。

支付 UV:指下单并成功支付的用户数。举个例子:一个电商平台,有 3000 人点击购买,其中 2000 人,成功完成支付,则支付 uv 为 2000 人。

数据用途是了解平台整体用户支付购买人数规模。

人均订单数:支付 PV/支付 UV,人均订单数大于 1。举个例子:一个电商平台,支付 pv 为 3000,其中支付人数为 2000 人,那么人均订单数为 1.5。

数据用途是用于衡量产品/页面/功能的导购能力。

人均客单价:ARPU,GMV/支付 UV。举个例子:一个电商平台昨天 GMV 有 100 万,其中支付 UV1 万人,那么人均客单价为 100 元。

数据用途是一段时间内每个用户平均收入,用来衡量产品效益。

2. 流程性指标

流程性指标和用户操作流程中产品的指标有关。

常见的有:点击率、转化率、流失率和完成率。

点击率

点击率:点击率分为 pv 点击率和 uv 点击率。在实际工作中,使用 pv 点击率的情况比较多。这个要根据具体需求而定。

举个例子:如果当天知乎的首页展现 PV 是 400 万,5 万人点击提问按钮有 10 万次,那么点击率就是 10/400=2.5%

如何建立以数据为导向的设计体系?来看高手的总结!

转化率

转化率:下一步用户数/上一步用户数。

如下图所示,可以看到整个注册流程,每个节点的转化率数据。

如何建立以数据为导向的设计体系?来看高手的总结!

流失率

流失率:(上一步用户数-下一步用户数)/上一步用户数。

如何建立以数据为导向的设计体系?来看高手的总结!

通过流失率,可全局看出所有的流失情况,找到流失异常数据,可追踪之前是什么情况导致流失数据情况,并修复产品问题。

完成率

完成率:完成率相对于转化率而言,是最终的结果数值。转化率是过程值,完成率是结果值。

如何建立以数据为导向的设计体系?来看高手的总结!

3. 业务性指标

区别于基础通用型指标,业务性指标主要强调其业务属性,例如社交社区,则可能需要的业务指标为:人均发文数、人均评论数、人均点赞数,分享率等。

数据分析方法

数据分析和设计的方法这里简单介绍以下 5 种,分别为:行为事件分析、漏斗分析、留存分析、分步分析和对比分析。

如何建立以数据为导向的设计体系?来看高手的总结!

1. 行为事件分析

通过分析特定类型的用户行为,找到这种特定类型的用户行为的对产品带来的影响。也可以推算出这种特定的行为给产品带来的意义。

行为事件分析法一般经过事件定义、下钻分析、解释与结论等环节。

如何建立以数据为导向的设计体系?来看高手的总结!

2. 漏斗分析

流量在各个节点流转过程中,会存在一级级的流失。最终形成了漏斗形态,漏斗分析适用于一些列完整流程操作的用户行为。

找到设计过程中流失比较多的数据,通过数据找到流失的原因。

如何建立以数据为导向的设计体系?来看高手的总结!

3. 留存分析

通过找到整体留存情况,找到用户留存的关键性因素指标。

留存分为两种情况:

  • 产品整体留存,整个产品的留存率,对象是整个产品。
  • 功能模块流程,各个模块的留存,这里是针对于单个功能模块。

产品留存要分开看待。既要看整个产品留存率也要看所负责设计的各个功能模块留存率。

4. 分布分析

用户在特定指标的各种占比的归类展现。

如下图谷歌数据分析网站所示,可以根据不同分布类型占比,进行分析。

如何建立以数据为导向的设计体系?来看高手的总结!

5. 对比分析

对比前后数据,通过对比数据的差值,验证设计。

  • 自身产品比,对比产品其他模块相似场景的数据差异。通过对比找到问题点并做分析优化。
  • 行业产品比,和同行业产品的数据对比分析,找出数据差异的问题所在,并给出对应的优化方案。

模型建立

目前市面上常用的模型有 Google’s HEART、AARRR 和 RARRA。

1. Google’s HEART

HEART 是一个用来评估以及提升用户体验的模型,它由五个维度组成:Engagement(参与度)、Adoption(接受度)、Retention(留存度)、Task Success(任务完成度)和 Happiness(愉悦度)

Engagement(参与度):通常指的是用户的使用行为,这里面包含用户的活跃度、uv、pv、人均访问次数等,通过这些数据可以很好的反应整个产品的用户参与意愿度。

Adoption(接受度):用户在特定(短)时间内开始”真正”开始使用某个新功能/模块。接受度主要体现在用户访问和操作等行为

Retention(留存度):留存度即对于一个功能或者产品,一段长时间内从开始参与到现在连续活跃的用户,留存率是互联网产品的主要获利因素。

Task Success(任务完成度):任务完成度主要指核心任务的完成率,在该纬度下包括三个基础用户行为指标:转化率、跳失率、成功率。

Happiness(愉悦度):愉悦度是一个产品用户体验的最直观的评价感觉。

基于 HEART 五大维度可制作业务的数据模型,如下图所示:

如何建立以数据为导向的设计体系?来看高手的总结!

2. AAARR

AARRR 增长模型出自于增长黑客,即获客、激活、留存、变现、传播推荐。

AARRR 是 Acquisition、Activation、Retention、Revenue、Referral,五个单词的缩写,分别对应用户生命周期中的 5 个。

如何建立以数据为导向的设计体系?来看高手的总结!

获取用户(Acquisition):本阶段最主要的目的是将潜在的目标用户转化成我们产品的用户,并且开始使用产品。提高用户注册转化率的关键在于,调优产品的着陆页,要准确传达产品的核心价值。

需要的数据指标:流量来源、CAC(用户获取成本)、CPC(每次点击付费) 、CPT(按时长付费)、CPM(千人成本) 、CPS(按提成收费) 、CPA(按点击计费) 、Campaign(塑造品牌)

提高活跃度(Activation):对于移动应用产品,用户活跃度还有另外两个关键数据指标:每次启动平均使用时长和每个用户每日的平均启动次数。

需要的数据指标:DNU(日新增用户) 、DAU/WAU/MAU、ACU(平均同时在线人数)、PCU(最高同时在线人数)、PV、UV、意向 UV(进入意向页面的用户数)、PV/UV、CTR(点击率)、 意向 UV-CTR (点击 UV/意向 UV)、VV(视频播放次数)、访问时长、停留时长、滚动屏数、人均停留时长、人均操作次数、N 次操作占比、行为路径、访问频次、跳出率、用户来源、用户去向。

提高留存率(Retention):用户留存率是非常重要的一个数据指标,留存率衡量着一个产品是否健康成长。

需要的数据指标:留存率、次日留存率、7 日留存率、30 日留存率、回流率、召回 CTR(提取出的正确信息条数 / 样本中的信息条数)、用户生命周期 (周期/(1-周期内新增留存率))

获取收入(Revenue):即用户给产品贡献的收入价值,公司从用户所有的活动中所得到的全部经济收益的总和。

需要的数据指标:GMV、ARPU(每用户平均收入)、ARPPU(平均每付费用户收入)、LTV(生命周期价值)、PBP(回收期)、ROI(投资回报率 )、收入地图 、客单价、 消费次数 、消费频率、 订单量、 利润、 购买偏好、 直接引导成交、 间接引导成交、 购买间隔

用户推荐(Refer):通过用户推荐再次获取新用户,应用运营形成了一个螺旋式上升的轨道。而优秀的应用就很好地利用了这个轨道,不断扩大自己的用户群体。

需要的数据指标:分享率、分享次数、K-Factor (病毒传播指标)、NPS

AARRR 模型对应的数据指标如下图所示:

如何建立以数据为导向的设计体系?来看高手的总结!

3. RARRA

RARRA 的数据模型,本质上是在 AARRR 的基础上进行顺序调整得到,以满足日益获客成本所带来的压力成本。RARRA 模型相比与 AARRR 可以使得获客成本更低。

用户留存 Retention:为用户提供价值,让用户回访。

用户激活 Activation:确保新用户在首次启动时看到你的产品价值。

用户推荐 Referral:让用户分享、讨论你的产品。

商业变现 Revenue:一个好的商业模式是可以赚钱的。

用户拉新 Acquisition:鼓励老用户带来新用户。

RARRA 通过最重要的指标来关注增长:用户留存。

如何建立以数据为导向的设计体系?来看高手的总结!

RARRA 与 AARRR 的区别是,RARRA 模型里面用户的留存重要性远高于获客。

在数据模型中,我们可以学到数据模型的分类思路,以及如何创造出适用自己团队的数据模型。

基于这个目的,我们可以将市面上常见的数据模型找出来并进行整理并分析。通过熟悉主流的数据模型的产出逻辑,并从中找到规律,创造出适用于自己团队的数据模型。

如何建立以数据为导向的设计体系?来看高手的总结!

数据验证

通过核心指标判断设计方案是否符合预期,以此验证设计方案是否成功,并为后续产品的迭代优化做依据。

1. 关注设计的核心指标

设计过程中,要关注设计的核心指标,针对于核心指标,进行针对性的设计。

如果改版的最重要(核心)的指标是任务流程完成率,先查看用户操作流失率,然后分析找出流失原因,给出对应的优化方案。等到优化方案的产品版本上线后,对比完成率数据变化。

如果改版的最重要(核心)指标是人均观看次数,则要思考可通过哪些设计策略可提升产品的人均播放次数。

举个例子,新浪微博,以前版本用户看完视频后,视频会有重播按钮和推荐视频,用户只有进行下一步点击才能播放下一个视频。改版后看完视频会自动切换到下一个视频。这样的设计策略虽然绑架了用户的行为,用户从一个主动接受者,变成了一个被动接受者,但是这种策略能有效的提升人均播放次数。

2. 核心指标带来的价值/收益

当验证了核心指标往好的方向发展,这时候,就需要总结核心指标带来的价值和收益,这样的话设计价值才可以直接被量化。

举个例子:一个 banner 的点击率达到 3%的时候,每天 GMV 约 200 万,当重新设计了这个 banner,同时其他条件保持不变,点击率提升到了 6%,这时候通过数据查看每天的 GMV 是多少,如果达到了 400 万,那么这增加的 200 万则是通过设计优化所带来的。

数据验证总结后有四步:

  • 关注改版的核心指标
  • 核心指标带来的价值/收益
  • 确定上线时间
  • 对比上线前后数据变化,进行验证
广告区域

Loostrive洛米原创wordpress主题演示站!更多主题请前往www.loome.net

如何建立以数据为导向的设计体系?来看高手的总结!:等您坐沙发呢!

发表评论

表情
还能输入210个字