起點(diǎn)課堂會(huì)員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會(huì)特權(quán)
個(gè)人IP打造特權(quán)
30+門專項(xiàng)技能課
1300+專題課程
12場(chǎng)職場(chǎng)軟技能直播
12場(chǎng)求職輔導(dǎo)直播
12場(chǎng)專業(yè)技能直播
會(huì)員專屬社群
榮耀標(biāo)識(shí)設(shè)計(jì)師為什么要懂?dāng)?shù)據(jù)知識(shí)
編輯導(dǎo)語(yǔ)：在我們的日常工作中，數(shù)據(jù)分析在很多時(shí)候都會(huì)用到，并且能起到很大的作用；作為設(shè)計(jì)師，對(duì)于數(shù)據(jù)分析的基礎(chǔ)知識(shí)也要有一定的了解，在工作時(shí)才能更好地與團(tuán)隊(duì)溝通以及加強(qiáng)自身能力；本文作者分享了關(guān)于數(shù)據(jù)的一些基礎(chǔ)知識(shí)，我們一起來(lái)看一下。
眾所周知，互聯(lián)網(wǎng)是一個(gè)高速發(fā)展的行業(yè)，數(shù)據(jù)時(shí)代的到來(lái)是每個(gè)人都不可小覷的未來(lái)趨勢(shì)之一，它將不僅僅影響到社會(huì)生活的方方面面，也會(huì)對(duì)互聯(lián)網(wǎng)相關(guān)的崗位分工和職責(zé)帶來(lái)變化。
大數(shù)據(jù)時(shí)代設(shè)計(jì)不再是主觀的，目前越來(lái)越多的公司提倡設(shè)計(jì)師在項(xiàng)目中參與到產(chǎn)品的整體流程中去，利用數(shù)據(jù)更好地推動(dòng)業(yè)務(wù)發(fā)展。
一、設(shè)計(jì)師為什么要懂?dāng)?shù)據(jù)
在早期的互聯(lián)網(wǎng)團(tuán)隊(duì)中，大家分工都比較明確，各職能負(fù)責(zé)各自的業(yè)務(wù)，設(shè)計(jì)師只是作為整個(gè)鏈路中的一個(gè)環(huán)節(jié)參與到項(xiàng)目中，對(duì)于整個(gè)項(xiàng)目的了解程度不夠，缺少對(duì)項(xiàng)目的全局觀。
但是隨著互聯(lián)網(wǎng)的快速發(fā)展，企業(yè)對(duì)設(shè)計(jì)師的能力要求變成一專多能，很多企業(yè)UI/UX崗位都變成了對(duì)綜合性要求更高的體驗(yàn)設(shè)計(jì)師的職位，由此我們可以看到行業(yè)所發(fā)生的的變化；為了能更好的與時(shí)俱進(jìn)，我們應(yīng)該樹(shù)立起主人的意識(shí)，主動(dòng)出擊，以幫助自己的獲得職業(yè)更好的發(fā)展。
數(shù)據(jù)的作用是在了解產(chǎn)品、用戶的基礎(chǔ)上，產(chǎn)出可衡量的方案，達(dá)成可量化的目標(biāo)，而商業(yè)設(shè)計(jì)需要理性地觀察和思考，數(shù)據(jù)是理性化的一種方式；如果想要更好的解決問(wèn)題，創(chuàng)造業(yè)務(wù)價(jià)值，那么數(shù)據(jù)是一個(gè)不錯(cuò)的切入點(diǎn)。
1）設(shè)計(jì)師可以把數(shù)據(jù)作為理性設(shè)計(jì)的根基，作為設(shè)計(jì)師，我們也應(yīng)該嘗試從問(wèn)題的源頭出發(fā)，通過(guò)數(shù)據(jù)了解用戶，利用數(shù)據(jù)去理解用戶行為，為設(shè)計(jì)提供輔助參考，幫助設(shè)計(jì)師在正確的方向上推動(dòng)設(shè)計(jì)，同時(shí)也有機(jī)會(huì)發(fā)現(xiàn)新的商業(yè)機(jī)會(huì)和產(chǎn)品爆發(fā)點(diǎn)，通過(guò)設(shè)計(jì)推動(dòng)改版、設(shè)計(jì)助力產(chǎn)品拿結(jié)果。
2）在實(shí)際的工作中，我們不僅僅是把任務(wù)完成即可。有的時(shí)候，我們也需要與產(chǎn)品團(tuán)隊(duì)和運(yùn)營(yíng)聊需求、與開(kāi)發(fā)談指標(biāo)、談實(shí)現(xiàn)成本回報(bào)比等等，如果我們對(duì)數(shù)據(jù)指標(biāo)沒(méi)有概念，會(huì)給大家在工作中的溝通帶來(lái)一定的影響。
3）另外，隨著企業(yè)對(duì)設(shè)計(jì)師的能力要求越來(lái)越高，需要設(shè)計(jì)師懂業(yè)務(wù)，會(huì)設(shè)計(jì)賦能，能做增長(zhǎng)，不懂?dāng)?shù)據(jù)的設(shè)計(jì)師在未來(lái)或許較難獲得更好的工作機(jī)會(huì)和更好的職業(yè)發(fā)展。
二、什么是數(shù)據(jù)
理解任何事物都需要先了理解他的定義，數(shù)據(jù)是事實(shí)或觀察的結(jié)果，是對(duì)客觀事物的邏輯歸納，單純的數(shù)據(jù)就是一組數(shù)字，是沒(méi)有任何價(jià)值的。
但當(dāng)人們將一系列數(shù)據(jù)與被觀察、被感知的實(shí)體進(jìn)行關(guān)聯(lián)之后，實(shí)體的屬性給數(shù)據(jù)賦予了含義，就成了一個(gè)有價(jià)值的信息。
本文主要指的是和用戶、產(chǎn)品、營(yíng)銷等有關(guān)的數(shù)據(jù)。
三、設(shè)計(jì)師如何運(yùn)用數(shù)據(jù)？
設(shè)計(jì)師的基礎(chǔ)價(jià)值就是對(duì)產(chǎn)品提供視覺(jué)支持，如果我們想獲得更大的成長(zhǎng)，更進(jìn)一步的發(fā)展，那么我們?cè)趯?shí)際的工作中，可以利用數(shù)據(jù)了解我們的用戶，了解需求的本質(zhì)，明確設(shè)計(jì)目標(biāo)。
同時(shí)也可以通過(guò)數(shù)據(jù)的論證，指導(dǎo)我們的設(shè)計(jì)，讓設(shè)計(jì)有理有據(jù)，走得更加從容。
上線后可以利用數(shù)據(jù)可幫助我們證明設(shè)計(jì)在項(xiàng)目中的價(jià)值，提高設(shè)計(jì)團(tuán)隊(duì)在整個(gè)項(xiàng)目中的話語(yǔ)權(quán)。
最后我們還可以通過(guò)數(shù)據(jù)了解我們產(chǎn)品的使用情況，發(fā)掘產(chǎn)品中可提升的點(diǎn)，提升產(chǎn)品體驗(yàn)，同時(shí)也能體現(xiàn)自己更大的價(jià)值。
1. 接近我們的用戶，深挖需求本質(zhì)，明確設(shè)計(jì)目標(biāo)
雖然設(shè)計(jì)師解決問(wèn)題的能力十分重要，但是了解需求本質(zhì)是解決問(wèn)題的前提條件，在沒(méi)有明確需求的動(dòng)機(jī)和目的，設(shè)計(jì)的方向就會(huì)很迷茫。
并且在和業(yè)務(wù)方對(duì)接需求時(shí)，因?yàn)閸徫粚I(yè)的差異，更會(huì)導(dǎo)致雙方在理解上有偏差，這就導(dǎo)致設(shè)計(jì)師常常處于改改改的狀態(tài)；因此在設(shè)計(jì)執(zhí)行前深入挖掘需求的本質(zhì)，與其他業(yè)務(wù)方對(duì)齊目標(biāo)就顯得十分必要。
數(shù)據(jù)是對(duì)用戶行為的量化，數(shù)字的背后都是真實(shí)的用戶。
通過(guò)設(shè)計(jì)之前的定性分析或定量分析，研究和分析用戶行為數(shù)據(jù)或線上活動(dòng)數(shù)據(jù)，了解用戶是如何使用我們的產(chǎn)品的，檢驗(yàn)用戶的體驗(yàn)歷程是否與我們?cè)O(shè)計(jì)產(chǎn)品的思路一樣，明確用戶需求，在表現(xiàn)不佳的數(shù)據(jù)中找到用戶的困惑之處，尋找和發(fā)現(xiàn)設(shè)計(jì)機(jī)會(huì)點(diǎn)，通過(guò)這樣的分析和優(yōu)化方法達(dá)到優(yōu)化用戶體驗(yàn)的效果。
2. 通過(guò)數(shù)據(jù)證明設(shè)計(jì)方案的可行性，推動(dòng)設(shè)計(jì)方案落地
當(dāng)我們與團(tuán)隊(duì)內(nèi)部、外部產(chǎn)生意見(jiàn)分歧或方案不被認(rèn)可時(shí)，我們?cè)撊绾巫C明我們的設(shè)計(jì)思路和設(shè)計(jì)方向是正確的，如何證明我們的優(yōu)化方案是對(duì)產(chǎn)品的提升的，怎樣證明我們的設(shè)計(jì)方案是值得推進(jìn)的？
不善言辯的設(shè)計(jì)師在與產(chǎn)品、運(yùn)營(yíng)等相關(guān)方的爭(zhēng)論中常常處于下風(fēng)，但是我們可以通過(guò)數(shù)據(jù)分析結(jié)果來(lái)證明設(shè)計(jì)方案的可行性，數(shù)據(jù)不會(huì)騙人，我們可以通過(guò)發(fā)現(xiàn)產(chǎn)品設(shè)計(jì)中存在的問(wèn)題，并驗(yàn)證存在的問(wèn)題，優(yōu)化解決存在的問(wèn)題。
3. 通過(guò)數(shù)據(jù)輔助我們做決策，確定最優(yōu)方案
在實(shí)際的項(xiàng)目設(shè)計(jì)中，經(jīng)常會(huì)出現(xiàn)多個(gè)設(shè)計(jì)師共同參與，給出多種解決方案，或同一個(gè)設(shè)計(jì)師出的多種設(shè)計(jì)方案，那么在這種情況下，我們要怎么選擇出最符合當(dāng)下需求的設(shè)計(jì)方案呢？
我們沒(méi)辦法預(yù)測(cè)到哪一個(gè)方案百分百可行，除了根據(jù)經(jīng)驗(yàn)，有些情況下數(shù)據(jù)也能夠給予我們一定的決策支撐；比如我們可以參考相關(guān)或相似模塊的數(shù)據(jù)來(lái)做輔助決策，甚至我們也可以通過(guò) A/B test 來(lái)驗(yàn)證到底哪個(gè)設(shè)計(jì)方案更適合。
4. 驗(yàn)證設(shè)計(jì)方案的有效性，證明設(shè)計(jì)的價(jià)值，并以數(shù)據(jù)結(jié)果為導(dǎo)向，不斷調(diào)整設(shè)計(jì)策略
新功能上線或功能迭代后，效果怎么樣是無(wú)法很直觀的看出來(lái)的，所以我們需要通過(guò)事先做好的數(shù)據(jù)埋點(diǎn)，拿到上線數(shù)據(jù)后，去做相關(guān)的數(shù)據(jù)分析，觀察用戶數(shù)據(jù)，流量變化，點(diǎn)擊率，轉(zhuǎn)化率等相關(guān)數(shù)據(jù)情況，我們才能知道新功能上線用戶是否認(rèn)可，功能迭代后的數(shù)據(jù)相比是否較之前有提升。
通過(guò)數(shù)據(jù)，不僅可以發(fā)現(xiàn)問(wèn)題，還可以衡量目標(biāo)完成情況，如果仍有表現(xiàn)不佳的地方，繼續(xù)分析數(shù)據(jù)有哪些地方可以進(jìn)一步展開(kāi)優(yōu)化，進(jìn)而推動(dòng)下一輪設(shè)計(jì)方案的優(yōu)化，進(jìn)入一個(gè)良性循環(huán)。
四、數(shù)據(jù)的分類及來(lái)源
在要搞清楚數(shù)據(jù)的來(lái)源之前，我們先了解一下數(shù)據(jù)的分類，數(shù)據(jù)從不同的維度有著不同的分類，我們這里就簡(jiǎn)單的從數(shù)據(jù)的分析維度上來(lái)區(qū)分，互聯(lián)網(wǎng)產(chǎn)品的數(shù)據(jù)目前比較常用的數(shù)據(jù)類型主要分為：定量數(shù)據(jù)（Quantitative data）和定性數(shù)據(jù)（Qualitative data）。
定性數(shù)據(jù)更偏用研方法，通常是參與者體驗(yàn)系統(tǒng)可用性的主觀感受的獲取，并判斷出設(shè)計(jì)哪些方面存在問(wèn)題。
比較常見(jiàn)的數(shù)據(jù)來(lái)源是調(diào)研數(shù)據(jù)，調(diào)研數(shù)據(jù)主要是通過(guò)用戶調(diào)研得到的抽樣數(shù)據(jù)；通過(guò)收集用戶的主觀感受或態(tài)度，例如用戶訪談，可用性測(cè)試，留言板挖掘等，它幫助我們判斷問(wèn)題，再結(jié)合我們自己的交互和設(shè)計(jì)的知識(shí)來(lái)判斷是否改變或繼續(xù)優(yōu)化產(chǎn)品設(shè)計(jì)目標(biāo)。
定量數(shù)據(jù)是指那些可衡量的數(shù)字，具有科學(xué)性。定量數(shù)據(jù)提供了對(duì)設(shè)計(jì)可用性的間接評(píng)估，或者通過(guò)定量數(shù)據(jù)驗(yàn)證定性研究結(jié)果的正確性；比較常見(jiàn)的數(shù)據(jù)來(lái)源是產(chǎn)品日志文件、后臺(tái)數(shù)據(jù)、調(diào)研數(shù)據(jù)、埋點(diǎn)數(shù)據(jù)等。
ps：埋點(diǎn)數(shù)據(jù)主要是指通過(guò)應(yīng)用埋點(diǎn)統(tǒng)計(jì)的數(shù)據(jù)，是一種常用的數(shù)據(jù)采集方法，主要是通過(guò)技術(shù)手段幫助我們獲取用戶在應(yīng)用內(nèi)的行為數(shù)據(jù)；簡(jiǎn)單來(lái)講，就是在應(yīng)用中植入一段代碼，監(jiān)控用戶行為事件，它能夠?yàn)槲覀兲峁┯脩羰褂脩?yīng)用的真實(shí)情況，例如某個(gè)活動(dòng)的點(diǎn)擊率、轉(zhuǎn)化、跳出率等情況。
這兩種數(shù)據(jù)是從不同的角度看待問(wèn)題，它們?cè)谠O(shè)計(jì)迭代周期中都扮演著重要的角色，是相互補(bǔ)充的。定性假設(shè)起因，再由定量來(lái)驗(yàn)證；定量挖掘數(shù)據(jù)，再由定性剖析原因。
五、常見(jiàn)的數(shù)據(jù)指標(biāo)有哪些
常見(jiàn)的用戶指標(biāo)可以分為用戶數(shù)據(jù)、用戶畫(huà)像數(shù)據(jù)、流量數(shù)據(jù)、用戶行為數(shù)據(jù)、收入指標(biāo)數(shù)據(jù)、渠道指標(biāo)數(shù)據(jù)、調(diào)研數(shù)據(jù)。
1. 用戶數(shù)據(jù)
用戶數(shù)據(jù)比較容易理解，就是“反應(yīng)用戶屬性、和用戶相關(guān)的數(shù)據(jù)”；用戶數(shù)據(jù)包含及可挖的內(nèi)容有很多，小的方面來(lái)講有用戶活躍、留存、新增等，從大的方面來(lái)講，有用戶畫(huà)像、用戶屬性、偏好屬性、用戶行為習(xí)慣等。
在用戶數(shù)據(jù)的定量研究中比較關(guān)注的點(diǎn)主要是用戶數(shù)量和質(zhì)量，常見(jiàn)的如：活躍用戶數(shù)（DAU、WAU、MAU）、新增用戶數(shù)、用戶留存率（次日留存率、七日留存率、次月留存率）、累計(jì)注冊(cè)用戶數(shù)等。
- DAU：每日訪問(wèn)用戶數(shù)。
- WAU：每周訪問(wèn)用戶數(shù)。
- MAU：每月訪問(wèn)用戶數(shù)。
這 3 個(gè)指標(biāo)是去除重復(fù)用戶數(shù)后的活躍用戶量，一個(gè)用戶在一個(gè)計(jì)算周期內(nèi)通過(guò)相同的渠道多次訪問(wèn)產(chǎn)品，仍只算一個(gè)，一般用來(lái)衡量產(chǎn)品對(duì)用戶的粘性。
留存率：
主要是研究新用戶的留存情況，是指在某一周期內(nèi)首次啟動(dòng)APP的用戶經(jīng)過(guò)一段時(shí)間后的生命周期情況，從宏觀上把握用戶的生命周期長(zhǎng)度以及我們可以改善的余地。
其中比較重要的兩個(gè)指標(biāo)：次日留存和7日留存。通過(guò)這兩個(gè)指標(biāo)可以反映出通過(guò)某個(gè)投放渠道新增的用戶質(zhì)量如何，以及依照這兩個(gè)數(shù)據(jù)指標(biāo)和其他數(shù)據(jù)，決定后續(xù)的獲客方式。
留存率=新增用戶中登錄用戶數(shù)/新增用戶數(shù)*100%
次日留存率=當(dāng)日新增的新用戶次日登錄人數(shù)/當(dāng)日新增用戶數(shù)*100%
7日留存率=當(dāng)日新增用戶七日后還登錄人數(shù)/當(dāng)日新增用戶數(shù)*100%
累計(jì)注冊(cè)用戶數(shù)：
歷史累計(jì)登錄的用戶數(shù)，同一用戶多次訪問(wèn)不重復(fù)計(jì)。
2. 用戶畫(huà)像數(shù)據(jù)
用戶畫(huà)像數(shù)據(jù)也屬于用戶數(shù)據(jù)的一種，是從用戶屬性的角度出發(fā)，通常是使用定性研究的方法得到的數(shù)據(jù)，體現(xiàn)現(xiàn)有用戶人群的特征，構(gòu)成可以分成 3 類：基本屬性、用戶行為屬性、偏好屬性；如年齡、性別、新用戶/老用戶、用戶等級(jí)、購(gòu)買偏好等，地區(qū)、終端及機(jī)型分布。
3. 流量數(shù)據(jù)
流量數(shù)據(jù)主要以用戶訪問(wèn)產(chǎn)品/頁(yè)面時(shí)，反映頁(yè)面的整體情況的指標(biāo)。比較常用的如：頁(yè)面PV、頁(yè)面UV、人均訪問(wèn)次數(shù)、流量來(lái)源、流量去向等。
UV：頁(yè)面訪問(wèn)人數(shù)，描述了訪問(wèn)的用戶數(shù)，UV 可以來(lái)源于各種途徑，例如外部的廣告引流、內(nèi)部的資源位分配、用戶主動(dòng)回訪流量、活動(dòng)引流等。
PV：頁(yè)面訪問(wèn)次數(shù)，即頁(yè)面被瀏覽過(guò)多少次，PV會(huì)重復(fù)記錄用戶的訪問(wèn)次數(shù)，PV 比 UV 多了某段時(shí)間內(nèi)用戶多次訪問(wèn)的信息。
人均訪問(wèn)次數(shù)：人均訪問(wèn)次數(shù)是指在某一個(gè)統(tǒng)計(jì)周期內(nèi)，平均每個(gè)用戶訪問(wèn)的次數(shù)，即訪問(wèn)次數(shù)/訪問(wèn)人數(shù)。
4. 用戶行為數(shù)據(jù)
用戶行為數(shù)據(jù)是指用戶在產(chǎn)品中操作相關(guān)的一系列行為數(shù)據(jù)指標(biāo)。
點(diǎn)擊率（CTR） = 模塊點(diǎn)擊人數(shù) / 模塊瀏覽人數(shù)
用戶點(diǎn)擊率是指用戶對(duì)該模塊的點(diǎn)擊人數(shù)，在所有進(jìn)入頁(yè)面的流量中的占比。
曝光率 = 模塊曝光人數(shù) / 頁(yè)面瀏覽人數(shù)
曝光率可以看出用戶在頁(yè)面上的瀏覽深度，有多少用戶看到了多少的頁(yè)面深度。
使用時(shí)長(zhǎng)：
使用時(shí)長(zhǎng)是指用戶在某一個(gè)周期內(nèi)，在頁(yè)面上停留了多長(zhǎng)時(shí)間。使用時(shí)長(zhǎng)一般關(guān)注三個(gè)數(shù)據(jù)，使用總時(shí)長(zhǎng)、單次使用時(shí)長(zhǎng)、人均使用時(shí)長(zhǎng)。
跳失率：
跳失率是指訪客只訪問(wèn)一個(gè)頁(yè)面就離開(kāi)的訪問(wèn)次數(shù)占該頁(yè)面總訪問(wèn)次數(shù)的比例。
UV價(jià)值 = GMV / 流量
UV價(jià)值是指每個(gè)UV產(chǎn)出的平均金額，可以從側(cè)面反映出流量的質(zhì)量或者流量與業(yè)務(wù)的匹配度。
5. 收入指標(biāo)數(shù)據(jù)
收入指標(biāo)主要是指產(chǎn)品在商業(yè)化過(guò)程中涉及的與收入相關(guān)的指標(biāo)ARPU、例如GMV、轉(zhuǎn)化率、客單價(jià)、訂單數(shù)、付費(fèi)人數(shù)等。
ARPU=總收入/用戶數(shù)
是指在某一周期內(nèi)每個(gè)用戶產(chǎn)生的平均收入。
總銷售額GMV = 訂單量 × 客單價(jià)
GMV是指下單產(chǎn)生的總金額，包括已付款金額和待付款金額，是電商產(chǎn)品中的常見(jiàn)指標(biāo)，通常可以反映一個(gè)電商平臺(tái)的體量。
訂單量 = 訪問(wèn)UV × 訂單轉(zhuǎn)化率
訂單量是指產(chǎn)生的訂單總數(shù)，一個(gè)訂單里面可能會(huì)有多件商品，與商品的銷售量是有區(qū)別的。
轉(zhuǎn)化率 = 訂單量/ 訪問(wèn)UV
轉(zhuǎn)化率是指在一個(gè)統(tǒng)計(jì)周期內(nèi)，完成轉(zhuǎn)化行為次數(shù)的占比，例如某個(gè)活動(dòng)的轉(zhuǎn)化率是指，參與該活動(dòng)的的用戶人數(shù)占活動(dòng)曝光次數(shù)的占比，某個(gè)商品的成交轉(zhuǎn)化率則是該商品的成交量占商品曝光次數(shù)的占比。
客單價(jià)=銷售總額/訂單量
客單價(jià)是指顧客平均購(gòu)買商品的單價(jià)，可以反映出用戶的購(gòu)買力，但客單價(jià)有較強(qiáng)的品類特征，不同商品品類客單價(jià)差異較大，在一些運(yùn)營(yíng)策略中，通常通過(guò)滿減等一些列營(yíng)銷活動(dòng)，刺激用戶購(gòu)買更多的商品，進(jìn)而提高客單價(jià)。
6. 渠道指標(biāo)數(shù)據(jù)
通過(guò)統(tǒng)計(jì)出各渠道的投放數(shù)據(jù)，對(duì)不同渠道投放效果有一個(gè)大概的認(rèn)知，通過(guò)用戶后續(xù)行為來(lái)分析新增用戶的質(zhì)量和價(jià)值，反映出各渠道的投放價(jià)值。
設(shè)計(jì)師在實(shí)際工作中基本不會(huì)接觸到這一類的數(shù)據(jù)，所以下面僅進(jìn)行簡(jiǎn)單介紹。
渠道流量是指通過(guò)某個(gè)渠道帶來(lái)的曝光率量。
渠道新增用戶數(shù)是指通過(guò)不同渠道新增的用戶數(shù)量，例如電子市場(chǎng)渠道、數(shù)字營(yíng)銷渠道、線下渠道。
渠道用戶轉(zhuǎn)化率是指從某個(gè)渠道的曝光，完成下載和注冊(cè)的數(shù)量的新增的用戶占比。
渠道ROI是指某個(gè)渠道的投入產(chǎn)出比，比如投放內(nèi)容展現(xiàn)了多少次，轉(zhuǎn)化成多少次點(diǎn)擊，最終帶來(lái)多少安裝量/銷量，投放會(huì)計(jì)算每一筆廣告費(fèi)轉(zhuǎn)化成多少實(shí)際用戶或收入，這就是ROI。
7. 調(diào)研數(shù)據(jù)
是指通過(guò)用戶調(diào)研提煉的抽樣數(shù)據(jù)。如用戶期望價(jià)值、滿意度評(píng)分、主觀評(píng)價(jià)、凈推薦值NPS、回訪/復(fù)購(gòu)意愿、腦電圖測(cè)試數(shù)據(jù)、眼動(dòng)儀測(cè)試數(shù)據(jù)等等。
調(diào)研數(shù)據(jù)能夠幫助我們?nèi)グl(fā)現(xiàn)問(wèn)題、細(xì)化問(wèn)題、尋找個(gè)數(shù)據(jù)表現(xiàn)背后具體的原因。
六、數(shù)據(jù)的收集原則
很多時(shí)候設(shè)計(jì)師往往沒(méi)有主動(dòng)去看數(shù)據(jù)的意識(shí)，比較常見(jiàn)的是業(yè)務(wù)或產(chǎn)品根據(jù)情況同步給我們他們已經(jīng)分析過(guò)的數(shù)據(jù)，例如點(diǎn)擊率、轉(zhuǎn)化率等。
這些經(jīng)過(guò)處理的數(shù)據(jù)往往很難看出具體的問(wèn)題或原因，我們需要從更多的維度去看數(shù)據(jù)，這樣有利于我們更加深入的去分析、研究問(wèn)題。
原始信息：沒(méi)有經(jīng)過(guò)任何人過(guò)濾的數(shù)據(jù)（不是別人處理過(guò)的抽象數(shù)據(jù)，是真實(shí)的數(shù)據(jù)表現(xiàn)或用戶調(diào)研一手信息資料）。
不過(guò)度收集：當(dāng)信息搜集到一定程度時(shí)，比如出現(xiàn)彼此重復(fù)的內(nèi)容較多時(shí)，再投入時(shí)間收集，實(shí)際效果也不會(huì)呈等比增加。
在信息收集階段，不做判斷，避免在后面流程中為判斷找論據(jù)而忽略其他內(nèi)容。
七、如何通過(guò)數(shù)據(jù)發(fā)現(xiàn)問(wèn)題
1. 看趨勢(shì)
趨勢(shì)分析是數(shù)據(jù)分析里最常用的分析方法，只要和數(shù)據(jù)有關(guān)，幾乎每個(gè)人，時(shí)時(shí)刻刻都在用。趨勢(shì)分析法最大的好處，就是簡(jiǎn)單省事！
因?yàn)樗恍枰魏卫碚摶A(chǔ)，不需要任何專業(yè)知識(shí)，也不需要很多數(shù)據(jù)，只要有一個(gè)結(jié)果數(shù)據(jù)，無(wú)論是正向還是負(fù)向，都能直接得出判斷；通常我們以時(shí)間、流程等線性角度分析整體變化，尋找影響因素。
2. 作對(duì)比
孤立的數(shù)據(jù)沒(méi)有意義，有對(duì)比才有差異。
對(duì)比分析在實(shí)際數(shù)據(jù)分析中是非常重要的一種分析手段，我們需要尋找相同類型作對(duì)比，才知道好壞，可以提升的點(diǎn)在哪里。
3. 多維分析
多維分析就是細(xì)分分析，做多維分析首先要明確2個(gè)方向：維度和指標(biāo)。
- 指標(biāo)：指的是用來(lái)記錄關(guān)鍵流程的，衡量目標(biāo)的單位或方法，如DAU、留存率、轉(zhuǎn)化率等。
- 維度：指的是觀察指標(biāo)的角度，如時(shí)間、來(lái)源渠道、地理位置、產(chǎn)品版本維度等。
多維分析，就是在多個(gè)維度對(duì)問(wèn)題進(jìn)行拆解，觀察對(duì)比細(xì)分維度下的指標(biāo)，通過(guò)將一個(gè)綜合指標(biāo)細(xì)分，從而發(fā)現(xiàn)更多問(wèn)題。
例如某個(gè)資源位轉(zhuǎn)化率低是我們面對(duì)的最嚴(yán)重的問(wèn)題，那么我們可以繼續(xù)細(xì)化到影響轉(zhuǎn)化率的因素有哪些，把這些因素分別羅列出來(lái)，給出解決辦法。
也可以從維度方向去看問(wèn)題，比如某個(gè)時(shí)間段數(shù)據(jù)比較差，或者從某個(gè)渠道來(lái)的用戶數(shù)據(jù)比較差，然后我們?cè)籴槍?duì)性的給出解決方案；通常我們看的都是綜合指標(biāo)，總值，但這些總值通常無(wú)法真正地發(fā)現(xiàn)問(wèn)題。
在實(shí)際的操作中，我們需要盡可能多的結(jié)合業(yè)務(wù)特性將總值拆解細(xì)分，才能發(fā)現(xiàn)問(wèn)題，找到可落地的解決問(wèn)題。
4. 公式拆解
公式拆解法，就是針對(duì)某個(gè)指標(biāo)，用公式層次分解該指標(biāo)的影響因素，從而快速找到影響指標(biāo)的因素。
公式拆解法沒(méi)有固定的標(biāo)準(zhǔn)，一個(gè)目標(biāo)變量在不同的場(chǎng)景下或者為解決不同問(wèn)題，需要利用公式拆解的細(xì)致程度也不一樣。例如：
5. 數(shù)據(jù)模型
上面的都是通過(guò)一些簡(jiǎn)單的方法，對(duì)數(shù)據(jù)進(jìn)行分析，但是數(shù)據(jù)的維度往往有很多，很復(fù)雜，為了幫助我們更好的進(jìn)行數(shù)據(jù)分析，我們也可以借助數(shù)據(jù)模型幫助我們。
數(shù)據(jù)模型的種類有很多，每個(gè)數(shù)據(jù)模型都有不同的側(cè)重點(diǎn)，這里就不展開(kāi)，只簡(jiǎn)單列舉一些常用的數(shù)據(jù)模型，大家有興趣可以自行從網(wǎng)上搜索了解。例如：谷歌的GSM分析法（設(shè)計(jì)驗(yàn)證），價(jià)值矩陣分析法（確定方向）、OSM模型（目標(biāo)驗(yàn)證）、AARRR用戶增長(zhǎng)模型、杜邦分析法、RFM模型、漏斗分析法等。
八、如何培養(yǎng)數(shù)據(jù)分析意識(shí)
最后我們來(lái)聊聊如何培養(yǎng)數(shù)據(jù)分析的意識(shí)，相信看到這篇文章并且看到了這里的設(shè)計(jì)師，都很清楚數(shù)據(jù)對(duì)于設(shè)計(jì)師的重要性，我個(gè)人認(rèn)為學(xué)習(xí)任何東西，方法其實(shí)都是相通的。
首先，我們要先建立起自主學(xué)習(xí)的意識(shí)，在日常工作中時(shí)常提醒自己要關(guān)注這些相關(guān)的內(nèi)容，并積極爭(zhēng)取和把握參與或?qū)W習(xí)的機(jī)會(huì)；
然后，通過(guò)書(shū)本或者互聯(lián)網(wǎng)系統(tǒng)的學(xué)習(xí)相關(guān)的知識(shí)，通過(guò)合理的方法引導(dǎo)我們，建立起我們的認(rèn)知和知識(shí)庫(kù)；
另外，就是要行動(dòng)起來(lái)，通過(guò)不斷練習(xí)，工作中不斷嘗試，積極梳理遇到的問(wèn)題，總結(jié)遇到的問(wèn)題，迭代自己的知識(shí)庫(kù)；
最后，我們以教為學(xué)，通過(guò)自己的總結(jié)分享，重新梳理自己的知識(shí)庫(kù)，分享給更多的人，提高自己的同時(shí)，通過(guò)收到的反饋繼續(xù)提高自己。
本文由@溫柔的長(zhǎng)頸鹿 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載
題圖來(lái)自Unsplash，基于CC0協(xié)議。
視覺(jué)規(guī)范