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)識設(shè)計與數(shù)據(jù)-方法/模型/思路全掌握
編輯導(dǎo)語：產(chǎn)品或運營的數(shù)據(jù)報表多是從本職業(yè)能影響的范疇出發(fā)，給出的數(shù)據(jù)要么和設(shè)計沒有什么相關(guān)，要么更偏向整體效果，無法探究設(shè)計方案的作用。所以，數(shù)據(jù)分析不能偷懶，還是要自己做。本文作者介紹了設(shè)計的數(shù)據(jù)分析思路，一起來看看吧！
“憑什么說你的方案有效果？”
“講了一堆你覺得，有客觀依據(jù)么？”
是不是很想有理有據(jù)的把數(shù)據(jù)分析甩出來？
行！那今天就來介紹設(shè)計的數(shù)據(jù)分析思路，為你的方案增添10分說服力！
一、設(shè)計為什么要會數(shù)據(jù)分析？產(chǎn)品給的報告不能用嗎？
誰不想摸魚呢？可真的用不上呀！
產(chǎn)品或運營的數(shù)據(jù)報表多是從本職業(yè)能影響的范疇出發(fā)，去分析產(chǎn)品策略、渠道投放、運營手段等對整體大盤的影響。給出的數(shù)據(jù)要么和設(shè)計無甚相關(guān)，例如渠道的投入產(chǎn)出比，要么更偏向整體效果，無法探究設(shè)計方案的作用，例如參與人數(shù)、整體留存等。這樣的數(shù)據(jù)，無法論證設(shè)計方案的影響效果，也就無法形成有效沉淀。
所以，數(shù)據(jù)分析，還是要自己做！
二、這樣叫做“會設(shè)計數(shù)據(jù)分析”嗎？
如果你知道哪些設(shè)計會影響最終數(shù)據(jù)指標(biāo)，知道如何拆解成與設(shè)計相匹配的小指標(biāo)，會通過數(shù)據(jù)看出問題或機會，那么這就叫會設(shè)計數(shù)據(jù)分析。
簡單點，如果你曾被以下問題困擾過，那么下面的內(nèi)容可要看仔細了~
- 我是根據(jù)產(chǎn)品目標(biāo)來做設(shè)計的，但我沒辦法證明方案是怎么影響總指標(biāo)的？
- 收到數(shù)據(jù)圖表，但看不出這和我的設(shè)計有什么關(guān)系？
- 得到一組多維數(shù)據(jù)，可怎么看結(jié)論都只有比大??？
三、設(shè)計的數(shù)據(jù)分析如何做？
本篇文章將遵從數(shù)據(jù)分析的三大步驟“拆解—埋點—分析”，從設(shè)計視角進行講解和案例探討。
Step1：數(shù)據(jù)拆分
問題：我是根據(jù)產(chǎn)品目標(biāo)來做設(shè)計的，但我沒辦法證明方案是怎么影響總指標(biāo)的？
診斷：除了總目標(biāo)，不知道還能如何驗證。屬于數(shù)據(jù)拆分的問題。
1. 怎么拆？
拆分數(shù)據(jù)是大化小的過程，宗旨是可以將終點數(shù)據(jù)拆分成過程數(shù)據(jù)、細節(jié)數(shù)據(jù)。以下為兩個基礎(chǔ)拆分思路：
1）構(gòu)成法
【適用范圍】有多維平行影響因素構(gòu)成的數(shù)據(jù)，通常有固定公式的都屬于該類。
【案例】商品交易總額GMV、用戶終身價值LTV等。
2）行為路徑法
【適用范圍】總指標(biāo)是“后置數(shù)據(jù)”，會受到一系列的“前置因素”影響。
【案例】用戶留存。
在實際使用中，“構(gòu)成法”和“行為路徑法”通常是交叉疊加使用的。
例如，為電商的年終大促做活動設(shè)計，總指標(biāo)為GMV（商品交易總額）。
- 第一步：通過“GMV=點擊UV*轉(zhuǎn)化率*平均客單價”的一般公式，可拆出3個二級指標(biāo)——“SKU點擊UV”、“轉(zhuǎn)化率”、“平均客單價”。但這3個指標(biāo)并不能直接指向設(shè)計，需要繼續(xù)拆分。
- 第二步：“SKU點擊UV”對照用戶行為，即用戶“進入活動頁面—看到頁面上的“商品櫥窗”—點擊陳列的SKU”。依照該行動順序，可以找到對應(yīng)的設(shè)計模塊?！斑M入活動頁面”轉(zhuǎn)化為“活動入口點擊率”；“看到頁面上的商品櫥窗”轉(zhuǎn)化為“模塊曝光率”；“點擊陳列的SKU”轉(zhuǎn)化為“模塊的SKU點擊率”。
到此，指標(biāo)已拆分至與設(shè)計直接相關(guān)的數(shù)據(jù)，我們可以通過數(shù)據(jù)的表現(xiàn)，發(fā)現(xiàn)設(shè)計效果是否達到預(yù)期。
如果不滿足于問題的發(fā)現(xiàn)，還想繼續(xù)探討如何設(shè)計效果更好，則需要通過對影響因素進行拆分，例如影響SKU點擊的設(shè)計因素有位置、大小、動效、商品信息等等，通過AB測的方式，來找到設(shè)計更優(yōu)的解法。
2. 概括模型
以上思路可以概括為：UJM+OSM模型。該模型非常通用，和做設(shè)計的思路一致，會設(shè)計就會拆數(shù)據(jù)。
3. 應(yīng)用思考
案例：一款雇主招聘產(chǎn)品，為有更好的招聘效果，鼓勵雇主在活動期間多查看簡歷、與應(yīng)聘方溝通。那么“招聘效果”可以用哪些數(shù)據(jù)表示呢？
實際案例更為復(fù)雜多元，以上僅為大致的思考思路，并不代表標(biāo)準(zhǔn)答案。
Step2：數(shù)據(jù)埋點
問題：收到數(shù)據(jù)圖表，但看不出這和我的設(shè)計有什么關(guān)系？
診斷：沒有辦法對應(yīng)數(shù)據(jù)和方案的關(guān)系。屬于數(shù)據(jù)埋點的問題。
1. 怎么設(shè)置埋點數(shù)據(jù)？
1）頁面行為轉(zhuǎn)化法
設(shè)置埋點的目標(biāo)，是在設(shè)計方案中找到可以表達你所需指標(biāo)的數(shù)據(jù)。是用戶在頁面上的行為形成了數(shù)據(jù)，我們需要做的是確認哪些行為可以表達數(shù)據(jù)，然后對行為進行統(tǒng)計。接上個例子，“模塊的SKU點擊率”=模塊的UV點擊數(shù)/模塊展示UV，因此埋點數(shù)據(jù)是“模塊的UV點擊數(shù)”和“模塊展示UV”。
2. 概括
這里歸納一些通用數(shù)據(jù)供參考。
以上數(shù)據(jù)收到后還需進行分析，才能所發(fā)現(xiàn)的目標(biāo)。僅僅展示這些數(shù)據(jù)并不能叫做數(shù)據(jù)分析哦~
Step3：數(shù)據(jù)分析
問題：得到一組多維數(shù)據(jù)，可怎么看結(jié)論都只有比大小？
診斷：缺乏關(guān)聯(lián)分析思維。屬于數(shù)據(jù)分析的問題。
通過數(shù)據(jù)埋點得到多個單一數(shù)據(jù)，對單一數(shù)據(jù)進行不同角度的計算，再結(jié)合設(shè)計得出的結(jié)論，就是數(shù)據(jù)分析。
如果對數(shù)據(jù)具備充足的設(shè)想，這一步僅僅是簡單的計算和推理工作。但在實際中，往往會因為前期的思考不足，拿到數(shù)據(jù)后只會比大小。
1. 如何找到分析角度？
分析就是找特征，以及造成特征的原因。因此，大小只是表象，大小必須和其他因素關(guān)聯(lián)才是分析。以最常見的“比大小的思路”為起點，橫縱拓展思路：
2. 案例應(yīng)用
應(yīng)用案例：C端招聘-留存數(shù)據(jù)分析
一款面對求職者的招聘產(chǎn)品，在節(jié)日期間開展活動，活動目標(biāo)是通過任務(wù)獎勵，引導(dǎo)用戶產(chǎn)生和求職相關(guān)的行為。
已有數(shù)據(jù)：
其他數(shù)據(jù)：活動整體次留、產(chǎn)品次留。
依照上述思路：
1）比大小
A. 同期比較：
抽取以上數(shù)據(jù)并制作新表，觀察可得以下三點。
Q1. 兩類用戶中哪類的次留表現(xiàn)更好？（人群性）
從整體數(shù)據(jù)看，“完成任務(wù)的用戶”相比僅“參與的用戶”，次留率明顯更高。
Q2. 兩類用戶與活動整體留存相比表現(xiàn)如何？（事件性）
活動整體次留率為8%，“參與任務(wù)用戶”和“完成任務(wù)用戶”次留均高于整體次留。說明與任務(wù)相關(guān)的用戶次留表現(xiàn)更好。
Q3. 兩類用戶與產(chǎn)品整體留存相比表現(xiàn)如何？（事件性）
活動期間整體產(chǎn)品的次留率為25%，通過數(shù)據(jù)可知：“參與3個任務(wù)及以上”、“完成1個任務(wù)及以上”的用戶，可達或超越平臺次留數(shù)據(jù)。
而這兩部分用戶占比活動用戶數(shù)量極少，也側(cè)面印證了活動次留低于產(chǎn)品同期次留的結(jié)論。說明該活動的內(nèi)容或策略未達用戶預(yù)期，可能是活動目標(biāo)與用戶使用產(chǎn)品的目標(biāo)不一致，也可能是獎勵吸引力不足。
B. 不同期比較：
Q1. 當(dāng)前活動數(shù)據(jù)對比往期相同數(shù)據(jù)，是否有變化？（時間性）
方法參考以上，此處不再舉例。
2）看趨勢
A. 從參與任務(wù)數(shù)、完成任務(wù)數(shù)視角看：
Q1. 任務(wù)數(shù)與留存提升幅度之間有什么發(fā)現(xiàn)？
從留存提升效率看，“參與2個任務(wù)”到“參與3個任務(wù)”，留存提升最快（17.75%），其次是“參與3個任務(wù)”到“參與4個任務(wù)”（12.1%）；考慮到“完成所有任務(wù)”（7個任務(wù)）的基數(shù)過小，排除“完成6個任務(wù)”到“完成7個任務(wù)”外，“完成2個任務(wù)”到“完成3個任務(wù)”，留存提升最快（24.26%），其次是“完成1個任務(wù)”到“完成2個任務(wù)”（17.64%）。
因此，盡量讓用戶從“參與2個任務(wù)”提升到3到4個、從“完成1個任務(wù)”提升成2到3個，對提升留存效率最高。
B. 從日期來看：
Q1. 兩類用戶留存變化與活動留存有什么關(guān)系？
以“完成1個任務(wù)的用戶”留存為例，看轉(zhuǎn)化與留存的關(guān)系：“用戶活動次留”與“完成1個任務(wù)的用戶次留”隨時間變化趨勢相近。說明轉(zhuǎn)化與留存存在一定的正相關(guān)關(guān)系。
Q2. 活動期間，次留如何變化？
次留隨時間呈現(xiàn)緩慢下降趨勢，但基本維持在7-8%之間。結(jié)合該活動過程中無其他事件或策略來中途拉升留存，判斷3周的活動對用戶的留存效果相對穩(wěn)定。
同理，如果在長期次留走勢中發(fā)現(xiàn)有突然下降或提升的點，可以參考該時間段內(nèi)是否有其他事件發(fā)生，這是一種尋找留存和事件關(guān)系的方式。
3）看分布
Q1. 參與、完成任務(wù)人數(shù)分布占比有何特點？對后續(xù)策略有何啟發(fā)？
從參與不同任務(wù)數(shù)的人數(shù)分布看，參與1個任務(wù)的占比最高，達39.00%，遠高于其他參與任務(wù)數(shù)。
從完成不同任務(wù)數(shù)的人數(shù)分布看，完成1、2個任務(wù)占比最多，二者相加占比達67.67%。
結(jié)合“任務(wù)數(shù)與留存提升幅度”的結(jié)論推理可得：如想整體活動的留存率提升，需要關(guān)注占比較大的“參與1個任務(wù)的用戶”、“完成1、2個任務(wù)的用戶”。且這兩部分人群占比大，針對其進行專門設(shè)計，可以有效影響活動整體的留存。
Q2. 轉(zhuǎn)化與次留隨時間如何變化？有何發(fā)現(xiàn)？
此處轉(zhuǎn)化指完成任務(wù)。根據(jù)趨勢圖可看出：
- 完成1-3個任務(wù)的用戶，次留隨時間有所變化，但穩(wěn)定；
- 完成4-6個任務(wù)的用戶，次留隨時間變化有明顯下降趨勢，尤其是活動開啟一周后；
- 完成7個任務(wù)（全部任務(wù)）的用戶，次留基本不隨時間產(chǎn)生變化。
以此可得，“完成1-3個任務(wù)的用戶”和“完成全部任務(wù)的用戶”，在當(dāng)前無任何中途拉升次留的情況下，再次訪問的意愿基本不變。但完成4-6個任務(wù)的用戶，則需要在活動開啟一周后采取其他留存措施來幫助穩(wěn)定留存。
四、總結(jié)
以上就是設(shè)計數(shù)據(jù)分析的基本思路，希望可以幫助大家建立基本的分析意識，面對數(shù)據(jù)不再迷茫。
不過，對數(shù)據(jù)的敏感度并非一朝一夕可以形成，今后也需要大家在具體案例中有意識的練習(xí)哦~
作者：梁晨曦
來源公眾號：58UXD（ID：i58UXD），58UXD，全稱58同城用戶體驗設(shè)計中心。
本文由人人都是產(chǎn)品經(jīng)理合作媒體 @58UXD 授權(quán)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。
題圖來自 Unsplash，基于CC0協(xié)議。
如何做到設(shè)計過程中考慮完整？