中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

老實說，雖然從業也有一段時間了，我在設計工作中用到數據分析的情況卻并不多，一方面之前一直呆在用戶量級很小的 ToB 業務線，產品數據埋點各種缺失，且被業務認為價值不大而難以推動；另一方面即使能拿到一部分數據，也會因為基數小、波動大、太過籠統和單點等原因，而影響到實際的參考價值。所幸這一情況最近有了改觀，我開始得到更多機會去獲取自己想要的數據，但在過程中也多少犯過一些失誤，借本文記錄下來。

收集階段小心假設

最近在讀《智能時代》一書，書中有一段話讓我頗有共鳴：

在收集數據時，我們還需要再一次強調它是在無意之間完成的。我們前面提到的關于央視收視率調查的例子就是一個很好的反例。在數據的收集過程中，非常忌諱那種「大膽假設，小心求證」的思維方式，因為在很多時候，如果事先有了定論，再找數據來證實它，總能找到有力的證據，而這些看似被數據證實的結論，很可能與真實情況相差十萬八千里。

事實上，我之前有一次未能成功推動落地的設計提案，就是犯了典型的「大膽假設，小心求證」式錯誤，在一開始就預設了目標用戶和使用場景，然后在做用戶調研的過程中有意無意地只關注了能支撐自己觀點的論據（后來發現調研的用戶群體可能只是產品實際用戶群體的一小部分，且滿足他們的訴求對核心業務指標起不到明顯促進作用），而沒有結合整體的用戶訪問數據做系統分析，導致了方向上的偏頗。

了解 MVP 的人大都知道「假設-驗證-迭代」這一流程，假設也是我們在產品設計前期經常會用到的，但假設不應該無憑無據（除非你對自己的商業直覺有著充分的信心），而應建立在一定的數據（定性/定量）輸入基礎上，在洞察（Insight）這個階段，我們更應該做的是清空大腦接收多元信息，而不是被經驗和偏見一再誤導。

連貫而非單點

看數據只是一種手段，重要的是從中得出可以有效指導設計決策的結論，而單點的數據帶來的幫助是有限的，連貫起來才能更好地深挖用戶來龍去脈。

舉個例子，最近做的某個項目里需要降低某頁面的跳失率，一開始我們主要關注該頁面的來訪人群分布，以及每類人群的跳失率等，在不同人群的訴求差異很大的背景下，這些數據可以幫我們初步確定應該將哪一類人群作為核心目標用戶展開設計，但卻不能幫我們找到如何滿足這類目標用戶訴求的抓手。

為了找到抓手，我們需要從更細的角度切入，去了解分析每一類目標用戶的具體來訪場景（頁面來源鏈接有哪些）、目標（來頁面后點擊哪些內容，直接跳失的有多少，為什么跳失）、訴求（從目標進一步推導）等，進而找到合適的解決方案。我們應該看的是用戶完整行為路徑各節點上的數據，而不是單點、分散的數據。

定性與定量結合

定量的數據并不是萬能的，它可能受到很多非產品設計因素的影響，對于動輒千萬、過億 UV/DAU 的前臺產品，只靠定量數據分析都可以得出很多有價值的結論，但對于一些用戶量級非常有限的中后臺產品，一些小小的風吹草動都會讓定量數據產生巨大的波動（一個測試多點了幾下，就有可能讓產品 PV 瞬間暴漲），僅看定量數據，并不容易形成正確的判斷，這一背景下合作 PD 建議說應該更多地看定性數據（用戶訪談，滿意度問卷，反饋收集等）甚至憑商業直覺來推導結論，也是有道理的。

啰嗦這么多，對于數據指導設計，我自知還是菜鳥一枚，不過隨著之后的工作會轉向用戶基數大的前臺 ToC 產品（ToB 類的設計心得估計會減少了），應該也會有更多對于數據與設計的實踐經驗積累，歡迎一起交流成長啦~

本文由人人都是產品經理專欄作家 @鴻影（微信公眾號：?鴻影的設計思考錄） 原創發布于人人都是產品經理?。未經許可,禁止轉載。