B端設計師如何利用數據提高用戶體驗和轉化？本文總結了6個方面，幫你快速入門。

更多數據驅動干貨：

一、B 端數據在體驗上的意義

在體驗為王的時代，B 端也在朝著體驗精細化邁進，對數據的觀測能夠幫助設計師能更好地推動客戶體驗的提升。

1. 獲得精確客戶畫像，了解客戶及行為模式

設計師大部分沒有經營企業的經驗，對真實客戶的認知存在一定的差距，而且對企業進行調研往往成本很高。數據可以幫忙從企業規模、經營情況、行為偏好等維度補充客戶畫像。

2. 優化產品結構

B 端產品的功能，紛繁復雜，很容易像一個大集市，幾百個功能堆砌。由于，B 端涉及到不同行業、和不同客戶角色，功能偏好都是不一樣的，可以通過數據，找到不同客戶的需求側重點，優化產品的結構。

3. 提升企業的任務效率

數據可以提供設計更理性的支撐，幫助產品流程優化、功能打磨，提升各個環節的人效，降低成本，從而幫助企業提效。

二、數據來源

1. 業務數據：

①客戶信息：客戶在簽約注冊或使用產品過程中，填入的基本資料

②客戶經理或業務人員對客戶進行盡調、服務過程中，對客戶資料的補充 。

③交易數據：客戶交易過程中產生的結算記錄

2. 行為數據：

通過在前端代碼植入到對應位置的監控代碼，或后端的服務器日志我們可以準確地記錄客戶對應行為的相關信息。后端日志所獲取的數據類型不如前端埋點豐富，以下以前端端埋點為例：

①數據類型：這些信息可以用 what、who、when、where、how5 個單詞來概括。

②埋點方式：埋點方式分為半自動化埋點與全自動埋點。一般由公司內部的數據組實現，也可以采用第三方平臺，比如友盟、神策分析、growing IO 等等。

半自動埋點：把部分人工的工作進行標準化，做成 SDK，在 APP 或 web 產品中嵌入該段埋點代碼。

全自動埋點：不管需不需要，將所有的點都埋了。通常這種埋點也是通過 SDK 實現的，但不需調用，已經直接嵌入在 APP 或 web 產品中了。

半自動化方式的埋點更加精準一點，B 端產品不建議使用全自動化埋點。

3. 外部渠道獲取的數據：

①客戶在社交媒體上的行為數據。

②客戶在電商平臺或自身 ERP 系統的交易數據，如建設銀行將電商平臺和信貸業務結合起來，便于阿里金融為其客戶提供無抵押貸款；

③客戶的產業鏈上下游數據。

④其他三方平臺數據，如 DMP 推廣營銷平臺。

三、數據維度

1. 基本信息

所屬行業、注冊資本、公司規模、經營主體、所在城市、關鍵人特征、成立年限….

2. 行為偏好

點擊、瀏覽、停留、交易..

3. 生命周期

近一個月是否登錄、平均訪問時長、近三月結算筆數、注冊時間超一年…

4. 客戶價值

經營流水、是否 EVA、存款年日均、結算金額…

四、常見的體驗指標

1. 反應產品總體情況

2. 客戶在產品內的參與度情況

3. 評估單個功能的體驗指標

任務型功能

落地頁/流量分發頁

五、常見的數據模型

1. 熱力圖分析

一目了然的展示客戶在頁面內的點擊熱度，用于多個功能入口的集合頁，為功能入口調整或頁面布局優化提供參考，常用來回答：

1. 客戶是否點擊了我們希望其互動的內容？
2. 客戶感興趣的內容是否和我們預想的一樣？
3. 不同的運營位、不同的內容對客戶的吸引力分別是多少？

2. 漏斗分析

漏斗分析主要用于分析一個多步驟完整的任務流程，通過將客戶行為起始的各個行為節點作為分析模型節點，來衡量每個節點的轉化效果。幫助我們清晰的地了解每一步的轉化與流失情況，找出流失原因，提升轉化表現。常用來回答：

哪一步是流失最多的步驟？

3. 事件流分析

事件流是了解客戶在做完任一行為之后的流向，判斷是否符合預設任務路徑。也可以搭配漏斗分析，觀察某一步未正常轉化的客戶后續的操作，以此分析轉化失敗原因，通過事件流分析可以回答以下問題：

1. 客戶行為路徑是否與預設的路徑一致？
2. 產品迭代后，客戶行為，路徑是否有變化？
3. 此步驟的流失客戶去了哪里，為什么流失？

4. 客戶細查

客戶細查可以展示單個用戶的詳情，以及單個用戶在產品內的行為流。在此基礎上，我們可以根據真實的用戶足跡來驗證某種猜想，或者從產品使用流程中發現潛在的問題，激發更多的靈感；還可以輕松地向具有高價值的用戶了解他們使用產品的情況。

5. A/B test

AB 測試是為產品的界面或流程制作兩個（A/B）或多個（A/B/n）版本，在同一時間維度，分別讓組成成分相同（相似）的訪客群組（目標人群）隨機的訪問這些版本，收集各群組的用戶體驗數據和業務數據，最后分析、評估出最好版本，正式采用

六、數據可信度

1. 數據樣本不夠，呈現的數據會有偏差，無法反應真實規律，所以盡量確保充足的樣本量。
2. 存在臟數據，埋點采集過程中出現的 BUG 采集錯誤，或客戶使用過程中的無效輸入。需要對臟數據的防控與清洗。

歡迎關注作者微信公眾號：「CO SPACE對公創新」