吳軼 ：本文從工作實踐出發，結合案例分享了數據分析的相關知識，供大家一同參考和學習。

中高階設計師都需要關注數據，數據是對設計師主觀審美邏輯設計的一種輔助和補充，通過數據做出來的設計更具有說服力和驗證性。

數據為設計提供方案支撐和后期的方案驗證，有利于產品后期的迭代和優化。

通過對數據的比對，對數據趨勢的分析，能讓我們發現哪些環節存在問題，哪些環節有提高空間。

明確各種數據指標，明確設計目標，讓數據為設計服務。

這篇文章的目的是幫助設計師快速入門和熟練掌握數據導向設計。

數據分析的意義

1. 用戶行為可視化，可清晰地了解整體/個體用戶的行為

如下圖所示，通過 Google Aanalytic 網站可清晰地掌握平臺整體流量的來源，用戶群體路徑行為軌跡，這可以讓設計師/產品經理清晰地了解到平臺的用戶行為軌跡和用戶人群的操作習慣。

2. 可追蹤產品任何一個時間段的數據，對比整體數據的變化

如下圖所示，通過曲線變化，可看出產品日活躍的變化，通過變化前后的節點可得到產品發生大變化的時間節點。

3. 提供數據支持和后期方案的驗證

例如下圖，通過優化產品界面的購買按鈕，通過對比前后數據，看設計改版是否成功。

下圖的固定產品的購買按鈕點擊率從 6.4% 提升到了 9.8%，漲幅 53.1%，由于漲幅大于 0，同時沒有外部其他因素影響數據變化，所以可得出結論，這次設計改版是成功的。

4. 通過數據可分析產品設計的問題所在

如下圖所示，整個注冊，綁定銀行卡的過程中，總的轉化率只有 0.06%，用戶完成率過低，如果要優化整個用戶注冊操作流程，那么需要找出流失過大的節點進行優化。

注冊成功率過低，這時候設計師就要分析整個注冊流程中，哪些設計因素導致成功率低，并針對成功率低進行特定優化。

熟練掌握數據指標

掌握數據指標有助于我們入門數據分析，我將數據指標分為三類，分別為：綜合性指標、流程型指標和業務性指標。

1. 綜合性指標：指的是能綜合體現產品整體情況的指標

對于非交易類型的網站，那么這個平臺的綜合性指標可以包含 DAU、留存用戶數、留存率和人均使用時長。

DAU：Daily Active User ，衡量產品使用的活躍度。

數據用途是方便產品設計人員了解產品的每日用戶情況，了解產品的用戶增長或者減少趨勢。

留存用戶數：一段時間內再次訪問的用戶數，留存有次日留存、7天留存、30天留存等。

數據用途是用來衡量產品的用戶粘性和產品的留存用戶規模。

留存率：某周期內留存用戶數/某周期內訪問用戶數。

數據用途是用來衡量用戶使用粘性，也可以用來作為產品改版后的重要指標，留存率提升了，在不改變功能的情況下，說明設計改版成功。

人均使用時長：用戶平均每天停留在產品的時間。

數據用途是用來衡量用戶使用產品的深度，判斷用戶使用產品的粘性和依賴度。

對于交易類型的網站，那么這個平臺的綜合性指標可能就包含 GMV、支付UV、人均訂單數、人均客單價。

GMV：用戶的下單總金額。下單產生的總金額，包括銷售額+取消訂單金額+退款訂單金額。舉個例子：一個電商平臺，所有用戶一共下單了 100 萬的商品，其中取消訂單 2 萬，退款 10 萬，那么 GMV 就是 100 萬。

數據用途是體現電商平臺的交易規模，GMV 越高說明這個電商平臺的交易規模越大，平臺體量越大。

支付UV：指下單并成功支付的用戶數。舉個例子：一個電商平臺，有 3000 人點擊購買，其中 2000 人，成功完成支付，則支付uv 為 2000 人。

數據用途是了解平臺整體用戶支付購買人數規模。

人均訂單數：支付PV/支付UV，人均訂單數大于 1。舉個例子：一個電商平臺，支付pv 為 3000，其中支付人數為 2000 人，那么人均訂單數為 1.5。

數據用途是用于衡量產品/頁面/功能的導購能力。

人均客單價：ARPU，GMV/支付UV。舉個例子：一個電商平臺昨天GMV有 100 萬，其中支付UV有 1 萬人，那么人均客單價為 100 元。

數據用途是一段時間內每個用戶平均收入，用來衡量產品效益。

2. 流程性指標，這些指標和用戶操作流程中產品的指標有關

點擊率：點擊率分為 pv點擊率和 uv點擊率，整體來看，點擊率使用 pv點擊率比較好。

轉化率：下一步用戶數/上一步用戶數。

流失率：（上一步用戶數-下一步用戶數）/上一步用戶數

完成率：完成率相對于轉化率而言，是最終的結果數值。轉化率是過程值，完成率是結果值。

3. 產品的業務性指標

區別于基礎通用型指標，業務性指標主要強調其業務屬性，例如社交社區，則可能需要的業務指標為：人均發文數、人均評論數、人均點贊數，分享率等。

數據分析與設計的方法

數據分析和設計的方法一共有以下六種，分別為：行為事件分析、漏斗分析、留存分析、分步分析、對比分析和多維度拆解。

1. 行為事件分析

通過分析特定類型的用戶行為，找到這種特定類型的用戶行為對產品帶來的影響。也可以推算出這種特定的行為給產品帶來的意義。

行為事件分析法一般經過事件定義、下鉆分析、解釋與結論等環節。

2. 漏斗分析

流量在各個節點流轉過程中，會存在一級級的流失，最終形成了漏斗形態。漏斗分析適用于一系列完整流程操作的用戶行為。

找到設計過程中流失比較多的數據，通過數據找到流失的原因。

3. 留存分析

通過找到整體留存情況，找到用戶留存的關鍵性因素指標。

留存分為兩種情況：

• 產品整體留存，整個產品的留存率，對象是整個產品；
• 功能模塊流程，各個模塊的留存，這里是針對于單個功能模塊。

產品留存要分開看待，既要看整個產品留存率，也要看所負責設計的各個功能模塊的留存率。

4. 分布分析

用戶在特定指標的各種占比的歸類展現。

5. 對比分析

對比前后數據，通過對比數據的差值，驗證設計。

• 自身產品比，對比產品其他模塊相似場景的數據差異，通過對比找到問題點并做分析優化。
• 行業產品比，和同行業產品的數據對比分析，找出數據差異的問題所在，并給出對應的優化方案。

6. 多維度拆解

用不同的維度視角拆分，分析同一類數據指標。例如按照不同的省市地區分析、不同的用戶人群、不用的設備等。通過不同維度拆解，找到數據背后的真相。

數據模型的建立

設計團隊引入數據分析，那么就需要一套成熟的適合自己的團隊的模型做基礎，所以數據模型是我們數據分析的理論基礎。

在數據模型中，我們可以學到數據模型的分類思路，以及如何創造出適用自己團隊的數據模型。

基于這個目的，我們可以將市面上常見的數據模型找出來并進行整理和分析。通過熟悉主流的數據模型的產出邏輯，并從中找到規律，創造出適用于自己團隊的數據模型。

常見的數據模型有：Google’s HEART、AARRR、RARRA 和 Customer Experience Index（CX Index）。

Google’s HEART：Google’s HEART 是一個用來評估以及提升用戶體驗的模型，它由五個維度組成：Engagement（參與度）、Adoption（接受度）、Retention（留存度）、Task Success（任務完成度）和Happiness（愉悅度）。

AARRR：AARRR 增長模型出自于增長黑客，即獲客、激活、留存、變現、傳播推薦。

RARRA：RARRA 的數據模型，本質上是在 AARRR 的基礎上進行順序調整得到，以滿足日益獲客成本所帶來的壓力成本。RARRA 模型相比與 AARRR 可以使得獲客成本更低。

Customer Experience Index（CX Index）：用戶體驗指數的維度有三個，分別為滿足需求、簡單地和愉快地。

數據如何驗證設計

通過核心指標判斷設計方案是否符合預期，以此驗證設計方案是否成功，并為后續產品的迭代優化做依據。

1. 關注設計的核心指標

設計過程中，要關注設計的核心指標，針對于核心指標，進行針對性的設計。

如果改版最核心的指標是任務流程完成率，先查看用戶操作流失率，然后分析找出流失原因，給出對應的優化方案。等到優化方案的產品版本上線后，對比完成率數據變化。

如果改版最核心的指標是人均觀看次數，則要思考可通過哪些設計策略提升產品的人均播放次數。

舉個例子，新浪微博，以前版本用戶看完視頻后，視頻會有重播按鈕和推薦視頻，用戶只有進行下一步點擊才能播放下一個視頻。改版后看完視頻會自動切換到下一個視頻。這樣的設計策略雖然綁架了用戶的行為，用戶從一個主動接受者，變成了一個被動接受者，但是這種策略能有效地提升人均播放次數。

2. 核心指標帶來的價值/收益

當驗證了核心指標往好的方向發展，這時候，就需要總結核心指標帶來的價值和收益，這樣的話設計價值才可以直接被量化。

舉個例子：一個 banner 的點擊率達到 3% 的時候，每天 GMV 約 200 萬。當重新設計了這個 banner，同時其他條件保持不變，點擊率提升到了 6%，這時候通過數據查看每天的 GMV 是多少，如果達到了 400 萬，那么這增加的 200 萬，則是通過設計優化所帶來的。

歡迎關注作者的微信公眾號：「Echo的設計筆記」