本文內容為如何建立以數據為導向的設計體系。大綱如下：

• 以數據為導向的意義
• 數據指標
• 數據分析方法
• 模型建立
• 數據驗證

以數據為導向的意義

1. 可視化

用戶行為可視化，可清晰的了解整體/個體用戶的行為。

如下圖所示，通過 Google Aanalytic 網站可清晰的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。

也可以清晰地了解每個用戶的操作行為路徑。如下圖所示：

2. 可追蹤

可追蹤產品任何一個時間段的數據，了解整體數據的變化。

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. 可驗證

前期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. 可預測

通過數據變化，可預測產品的走向和趨勢。

如下圖所示，通過日活曲線，可預測未來產品的日活增長速度。

從圖可以看出，經歷過第一次增長后，第二次增長的增長率低于第一次。未來產品如果想維持高增長，則需要投入更多的人力和費用。

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、流程性指標和業務性指標。

1. 綜合性指標

綜合性指標：指的是能綜合體現產品整體情況的指標。

對于非交易類型的產品，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等等。

DAU

DAU：Daily Active User。衡量產品使用的活躍度。明確產品的用戶體量，方便產品設計了解產品的每日用戶情況和用戶增減趨勢。

如下圖所示，通過 DAU 可以很直觀的了解產品的所處在的生命周期。和用戶增長情況。

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。

留存率

留存率：某周期內留存用戶數/某周期內訪問用戶數。用來衡量用戶使用粘性，也是衡量產品引流成本的一個重要參考

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。

產品的留存率越來越高，這說明他們的產品用戶粘性越來越好。

當然不同行業的產品，留存率也是不一樣的。社交產品，關系鏈越龐大越深度，粘性越好，用戶遷移成本就越高，留存率也高。

人均使用時長

人均使用時長：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。

單位用戶的使用 app 的時長是一定的，當在一個 app 上花費的時間多，那么意味著在其他的 app 上就花費的時間少。

對于交易類型的產品，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、人均客單價等等。

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 UV1 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

流程性指標和用戶操作流程中產品的指標有關。

常見的有：點擊率、轉化率、流失率和完成率。

點擊率

點擊率：點擊率分為 pv 點擊率和 uv 點擊率。在實際工作中，使用 pv 點擊率的情況比較多。這個要根據具體需求而定。

舉個例子：如果當天知乎的首頁展現 PV 是 400 萬，5 萬人點擊提問按鈕有 10 萬次，那么點擊率就是 10/400=2.5%

轉化率

轉化率：下一步用戶數/上一步用戶數。

如下圖所示，可以看到整個注冊流程，每個節點的轉化率數據。

流失率

流失率：（上一步用戶數-下一步用戶數）/上一步用戶數。

通過流失率，可全局看出所有的流失情況，找到流失異常數據，可追蹤之前是什么情況導致流失數據情況，并修復產品問題。

完成率

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. 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。

數據分析方法

數據分析和設計的方法這里簡單介紹以下 5 種，分別為：行為事件分析、漏斗分析、留存分析、分步分析和對比分析。

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的對產品帶來的影響。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，漏斗分析適用于一些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。

如下圖谷歌數據分析網站所示，可以根據不同分布類型占比，進行分析。

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。

模型建立

目前市面上常用的模型有 Google’s HEART、AARRR 和 RARRA。

1. Google’s HEART

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）

Engagement（參與度）：通常指的是用戶的使用行為，這里面包含用戶的活躍度、uv、pv、人均訪問次數等，通過這些數據可以很好的反應整個產品的用戶參與意愿度。

Adoption（接受度）：用戶在特定（短）時間內開始”真正”開始使用某個新功能/模塊。接受度主要體現在用戶訪問和操作等行為

Retention（留存度）：留存度即對于一個功能或者產品，一段長時間內從開始參與到現在連續活躍的用戶，留存率是互聯網產品的主要獲利因素。

Task Success（任務完成度）：任務完成度主要指核心任務的完成率，在該緯度下包括三個基礎用戶行為指標：轉化率、跳失率、成功率。

Happiness（愉悅度）：愉悅度是一個產品用戶體驗的最直觀的評價感覺。

基于 HEART 五大維度可制作業務的數據模型，如下圖所示：

2. AAARR

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。

AARRR 是 Acquisition、Activation、Retention、Revenue、Referral，五個單詞的縮寫，分別對應用戶生命周期中的 5 個。

獲取用戶（Acquisition）：本階段最主要的目的是將潛在的目標用戶轉化成我們產品的用戶，并且開始使用產品。提高用戶注冊轉化率的關鍵在于，調優產品的著陸頁，要準確傳達產品的核心價值。

需要的數據指標：流量來源、CAC(用戶獲取成本)、CPC(每次點擊付費) 、CPT(按時長付費)、CPM(千人成本) 、CPS(按提成收費) 、CPA(按點擊計費) 、Campaign(塑造品牌)

提高活躍度（Activation）：對于移動應用產品，用戶活躍度還有另外兩個關鍵數據指標：每次啟動平均使用時長和每個用戶每日的平均啟動次數。

需要的數據指標：DNU(日新增用戶) 、DAU/WAU/MAU、ACU(平均同時在線人數)、PCU(最高同時在線人數)、PV、UV、意向 UV(進入意向頁面的用戶數)、PV/UV、CTR(點擊率)、 意向 UV-CTR （點擊 UV/意向 UV）、VV(視頻播放次數)、訪問時長、停留時長、滾動屏數、人均停留時長、人均操作次數、N 次操作占比、行為路徑、訪問頻次、跳出率、用戶來源、用戶去向。

提高留存率（Retention）：用戶留存率是非常重要的一個數據指標，留存率衡量著一個產品是否健康成長。

需要的數據指標：留存率、次日留存率、7 日留存率、30 日留存率、回流率、召回 CTR（提取出的正確信息條數 / 樣本中的信息條數)、用戶生命周期 (周期/(1-周期內新增留存率))

獲取收入（Revenue）:即用戶給產品貢獻的收入價值，公司從用戶所有的活動中所得到的全部經濟收益的總和。

需要的數據指標：GMV、ARPU(每用戶平均收入）、ARPPU(平均每付費用戶收入）、LTV(生命周期價值)、PBP(回收期)、ROI(投資回報率 )、收入地圖 、客單價、 消費次數 、消費頻率、 訂單量、 利潤、 購買偏好、 直接引導成交、 間接引導成交、 購買間隔

用戶推薦（Refer）：通過用戶推薦再次獲取新用戶，應用運營形成了一個螺旋式上升的軌道。而優秀的應用就很好地利用了這個軌道，不斷擴大自己的用戶群體。

需要的數據指標：分享率、分享次數、K-Factor (病毒傳播指標)、NPS

AARRR 模型對應的數據指標如下圖所示：

3. 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。

用戶留存 Retention：為用戶提供價值，讓用戶回訪。

用戶激活 Activation：確保新用戶在首次啟動時看到你的產品價值。

用戶推薦 Referral：讓用戶分享、討論你的產品。

商業變現 Revenue：一個好的商業模式是可以賺錢的。

用戶拉新 Acquisition：鼓勵老用戶帶來新用戶。

RARRA 通過最重要的指標來關注增長：用戶留存。

RARRA 與 AARRR 的區別是，RARRA 模型里面用戶的留存重要性遠高于獲客。

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并分析。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。

數據驗證

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。

如果改版的最重要（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。

如果改版的最重要（核心）指標是人均觀看次數，則要思考可通過哪些設計策略可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的提升人均播放次數。

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。

數據驗證總結后有四步：

• 關注改版的核心指標
• 核心指標帶來的價值/收益
• 確定上線時間
• 對比上線前后數據變化，進行驗證

歡迎關注作者的微信公眾號：「Echo的設計筆記」