前言

在 vivo 校招設計師專業課程體系中，有一堂《數據基礎知識及應用》的入門課程，去年授課時獲得了校招大學生的一致好評。在數據化設計與驗證大行其道的今天，每個設計師都需要掌握一些數據的基礎知識。所以我特意找來課程課件，結合我自己的理解，寫了這篇小文，希望對于想學習數據分析的你會有所幫助。

全文共分為 3 大模塊：

• 明確數據對設計師的價值。（先樹立價值認知，才會有學習動力）
• 了解設計師常用的數據模型及數據指標。（梳理數據相關知識的學習地圖，從宏觀、中觀到微觀，有的放矢）
• 學會如何簡單的計算和分析數據。（幾個 Excel 公式+透視表+數據對比就搞定了，相信你也可以的）

明確數據對設計師的價值

在《U 一點料》中，作者把數據比喻成設計的理性之光，這個比喻非常貼切。在現實生活中，設計師多少有些感性，善用數據，可以幫助設計師加入理性思考，使得設計方案兼顧感性與理性之光。

簡而言之，數據之于設計師有以下好處：

1. 設計前-發現問題

通過數據的橫向對比（和競品比），了解現狀和差距，找到設計發力點。

舉個栗子：

vivo 錢包 V1.0 版本上線后，通過對轉化數據的提取和與競品的對比，可以發現轉化率漏斗的瓶頸與競品的差距，從而對入口、引導、選卡和開卡環節進行有針對性的優化設計。

△ 圖1 vivo錢包NFC交通卡走查結果

通過數據的縱向對比（和歷史比），了解規律和變化，迭代設計方案。

舉個栗子：

瀏覽器的歷史記錄改版后，歷史記錄的轉化率明顯降低，尤其是第一條歷史記錄，轉化率下降了約 10%，考慮到第一條歷史記錄的點擊頻次和操作便捷度，我們又做了強化第一條歷史記錄的迭代設計。

△ 圖2 歷史記錄的方案迭代

通過數據的人群對比（用戶分層），發現不同人群的功能關注/卷入度，為不同用戶呈現不同的設計界面。

舉個栗子：

針對 vivo 視頻新用戶卷入度低，互動動機不足，推薦不準確的情況，可以呈現不同的設計方案來滿足不同的用戶訴求。

△ 圖3 為不同用戶呈現不同設計界面

2. 設計時-輔助決策

設計方案時，如果對于多個方向猶豫不決，則可以借助快速調研的方式獲取數據，輔助設計決策。

舉個栗子：

我們在設計視頻產品呈現模式時，對于淺色模式和深色模式各執一詞：運營同學偏向于淺色模式，擔心深色模式壓抑，幼兒頻道的小朋友們和家長會不喜歡。而設計師認為，深色模式內容和背景對比度小，視覺更舒適，看視頻也更沉浸。雙方都很難說服對方，于是通過快速問卷獲得用戶反饋：多數用戶更偏好深色模式，且認為深色更護眼，從而就設計方向達成一致意見。

△ 圖4 視頻深色淺色模式對比方案

3. 設計后-驗證設計

通過灰度或正式上線數據，和預期數據的對比，判斷設計目標的實現程度，并總結和沉淀相應的設計經驗。

舉個栗子：

在收銀臺頁面優化設計中，對于是否要增加大會員開通模塊，項目組各執一詞，最終決定上線兩個方案，觀察數據結果。從灰度數據結果來看，未展示大會員的方案 1，支付點擊率和成功率相比原方案都更高，說明設計優化效果顯著；展示大會員的支付率則有所降低，最終決定上線方案 1。經過這次灰度，大家也更加確信：在支付頁，輕易不要增加設計元素和功能（避免視覺負荷和認知負荷，導致轉化率降低）。

△ 圖5 大會員優化方案

既然數據可以給設計師帶來這么多好處，那設計師應該從哪些維度去了解數據呢？

在《產品經理數據修煉 30 問》中，作者提出了這樣一個思路，筆者深感認同，也分享給你：可以從宏觀、中觀和微觀三個維度，去構建產品的數據全局觀：

△ 圖6 如何構建產品的數據全局觀

• 宏觀的行業洞察

研究宏觀的行業分析報告，幫助我們了解目標用戶的體量，產品的行業格局和生態，進而幫助我們更好的理解產品相對競品的優缺點。

• 中觀的產品概覽

梳理產品的數據體系，幫助我們了解產品的核心指標，指標現狀及波動情況，指標意義和對商業的影響，以及指標和設計之間的關系，確認設計的發力點。

• 微觀的數據洞察

把握每個核心功能的使用鏈路，了解核心鏈路上的轉化率漏斗，幫助我們還原用戶的使用場景，思考如何更好的服務用戶及用戶目標，做出更好的設計。

從宏觀到微觀，是設計師在心中重塑產品，建立產品設計全局觀的過程，在這樣的數據視野下，設計師對產品的現狀會更加理性和客觀。

了解設計師常用的數據模型及數據指標

行業里常見的數據模型是 Google’s HEART 模型（阿里設計團隊在此基礎之上迭代了國內更廣為運用的 5 度模型，所以本文也主要為大家介紹 5 度模型）和 AARRR 模型。

△ 圖7 5度模型（圖片來自網絡）

1.? 5 度模型

用戶體驗周期分為 5 個階段：觸達、行動、感知、回訪、傳播。這 5 個階段對應的核心目標分別是吸引度、完成度、滿意度、忠誠度和推薦度。

吸引度

吸引度是指操作前用戶初次接觸到這個產品/功能時，產品/功能能否被用戶注意到，并吸引用戶的注意和興趣，進而產生相應的行為。

相關的用戶體驗數據指標有（但不局限于）知曉率、到達率、點擊率、退出率等。在吸引度層面，最需要設計師分析的是頁面/功能/內容的曝光率和點擊率，看設計入口是否達到設計預期。

完成度

完成度是指在操作過程中，用戶能不能完成產品目標對應的操作流程，以及完成目標過程中的操作效率，主要用戶體驗數據指標有（但不局限于）首次點擊時間、操作完成時間、操作完成點擊數、操作完成率、操作失敗率、操作出錯率等。

在完成度層面，最需要設計師分析的就是核心路徑的轉化漏斗和用戶停留時長，由此可以判斷核心鏈路設計的可用性。

滿意度

滿意度是指操作完成后，用戶產生的主觀感受和滿意度，主要用戶體驗數據指標有（但不局限于）布局合理性、內容可理解性、操作容易度、界面美觀度等方面的主觀評價。

滿意度數據主要來自于用戶定性定量調研，用研團隊一般每半年或者一年會進行一次滿意度調研，設計師要密切關注滿意度調研的高峰和低谷，盡量在后續的設計中填平低谷，拔高峰值。

忠誠度

忠誠度是指完成一次使用后，用戶會不會再次使用此產品，主要用戶體驗數據指標有（但不局限于）30 天/7 天回訪率、不同平臺的使用重合率等。

忠誠度和用戶留存率密切相關，設計師可根據回訪率和用戶使用場景，設計合適的觸發，提醒用戶使用產品。同時借鑒競品產品的體驗優勢，轉化競品用戶。

推薦度

推薦度是指用戶會不會將此產品推薦給其他人，主要用戶體驗數據指標：凈推薦值（NPS）。

推薦度與滿意度類似，也是通過用戶定性定量的調研獲得。不同之處在于，滿意度更多的強調用戶自身的使用感受，而推薦度則關乎用戶向外的口碑傳播。

設計師應把握口碑傳播中的產品優劣勢，快速改進劣勢，阻斷輿論傳播，同時不斷強化優勢，引導用戶傳播，形成良性的口碑循環。

2. AARRR 模型

AARRR 增長模型出自于增長黑客，又稱海盜模型。

AARRR 是獲客（Acquisition）、激活（Activation）、留存（Retention）、收入（Revenue）、傳播（Refer），這五個單詞的縮寫，分別對應用戶生命周期中的 5 個重要環節。

獲客

通過一定的推廣方式讓產品在一些渠道上面得到展現，并使看到展現的用戶轉化成產品用戶。

獲客階段需要計算產品的推廣方式（CAC、CPC、CPT、CPM、CPS、CPA）、推廣費用和推廣效果，來評估推廣渠道的投資回報率（ROI），幫助產品做推廣決策。

激活

把通過渠道引入的用戶，轉化成產品的活躍用戶，提高產品的使用粘性和深度。

激活階段要計算產品的核心鏈路轉化率，了解轉化瓶頸，并作出對應的設計優化。

留存

如何讓用戶不斷地使用我們的產品，減少用戶的流失，提升用戶粘性，讓用戶無法離開產品。

留存階段要結合用戶的使用場景，設計合適的觸發，提升用戶留存率。

收入

通過一些手段和渠道從用戶或者廣告方那里獲取收益。

收入階段則要分析產品的收入方式和收入占比，刺激用戶消費頻次和消費額度。

推薦

通過提升產品的競爭力和利益刺激，使用戶推薦我們的產品給他的朋友。

推薦階段則要結合場景，激勵和引導用戶分享，帶來良性的產品口碑。

△ 圖8 AARRR模型（圖片來自網絡）

關于 AARRR 模型，我從網上找到這樣一張圖，里面標注了每個階段設計師可以關注的數據指標，如果你在設計中有使用到 AARRR 模型，不妨采用圖中的數據指標，對你的設計結果展開分析。

如果你剛接觸數據，對于圖中的英文縮寫數據指標一頭霧水，可以點擊查看我們團隊整理的這張《常用數據指標釋義一覽》，相信會對你有幫助。鏈接如下：https://docs.qq.com/sheet/DS1pHcWl0SFJQdHZp 。

學會如何簡單的分析數據

在項目團隊里，設計師主要是一個利用數據做設計洞察和分析的角色，而非收集、處理、呈現、深度分析、沉淀數據的角色。所以，設計師若能完成以下基本的數據分析，就可以在日常的設計分析中游刃有余。

1. 看數據

知道公司有哪些數據平臺，分別可以查看哪些數據，能夠做到對產品的核心數據指標脫口而出。

知道并且能夠看懂產品的埋點數據表，當對數據釋義有疑問時，可以通過查閱埋點數據表，了解數據的真實含義和統計口徑；

知道如何查看或下載數據報表中沒有的埋點數據，減少對數據分析師的設計依賴，提高設計效率；

2. 算數據

會使用公司的數據平臺，如果數據平臺支持，可以直接在數據平臺中選擇簡單的數據埋點，完成點擊率和轉化漏斗的數據計算（更快速和直觀）。

如果公司數據平臺不夠完善，可以用 Excel 完成以下簡單的數據計算。

求數據平均值(=AVERAGE(單元格范圍))。

進行數據分析時，為了避免單日數據波動帶來的誤差，通常會將一段時間內的數據取平均值作為基礎運算基準值。

（我自己取數據時通常會取一周的數據算平均值，而且盡量避開節假日，這樣做是為了避免節假日的流量和特殊需求波動帶來的影響，也避免工作日和休息日的用戶行為差異）

求數據點擊率（=點擊 PV/曝光 PV）

這是最基礎也最常用的數據運算，就是一個簡單的除法。

（注意曝光的 PV 要取對應的點擊元素的，而非整體頁面的。根據具體情況選擇 PV 的點擊率或 UV 的點擊率）

會用數據透視表，實現批量計算平均值/點擊率/轉化率。

一個個的計算數據還是比較麻煩的，透視表可以幫助我們批量計算和呈現想要查看的數據，非常方便快捷。坦白來說，從業多年，雖然一直很關注數據，但我的數據計算就僅僅止步于 Excel 的透視表，基本上可以解決我日常的數據分析需求。如果遇到真的不會計算的數據，可以直接求助于數據分析師，畢竟術業有專攻，我們可以把更多的精力放在數據分析和對設計方案的思考上。

3. 分析數據

數據說到底就是一堆數值，知道這些數值并沒有意義，有意義的是從這些數值中，提煉自己的洞察，輔助自己的思考，這才是數據真正的價值。

具體如何做數據分析可以參考以下分析脈絡：

• 確認分析目標；
• 確認與分析目標相關的數據指標；
• 查看并提取相關數據指標，根據分析目標作出相應的計算；
• 將計算出來的數值做橫向/縱向/分層的對比，尋找數據與競品/歷史/人群之間差距，并思考如何通過設計的方式，彌補甚至反超這些數據差異。（具體案例可以參考本文第一節）

小結

現在，我們再回顧一下本文的知識要點：

1. 明確數據對設計的價值（發現問題、輔助決策、驗證設計），建立數據分析的全局觀。
2. 了解設計師常用的數據模型（5 度模型和 AARRR 模型）及數據指標，知道數據分析的框架，知道從哪些指標開始入手分析。
3. 知道如何進行簡單的數據計算和分析，消除數據學習的未知恐懼感。

最后，補充說一句，對于設計師，會不會數據計算其實不重要，（確實很多設計師，一提到數據計算就頭大，但依然可以通過與數據分析師/數據產品經理的合作，培養數據設計意識），重要的是具備數據思維，能夠從現有的數據中發現問題、輔助決策，驗證方案，從而幫助我們做出更理性的決策。

參考文獻

• 課件：《數據的基礎知識及應用》
• 書籍：《U一點料》《產品經理數據修煉30問》
• 文章：學習數據分析，從了解數據模型開始
• 文章：寫給設計師看的基礎數據知識

歡迎關注作者微信公眾號：「VMIC UED」