刚刚迈入这个行业的时候对于好设计的标准总是存在着疑惑,到底什么才是好的设计。我们耳熟能详的大公司产品就是行业标准的好设计吗?我一直以为它们是划等号的。大公司的产品有其得天独厚的优势,当它有庞大的用户基数群体时它所承载的交互方式就被用户接受和理解,进而很容易形成一个行业参考。大公司,各种新奇创意的几何构成,好看的色彩搭配,轻巧的动画展示,新颖的交互方式这些元素就构成了我对于优秀设计的一个定义。当我进入这个行业一段时间后我会发现如果你在一个大公司,表现层面上的东西很容易就实现,但是最难的是过程中如何去平衡好每一个制约因素,大到商业价值,产品方向,小到和产品,开发,视觉同事阐述你的设计方案,如何在这么多条条框框中平衡好每一个因素,基于当前的业务问题解决让老板满意,同事都接受,最后最小成本的快速上线,这才是设计的价值。
每次看到设计稿和线上产品的差异时总是一副宝宝心里苦的表情,方案推不动,沟通不顺畅,时间限制,开发不支持等等原因都是宝宝们心里委屈的原因。深挖这些原因,就会发现都是职业或者思维视角的差异,我们习惯用我们的表达方式去阐述方案,大都带着很大的主观性。假设我们用客观的方式去阐释方案推进设计落地是不是会顺畅很多,一千个哈姆雷特有一千个读者,当由主观转为客观后大家的认知会更加一致性,没有人会去质疑客观存在的数据。
为什么要了解数据?
数据这个小妖孽怎么用?首先我们会发现人类对数字有天生的敏锐度,也就是说pv上涨10%比用户体验更加友好说服力更强的接受度更高。其次善用数据可以解决在设计过程中令我们纠结的AB方案的验证,上线后可以根据数据验证设计的好坏,为后期的设计优化提供有力的支撑。最后当我们跳出设计师思维时,会发现产品老板关心的商业数据和kpi就是用户增长数据,产品活跃数据,明白这些后工作起来也会更加顺畅。
那到底哪些数据是我们的必备技能呢。每个行业所需储备的数据术语不尽相同,我从我服务的电商行业来简单的聊一聊。电商说白了就是卖东西,由线下到线上,不仅承载着用户产品的售卖,也肩负着产品自身的盈利和商业价值。它是更典型的数据驱动型公司。
一直认可一个观念一个好的交互设计师一定能深挖业务,根植于业务的基础去解决问题优化体验,给出设计方案去满足用户的需求,最重要的是能够最小成本的实现。电商行业了解业务很重要的一个步骤就是了解数据,看懂数据,从数据中提炼设计优化点。
了解哪些数据?
宏观层面先了解GMV 和ROI 这类粗颗粒的指标。GMV成交总额,在交易过程中所有产生的金额,交易成功交易失败退款等,与它相对的就是income,净收入。ROI投资回报率,就是通俗我们说的投入产出比。了解这些可以帮助我们更好的把握产品方向。
接下来说和我们密切相关的微观层面的数据,它可以从两个维度去拆解。用户行为分析和业务场景分析。
1.用户行为分析
基于当前场景分析用户(下图),我们来具体拆解用户从浏览到下单完成整个流程中的具体步骤。浏览-比较/选择-决购买-填写订单页面-购买支付-支付完成。细化流程中的每一步,而在这个过程中每一个步骤都有可能造成用户的流失,其中的具体原因可以根据具体的页面再来分析。路径越长用户就会流失的越厉害,缩短用户的操作路径已经成了一个共识。
那其他页面的流失率如何缩小,把用户的每一步对应的拆解到实际页面中去。我们可以发现用户的浏览行为发生在首页,首页要承载的功能是提供用户满意的内容,入口或者具体产品不限。当内容缺失时,用户会流失。用户继续往下操作时可以判断用户对当前的内容是感兴趣的,找到合适的内容后用户开始进行比较,这个页面通常在我们的list页面,用户会进行同类或同质产品的比较,选择之后会详细查看产品本身的信息。从产品的详情页面到订单预定页面用户的流失率会比较高,用户可能发现这个产品不适合自己,用户不喜欢这个安排,价格高等等。当用户到订单填写时,这个时候基本可以断定用户对这个产品是满意的,在订单填写过程中任何干扰都会造成用户的流失,可以看到所有的电商网站在支付过程中都是单一沉浸式设计,让用户专注当前操作。
对应这张图叫做漏斗模型,来源于搜索营销转化漏斗,感兴趣的可以自行百度。稍微解释下图里面涉及到的数据名词。常见名词:pv,uv。当前页面的浏览人数和点击人数。
通常情况下pv/uv呈正相关,pv略高于uv(下图)
pv/uv图1
当pv/uv出现负相关也就是pv低于uv时,说明很多用户进来这个页面,页面的内容不足以引起用户的兴趣用户直接走掉了,可能有两个原因:1.首页产品内容用户不感兴趣 2.当前页面的交互方式有问题,阻碍了用户行为。这只是片面的截取一段数据,分析用户的整体行为还需要看连续的数据,包括用户进来的路径。
2.业务场景分析
业务场景分析(下图)。假设有100人进去了这个页面,uv=100,到list页时只有50人,则页面转化率是50%,到达detail页面时30个人,则l2d的转化率是60%,到达订单填写booking页面时10人,则d2b的转化率是33%,到达支付页时7人,则b2o的转化率是70%,支付完成只有5人,则支付率为71%。
具体对应的几个关键的数据指标:1.订单转化率:订单数/uv ,2.页面的跳出率和页面的停留时间,这个可以根据具体的设计情况埋点进行分析。
其他数据
运营数据。spu-标准化产品单元,简单的理解为单一产品规格,sku最小库存单元。举例:无印良品a系列b型号的白T恤为一个spu,白T恤的s码就是sku。知道这个的意义在于当你对页面信息的展示做梳理和优化时可以更好的整合信息而不干扰产品本身的逻辑。
用户保障指标:cpo 每个订单量所产生的电话量比例,spo 每个订单所产生的服务诉求量。用户研究最直接的反馈就是用户保障的电话呼入,消费者的咨询和投诉,细化用户保障指标也可以发现很多问题,可以让我们更快获取用户的真实反馈,更高效的解决问题。
粗浅说一说数据分析
在做数据分析前首先对于要分析的内容有个结果的预判。带着一定的目的性去做数据分析,才能更好的利用数据。一份数据分析报告应该包括1.最初设计方案上线时的目标达成率,完成百分比,这样方便现在的数据对比分析,发现问题。2.核心的数据走势图:uv.gmv。在一些大的数据拐点做分析,发生大拐点的原因是什么。3.流量分析,也就是渠道分析,流量上涨是什么原因,来自于哪个渠道,所以的页面点击都不会是来自于单一渠道,针对流量的质量做分析,哪个渠道的质量最高,转化率最好。相关联的流量渠道占比和流量渠道转化占比分析。4.模块点击分析,页面的结构是否合理,用户的点击占比是否符合预期,如果有差异说明框架的引导对用户造成了误解或者当前内容用户不关注。页面模块的点击占比和模块成交分布占比。
数据分析是一门特别精深的活,数据可以洞见未来。浅谈一下,有兴趣可以再深究。推荐书籍《Groth hacker》.