設計師專業表達指南——數據篇

不懂技術怎么做產品?15天在線學習,補齊產品經理必備技術知識,再也不被開發忽悠。了解一下>

本文筆者將圍繞數據的價值來看:數據對我們設計師到底有什么用,我們又應該如何用?

全球矚目的新銳歷史學家尤瓦爾·赫拉利,曾在《未來簡史》中說:

在未來,大數據會接管一切,小到你的工作、身體和生活,大到公司的布局、發展和決策。普通人的想象會越來越不重要,重要的是那些想象力能夠超越“大數據”的人,能夠超越大數據的將成為“智神”,而被大數據掌握的則是“凡人”,親愛的讀者,你是想成為未來的“智神”還是“凡人”呢?

數據驅動,一直是設計領域以及各個設計部門倡導的口號。在數據驅動概念進入設計師意識之前,用戶體驗一直是一個感性而難以度量的因素。隨著數據驅動的廣泛運用,它的直接效力很快讓其在各大前沿的科技公司占據了一席之地,甚至是獨占鰲頭。

在一切皆可被數據化/量化的洪流之下,體驗驅動+數據驅動,也越來越成為各大互聯網公司設計部門倡導的口號。設計,從一開始的個人喜好、設計經驗、用戶調研、設計原則、平臺規范,又插上了數據這一理性的得力翅膀。

然而,讓我吃驚的是,數據驅動倡導了這么多年,周圍還是有一些設計師,對于數據驅動渾然不覺——他們既不知道公司有些哪些數據平臺,也不知道產品有哪些數據埋點,對于主動量化自己的設計效果毫無意識。

任何理念,從倡導到執行,中間都有一個漸進過程,這確實是一道意識Gap。如果整個團隊都秉承著數據驅動的設計理念,那么深處其中的每個成員,都會主動和被動的接觸到各種數據,在設計的過程中就會有意識的去獲取各種數據,以了解設計背景、輔助設計決策,驗證設計合理性。

在這樣的團隊呆久了,每個設計師都萌生了一只數據之眼,會力求用數據來衡量設計、量化體驗,讓設計突破個人視野的狹隘,取得理性和感性的平衡。甚至會患上一定的“數據依賴癥”,沒有數據,總覺得自己看得不夠真切,不夠全面,擔心自己的偏見會帶歪設計的方向。

時代在發展,用戶在變化,連張小龍都說,我所說的可能都是錯的,在這樣瞬息萬變的市場和用戶環境中,這些設計師總是謹慎的看待自己的設計方案,利用數據給它們尋找更多的支點,讓其能夠在市場和用戶的雙重考驗中屹立不改。

對于另一些設計師,數據驅動,真的僅僅只是口號而已。對于他們來說,數據只不過是在最后總結設計成果時,臨時找產品或運營要來一大堆數據報告,從中篩選出跟設計相關的漂亮指標,粘貼在自己的總結里,凸顯自己設計的含金量及高價值(不要問我怎么知道,我也是這么走過來的,偷笑)。至于究竟是什么導致了這樣的數據結果,他們一概不問,也不太關心。(只不過,有的時候也會比較苦惱,因為產品運營里的數據可能過于宏觀,有時候很難找到合適的設計表達數據,但是總結匯報時間一過,新的設計任務一來,他們又把數據跟進這件事忘之腦后了)

讀到這里,我不禁想問:親愛的讀者,你是哪種類型的設計師呢?是言必問“數據”,還是隨心而動,跟著自己的感覺經驗走呢?

好了,言歸正傳,我們回到今天的主題,還是圍繞數據的價值來看,數據對我們設計師到底有什么用,我們又應該如何用?

數據對于設計師的用途

設計師專業表達指南·數據篇

數據驅動設計模型

根據【數據驅動設計模型】(作者根據自己對數據的理解和使用自行歸納的,歡迎大家一起探討~~),在不同設計階段,數據對設計師的啟發,我將其歸納為以下三點:

  1. 洞察用戶行為,發現設計問題
  2. 提供科學依據,輔助設計決策
  3. 驗證設計假設,評估設計效果。

下面,我們通過幾個具體的案例來理解一下數據分析的用途。

1. 洞察用戶行為,發現設計問題

“你不是用戶”、“用戶會撒謊”、“不要看他們說什么,而要看他們做什么”……這些客觀的言論,時刻都在提醒我們,不要主觀臆測,而要深入洞察用戶的行為。

在洞察用戶方面,我們有很多渠道。但是,嚴格意義上來說,任何可以被用戶感知到的渠道,其實都會在潛意識里改變用戶的行為,讓他做出一些有傾向性甚至刻意的行為,只有當用戶完全處于放松和習慣的環境下,他們才會表現出真實的行為——在各種干擾因素下進行隨意或者滿足即可的探索。

而用戶行為數據,就是這樣一種反映用戶本真的三棱鏡。在本文,我將用戶行為數據分為整體用戶行為分布和個體用戶行為路徑兩類。

整體用戶行為分布,指的是將用戶操作按照轉化漏斗的深度,進行逐級分支的呈現,通過整體用戶行為分布圖,可以清楚的了解每個頁面的功能轉化率,及最終任務的完成率。利用這些數據,可以幫助我們發現多數用戶看重的功能(轉化率高),折射出設計存的問題(完成率低),從而找到設計優化的優先級。(秉著為大多數用戶設計的原則,一般情況下越多用戶遭遇的問題,優先級越高)

舉一個最近數據幫助我發現問題的例子:

前幾天,我做搜索的數據分析,發現65.32%的搜索,都來自首頁搜索框。然而,數據顯示,用戶啟動瀏覽器時,其實有59.32%的情況是停留在非首頁。但非首頁的搜索發起率只有24.35%。

從這里看出,有34.97%的用戶都是通過返回首頁再發起搜索的,這對于我的搜索目標“一鍵搜索,一鍵結果”而言,顯示是不符合的。從而也反映出在非首頁中,我們的地址欄輸入框并未起到引導用戶輸入的目的。有了這個數據洞察,就指引我們要在非首頁強調地址欄的搜索屬性,讓用戶在任何網頁都可以直接發起搜索,而不一定要回到首頁。

設計師專業表達指南·數據篇

啟動和搜索的整體用戶行為分布

除了整體用戶行為分布,我們還可以分析單個用戶的行為路徑,它可以很好的再現某一個用戶的真實行為。之前在滴滴的時候產品經理經常用這種方式來還原并講述用戶故事,讓我們感受到一個真實用戶的困擾和驚喜。

通過用戶行為路徑,我們可以看到用戶在時間軸上的操作及狀態的變化,就像上帝之眼一樣回顧單個用戶的操作路徑,了解:他在哪個頁面做了較長的停留,操作了哪些元素?在任務路徑上進行了哪些操作上的反復,以此來推測我們在哪些頁面上的操作設計得不夠醒目? 哪些元素傳達的涵義不夠明確? 哪些結果未能滿足用戶的訴求,哪些任務對于用戶來說不夠便捷?當我們透過數據“看”到用戶的迷茫?

看到他們并不能像我們期待的那樣使用產品時,我們就會產生更強的動力去改進我們的產品。

2. 提供科學依據,輔助設計決策

數據輔助設計決策的例子就數不勝數了,比如:在一系列功能中,哪些功能用戶操作頻度最高,在設計的時候,我們就需要把最重要的功能設計得最突出,確保所有用戶可以根據習慣的視覺流或者視覺掃描定位到它。同時再結合產品目標、用戶認知、用戶操作成本等綜合因素確定設計。

設計師專業表達指南·數據篇

點擊數據輔助設計決策

比如:我們在做菜單欄的功能布局時,到底哪些功能應該放置在前面,哪些功能應該放置在中間,哪些功能應該放置在最后,如果沒有數據決策,那就只能根據產品團隊的喜好和經驗拍腦袋了。但有了上述使用率數據以后,再結合我們的產品目標及設計法則,就很容易做出正確的設計決策。

上圖中最終的設計布局,就用到了以下設計依據:

  1. 書簽是用戶主動使用率最高的功能,所以放置在第一位,方便查找和操作。
  2. 下載及視頻使用率分別是第一、第三(因為有小紅點提醒),且是我們的主打功能,功能之間也有一定的相似性,所以并列放置在后。
  3. 主題因為有提醒(new),所以點擊率高,進入后的轉化率折半,后續看情況,如果有更重要的功能可以考慮收到工具里(考慮擴展性)。
  4. 考慮到添加書簽和書簽的相關性,所以將二者縱向就近放置。
  5. 考慮到隱私模式的相對高頻且隱私模式的可見性,所以將其保留在一級菜單。
  6. 因為后面功能的長尾性,考慮功能性質,將部分收納進工具箱,考慮到功能可見性,將他們以小圖標形式呈現,方便用戶快速找到。(分享和反饋,考慮到產品運營的需求,做了單獨的布局設計,并未完全按照使用率排布)
  7. 根據古騰堡法則,將操作相對獨立,且操作頻度較高的刷新放在右下角,方便用戶注意且點擊。

3. 驗證設計假設,評估設計效果

每次設計之前,我們其實都會有一個預期指標,我們會預估設計上線后,預期指標會有多大的變化。

當設計上線之后,我們就會提取對應的數據進行分析,看數據的結果是否達到我們的預期。如果達到預期,說明我們的設計是有效的,如果未達到預期,就需要從需求滿足度到設計/研發完成度的全路徑去拆解,到底問題在哪里?從而發起新一輪的數據驅動設計。

舉一個UI調整對用戶行為數據影響的例子:

設計師專業表達指南·數據篇

搜索引擎品牌外顯設計

在我們的外銷瀏覽器首頁(如上圖左所示),搜索框下方有兩排名站,其中Google站點的點擊率遙遙領先。

我們站在用戶目標的角度來看,用戶不管是點擊google站點,還是點擊頂部的搜索框,其實都是為了發起搜索。如果用戶點擊Google站點,會進入到Google首頁,需要再次點擊google搜索框才能發起搜索,相對于直接在我們首頁點擊搜索框而言,操作路徑會更長一些。

基于此,我們提出一個假設:如果我們把搜索框中的搜索圖標換成Google的logo,應該會吸引一部分Google搜索的用戶從Google站點轉移至我們的搜索框,從而提升搜索框的轉化率。

基于此,我們做了上圖右所示方案。

數據結果顯示:確實如我們所料,添加Google品牌logo后的搜索框,轉化率相比之前版本提升了10.51%,而且人均點擊次數也提升了5.23%。考慮到用戶習慣的延續性問題,我們會繼續監控這兩個數據指標,看是否會有越來越多的用戶從Google名站遷移至搜索框。

我們應該如何用數據

為什么做這個功能/設計?收益是什么?當前數據怎樣?做完數據會有怎樣的變化?在開始每一項具體的設計之前,我們需要明確每個需求的目的(用戶訴求)和我們的目標(產品價值/商業價值),從而更加理性的看待每一個需求。

數據指標,能讓我們擺脫個人的偏見,站在相對客觀的角度對需求和設計進行分析。在vivo,我們需求評審時,會有一個需求價值分值介紹,包括用戶價值、商業價值和業務價值。它讓每一個需求提出者都要多維思考,從各個角度審視需求的合理性,并預估相應的預期指標,秉著為結果(長遠目標)負責的態度開始設計。

下面來說一說,設計師接觸數據的三步曲,從認識數據(明確設計目標,確認核心指標),到使用數據(數據分析,助力設計),再到深度定制(查漏補缺,完善數據源)。

設計師專業表達指南·數據篇

設計師接觸數據三步曲

數據使用和數據定制,不同人不同階段來看,先后順序是不一樣的。從流程上來說,必須先定制數據,才能夠使用數據,我這里之所以把定制數據放在使用數據之后,是因為設計師通常不是一開始的數據定制人。只有當我們真正踐行了數據驅動設計的工作之后,我們才能真正意識到數據的價值和數據的缺失,從而提出深度的設計數據定制需求。

1. 明確設計目標,確認核心指標

這是設計的原點(參見上文中【數據驅動設計模型】),設計最終是為用戶和產品服務的。

我們的設計到底能為用戶和產品帶來什么價值?方向明確,設計過程中才不會走錯路,繞遠路。之前在滴滴時,有一位設計前輩的話,一直讓我銘記于心:我們只有服務好了內部用戶,才能真正實現為用戶設計的初心。

我相信每個設計師入行之初,都懷揣著“以用戶為中心,為最終用戶創造價值”的初心,把自己當做是用戶體驗的代言人。隨著我們在項目中磨合歷練,我們會對設計的出發點——尋找用戶需求、商業持續性、技術可行性三者的交叉點展開設計”,會有越來越多深刻的理解。

設計師專業表達指南·數據篇

設計出發點

我們在盡可能給用戶帶來更多價值,更好體驗的同時,也要盡可能的滿足業務和商業訴求,這樣我們的設計才能得到團隊的支持——有上線之日,才能有服務最終用戶的機會。多了解產品運營的核心指標,有助于我們站在更多維度上思考,決策,于眼前可以讓我們的設計方案更容易通過,于長遠,則有利于設計師專業影響力的塑造和傳播。

一般來說,產品的核心指標都是比較固化的,常見的核心指標包括:日活率、轉化率、使用頻次、使用時長等。

日常功能和設計的迭代,都是在追求具體數值的不斷提升,當有新業務加入或者產品準備轉型時,才會涉及到核心指標的變更。了解和銘記核心指標是團隊每個成員都應該做的事情,哪怕你并不會進入到數據使用的后兩個階段。

2. 查漏補缺,確保有據可查

這是數據驅動設計的基石,巧婦難為無米之炊,沒有數據來源,整個數據驅動設計模型都是泡影,而這又恰好是設計師最容易忽視的一個環節。

一般情況下,埋點整理工作都是由產品經理和數據產品負責的,埋點表也比較專業,如果沒有和數據產品溝通過埋點設計規則,可能設計師都看不懂埋點表,更別說查漏補缺發現其中的問題了。(每個公司的埋點規則及表達也不太一樣,這個可以和具體的埋點負責人溝通一下,了解了埋點表的設計與表達方式,讓你更容易邁進數據分析的門檻,否則你可能就永遠被攔在門外)。

數據埋點整理,通常都是產品經理負責的事,一般詳細PRD完成以后就會進行,以此來檢驗功能上線后的效果。但是,產品經理關心的埋點更宏觀,更傾向于前面提到的核心指標,而設計師關心的更多的是用戶行為數據,會更細致全面。如果這一步沒有及時跟進,后面的數據驗證和迭代就很有可能無據可依。

設計師常用的埋點,有兩大類別:動作埋點和狀態埋點。

動作埋點比較好理解,就是用戶可以操作的元素的埋點。這是我們計算轉化率的基礎,對于界面上可見的可以操作的元素進行埋點,這是比較容易做到的。

值得提醒的是:有些元素因為在常態下不會顯示,所以它的曝光和點擊數據就容易被忽視,設計師需要確認這些在設計時隱藏/折疊,以及特殊狀態下出現的內容埋點的必要性。

狀態埋點相對而言,比較容易被大家忽視,如果一個元素在操作前或操作后有多種顯示狀態,不同的狀態會導致操作的后續反饋有所不同,那么就有可能要細分狀態埋點。

其實,這些狀態設計師在做設計方案的時候都已經考慮過了,只不過在埋點設計時,我們需要考慮是否把把這些分支狀態對應到埋點上而已(我這里用了埋點設計,是希望設計師把埋點也當做設計的一部分,這樣會懷著更專業嚴謹的態度來對待埋點)。

3. 數據分析,助力設計

數據分析,在數據驅動設計的各個階段都會進行(參考前面的【數據驅動設計模型】),只是不同階段我們的關注點不同,分析的數據也不同,它會貫穿在我們的整個設計流程中。

在數據驗證階段,一般產品上線前,都會有一周左右的灰度時間,項目成員在灰度期間,就會密切跟蹤數據埋點,看是否達到預期值,而且也會關注產品對核心指標的影響。

通常情況下下,只要是對核心指標有正向促進作用的,即使沒有達到預期的指標數值,也是可以通過灰度的,畢竟用戶發現和使用新的功能和設計都需要一定的學習成本,如果有必要,可以通過加長灰度時間或者在正式上線之后做一個長期的跟蹤。

具體數據分析時,要注意區分版本和日期,否則可能會發現上線前后數據沒什么變化,那是因為不管是灰度數據還是剛上線的數據,用戶量相對于大盤來說都比較小。如果取錯了分母,當然會導致對應的數據變化不明顯。所以,提取數據的時候要注意區分版本,同時注意時間,分析數據變化趨勢是否朝預定的預期值方向在發展。

數據分析成本這塊,不同的公司千差萬別。大公司往往有自己的數據后臺,而且會將數據做成可定制的可視化報表,想看哪塊可能只需要簡單的動動鼠標,就可以得到自己可以看得懂的數據圖標,方便又省心(這也是設計的力量,幫助大家節約數據獲取和數據認知的成本)。如果你有幸在這樣的大公司,那恭喜你,你擁有天然的數據資源,可以比別人更便捷的取得數據的支持。

當你新進入一個公司時,不妨多問問你的導師,領導或其他同事,看看大家常用的數據資源有哪些?

通常情況下,設計師關注的數據會比較相似,如果其他設計師已經有數據分析的習慣,你可以通過交流快速的獲取到這些數據資源。有的設計小組做的比較貼心,會將常用的數據報表鏈接整理出來,這樣你只需要申請一個權限,就可以方便的查看已有的數據。但如果你發現設計組并沒有人主動關心數據,也不要氣餒,也許你就是命中注定的組內第一個數據分析設計師。

你可以先和產品運營同學聊聊,看看公司有哪些數據平臺可以為你所用,先了解有什么?核心指標是什么?再結合你的設計,做好數據規劃,把缺失的數據整理出來,再補充上,為下一步的數據分析打好地基。

除了數據后臺的自動報表,你還可以借助他人的力量,他們就是公司的數據分析師。把你的需求清楚細致的表達給他們,先說明你的分析目標,再表達你的數據需求。

經驗豐富的他們,也許可以給你提供一些現成的數據,讓你直接可以做出設計決策。或者可以幫助你細化你的數據需求,讓你的數據和你的分析目標更加的合拍。最后,他們還可以給你提供可視化的數據分析結果,讓你一目了然的獲得數據結論,省去數據分析繁瑣工作。和數據分析師建立親密的合作關系,可以讓你在數據分析的路上走得更快更輕松。

最后的力量來自于你自己,你可以在數據后臺中查詢到一些沒有做成報表的數據,導出來,自己用數據分析工具進行分析。分析工具這塊說來慚愧,我雖然常用,但并不擅長,僅僅止步于Excel的透視表,會做一些最基礎的交叉數據分析和轉化率分析。如果你想學,分分鐘可以趕超我。

根據我自己的經驗來說,一個簡單的透視表就能滿足大多數數據分布和數據轉化率的分析工作,大多數時候也夠用了,所以也一直沒有動力深入學習。偶爾使用一些復雜點的公式,也因為低頻,所以經常用完就忘,下次還得再求助百度或者數據分析師。所以,我認為數據分析工具這塊,能滿足你自己最常用的分析需求就好,其他低頻復雜的分析需求,還是建議你求助于數據分析師,畢竟術業有專攻,我們可以把更多的精力放在設計方案的思考上。

講了這么多,其實對于設計師來說,用什么工具分析數據并不重要,是不是設計師自己在分析數據也不太重要。重要的還是在整個設計過程中,設計師都要有數據思維,要時刻以核心指標為導向,以用戶行為數據為參考,校正自己的設計方向,迭代自己的設計方案,并參與到數據建設的流程中去,把設計與數據更好的結合起來,讓數據驅動設計成為可能。

談了這么多數據分析的例子和經驗,其實心里還是有點虛,畢竟在整個項目團隊中,設計師對數據分析并不是最關注和最擅長的,如有不妥之處,歡迎大家批評指正~~

 

本文由@悅悅兔 原創發布于人人都是產品經理,未經許可,禁止轉載。

題圖來自Unsplash, 基于CC0協議

給作者打賞,鼓勵TA抓緊創作!
評論
歡迎留言討論~!
  1. 您真的很專業,多希望您是我的導師,我可以學習到更多的東西~感恩分享

    回復
  2. 悅悅,好文章 :|

    回復
马总会三肖中特