數據與設計

來自專欄 heychen的交互雜思錄

一、數據對設計來說很重要

社會科學研究中離不開定量和定性研究，數據是定量研究中必不可少的組成，它是事實或觀察的結果，是對客觀事物的邏輯歸納。

設計是為了解決問題，數據是對現實世界的客觀描述，它可以幫助我們客觀地反映出問題，幫助設計師更客觀地發現問題、解決問題、驗證設計效果。

二、如何用數據助力設計？

設計前：發現問題

設計要和產品強綁定，達成共識和明確目標。設計前我們要先達成產品共識，獲取哪些數據指標來衡量產品效果，發現產品存在的問題。

1、發現問題：要獲取哪些數據？

數據來源於產品關鍵指標，如果電商我們會考慮收入、轉化率；如果是社交APP，則會是活躍度等等。定了關鍵指標，會指導整個產品發展過程。舉個例子：

• 廣告中普遍使用的：衡量廣告收益的ROI（投入產出比），衡量廣告展示效果的CPM（按千次展示付費）、CPA（按行為付費）、CPC（按點擊付費）
• 互聯網行為指標：PV（頁面瀏覽量）、UV（獨立訪問量）、跳出率、流失率、轉化率
• 一些衡量用戶的指標：ARPU（每用戶平均收入貢獻）、用戶流失率、DAU（日活躍用戶數）、MAU（月活躍用戶數）、用戶留存率

2、定位問題：數據不好怎麼辦？

數據反映的是現象，現象背後的動因則需要通過定性分析研究得出。比如發現電商app本月流水明顯低於同期，這個時候就需要定位問題，可以採取關鍵用戶用研訪談、專家分析（專業評審討論）等方法來定位問題並尋求解決方案。

設計中：求最優解

進入具體設計階段，就要量化設計目標，始終圍繞設計目標指導推導最優解決方案。

1、設計目標量化：

產品目標就是為了解決問題（改善數據表現），比如提高轉化率、提高收入。設計目標是緊跟著產品目標，為了達成產品目標，設計需要做什麼來實現。

有了數據支撐，設計目標就能更精準量化地確定。比如提高轉化率，那麼設計需要做哪些工作來提高轉化率？繼續舉電商APP為例，如果通過用研分析，因支付流程繁瑣導致轉化率下降，那麼就會得到以下表格。

實際情況比表格更加複雜，設計要點可能會有很多個。

2、推導最優解

有了設計目標，所有設計方案都要圍繞設計目標進行，從中評估出最優解決方案。

方案自審與評審時，量化的設計目標、量化指標都是我們設計的依據。

設計後：驗證設計

通過對設計方案上線後數據與衡量指標數據的對比，判斷設計目標的實現程度。

• 如果效果達到，這個過程還可以形成經驗案例庫，把相關設計經驗進行積累。
• 如果效果沒有達到，就會復盤考慮，重新再進行。

三、最後聊聊具體的數據分析方法：

1、對比分析

將兩個或多個的數據進行比較，分析他們的差異，從而發現這些數據所代表的事物發展變化情況與規律。它的特點是：直觀、量化表現差距。

這是我們最普遍見到的分析方式。

2、交叉分析

通常用來分析兩個變數之間的關係，分析不同數據維度之間的關係。它的特點是多維度、效果更准。

比如年齡和性別維度去分析用戶特點等等。