- 相關(guān)推薦
用數據輔助設計中的實(shí)踐
分析數據、讀懂數據、運用數據，可以很好的輔助我們去設計產(chǎn)品、改善體驗，這也是設計師需要掌握的一門(mén)必修課。數據雖然很強大但是不要迷戀它，不要只關(guān)注數據的起落，而是要分析數據背后真實(shí)的用戶(hù)原因及需求，數據只是一個(gè)分析輔助工具。
設計時(shí)不能單憑經(jīng)驗和直覺(jué)，因為涉及到的目標人群、場(chǎng)景、操作習慣的不同。為了獲取更準確、有效的信息去輔助、檢測設計，設計師會(huì )選擇定性(用戶(hù)訪(fǎng)談、焦點(diǎn)小組)和定量(調研問(wèn)卷、網(wǎng)站數據分析)的方式進(jìn)行用戶(hù)研究。其中“網(wǎng)站數據分析”這一方式不需要花費較長(cháng)的時(shí)間及人力成本，同時(shí)避免了用戶(hù)及環(huán)境等不穩定因素對分析結果造成的干擾。只要具備精準及適用的數據，我們應優(yōu)先選擇這一方法輔助設計。
通常我們可以獲取到哪些數據呢?
1、網(wǎng)站數據
搜索常見(jiàn)的數據如下：
Query 搜索關(guān)鍵字數
PV(Page View) 頁(yè)面瀏覽量，頁(yè)面每一次刷新即被計算一次
UV(Unique Visitor) 用戶(hù)訪(fǎng)問(wèn)數
Click 頁(yè)面總點(diǎn)擊數，每一個(gè)功能都會(huì )有相應的點(diǎn)擊數
L->D 搜索list頁(yè)面到detail頁(yè)面的點(diǎn)擊數據，即轉化率，不同頁(yè)面有不同的數據。
CTR Click/LPL，LPV即搜索list頁(yè)面上的瀏覽量，CTR即每次瀏覽的點(diǎn)擊次數。
2、用戶(hù)訪(fǎng)談、定性調研、焦點(diǎn)小組
3、已有結論的報告
4、線(xiàn)上測試(如A/B test，搜索中常用內部開(kāi)發(fā)的可以多方案上線(xiàn)測試的buckettest)
網(wǎng)站數據中可以了解到什么信息?
1、關(guān)鍵字流失率分析
圖1是用戶(hù)輸入“女鞋”相關(guān)的關(guān)鍵字及相應的UV流失率(即沒(méi)有在搜索頁(yè)進(jìn)行過(guò)任何操作行為的用戶(hù)數占所有搜索用戶(hù)的比例)，從數據上看添加了真皮、廣州、時(shí)尚等屬性詞的關(guān)鍵字流失率相對低很多。
關(guān)鍵字描述越詳細，搜索匹配到的產(chǎn)品越準確，用戶(hù)也就可以更快的找到目標產(chǎn)品。但讓用戶(hù)精確輸入關(guān)鍵字的成本較高(如用戶(hù)不知道用哪些描述詞更適合等)。如何降低這個(gè)成本?我們可以使用suggestion(關(guān)鍵字推薦)(見(jiàn)圖2)和SN區(類(lèi)目屬性篩選區)(見(jiàn)圖3)給用戶(hù)恰當的推薦和引導。
2、快速篩選改版后數據分析
圖4是搜索上的篩選項。搜索的目標應該是更快、更準確的幫助用戶(hù)找到產(chǎn)品，篩選區便是其中一個(gè)重要的組成部分，讓用戶(hù)更快的找到篩選項以及簡(jiǎn)單的完成篩選操作，是每次改版的中心目的。
各篩選項應該放在哪里更合適，很大程度上取決于用戶(hù)在查找產(chǎn)品的時(shí)候，更關(guān)注哪些維度的信息。對于已經(jīng)上線(xiàn)的功能，我們可以通過(guò)數據進(jìn)行分析，如上圖是篩選區的CTR數據，可以發(fā)現用戶(hù)使用地區、排序、單價(jià)、經(jīng)營(yíng)模式操作較多，說(shuō)明用戶(hù)對這方面篩選需求較大，也較關(guān)注這幾個(gè)維度的信息，以此可以將篩選項調整到方便用戶(hù)查找的位置，也降低了用戶(hù)的記憶負擔，因用戶(hù)一般都是從左到右瀏覽，所以可以將重要的篩選調整到首位或是用視覺(jué)突出。而一些數據較低的篩選，可以根據情況隱藏或是下線(xiàn)，也增加篩選區的擴展性。
圖5根據圖4的數據，我們對篩選項的位置以及排序按鈕交互方式進(jìn)行了調整。
新版本上線(xiàn)兩周后我們發(fā)現用戶(hù)較關(guān)注的篩選項調整到左邊位置后CTR數據明顯上升(綠色為明顯數據上升，紅色則數據下降，其他數據小量上升)。
綜上所述，設計、迭代流程如下：
數據驗證，這個(gè)一次相對成功的設計。
3、對比功能上線(xiàn)后數據分析
同時(shí)，我們來(lái)看一個(gè)不合理的產(chǎn)品設計(見(jiàn)圖7)。圖上是阿里巴巴在去年上的對比功能，用戶(hù)勾選產(chǎn)品加入對比(圖7第1步)只占整個(gè)搜索CTR0.6%左右，而到最后點(diǎn)擊了對比按鈕(圖7第2步)的轉化率只有其中的10%不到，對比功能的使用率很低。
根據這個(gè)發(fā)現，我們召集了5個(gè)測試者(1位產(chǎn)品經(jīng)理、1位運營(yíng)、3位用戶(hù))進(jìn)行了焦點(diǎn)測試，得到如下幾點(diǎn)反饋1、用戶(hù)只要看其中的幾個(gè)信息，不需要那么多維度的信息對比。2、用戶(hù)更習慣通過(guò)點(diǎn)開(kāi)detail進(jìn)行對比。
很多垂直化的行業(yè)搜索都有對比功能，如太平洋、中關(guān)村、淘寶的手機等，該功能通過(guò)對比信息幫助用戶(hù)挑選出更符合目標的產(chǎn)品。但適不適合我們的網(wǎng)站，還需要多考慮一番。結合以上數據來(lái)看，對比功能更適合一些需要關(guān)注多維度信息對比的垂直行業(yè)，而關(guān)注維度較少的，用戶(hù)通過(guò)短期記憶就可以達到。
運用數據檢測設計
一般在全量上線(xiàn)前會(huì )通過(guò)buckettest測試各方案，對比用戶(hù)行為數據檢測哪個(gè)方案更合理、體驗更好。
通過(guò)bucktest可以得到如圖8的對比數據，紅色為數據下滑，綠色為數據上漲。
運用buckettest測試，對于檢測設計是很有效的方法，特別是針對小細節的體驗優(yōu)化。對方案調整處數據打點(diǎn)，就可以監測到相應的數據變化。例如按鈕調整，檢測調整后是否比原來(lái)的方案體驗更好，在測試前要求開(kāi)發(fā)同學(xué)在監測數據時(shí)給這個(gè)按鈕打點(diǎn)，測試后就可以了解到按鈕調整前、后的對比數據。如你想了解按鈕位置調整是否能提升體驗，在設計時(shí)就要規避其他因素可能引起的影響如按鈕樣式等，以此來(lái)不斷優(yōu)化設計方案。
總結
分析數據、讀懂數據、運用數據，可以很好的輔助我們去設計產(chǎn)品、改善體驗，這也是設計師需要掌握的一門(mén)必修課。
數據雖然很強大但是不要迷戀它，不要只關(guān)注數據的起落，而是要分析數據背后真實(shí)的用戶(hù)原因及需求，數據只是一個(gè)分析輔助工具。
不要任何設計都依賴(lài)測試及數據檢測，每一次測試所需的開(kāi)發(fā)和時(shí)間成本太高。盡管設計師不能作出100%的正確判斷，但是結合有效的工作習慣及總結分析，還是能夠大大的提高設計的準確率及解決方案的有效性，這也是設計師的價(jià)值。
【用數據輔助設計中的實(shí)踐】相關(guān)文章：
電子商務(wù)中的數據分析指標05-24
輔助設計工程師崗位職責11-02
輔助設計工程師崗位職責(5篇)11-05
輔助設計工程師崗位職責5篇11-03
計算機輔助設計學(xué)生自我評價(jià)2篇07-18
輔助設計工程師崗位職責4篇03-15
輔助設計工程師崗位職責(4篇)03-15
數據調研報告06-27
銷(xiāo)售數據的分析方法07-25