• 1.认识数据

在如今的产品运营过程中,数据指标常常会有指向性的作用,通过数据指标分析,结合相关理论支持,才能正确把握产品更新方向,从而获取更多的用户提升产品整体性能,“数据驱动”的标语也在最近几年喊得火热,而设计师作为产品输出的重要一环,了解数据,并能够进行数据指标分析,也是行业中逐渐的趋势。

  • 2.数据的作用

一个产品的更新往往会是多种方案之间的碰撞,团队中也多为小组协作,而数据指标的分析就可以帮助我们确定最优解决方案,或者为我们提供一些方向性的决策调整,设计师在规划中难免会参杂感性色彩,直观的数据展示,反而会帮助设计师在产品设计中体会到用户的痛点,同时有价值的数据分析也可以为产品的更新呢迭代带来指向性的作用,也能够促进产品未来的方案优化。

  • 3.数据的定义是什么?

首先我们看一下什么是数据,随随便便的一组产品数据就是有用的吗?或者就可以进行数据分析吗?答案当然不是。

我们这里所讨论的数据在百科中解释为是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。简单来说就是庞大的数据体系,具有数据量大,种类多,价值大等特点,能够帮助企业经营决策进行优化的讯息。

我们常见的互联网数据有用户数据,包括用户的基本属性(姓名、性别、年龄),行为属性(活跃、点击、分享),还有产品数据(浏览量、成交量、点击率)等等。

  • 4.数据从哪里来?获取数据

获取数据的方式有多种,数量比较少,可以通过自行查看,简单记录,数据较大的情况可以采用数据埋点的方式,数据埋点作为互联网产品分析的一种常用的的数据收集方法,可以简单高效的获取数据,数据埋点的操作方式也分为多类,简单来说就是在产品中植入若干行代码,计算监控用户的关键行为从而反馈数据,数据埋点可以自己搭建相应的数据体系,也可以采用第三方操作。

在进行数据买点前需要明确目标,确定需要什么数据,使用这个数据做什么,包括具体的那个控件的数据,开始及结束时间,例如想要获取页面对用户是否具有吸引力,则需要获得用户访问点击的数量。不同的业务分析,所需要的数据也各不相同。可以根据自身设定的目标,设定相应的目标,从而可以推导出自己所埋点的数据方向,在埋点获取数据期间,可以与开发人员保持沟通,从而获取更完成的数据统计。

  • 5.常见的数据指标有什么?

常见的数据指标有活跃用户,访客数,使用时间等,从数据埋点中可以获取完成率,转化率等。针对活跃用户,可以分析以下三种数据衡量产品用户活跃度:

DAU:日活跃用户数

WAU:周活跃用户数

MAU:月活跃用户数

日活跃用户数,是指进入到某一个页面的所有用户数,也包含其他推广渠道进入的用户,例如广告引流,其他功能模块引导等,一个用户一天通过一个入口渠道进入页面,DAU只计算一个,同理WAU/MAU。例如,某APP某一天(截止23:59)进入页面的用户数为20万,则该天的DAU为20万。

  • 6.PV/UV

PV:页面浏览量,页面访问次数

UV:独立访客,所在页面的人数

当用户首次进入到首页中,即PV值加一,当用户退出页面重新进入时PV累加,利用PV我们可以判断在一个计算周期内使用该产品功能的次数。而UV则是用户重新进入时不累加,只计算第一次进入的次数,利用该数据我们可以判断有多少用户使用该功能或者进入该页面。

uv通常会代表用户的真实个数,而pv则可能存在用户多次使用的数量,比如用户长时间的进入退出,大多数情况下都分析uv,但也不是绝对。

  • 7.留存数和留存率

有时我们会注意到在开展新人活动或者促销活动时,活跃用户会不断上升,但这并不能一定表明客户在增长,我们还要结合留存数和留存率。

留存是新用户引流过来后,使用过一段时间产品后用户会逐渐流失,而留下来的人或者经常反复使用的用户。例如,第一周产品拉新人数为100人,一周后使用产品的用户为80人,则这第二周的留存为80人。留存数可以用来衡量用户的使用黏性,如果产品留存做的好,用户就会一直使用产品,从而不断提升产品价值,同时单独某个页面的留存的好坏也可以提供产品更新方向,优化改版方案。

留存率则是按照周期性计算,今天使用产品的人数为100人,一周后继续使用产品的人数为50人,那么用户的7日使用留存率就是50%,同理可以计算出次日或者30日留存率。

用户留存数与活跃人数相互牵连,其中也包含新增用户的留存和活跃用户的留存,通过分析改版刺激用户增加活跃度,也是在增加用户留存,留存率越高,活跃率也会越来越高。

  • 8.平均停留时长/人均使用时长

平均停留时长是指所有用户的停留时长/用户数,利用该数据可以衡量产品页面或者商品页面吸引度,用户停留时长说明对产品页面感兴趣,用户黏性强,但也不是完全一定的,某些简单功能页面如果用户平均停留时间过长,则表明该页面操作较为复杂,用户耗费了太多时间

人均使用时长是指用户用户平均每天使用产品的时间,例如某APP某天有100个用户一共在产品上使用了100个小时,则改天的人均使用时长为100/100个小时。

  • 9.跳失率/完成率

了解了使用时长和留存率,这些指标都是让我们了解用户在某一页面上的的停留,而跳失率则可以衡量页面的内容质量的好坏,计算方式为页面内没有任何操作的人数/当前页面总人数。

  • 10.流失用户/流失率

用户有一段时间没有打开或者使用产品,那么这部分用户就可以划为流失用户,其中也包含不活跃用户按照时间维度划分,也存在30天未使用/未活跃、90天未使用/未活跃等。

用户流失率可以用流失用户数量/总用户数量计算,而针对流失用户我们进行十字模型,将流失的用户进行一定维度的划分分析不同用户的使用行为和产品痛点,定向推送的方式减少用户流失。

  • 11.转化率

在一个时间周期中,转化率=完成转化行为的次数/总点击量,简约有效的页面设计可以有效提升转化率,例如优化注册登录页,简约购买流程等,转化率也可以用来衡量运营活动的质量,从而调整推广方式等

  • 12.如何使用数据

那作为设计师应该如何使用数据呢?首先获取数据后进行不同维度的对比,例如和同期活动或者相近产品做比较,和之前的数据做比较等,这样不同维度多角度的对比才具有一定的参考性。

根据数据的指向从而可以做出页面或者活动的对应优化,例如增加或减少操作路径,优化页面板式等。设计上线后,按照之前的数据,也可以进行验证是否达成了设计目标。在工作过程中可能还会遇到其他的数据模型,掌握了这些基本知识后,归纳总结成自己的内容才是正真正的吸收。

写在最后:如果您觉得本为对您有用话,期待您的点赞!

Powered by Froala Editor

发表回复

您的电子邮箱地址不会被公开。