设计师看数据的点线面

《设计师看数据的点线面》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、设计师看数据的点线面数据，对于设计师来说是一件很重要的事，能够帮助设计师从一个更加客观的角度认知设计效果，找寻设计问题，启发设计方向。但是，如何看数据对于设计师来说常常是一件复杂的事，除了要记住专业术语代表的意义，面对一大堆数据时从哪些角度看也无从下手。这里对于常见的专业术语不再做专门讲述，而是用点线面这样通俗的概念，帮助设计师更简单地掌握一些查看数据的常用方法。1、点点：UV点击率，指的是对页面产生点击行为的用户占比，设计师通常可以查看页面整体的UV点率和具体控件的UV点击率，即对页面／控件有产生点击行为的用户占比。它可以衡量用户对页面所有元素或单个控件的点击情况，了解页面整体

2、对用户的吸引力，以及具体的设计元素是否被用户感知、使用。比如整体页面的UV点击率为95%，则代表100个用户进来有95个人产生了点击行为，整体吸引力还是不错；但如其中一个功能按钮或者一个banner的UV点击率仅为1%，则说是100个用户进来只有1个用户点击了该按钮或banner，是否用户没有发现该功能按钮，或者banner样式不够吸引人，这就需要设计师去发掘改进。整体页面的UV点击率可以在A+（阿里巴巴流量分析平台上查看，而控件点击率通常需要在WDM(无线数读http://wdm.alibaba-inc.com/index.htm)上查看相应的控件对应的埋点名称。（因数据保密问

3、题，以下涉及数据部分均非真实数据）A+上查看整体页面点击情况WDM上查看具体控件点击情况2、线线：变化曲线，通过观察一段时间数据的变化情况，可以了解设计修改前后对产品产生的影响。一般是在单一产品／控件中观察曲线了解设计前后的变化，但如果担心单一产品／控件的修改会对其它产品／控件产生影响，则需要将这多个产品／控件的曲线也并列起来观察。比如在首页头条入口改版后，我们除了观察它本身点击情况有所好转（深蓝色曲线）外，还需要比较它的升高会不会影响其它产品入口。因此需要对几个产品的曲线进行同步观察。同时比较多个产品曲线进行全局把控3、面面：涉及页面或页面之间的数据，包括浏览深度、停留时长、回

4、访率、转化链路等。浏览深度（用户连续浏览的页面数）、停留时长（用户浏览某一页面花费的时间）可以用来衡量用户是否在你的产品中充分逛起来，但是这两个数据指标也并非是越高越好，有可能是因为产品的过于复杂、用户不懂得如何使用造成了数据的升高，因此需要辩证地看待。回访率包括次日留存、七日留存（在某段时间内开始使用，经过一段时间后，仍然继续使用的用户占比）等，可以判断用户对于产品的粘性，也是衡量该产品整体是否吸引用户的重要指标。产品除了单一页面的点击，还会涉及到页面之间的跳转，通过观察页面间流转的数据，可以清楚地看到用户行为的主要路径，帮助设计师验证自己设计的路径是否合理，会不会因为路径太长

5、而造成过多流失。在判断问题根源时，除了观察单页面数据，也不要忘记审查链路数据。比如在单一页面设计没有改变的情况下，成交有所下降，除了考虑商品因素，也需要考察页面间的转化链路，看看在页面跳转过程中是否发生了什么，或者流量流向第二个页面后是否因该页面的一些设计差异导致了点击下降。这些数据可以在A+或WDM（用户行为－页面路径分析）上查看。在WDM上还可以通过创建关键漏斗查看几个主要页面的转化情况。A+上查看流量流向及WDM通过创建漏斗查看页面转化4、人的维度以上所说的都是一些用户行为的数据，除此之外，用户作为人本身，也需要观察一些相应的数据。除了基本的年龄、性别、消费等级，对于轻度用

6、户、中度用户、重度用户的分层以及相应行为的观察可以了解不同类型用户对产品的使用程度，帮助设计师更有针对性地进行设计；同时观察用户的成长情况，也是对该产品是否朝良性方向发展的一个很好权衡。目前对于用户人方面的数据在平台上还没有较好的查看方法，需要单独与BI沟通提取相应纬度的数据进行观察。比如在抢购的设计过程中，用研逢辰同学就抢购的用户类型进行了一定维度的划分，我们希望可以从BI处提取相应数据：1.不同层次的用户量，以此了解抢购的用户构成，对于提升转化还有多少空间；2.不同类型用户的行为数据，主要观察他们使用抢购是否有差异，低转化用户为何转化低，浅度用户因何离开；3.不同类型用户在抢

7、购中不同模块、路径的流量流转情况。用户分层更有针对性地观察用户行为5、内容的维度很多时候，单纯样式的设计对于业务数据能带来的变化是有限的，反而是内容层面的改变带来的变化更大。因此设计师除了点击数据、行为数据、用户数据外，有时候还需要从运营的角度出发，对于商品／运营内容的数据有更深入的了解和挖掘，这样可以更加全面地了解用户的痛点、需求，挖掘表面上难以感知的问题，激发设计的创新点，并且对于业务有更大的推动。以抢购为例，抢购的内容基本上是商品，深入了解商品数据，可以从类目的成交情况、场