交互设计师的数据分析

交互设计师在进行设计决策的时，通常有以下几种方式：

1.直觉
所谓直觉，即一种不经过太多思考过程，很快就能出现的直接想法、感觉、信念或偏好。直觉其实一种非理性的思维，因此设计师在方案设计中要慎用。

2.经验
所谓经验，即基于自我长期的经验或行业已有的知识积累（最佳实践），而进行的设计决策。通常基于经验的设计决策，是经过一定的理性思考和实践验证的，相对来说判断的准度和执行的有效性会比较高。

3.数据
所谓数据，即基于已有的数据表现，发现问题、分析问题和解决问题的过程。大量的设计决策，依赖于现实的数据，以事实说话。

数据分析，就是通过在网站或应用中进行数据埋点，进而获取用户对产品的使用和行为数据，并进行基于产品体验优化的数据统计分析。

为什么要看数据？

相对来说，设计师群体偏感性，数据思维可以帮助设计师提升设计方案的正确率。

在设计开始前，数据可用于发现问题、分析问题。从数据角度了解用户诉求，发现产品存在的问题，为产品设计优化提供启发饥和突破口。

设计过程中，数据可用于帮助决策。通过历史数据论证各个方案的优劣和有效性，再择优。

设计评审中，数据可以提升设计方案的说服力。通过理性的数据分析，获得团队内部成员、产品/业务方对方案的认可。

设计上线后，数据可用于量化用户体验价值。通过采集上线前后的数据变化，判断设计目标的实现程度。

以下主要讨论交互设计在设计决策过程中对于数据的有效利用。

数据来源

服务器日志
页面标记数据

看什么数据？

广义的数据，包含数字符号、图像、图像、声音、数值等，这里所说的数据主要为数值型数据。任何的数据分析都有其目标，基于各种目标进行数据的收集、整理、加工和分析、以提炼有价值的信息。这里的目标可以是用户体验设计目标，可以是业务目标，也可以是其他目标。通常交互设计师关注的数据类型有以下几种：

1.用户数据

用户数据，即用户是谁，如访问用户、新用户、活跃用户、流失用户、回访用户等。
访问用户：访问用户量，即UV，反映产品受欢迎程度；
新用户：首次访问或刚刚注册的用户；
活跃用户：有关键动作或行为达到某个要求的用户；
流失用户：一段时间内未访问或登录过网站的用户；
回访用户：之前已流失，但之后又重新访问的用户（一般在5%以下）；

通常来说，老用户是产品生存的基础，而新用户则是产品发展的动力，因此产品很多相关的运营活动都基于留存与拉新。

2.行为数据

行为数据，即用户的在产品中进行的交互数据，用户行为可分为3类：
黏性：用户在一段时间内持续访问和使用产品的情况，更强调一种持续的状态。如，访问频率、访问间隔时长
活跃：用户每次访问过程中的参与度（Engagement）。如，平均停留时长、平均访问页面数
产出：衡量用户创造的直接价值。如，订单数、客单价

通过行为数据可以了解用户行为和痛点（使用过程中的障碍点）。

3.营收数据

营收数据，即与产品目标和KPI相关的数据。任何产品的存在，都有其商业价值，不同产品的商业价值衡量标准不同。

如电商产品主要是订单量、客单价、销售总额等。

常见分析内容

1 、流量分析：用户从哪里来

a 引荐流量：通过其他网站来到目标网站的流量。
b 直接访问：直接通过网站域名进入到网站的流量
c 搜索引擎：通过点击搜索结果访问网站产生的流量

不同的产品还可以进行细分，把用户过来的渠道做更细致的划分。比如引荐流量再细分（来自广告的或来自社交媒体的等等），流量分析还会涉及到不同渠道来的流量的效果数据分析（不同渠道用户行为，转化等分析来综合进行）

2 、用户分析：用户是什么样的，有什么需求
比如说根据用户注册时间分为：新用户和老用户。
根据活跃程度分为：活跃用户和不活跃用户。
根据消费行为分：高价值用户或者付费用户等等
根据其他的的用户特征：比如地域特征，用户使用设备，用户的行为等维度
对用户做一些基础的监测，一般比较常见的会监测这样的几个指标，比如
新增用户，统计一定周期当中（日新增。周新增，月新增）新增的用户数量；
活跃用户，在统计周期内（一天，一周或者一个月这样的统计区间）有访问产品的用户数；
反应用户活跃程度和粘性的一个指标即日活跃/月活跃的用户数，反应用户粘性的高低；
留存率：定义次日，七天或者14天，或者30天的留存用户，一般指在某个时间段内新增的用户数在过了一定时间后仍然在使用产品的为留存用户。
还有 流失率 回访率 一次性用户 用户生命周期等指标
除了对用户记性基本分类和统计描述之外，还可以为用户打标签，即用户画像标签（通过建模或者聚类分析法把用户进行分类）

3 、行为分析：用户是如何使用产品的
用户访问路径分析：了解用户的行为走向并进行定量（第一次访问了什么页面，第二次访问了什么页面，有多少个用户访问了某个页面，多少用户点了其他的一个页面）借助数据监测平台进行，不仅可以从整体出发，还可以去挑选，去进行细分，比如选取不同类型的用户单独进行分析，为什么到达网页就流失了…找到原因

访问内容分析：反映产品网站或者产品当中有哪些内容比较受欢迎，可通过浏览量直观看出，还可以看到这个内容的质量是怎样的，可通过页面跳出率判断。

访问网站速度：用户使用不同浏览器或者不同地区的用户访问网站，页面加载速度是怎样子的，打开页面的速度，都是可以通过数据分析平台看到的一些情况~

点击行为分析：对页面的不同区域进行埋点，统计不同区域用户点击的一个数量，还有点击的比例大概是什么样子的，可以直观地看出用户对于页面的哪些模块是比较感兴趣的，除此之外，还可以了解到原本想要突出的某些部分，用户有没有注意到或是被吸引而去点击它。

4 、路径转换：用户的表现如何
关键流程梳理：对用户的关键流程进行梳理，从用户进入到最终离开的这样一个过程是怎样子的

关键环节测量：根据网站设计的目的去进行设置的关键环节去进行测量

找出薄弱环节：测量之后找出哪些是薄弱环节（发现问题）

寻找提升策略：根据薄弱环节寻找提升的策略（进行原因分析：问卷调查，测试访谈，针对优化：优化方案，效果评估）

产品数据提升：最终达到产品数据有一个好的提升目的

工具：漏斗模型

5 、流失分析：用户的粘性如何
用户从到达我们的网站到成为网站用户的过程当中的每一个环节都是可能发生流失的。流失分析一般要评估目前网站流失的一个现状，流失的情况是否严重，第二个要分析流失发生的原因是什么，这样的话可以针对流失发生的原因针对性地去制定一些策略。寻找挽回这些流失用户的一些方法
整个分析流程一般分为 流失特征提取、流失原因分析、制定应对策略、实施应对策略、评估应对策略，这个过程是有可能要持续进行的。

不同模块之间可以进行交叉分析（eg，来自**的用户它的转化率是多少，粘性如何…）

常见分析思路

八种基本思路

1、简单趋势
通过实时访问趋势了解产品使用情况。如总流水，总用户，总成功率，总转化率。

2、多维分解
根据分析需要，从多维度对指标进行分解。例如新老用户、支付方式、游戏维度、产品版本维度、推广渠道、来源、地区、设备品牌等等维度。

3、追踪思路
运营的问题，是追踪出来的，不是一次就看出来的。所有的数据都是靠积累和沉淀才能发现问题，单一的数字没有任何意义，只能称为 “数值”。

4、对比思路
单独看一个数据没有太多感觉，必须和另一个数据对比才更有感觉。通过对比，才能发现自己差距到底在哪，找到优化的正确方向。

5、用户分群
在精细化分析中，常常需要对有某个特定行为的用户群组进行分析和比对；数据分析需要将多维度和多指标作为分群条件，有针对性地优化产品，提升用户体验。

6、细查路径
数据分析可以观察用户的行为轨迹，探索用户与产品的交互过程；进而从中发现问题、激发灵感亦或验证假设。

7、留存分析
留存分析是探索用户行为与回访之间的关联。一般我们讲的留存率，是指“新增用户”在一段时间内“回访”的比例。通过分析不同用户群组的留存差异、使用过不同功能用户的留存差异来找到产品的增长点。

8、A/B 测试
A/B测试就是同时进行多个方案并行测试，但是每个方案仅有一个变量不同；然后以某种规则（例如用户体验、数据指标等）优胜略汰选择最优的方案。数据分析需要在这个过程中选择合理的分组样本、监测数据指标、事后数据分析和不同方案评估。

数据三性，永远不要忘

·数据不可见
·数据不可靠
·数据不可变