原文链接:https://mp.weixin.qq.com/s/1KO-nUZH4EwuMksG5jz0qg

58同城|数据驱动 | 如何通过数据推理,发现“超常规”用户问题? - 图1

随着互联网人口&流量红利的退场,“精益数据分析”“数据驱动”已经成为当下主流趋势。在几乎所有产品都手握大量用户数据时,交互设计师当然也必须跟上步伐,借着这股”数据东风“探索更科学的设计依据以及发现问题的新方式。

01 从行为的角度看数据

在平时工作中,总会听到大家在谈论“DAU”、“转化率”、“留存率”等等和流量相关的数据指标,我们当然可以通过这些宏观数据判断目前整个产品的的机会与风险点,但如果想洞察更深刻的用户使用问题,那我们看待数据的角度就要切换回用户与产品的交互行为本身。

举个例子🌰,同样是看「首页的点击」数据:

58同城|数据驱动 | 如何通过数据推理,发现“超常规”用户问题? - 图2

· 从宏观数据角度看,思考的问题是 “各个模块的ctr如何?” “首页分发能力如何?”
· 从交互行为角度看,思考的便该是 “是哪部分用户?产生了什么行为?” “什么吸引了更多用户的注意?” “用户出于什么目的点击了这里?”

02 透过行为数据,推理用户心理

在用户使用APP的事件中,从发生的顺序的角度可以抽象成:
→用户带着一定目的(查看/购买等)打开App
→ 进行了一些操作(浏览/滑动/点击等)
→ 达到或未达到目的后离开
image.png

🌰举个例子:
“我们家马桶堵了,得找个通马桶的赶紧过来”。按照产品设计中的预想,用户的操作应该一气呵成:

用户带着「找师傅疏通马桶」的目的打开了58到家App
→找到「马桶疏通一口价」服务,选择项目/确认价格/填写地址/填写上门时间等
→下单支付后离开
image.png

用户打开App之后,为了满足目的进行的一系列操作而留下的痕迹被我们称作「用户行为数据」。假设整个事件的发展非常顺利,那么页面曝光pv&uv、各模块点击pv&uv、浏览时长等数据都应该是相互对应的,但当我们梳理线上真实的行为数据时,发现了用户的“超常规”行为:
**

在选择服务模块,选择项只有2个的情况下,用户的平均点击次数(点击pv/点击uv)达到了10+次:
image.png
image.png
🔍如何透过用户表层的非常规交互行为,推理出更深层的用户心理,从而锁定优化方向呢?“推理”在犯罪学中非常常见,我们不妨把刑警破案的思路复用到线上:

→在现场勘查罪犯的行为活动(通过数据看超常规用户行为)
→推断其当时的心理活动及状态(通过行为推断其心理活动)
→结合其心理活动及影响因素推断其作案动机(结合心理活动和当下场景判断其动机)
→🌟根据动机锁定嫌疑人(根据其动机锁定优化方向)
58同城|数据驱动 | 如何通过数据推理,发现“超常规”用户问题? - 图7

让我们一起试着按步骤还原这起用户“超常规”事件:

→ 通过数据看超常规用户行为:用户在「马桶基础疏通」和「马桶高难度疏通」两个选择项之间来回点击,人均点击次数到达10+次。
→ 通过行为推断其心理活动:「基础」和「高难度」到底有什么区别?切换一下看看页面有什么变化?
→ 结合心理活动和当下场景判断其动机: 要选择一个能解决我家马桶堵塞问题的项目。
🌟根据其动机锁定优化方向:在用户想要选择项目时,要同步给到两者的区别说明。
image.png

由此推理思路,我们便能够很顺利的从行为推导出其动机,最后锁定优化方向,甚至可以给到预判式的设计。

03 基于数据,复现场景,洞察问题

当设计师想要对页面或流程迭代优化时,往往会第一时间想到进行用户访谈、可用性测试等,实际观察用户操作和询问用户感受,从中挖掘出一些用户使用过程中的痛点。但线下访谈耗时较长,其实我们可以通过拉取用户行为数据,基于数据分析并发现一部分问题。

方式1:对比用户的点击动作与执行结果数据

用户的点击行为一定会带来页面的变化,如果用户点击uv&pv与执行结果uv&pv不能完全匹配,说明在此节点用户遇到了阻力。

🌰举个例子:
在服务详情页中若按照我们预判的用户常规行为,则数据应该表现为:详情页点击「立即预约」按钮的uv a = 确认订单页面曝光uv b
image.png

但当我们排查实际数据时发现 a ≠ b 且有较大的差异,说明一部分用户在这个操作节点流失了。基于此节点的异常行为数据,我们开始复现用户当时的真实使用场景,便很容易发现问题所在:

在a与b之间,某些情况下会出现填写地址与上门时间的弹窗,由于弹窗对用户正常操作流程的打断,导致一部分用户没有耐心走下去从而流失。
image.png

另外,我们进一步排查「立即预约」按钮的人均点击次数(点击pv/点击uv)高达y次,同样佐证了此节点对用户来说并不友好,存在很大流失风险。因此我们对此节点进行了优化,优化后用户行为数据回归正常,此节点的转化率也得到提升。

方式2:对页面中点击率较高的模块重点排查

页面中点击率较高的模块一定程度上意味着用户的关注程度较高,如果用户点击后所呈现的信息与用户当时心中所想不匹配,那页面的转化便容易受损。

🌰举个例子:
用户在「确认订单页」中需要选择服务商家,我们也提供了“配件价格表”作为其选择的参考,增加用户对商家有标准收费的信任。从整个页面的点击数据来看,用户对此模块的关注度较高,但点击后却大面积出现无信息展示的情况。

58同城|数据驱动 | 如何通过数据推理,发现“超常规”用户问题? - 图11

用户抱着“看看报价心里有底”、“挑一个报价ok的商家”心理点击,却发现平台没有拿到这部分信息,容易让用户对产生不确定感并对转化产生负向影响。因此我们对此模块进行了优化:若无信息,则不展示“配价价格表”点击入口。

方式3:对比页面整体平均曝光次数与单个模块的人均点击次数

常规情况下,单个模块的人均点击次数应与页面整体的平均曝光次数相近,如果某个模块出现人均点击次数明显高于其他模块&页面平均曝光次数,那就需要格外关注,极有可能出现用户体验问题。

🌰举个例子:
在各个地址模块出现的位置,地址栏的人均点击次数均比页面平均曝光次高出许多。复现用户使用场景后,便发现地址选择页面存在明显的设计问题:地址列表中无明显选择指示器,没有选择&可点击感。
image.png
image.png

当然,也可能同时存在无法直接洞察的其他问题,但缩小问题范围后便可以在后续的用户访谈中进行聚焦深挖。

04 **结语

**
数据并不是让设计师遏制自己的创造力,用户在产品中留下的行为数据是设计师快速了解用户的方式之一。我们可以沿着“超常规”行为反推其动机,也可以通过找到“超常规”行为洞察并破解其使用过程中遇到的问题。

🌟 在后续实践中我们将有更多和【数据&设计结合】相关的思考,敬请期待~

image.png
🙋 一起聊设计 🙋‍♂️

高质量,学知识的设计行业群

设计行业一手资料
设计大厂最直接内推

定期大咖直播
0门槛扫码进群!
期待与更多优秀设计师一起成长🤩
image.png

58同城|数据驱动 | 如何通过数据推理,发现“超常规”用户问题? - 图16