超碰av在线|无码精品一区二区三区在线|伊人色色日韩一级片内射视频群批_欧美丰满少妇人妻HD高清在线_亚洲一区二区中文_亚洲无码动漫专区

數(shù)據(jù)分析的正確打開方式

2022-4-17    ui設(shè)計(jì)分享達(dá)人

作為一枚設(shè)計(jì)小萌新,對(duì)上述場景,是否似曾相識(shí)呢?此些尷尬的情況,也映射出了不少問題:數(shù)據(jù)化設(shè)計(jì)意識(shí)薄弱,數(shù)據(jù)基礎(chǔ)知識(shí)模糊,缺乏系統(tǒng)的體驗(yàn)評(píng)估模型和度量方法等等。


那么,我們?cè)搹哪男┚S度進(jìn)行數(shù)據(jù)分析呢?數(shù)據(jù)的基礎(chǔ)知識(shí)又有什么呢?常見的數(shù)據(jù)分析方法又有哪些?諸位看官抓好扶好,入門版航班即將起飛,讓我們一起走進(jìn)數(shù)據(jù)的世界,掌握一定的數(shù)據(jù)分析能力,告別“我要我覺得”的任性決策。





增量尚不明確,存量博弈的下半場,都以去肥增瘦的方式,宣告著精細(xì)化運(yùn)營的時(shí)代到來,似乎也對(duì)設(shè)計(jì)師同學(xué)提出更高專業(yè)的要求。數(shù)據(jù)意識(shí)作為能力象限中的某個(gè)小瓦塊,雖然細(xì)微,但也是專業(yè)輸出的切入點(diǎn)。


在面對(duì)產(chǎn)品功能迭代、用戶行為分析、日常監(jiān)測、設(shè)計(jì)決策以及效果評(píng)估等等問題時(shí),單純的從視覺維度進(jìn)行推導(dǎo),會(huì)稍顯單薄。而基于客觀數(shù)據(jù)的分析,可以更科學(xué)準(zhǔn)確的輔助我們進(jìn)行決策。





所謂的“數(shù)據(jù)指標(biāo)”,簡單來說就是可將某個(gè)事件量化,且可形成數(shù)字,來衡量目標(biāo)。在一定程度上,“數(shù)據(jù)指標(biāo)”能揭示出產(chǎn)品用戶的行為和業(yè)務(wù)水平狀況。


目前市面上的產(chǎn)品種類繁多,大致都圍繞“用戶是誰、做了何事、結(jié)果如何”進(jìn)行歸納整合,分別對(duì)應(yīng)著用戶數(shù)據(jù)、行為數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)三類指標(biāo)。



用戶數(shù)據(jù):包含存量、增量、留存及渠道來源四類

1. 存量:反映某一時(shí)間段內(nèi)活躍的用戶數(shù)。以日活(DAU)、周活(WAU)、月活(MAU)維度進(jìn)行統(tǒng)計(jì)。其中,Active需以關(guān)鍵用戶的自發(fā)行為來進(jìn)行定義,常見的動(dòng)作有登錄、瀏覽內(nèi)容等。

2. 增量:一般用新增用戶數(shù)來反映,同樣分為日新增(DNU)、周新增(WNU)、月新增(MNU)三類統(tǒng)計(jì)維度。其中,增量的定義相對(duì)模糊,需提前與渠道確認(rèn)好新增指標(biāo),建議根據(jù)內(nèi)部的賬號(hào)體系進(jìn)行指標(biāo)的取舍,選擇新增注冊(cè)用戶還是新增設(shè)備數(shù)。

3. 來源:用戶從何而來,包含自然搜索、產(chǎn)品導(dǎo)流、好友邀請(qǐng)等多種渠道。結(jié)合不同渠道用戶的數(shù)據(jù)表現(xiàn),可以指導(dǎo)后續(xù)的推廣方案。

4. 留存:通過留存率來評(píng)判產(chǎn)品的健康程度,表示新用戶在一定時(shí)間段內(nèi),某些行為重復(fù)發(fā)生的比率。其中,日留存和月留存的評(píng)判分析作用又有所不同:

  • 日留存:作為衡量用戶渠道質(zhì)量的重要依據(jù),如老王的公眾號(hào)在站酷、知乎、微信群進(jìn)行導(dǎo)流宣傳,通過分析不同渠道的用戶留存表現(xiàn),從而優(yōu)化受眾用戶的投放來源。

  • 月留存:作為用戶粘性的重要判斷,通過指標(biāo)來分析產(chǎn)品對(duì)用戶是否長期有吸引力。也可用作產(chǎn)品上新后,功能迭代是否符合預(yù)期的判斷依據(jù)。


行為數(shù)據(jù):記錄用戶使用產(chǎn)品的相關(guān)行為,可包含行為質(zhì)量(訪問深度、轉(zhuǎn)化率、跳出率、用戶停留時(shí)長)與數(shù)量(次數(shù)、頻率、點(diǎn)擊率、訪問時(shí)長)兩維度

1. 訪問深度:用戶單次瀏覽頁面的過程中,瀏覽了頁面的數(shù)量越多,表示用戶訪問深度越深,產(chǎn)品粘性較好。

2. 轉(zhuǎn)化率:指在一個(gè)統(tǒng)計(jì)周期內(nèi),完成轉(zhuǎn)化行為的次數(shù)占總訪問次數(shù)的比率。轉(zhuǎn)化率=(轉(zhuǎn)化次數(shù)/點(diǎn)擊量)×100%。如在電商、理財(cái)?shù)犬a(chǎn)品中,轉(zhuǎn)化率是衡量產(chǎn)品優(yōu)秀與否的重要指標(biāo)之一。

3. 跳出率:訪問了單個(gè)頁面的用戶占全部訪問用戶的百分比,可用來衡量訪問質(zhì)量,高跳出率通常表示內(nèi)容或體驗(yàn)與用戶目標(biāo)脫節(jié)。

4. 停留時(shí)長:用戶游逛的時(shí)間長度,需要區(qū)分對(duì)待內(nèi)容消費(fèi)與工具效率場景,高停留時(shí)長并非全是正向反饋。

5. 次數(shù):包含頁面訪問次數(shù)(PV)和用戶訪問次數(shù)(UV),通過頁面或者用戶作為計(jì)數(shù)單位,但需進(jìn)行相應(yīng)數(shù)據(jù)去重,保證數(shù)據(jù)的真實(shí)性。

6. 點(diǎn)擊率:CTR(Click-Through-Rate)即點(diǎn)擊通過率,某一內(nèi)容被點(diǎn)擊的次數(shù)與被顯示次數(shù)之比,CTR是衡量互聯(lián)網(wǎng)廣告效果的一項(xiàng)重要指標(biāo)。影響用戶點(diǎn)擊的因子較多,作為入口級(jí)內(nèi)容,卻具備較大的設(shè)計(jì)發(fā)揮空間,可通過信息的布局與核心利益點(diǎn)的外化,實(shí)現(xiàn)行為號(hào)召(Call to Action)


業(yè)務(wù)數(shù)據(jù):產(chǎn)品在商業(yè)化過程中,對(duì)業(yè)務(wù)結(jié)果的貢獻(xiàn)程度,如總成交量、人均消費(fèi)金額、消費(fèi)人數(shù)、續(xù)費(fèi)率、用戶周期價(jià)值等

1. 總成交量:GMV(Gross Merchandise Volume)屬于電商平臺(tái)企業(yè)成交類指標(biāo),主要指訂單的總金額,包含付款與未付款兩部分

2. 人均消費(fèi)金額:ARPU(Average Revenue Per User)即每用戶平均收入。這個(gè)指標(biāo)計(jì)算的是某時(shí)間段內(nèi)平均每個(gè)活躍用戶為應(yīng)用創(chuàng)造的收入。

3. 續(xù)費(fèi)率:指的是在訂閱期結(jié)束時(shí),選擇續(xù)費(fèi)的用戶占所有應(yīng)續(xù)費(fèi)用戶的百分比

4. 付費(fèi)率:付費(fèi)用戶占活躍用戶的比例。

5. 用戶周期價(jià)值:LTV(life time value)是產(chǎn)品從用戶獲取到流失所得到的全部收益的總和,當(dāng)LTV大于平均獲客成本和后續(xù)的運(yùn)營成本時(shí),產(chǎn)品獲得凈收益。






對(duì)上述數(shù)據(jù)類別有所了解之后,我們?cè)诿鎸?duì)紛紜復(fù)雜的應(yīng)用類型與數(shù)據(jù)概念時(shí),到底該怎么選取合適的指標(biāo)進(jìn)行衡量和分析呢?接下來,讓我們進(jìn)入下一個(gè)知識(shí)點(diǎn)-指標(biāo)建模。我們大致可以按照以下方法進(jìn)行關(guān)鍵指標(biāo)的選取。

① 明確業(yè)務(wù)的最終目的;

② 判斷業(yè)務(wù)模塊所屬類型;

③ 根據(jù)模塊類型選擇數(shù)據(jù)指標(biāo);


① 明確業(yè)務(wù)的最終目的

任何產(chǎn)品都有其商業(yè)或生存目的,且通常會(huì)使用一些支撐手段的工具、或是支撐手段的手段來達(dá)成目的。我們以“設(shè)計(jì)軟件-Figma”為例,進(jìn)行業(yè)務(wù)目的與手段的拆解。

1. 目的:Figma 是一個(gè)基于瀏覽器的協(xié)作式 UI 設(shè)計(jì)工具,其最終目的是完成商業(yè)變現(xiàn),讓更多用戶付費(fèi)購買。

2. 手段:為達(dá)成這一目標(biāo),而采用基于web的模式這一手段,極大的方便了團(tuán)隊(duì)協(xié)作辦公的需求,繼而備受青睞,普及率節(jié)節(jié)攀升。

3. 支持手段的工具:此外,借助開源的插件及完善的組件功能,為設(shè)計(jì)創(chuàng)作者提供更便捷的工具支持。



② 判斷業(yè)務(wù)模塊所屬類型

在從業(yè)務(wù)的最終目的出發(fā),梳理業(yè)務(wù)模塊后,可進(jìn)一步的拆解該業(yè)務(wù)模塊的具體類型。為方便理解,可以按照產(chǎn)品價(jià)值,將功能模塊分為4種類別:工具、內(nèi)容瀏覽、社區(qū)、交易。

1. 針對(duì)本身自帶價(jià)值屬性的產(chǎn)品,按照幫助用戶節(jié)省時(shí)間和消磨時(shí)間可分為:

工具類:剪映、輕顏相機(jī)、飛書文檔及翻譯查詞等
內(nèi)容瀏覽類:各類圖、文、音視頻體裁的消費(fèi)內(nèi)容,如短視頻、喜馬拉雅、知乎等


2. 另一類產(chǎn)品本身不產(chǎn)生價(jià)值,通過自身的平臺(tái)屬性來連接資源,同樣按照幫助用戶節(jié)省時(shí)間和消磨時(shí)間可分為:

社區(qū)類:小紅書、即刻、微博等
交易類:電商板塊、會(huì)員付費(fèi)板塊以及直播打賞充值等


③ 根據(jù)模塊類型選擇數(shù)據(jù)指標(biāo)

按照時(shí)間與價(jià)值維度,將產(chǎn)品劃分為4類模塊,每類都有各自需要核心關(guān)注的指標(biāo)要素


下面對(duì)4種分類的功能模塊,分別介紹如何選取指標(biāo)體系

1. 工具類:通過產(chǎn)品達(dá)成個(gè)人目標(biāo),高頻的使用行為,可以培養(yǎng)用戶的固定習(xí)慣。因而可主要關(guān)注使用量、目標(biāo)達(dá)成率、頻次數(shù)據(jù)指標(biāo)。(示例:剪映)


2. 交易類:以詳情頁作為用戶購買動(dòng)機(jī)的誘因,實(shí)現(xiàn)付費(fèi)轉(zhuǎn)化。倘若能多次反復(fù)的購買商品或服務(wù),整體轉(zhuǎn)化效果更佳。因而,可選取詳情頁轉(zhuǎn)化率、客單價(jià)、復(fù)購率作為衡量指標(biāo)。(示例:百度網(wǎng)盤)


3. 內(nèi)容瀏覽類:用戶是否已獲得更優(yōu)質(zhì)的內(nèi)容,愿意投入更多的時(shí)間瀏覽內(nèi)容,并能觸發(fā)與內(nèi)容的互動(dòng)行為。因而可選取瀏覽數(shù)、瀏覽廣度、瀏覽時(shí)長和互動(dòng)行為作為衡量指標(biāo)。(示例:快手)


4. 社區(qū)類:社區(qū)環(huán)境主要受人與內(nèi)容、以及人與人之間的關(guān)系影響。鼓勵(lì)用戶發(fā)布內(nèi)容,以創(chuàng)造的內(nèi)容來吸引其他用戶產(chǎn)生共鳴,從而進(jìn)行內(nèi)容創(chuàng)造與互動(dòng)行為。因而,可選取發(fā)布量、互動(dòng)量、用戶間的關(guān)系密度作為衡量指標(biāo)。(示例:即刻)





在產(chǎn)品迭代發(fā)展的過程中,掌握有效的數(shù)據(jù)分析方法,能讓冰冷客觀的數(shù)據(jù)鮮活起來,為決策提供判斷依據(jù)。接下來,就給大家推薦兩類高頻數(shù)據(jù)分析方法,請(qǐng)注意查收。

AARRR模型

由Dave McClure 2007提出的客戶生命周期模型,可以幫助大家更好地理解獲客和維護(hù)客戶的原理。其核心為AARRR漏斗模型,對(duì)應(yīng)著實(shí)現(xiàn)用戶增長的5個(gè)指標(biāo):

1. 獲取(Acquisition):用戶如何發(fā)現(xiàn)(并來到)你的產(chǎn)品?

2. 激活(Activation):用戶的第一次使用體驗(yàn)如何?

3. 留存(Retention):用戶是否還會(huì)回到產(chǎn)品(重復(fù)使用)?

4. 收入(Revenue):產(chǎn)品怎樣(通過用戶)賺錢?

5. 傳播(Refer):用戶是否愿意告訴其他用戶?

我們?cè)谶M(jìn)行數(shù)據(jù)分析的時(shí)候,應(yīng)該考慮用戶正處于AARRR模型的哪個(gè)部分、關(guān)鍵數(shù)據(jù)指標(biāo)是什么、對(duì)應(yīng)的分析方法又是什么?


漏斗分析

科學(xué)反映用戶行為狀態(tài)以及從起點(diǎn)到終點(diǎn)各階段用戶轉(zhuǎn)化率情況,是一種重要的分析模型。廣泛應(yīng)用于網(wǎng)站和App用戶行為分析的流量監(jiān)控、電商行業(yè)、零售的購買轉(zhuǎn)化率、產(chǎn)品營銷和銷售等日常數(shù)據(jù)運(yùn)營與數(shù)據(jù)分析的工作中。

例如:在完成電商購物行為時(shí),共包含瀏覽選擇、查看詳情、添加購物車、生成訂單、支付等環(huán)節(jié)。通過監(jiān)控用戶在流程上的行為路徑,漏斗能夠展現(xiàn)各個(gè)環(huán)節(jié)的轉(zhuǎn)化率,直觀地發(fā)現(xiàn)和說明問題所在,更快定位出某個(gè)環(huán)節(jié)的具體問題。






除了需要了解分析方法之外,還需要提防以下數(shù)據(jù)分析常見謬誤,避免落入陷阱之中,從而做出錯(cuò)誤的決策。

1. 數(shù)據(jù)偏?

在分析數(shù)據(jù)時(shí)受個(gè)?偏?和動(dòng)機(jī)的影響,即僅選擇?持你聲明的數(shù)據(jù),同時(shí)丟棄不?持聲明的部分?!皵?shù)據(jù)偏?”將讓數(shù)據(jù)的客觀性蕩然?存。 避免這種謬誤的?法是在分析數(shù)據(jù)時(shí),盡可能收集相關(guān)數(shù)據(jù),并詢問他?意?。


2. 采樣偏差

在做抽樣分析時(shí),選取的樣本不夠隨機(jī)或不夠有代表性。例如,互聯(lián)網(wǎng)圈的人極少會(huì)使用PDD,為何該應(yīng)用還會(huì)有這么好的市值表現(xiàn)?


3. 因果相關(guān)謬誤

將兩個(gè)同時(shí)發(fā)生的事件,判斷為因果關(guān)系,忽略了其中間變量。例如,隔壁老王生了個(gè)孩子,同時(shí)種了一棵樹。孩子和樹都隨著時(shí)間的推移而長高,在一定時(shí)間內(nèi),如果使用相關(guān)性分析,可以得出這兩個(gè)變量具有相關(guān)性。然而我們都很清楚,孩子長高和樹長高之間,并不具有因果關(guān)系。


4. ?普森悖論

即在某個(gè)條件下的兩組數(shù)據(jù),分別討論時(shí)都會(huì)滿足某種性質(zhì),可是一旦合并考慮,卻可能導(dǎo)致相反的結(jié)論。避免“辛普森悖論”給我們帶來的誤區(qū),就需要斟酌個(gè)別分組的權(quán)重,以一定的系數(shù)去消除以分組資料基數(shù)差異所造成的影響。


5. 定義謬誤

在看某些報(bào)告或者公開數(shù)據(jù)時(shí),經(jīng)常會(huì)有人魚目混珠?!妇W(wǎng)站訪問量過億」,是指的訪問用戶數(shù)還是訪問頁面數(shù)?


6. 比率謬誤

談?wù)摯祟愋椭笜?biāo)時(shí),都需要明確分子和分母是什么。另一方面,在討論變化的百分比時(shí),需注意基數(shù)大小。如小王和小劉體重都上漲了10%,但二者的體重基數(shù)分別為60kg、90kg。

文章來源:站酷   作者:美工李大強(qiáng)



分享此文一切功德,皆悉回向給文章原作者及眾讀者.


免責(zé)聲明:藍(lán)藍(lán)設(shè)計(jì)尊重原作者,文章的版權(quán)歸原作者。如涉及版權(quán)問題,請(qǐng)及時(shí)與我們?nèi)〉寐?lián)系,我們立即更正或刪除。

藍(lán)藍(lán)設(shè)計(jì)www.miumiuwan.com )是一家專注而深入的界面設(shè)計(jì)公司,為期望卓越的國內(nèi)外企業(yè)提供卓越的UI界面設(shè)計(jì)、BS界面設(shè)計(jì) 、 cs界面設(shè)計(jì) 、 ipad界面設(shè)計(jì) 、 包裝設(shè)計(jì) 、 圖標(biāo)定制 、 用戶體驗(yàn) 、交互設(shè)計(jì)、 網(wǎng)站建設(shè) 、平面設(shè)計(jì)服務(wù)


分享本文至:

日歷

鏈接

個(gè)人資料

存檔