3500字干货！设计师必须掌握的数据分析基础知识

前言：设计和创作不一样，设计往往存在目的和理性的部分，虽然有的时候咱们不做数据分析也可以出设计方案，但数据作为一个定量的维度，可以支持设计方案的推导和决策，以及对方案效果的验证。

相关干货：

作为一名设计师，你是不是经常被灵魂拷问？

那么设计师需获取哪些数据，如何进行数据分析，帮助我们更好的了解用户，让团队少做一些无用需求，或者在错误的需求方向上停止脚步，遏制一些异想天开的想法。本文通过常见的概念和案例分析，总结了关于数据方面的一些基本知识，主要内容包括：

一、设计师为何要看数据

1. 客观的意义

一个好的产品需要更加“精、准、全”的数据，能拓宽产品判断的渠道，以一种客观方式反映某些现象或问题。

2. 设计的意义

一个完整的设计方案需要有设计的指标，量化指标的体现就是用户在使用产品时操作行为的数据体现，通过用户的数据来反馈和指导优化设计方案。

二、设计师常见的数据有哪些

在分析和使用数据之前，需要清楚地知道不同数据指标的定义，以下列举出了一些设计师常用的数据指标及其定义。

1. 后台数据

能代表用户使用度或者路径监测的数据：

①人均页面访问量（pv/uv）

人均页面访问量是指平均每个独立访客访问页面的次数，即 PV/UV，用来评估网站的深度。如果是内容型网站，人均页面访问量越高，说明内容越有价值，对用户越有吸引。

②平均停留时长

平均停留时长是指浏览某一页面时，访客停留时长与页面独立访客数之比。在任务型产品中，停留时间越长表明信息架构越不清晰、效率低；而在内容型产品中，更长的停留时间表明内容对用户更具吸引力。

③点击率

点击率是指网站页面上某一内容被点击的次数与被显示次数之比，点击率反映了网页上某一内容的受关注程度，经常用来衡量广告的吸引程度。

④转化率

转化率是完成一项操作的用户所占的百分比，比如网站的普通用户数与网站的付费订阅数量。转化率的计算公式=（转化次数/总数）×100%

⑤跳出率

跳出率指用户通过搜索关键词来到你的网站，仅浏览了一个页面就离开的访问次数与所有访问次数的百分比。

2. 调研数据

设计师一般聚焦于用户体验质量的提升，因此需要满足用户体验相关的数据指标才能更好地完成设计目标。比如 B 端产品的核心目标就是保证合作商户多，让商户保持持续付费的能力。那么根据用户体验周期的 5 个阶段 （获课-活跃-留存-变现-传播），对应得出以下 5 个体验指标，不同阶段产品增长目标不同。

①Acquisition（获客），让生意找上门

产品拓展期有用户产品才有机会活下去，不管是什么产品，都需要让用户看到产品价值，充分考虑用户的特点及需求对应设计不同的获客方案。相关的吸引度指标：曝光率、到达率、点击率、退出率。

②Activation（活跃），让用户使用产品

获取用户后，需要使用户保持活跃，C 端产品一般从日、周、月维度统计用户的在线时长，浏览时长，点击率等多行为角度分析用户活跃度，但是 B 端一般看核心功能使用频次即活跃率，以及完成过程中的操作效率；相关完成度指标包括：首次点击时间、操作完成时间、操作完成点击数、操作完成率、操作失败率等。

③Retention（留存），让用户持续使用产品，不流失

一款产品如果想要成功，光有用户是不够的，需要用户留存率足够高才可以，保证核心功能及客户的留存率是关键；相关满意度指标包括：操作难易度、布局合理度、界面美观度、内容易读性等。

④Revenue（变现），让用户持续付费

用户留下后，需要有变现的能力，只有实现用户变现，产品才有了商业价值，才能让产品获利；相关忠诚度指标包括：30 天/7 天回访率、跨平台的使用重合率等。

⑤Referral（传播），打造受企业喜爱的产品

打造一款让用户喜爱的产品，通过分享传播的方式，获得用户与变现，像活水一样源源不断，持续盈利，创造价值；数据指标主要为净推荐值（NPS）

三、设计师如何使用数据

Google 的 GSM 模型目标（Goal）→信号（Signal）→指标（Metric）是设计师比较熟知的数据模型，通过确立目标从而判断目标对应的信号，继而拆解为可量化的信号指标，完成目标到指标的转化。这里分享的是：借鉴GSM的思维方式进行拆解映射。

1.明确目标

①定目标值

定目标值（可量化的目标）：即量化后的期望达到的业务效果，是需求实现效果的主要参照物，以产品改版或迭代的目标制定出阶段性的设计目标为例：

产品需要提升商家入驻率，对应的设计目标则要服务于产品目标，但可以从设计简化的入驻流程等设计策略实现产品目标。

②定数据指标

当确定好设计目标后，接下来是设定出衡量效果的方式和数据，数据指标可以建立一个统一的判断标准，直观地反映设计方案与设计目标之间的差距，成为迭代优化的重要依据。

例如：通过用户行为表现来衡量商家入驻的资格申请表单，根据旧版本的完成率与新版本的完成率计算出与设计目标的差距。

2.收集数据

①做好数据埋点

在产品设计前，需要通过用户行为数据来寻找优化突破口，那么想要获得这些数据，就需要先对旧版做好数据埋点。我这里是梳理了关键任务路径在每个节点让前端添加了统计代码，方便将需要的数据统计出来，对产品迭代具有重要的意义。

②利用统计工具

不同公司有不同的数据统计工具，一般大公司会建立自己的数据分析系统，也有很多公司会采用第三方统计工具来收集和分析数据。需要注意的是，Web 和 App 的数据统计工具及埋点方式是不同的，常见的第三方统计工具有：Web 统计工具：Google Analytics、百度网站统计等；App 统计工具：Flurry、百度移动统计、友盟、诸葛 IO 等。

3.分析数据

①什么是数据分析

数据分析是以业务场景和业务目标为思考起点，业务决策作为终点，按照业务场景和目标分解为若干影响的因子和子项目，围绕子项目做基于数据现状分析，找到改善现状的方法。数据分析是一个检查、清理、转换和建模数据的过程,目的是发现有用的信息、提供结论和支持决策。

数据分析的方法一般会包含但不限于以下几种方法；

例如：单项分析法：趋势洞察、渠道归因、漏斗分析、热图分析、A/B 分析、留存分析等；

组合分析法：针对某个细分点，进行多维度组合分析；

场景分析法：根据用户的使用场景，按时间、地点、任务进行分析。

②数据分析案例一

比如：（如图）这是产品新上的一个功能，统计了近一周的内容浏览量 PV、点击量 PV、以及对应的 ctr(点击率)，请针对数据对新功能的整体情况进行分析并发现问题，怎么解决？

解题思路 1：首先绘制浏览量、点击量的折线图

可以发现浏览量在 3.5-3.6 日间呈逐渐下降的趋势，而 3.7 号开始不断上升，并在 3.8 号达到巅峰。反观浏览量，7 日内数据一直低迷，起伏波动不大，按道理来说，点击量的变化趋势应该和浏览量一致才对。

解题思路 2：绘制浏览量的点击量箱型图

7 日功能浏览量的均值与中位数非常接近，约为 1340 万，几乎没有差异，数据波动较低，没有出现离群点，因此可认为内容浏览数据非常健康。

7 日功能点击量均值为 145 万，中位数为 135 万，出现了均值高于中位数的情况，但箱型图中未出现离群点，应该是后三天的点击量相比前几天较高，拉高了整体均值。

从图中可以直观地看到这 7 日功能的浏览和点击情况相差巨大，可以得出最终结论:浏览量的提升并未带来点击量的提升，整体点击率过低。

4. 输出结果

①制定方案

根据前期 GSM 模型设定好的设计目标数据指标，制定相应的设计方案。其中，设计策略是制定设计方案的源头，明确设计策略之后，首先要做的是挖掘决定策略实现效果的关键因素，再由关键因素推导出最终的设计方案。

举个例子，如果按照 7+2 原则简化商家填写入驻表单的流程作为提升商家入驻的策略之一，那么填写信息是否比较顺畅、文案表达是否很清晰等，就成了策略能否奏效的关键因素。

②验证设计

优化方案上线，我们的工作不意味着就结束了，重点要观察对应的指标有所提升还是降低，与优化前的版本相比较是否有所改善。很多时候往往不可能一步到位就把问题解决掉，需要迭代优化，不断通过数据跟踪来修正设计策略，达到我们最终的设计目标。

举个例子：

针对某 B 端产品信息编辑的问题，采取了功能前置、且信息可以原位编辑等多种研究方式，并且在列表中增加自动获取功能。新版上线后，用户完成所需功能平均时长为 10 秒，比改版前快了 28 秒，效率提升了 36.4％，本次优化达到了预期的效果。

写到最后

在更远的未来，海量的数据将会是每个企业必不可少的基础支撑，对设计师而言，数据也是帮助设计发挥更大价值的强大帮手，不管是在设计前、设计中、设计后，尽量能将数据变成设计流程中的常规环节吧。