热评 小杨

面试造航母,入职拧螺丝 太赞了

90%的资深设计师都掌握的数据分析基础知识(上)

正所谓「面试造航母,入职拧螺丝」甭管以后工作中用不用得到,但面试你的时候就是要求你会。换句话说像什么?所谓的面试就像是丈母娘选女婿,丈母娘要求你结婚的时候必须买辆保时捷911(跑车),不买?那你可别想结婚喽。咱就是说谁家用的上辆小跑啊?但你的丈母娘会告诉你,虽然车没什么用,但通过这件事能看来你小子没什么实力嘛~

90%的资深设计师都掌握的数据分析基础知识(上)

有些人生在罗马·有些人生是牛马

我想大家都是普通人,毕竟不是所有人都出生在罗马,有些人出生就是牛马!就像我,经过几年的努力车还是有一辆的,只不过是自行的,但是如此就没机会奔向大厂嘛?NO!虽说是自行车,但是通过努力我为这辆自行车镀了金。一样可以农奴翻身把歌唱~

90%的资深设计师都掌握的数据分析基础知识(上)

自行车爆改大奔

在找工作这件事上,咋给咱们的自行车镀金呢?很简单,学会看数据,用数据来佐证你的设计方案!就有很大机会让你入赘大厂当牛马。

90%的资深设计师都掌握的数据分析基础知识(上)

面试、话语权

一、为什么要了解常用数据指标?

90%的资深设计师都掌握的数据分析基础知识(上)

面试需要

1. 大厂丈母娘更关注你对数据的敏感度

这也是经验所得,只要你能接触到高级设计师的岗位级别,基本都会对数据的使用有那么点要求。这篇文章会告诉大家一些设计师需要了解的基础数据,记得在做作品的设计师尝试使用起来,向你的丈母娘们证明实力。

90%的资深设计师都掌握的数据分析基础知识(上)

能力+思维

首先避开一个误区朋友们!!好项目≠界面效果炫酷。精美的页面效果,出众的包装形式固然重要,但是仅手活儿好还远远达不到进入好企业的用人标准,手活儿好的人太多了,你怎么拿这个和别人争呢?这项技能顶多算是你在众多追求者中算是比较帅的,大厂的要求是什么?可总结为:能力+思维。翻译过来说就是你不仅仅要帅!还要帅的有内涵。

精美的设计传递了你的设计能力,但无法表现你的思维方式。你在设计过程中是如何发现问题的、如何分析问题的、怎么搞出设计策略的、你的方案是否真的有效?这些都需要有数据表现加持。

90%的资深设计师都掌握的数据分析基础知识(上)

讲证据

2. 有内涵的人说话都好听,具备更高话语权。

为什么大家喜欢董宇辉?因为有内涵啊,会引经据典,每一件事情给你讲的天花乱坠头头是道!我们呢?一被问什么问题就一脸问号,回答问题起首式:“我认为”“我感觉”“我觉得”,我认为某某功能应该怎么怎么样、我觉得页面需要这样那样设计!但每个人都是独立个体,对事物有不同判断,你认为页面中文字小一些会显得精致,可你那弱智领导觉得要放大!放大!!在放大!!!相信你私下低没少骂你的领导是傻X吧?但你敢笃定领导是错的吗?纯粹的主观角度上所有决定都是感性的,没有谁能说服的了谁,但分析问题时如果能给出对应数据,站在客观立场解释则不一样了。如果你可以拿出两版方案点击率差异是多少,小字设计能带来多少提升,能拿出实质性证据才能让你的想法更值得信任,做设计不是搞辩论赛,是讲道理。

90%的资深设计师都掌握的数据分析基础知识(上)

江湖不是打打杀杀

二、如何衡量改版效果

90%的资深设计师都掌握的数据分析基础知识(上)

如何衡量改版效果

1. 咱们在企业内工作流程是什么样的?

90%的资深设计师都掌握的数据分析基础知识(上)

常见工作流程

设计--开发--发布--设计,形成循环。大多数人的工作流程都这样的吧?一直被项目推着向前走,从未有过设计复盘与验证。永远都是忙完这一阵儿就可以忙下一阵儿了,永远是排头兵,永远在路上,若你是种状态可能也永远无法当上将军了,直至战死在工作岗位。

这也是为什么大多数人作品经不起推敲或不真实的原因所在,我们只是在手活儿上表示做了某一件事,但作品表现上未能在客观角度验证改版的正确性。

90%的资深设计师都掌握的数据分析基础知识(上)

注重设计验证

设计--开发--发布--衡量验证--设计,其实我们仅是少了衡量验证着一个环节。好的设计师要负责任,不能总是提上裤子不认人,改版了设计后结果是怎么样的?是不是达到了预期的效果?都是优秀设计师需要关注的。

2. 如何衡量?举几个常用的数据,帮助大家理解。

90%的资深设计师都掌握的数据分析基础知识(上)

衡量切入点

项目改版后是否受欢迎?例在活跃比上进行切入,一个新功能上线后使用人数越多则表示改版的越成功。当然哈,类似垄断、刚需产品不包含在内,类似于我们使用的个税软件,无论他做的怎么样我们都一定要用,就没必要计算了。​怎么进行计算呢?活跃比=使用新功能的用户数/同期活跃用户数量。例说今天有100人登录,有30人使用了这个新功能。那30%便是我们此功能的活跃比。(当然影响功能使用的因素可能有很多,这也仅仅是其中维度之一。)

90%的资深设计师都掌握的数据分析基础知识(上)

改的受欢迎么

今天你穿了新衣服,100个人见到你,30个人跟你表白,说什么不和你在一起是她们这辈子的遗憾。说明你今天这个衣服选的好啊!明天你换了一件,100人见了你,20人跟你表白。这不就是说明你这次衣服搞的不行嘛!当然,为什么说这只是影响用户使用功能的众多因素之一呢?因为衣服是一方面,另一方面也可能是因为你天生丽质难自弃。

你的改版对总体的用户留存有帮助吗?如果你的改版能够为企业带来用户的留存,那说明你的设计一定是很有价值的。​我们常看的留存数据次日留存、周留存、月留存。但这不是固定的,如想看2天留存、3天留存都可自定义,留存率的时间定义需根据项目类型、产品使用频率判定。

90%的资深设计师都掌握的数据分析基础知识(上)

能留住用户么

比如说卖房APP,你会每周卖房嘛?当然不会!谁家有那么多房子卖啊(请联系我,我做保洁是主业,副业才是写写文章)?如果是社交类软件用户2天都没再次登录使用则代表该用户流失,这个频率问题大家要根据自身设计的产品来定。

对整体流程是不是起到了效果?此部分也是大家在作品中最常用展示形式,之前的流程有8步,经过不断优化调整为5步,所以我做到了交互减步长,如此说来倒也没错,但你仅证明了减少了步骤,却没证明你这么改真的好用,优化成了5步后此任务的完成率得到提高了吗?转化率得到提高了吗?你有证据能证明你做的正确吗??什么?没有??那按照你的说法,我能把8步改成1步,一样是交互减步长,只不过是不好用而已。

90%的资深设计师都掌握的数据分析基础知识(上)

交互正确么

超人每次都是压轴出场救人于水火,所以我决定让他不要搞造型,别穿战衣,直接去救人效率更高如此可以做到交互减步长,你觉得这样合理吗?大家可以把答案写在评论区。

90%的资深设计师都掌握的数据分析基础知识(上)

超人怎么想?

我们需关注整体流程上下游数据表现,创建漏斗记录数据,依数据表现判断改版是否达到目标。​例:改版前、点击按钮100%--创建今日任务23%--@相关负责人12%--同步WIKI5%​改版后、点击按钮100%--创建今日任务40%--@相关负责人20%--同步WIKI10%​每一步优化带来的数据影响~以此就可以为你证明。

90%的资深设计师都掌握的数据分析基础知识(上)

漏斗模型

这就是刚刚所说的,你要帅的有内涵。大家做作品的逻辑是什么?因为我需要一份工作,所以你要给我一份工作。不是?大哥凭什么啊?你需要工作,那就要证明你能为这件事创造价值啊,你要能证明自己能创造价值才是正确逻辑吧?

用户在怎样使用新功能?用户是否按照我们设计的路径执行的,他到底有没有按照我们设计的套路走,这些可以在后台查看用户使用轨迹来判定是否符合用户操作习惯。

90%的资深设计师都掌握的数据分析基础知识(上)

用户怎么使用的?

例:你以为你的男朋友们吃饭时是先吃素菜--在吃荤菜--在吃主食--然后喝汤,但你男朋友们偏偏都是先喝了汤然后才吃菜,这就是与我们设计路径不符,此时我们可以进行访谈来判断其中原因,为什么他不先吃素菜?是因为不爱你吗?如果用户的轨迹与你预测的完全一致,那便证明了你的设计正确性。​在设计工作中我们公司想要增加曝光入口、为用户推荐更多商品,在个人中心底部增加了推荐,猜想是有些用户会在个人中心-收藏中浏览商品,如果新增加的推荐入口有被使用(当然哈,这里的说的使用也是有数据标准的,我们需要根据自身产品来制定标准),则代表功能构想成功、添加此部分入口是符合用户逻辑。

如果功能改版的很好,那用户会不会重复使用该功能呢?通常来讲我们改版大概率会调整哪些核心的、有业务价值的页面或流程,如你改版内容流体验极好重复使用率自然会更高,如你设计的页面总是让用户迷惑、找不到操作路径,存在逻辑BUG自然重复使用率会下降。重复使用比如何计算呢?重复使用比=第X天使用该功能人数/第一天使用该功能的人数。例,第一天有100人使用了你改版的功能,第二天着100个人里有50人继续使用了此功能,则第二日重复使用比便是50%。

90%的资深设计师都掌握的数据分析基础知识(上)

用户会多次使用么?

这里强调一下,咱们改版过程中尽量去选择对业务或用户价值的,使用频率高的页面。千万不要改版类似边角料内容,你的内容越是边角料,你的面试官就会越觉得你是边角料。

90%的资深设计师都掌握的数据分析基础知识(上)

积累相关数据信息

将数据表现带入作品,增强可信度。以上便是大家做作品时常用的情景和数据维度,在日常工作中可多留意此部分数据信息,多整理、总结、收录。

有些聪明的小明可能会问了:那在哪里看到这些数据呢?去找你们的产品经理、研发、在你们的后台这些数据都是有收录的(在你们公司数据埋点比较全面情况下)

有些聪明的小明可能又会问:我已经离职了,没关注过这些数据怎么办呢?Emmm,这样的话...有些事情我就不能明说了,自己意会吧。

三、为什么要了解常用数据指标?

我大体将数据信息分为了3类:用户数据、行为数据、业务数据。

90%的资深设计师都掌握的数据分析基础知识(上)

常用数据哪些

用户数据(与人相关)

日活 DAU、周活WAU、月活MAU

要注意此数据要在特定统计周期内,成功登录或操作过核心功能的用户。注意哈,如何才算是活跃用户需要依据你所在项目来判定,但通常来说日活跃用户指的是那些在一天内真正使用了应用程序或软件的用户。

90%的资深设计师都掌握的数据分析基础知识(上)

日活 DAU、周活WAU、月活MAU

例说,你们的APP核心功能是转账,用户需每天转100元到我的支付宝账户上(176****7647,记得转给我)。今天有210人登录(打开软件)100人转账给我,那今天的日活可以记录为100(我这里的定义就是登录没做核心操作的人不记录为活跃用户)。如果这转账的100人里有好几个真爱粉,今天有人多次给我转账,那也只记录一次活跃,活跃度还是100,简单来说数据要进行去重。

90%的资深设计师都掌握的数据分析基础知识(上)

算需要去重

影响日活的因素有哪些

  1. 软件的功能与用户体验:对功能越满意,使用体验越好,使用频次也就越高啦。
  2. 营销力度:例如双11、618、活动大促等等都会对日活产生影响。
  3. 用户需求度:你所调整的功能用户需求度越高,使用频率就越高。比如说好多人都想要给我转账,你们公司搞这么个功能绝对爆火!!!建议给把这个创意点反馈给你们的老板。

90%的资深设计师都掌握的数据分析基础知识(上)

推广、体验、功能、需求

知道活跃数据如何指导设计策略?

90%的资深设计师都掌握的数据分析基础知识(上)

推送时间、使用习惯、流失原因

分析活跃时间,可以优化软件推送事件。例,学习类软件,用户在下班后的时间段内活跃,我们可在这个时间段推送课程入口,这不就是情感化设计嘛~你明知道你女朋友明天要上班,你非得买个明天下午的电影票,这不是找不自在吗?有了数据,你知道她什么时候下班,把看电影的时间点在那不就好啦?不晓得大家知不知道,那些开大挂车的司机都会有一个软件监测,在车辆高峰时段,夜晚的时候会加强监测和提醒,避免大挂车司机疲劳驾驶,这就属于针对活跃时间的功能设计。

90%的资深设计师都掌握的数据分析基础知识(上)

情感化、智能化

分析用户使用习惯,可以优化软件的功能和界面。例说你总喜欢深夜EMO,为保护你的眼睛,推出暗黑模式、又或者到了晚上给你搞一个EMO专栏。

90%的资深设计师都掌握的数据分析基础知识(上)

定制功能

分析用户流失原因,可以改进软件的留存策略。例:到了周末晚上你会发现电商类用户活跃度会有所下降(这是普遍现象哈),对应此状况设计师是不是可以考虑周末晚上的时间设计主题化,设计特殊场景吸引用户(例子我胡编的)。切记千万别和我说周末晚上给用户大额优惠券,敢情公司不是你的哈,花钱不心疼,解决问题要聚焦在设计能做的事情上,给优惠券这种事可不是咱一个小吗喽能定的。因为发现很多伙伴会在作品中提到这个点,一眼我就晓得你这不是胡扯吗,你要是能决定这个还做什么设计啊。

90%的资深设计师都掌握的数据分析基础知识(上)

改进留存策略

关于数据别瞎**写

  1. 社交、游戏、资讯类app,月活跃用户比例通常在15%~35%。大型社交app如微信、抖音等月活可达50%以上。你敢说你设计的东西活跃度50%以上?你咋不上天!
  2. 购物、娱乐、旅游类app,月活跃用户比例通常在10%-25%之间。热门购物app如淘宝、京东等可达30%以上。
  3. 摄影、工具类app,月活跃用户比例相对较低,通常在5%-15%之间。
  4. 总的来说,社交、游戏等类型的app由于日常使用频率高,月活跃比例较大。而工具、摄影类的专业应用由于使用场景相对集中,月活跃比例相对较低。不同app的具体月活数据也会受到用户群体、功能特点等因素的影响。
  5. 吹牛也要靠点谱,你丈母娘啥大风大浪没见过。你敢说你:“身高一米七八,年收入十六万,人老实,话不多”她分分钟识破你。

90%的资深设计师都掌握的数据分析基础知识(上)

身高一米七,八年收入十六万,人老,实话不多

新增用户

日新增DNU、周新增WNU、月新增MNU

新增用户 = 当期总用户数 - 上期总用户数。首次安装并打开软件即算作新增用户、同一用户在统计周期内多次安装,只计算一次新增。

90%的资深设计师都掌握的数据分析基础知识(上)

日新增DNU、周新增WNU、月新增MNU

影响新增用户的因素有哪些

90%的资深设计师都掌握的数据分析基础知识(上)

影响因素

推广力度:通过各种线上线下渠道的广告投放、内容营销等方式,吸引并转化更多的新用户。使劲砸广告,框框砸钱!自然新增用户多。

90%的资深设计师都掌握的数据分析基础知识(上)

你怎么选

产品功能和体验:产品功能是否满足用户需求,整体的使用体验是否良好,直接影响用户的转化率。你买火车票时是喜欢用12306还是喜欢用智行APP?肯定智行吧?

因为体验好啊!你要是说我就喜欢12306那种朴素感,好好好,你是懂设计的,叉出去!!!有同学可能会问:我查不到我们的新增用户数啊怎么办? 去问你家产品!你家技术!!我家产品技术都是二把刀不给我数据怎么办?去应用商店看你们软件下载量去!

90%的资深设计师都掌握的数据分析基础知识(上)

数据如何获取?

优惠活动力度:针对新用户的优惠促销活动,如免费试用、优惠券等,可以有效刺激新用户的注册转化。可以和同期活动对比新增用户增长差异。你天天有活动,那我就可以带着全家薅羊毛。此部分与设计相关的内容可以看banner吸引力,是不是能引导用户点击。你的活动功能、页面表现是否成功,点击率、转化率好不好等等

90%的资深设计师都掌握的数据分析基础知识(上)

注意生命周期

产品生命周期阶段:产品处于不同生命周期阶段,新用户增长动力也会有所不同。好比说拼多多,之前疯狂扩张迅速崛起,现在新用户数量开采的差不多了,自然增长率也就下来了。例你去新公司,最初是部门的人夸你漂酿,后来是整条业务线的人夸你漂酿,最后全公司的人夸你漂酿。到这一地步基本也已经是这个公司的极限值了,想更多人夸你,那可能需要跳槽了。

讲到这里,拓展一下知识面吧,为什么关注企业新增用户数据?

新增量关系着传播量:来的人越多,说明传播做的越好。NPS在70%以上,投资者才愿意投资,说人话是有人愿意为你传播你家产品的潜力越高,不然拼夕夕为什么迅速崛起?就是在于运营策略,玩法,大量传播带来新用户。

90%的资深设计师都掌握的数据分析基础知识(上)

这款游戏为什么会火?

病毒系数:举一个暴露年龄的例子“一个灰指甲,一个传染俩”这就是病毒系数,传播度越高,病毒系数则越大。如果说1个用户能在带来1位用户,传播系数则等于1,如果1个人能带来多个人则系数大于1。1带1我们可以称之为线性增长,1带多可以称之为指数增长,病毒系数越大、传播周期越短,我们的产品越容易产生现象级变化,成为爆款!如果你和1个人暧昧,那你是正常人,你和十个人暧昧你是渣男,你和很多人暧昧,那你大概是海王吧。

90%的资深设计师都掌握的数据分析基础知识(上)

与羊群效应

说到这里我又想到了“羊群效应”这里结合“NPS传播”一并和大家讲一下吧。NPS传播是指通过口碑和推荐等方式,让满意的顾客向其他人推荐产品或服务的行为。

NPS代表的是一种客户满意度指标,通过问卷调查得出客户对于产品或服务的满意程度和愿意推荐程度,可以用来衡量客户对于企业的忠诚度和推荐意愿。

羊群效应是指人们在群体中受到别人影响而跟从主流行为或观点的心理,说简单就是丛众,跟随别人做出类似的选择或行为。羊群效应通常表现为人们看到他人做某事或选择某种产品后,会跟随他人而做出相似的选择,而不是基于独立思考和判断。为啥你看到排长队的你也想去排,觉得会好吃?实际上很多都是托,而你是那只待宰的羊。

在一定程度上,NPS传播可能受到羊群效应的影响,因为当人们看到身边的人推荐某个产品或服务时,会增加自己对该产品或服务的好感,从而更有可能传播给他人。

成本考虑,光传播还不够,用户来了还需要留住,毕竟获客是需要花钱的,且当前市场产品之前的核心差异竞争差异变小了,获客成本变高,就要重视LTV时间长度,用户终身为你平台创造的价值,所谓的终身是指用户从来到你平台到流失的生命周期。

留存率

次日留存、7日留存、30日留存

用户来了之后是否能留得住,反映了用户对产品的满意度。你好不容易谈个恋爱,没两天分手了着你受的了吗?这个恋爱要谈,不仅要留住她,还要谈好!

90%的资深设计师都掌握的数据分析基础知识(上)

来的时候好好的,回不去了

通常重点关注次日、3日、7日、30日,观察留存率的衰减程度,这可以衡量产品的用户粘性和增长潜力。计算公式为:留存用户数/总用户数x100%。计算留存率需注意要定义清楚留存的时间范围,通常以用户注册或首次使用后的n天/周/月为留存时间范围。统计在留存时间范围内仍在活跃使用产品的用户数量,即留存用户数。

90%的资深设计师都掌握的数据分析基础知识(上)

计算一下

举个例子你就明白了,比如说你有10位好朋友,你邀请它们来参加你的生日宴,结果只来了8个人,那么你的"留存率"就是:留存率 = 实际来参加的人数 / 原计划邀请人数 × 100%= 8 / 10 × 100%= 80%,这就意味着你有80%的朋友最终还是来参加了你的生日派对,人缘已经不错啦~

再举一个7日留存的例子。假设某款移动应用在某天新增了100名用户。在这100名新用户中,如果有80名用户在7天后仍然在使用这款应用,那么7日留存率就是:7日留存率 = 80 / 100 × 100% = 80%。注意,始终计算值是这100名新增的用户。

用户留存对设计的指导

90%的资深设计师都掌握的数据分析基础知识(上)

4:2:1原则

用户留存4:2:1理论,次日留存能达40%,7日留存达20%,30日留存达10%,便是相对较好的数据指标。所以大家写数据的时候辛苦留心注意一下,别太过分。

90%的资深设计师都掌握的数据分析基础知识(上)

设计师通常以月留存观察为主,假设一款教育类APP的月留存率较低,经过数据分析发现,用户在浏览课程内容时,往往看完一两节就流失了。设计能在从中推导出的设计方案方案可以是:

  1. 个性化推荐,根据用户的浏览历史、学习偏好等,设计课程推荐算法,为每个用户推荐更贴合自身需求的内容。
  2. 在课程播放页设计学习进度条、章节导航等功能,让用户直观了解自己的学习情况。为用户提供学习报告,统计学习时长、完课率等指标,激励用户持续学习等等。

换句话说你谈恋爱总是两天就分手,这肯定是有原因的吧?一个用户和你说分手那是他的原因,好多用户和你提分手,那你总要思考一下原因点在哪然后进行补救吧?

总的来说月留存统计时间可根据我们的上线频率制定,如当前版本更新,我们可以在上线后与前一月进行环比,了解用户是否对功能满意,如果环比下降则需要寻找原因并优化。

人均使用时长

特定统计时间内,浏览页面或使用产品时,用户停留的总时间/该页面或产品的访问人数(说人话:用户浏览的页面、内容、停留时长)。人均使用时长是用户粘性分析依赖程度的重要表现之一。

90%的资深设计师都掌握的数据分析基础知识(上)

人均使用时长

关于数据

  1. 娱乐类产品:社交媒体平均使用时长通常在 30-60分钟/天。游戏应用:平均使用时长可从 30分钟到几个小时不等,取决于游戏类型。视频/音乐播放:平均使用时长通常在 1-2小时/天。
  2. 工具类产品:生产力工具(文档、电子表格等):平均使用时长得视任务而定,可能在 30-90分钟/天。通讯软件:平均使用时长通常在 15-45分钟/天。新闻阅读类:平均使用时长约 20-40分钟/天。
  3. 所谓的时长仅计算用户主动操作和交互的时间,不包括应用在后台运行的时间。比如你当前在摸鱼,打开知乎浏览了30分钟,这就算作30分钟的活跃使用时长,如果打开知乎后在后台持续运行1小时,这1小时并不会计算在内。所以,这个平均使用时长更多反映的是用户主动参与和互动的程度,这个数据指标才更有意义。

90%的资深设计师都掌握的数据分析基础知识(上)

你达标了么

使用时长的影响

90%的资深设计师都掌握的数据分析基础知识(上)

不同软件,不同要求

使用时间越长,则代表粘性越高,越被设计或功能所吸引,时间短?那你得反思一下了,你不行啊!当然这也要根据产品状态不同进行分析。例如快手、抖音等偏向于娱乐性质产品,用户停留时间越长越有商业可能性,会在不知不觉中杀你的时间。如果你不想被别人说不行,那你就告诉他:工具类产品如停留时间过长,则可能是设计的功能模糊、让用户无法正确判断理解。时间短也有人喜欢!

90%的资深设计师都掌握的数据分析基础知识(上)

你怎么选?

功能设计:如用户并没有充分利用产品的功能,随便扒拉扒拉就走了。设计师需要分析用户使用痛点,她就这么走了?说明你给她的东西不是她想要的,不是她喜欢的。依此我们可以优化功能布局和交互设计,提高使用效率。微信如果把你的聊天功能限制了,你还会长时间使用么?

90%的资深设计师都掌握的数据分析基础知识(上)

不同年龄不同心境,不同时间不同操作

人群细分:根据不同用户群体的人均使用时长差异,设计师可以为其提供个性化的界面和功能,满足不同用户的需求特点。

如果我问你快乐是什么?你会怎样回答?我相信每个人对于快乐的定义都是不同的。

小朋友会说:快乐就是我今天抓到了蜻蜓。

中年人说:快乐啊?可能是明天吧。

老年人会说:快乐就是今天看到孙子抓住了蜻蜓。

海绵宝宝说:快乐!就是和海绵宝宝一起抓水母。

不同的年龄不同心境,不同的时间不同的操作。不同年龄的使用习惯,在软件中就会有不一样的操作和关注点,这里我举一款健身APP为例,用户数据表现为:

年轻用户(18-25岁)的人均使用时长为45分钟

中年用户(35-45岁)的人为75分钟、

老年用户(55岁及以上)的人为90分钟。

年轻用户群体:人均使用时长较短,可能追求娱乐性和社交属性较强的功能,界面设计可以更加简洁,突出健身课程和社交互动,提供更多运动音乐、挑战任务等元素,满足这部分用户的需求。

中年用户群体:均使用时长适中,可能更注重健康管理和专业指导,界面设计可以更加专业,突出健康数据监测和专业教练指导提供更多健康方案规划、营养建议等功能,满足这部分用户的需求。

老年用户群体:人均使用时长较长,可能更关注安全性和舒适性,界面设计可以更加友好,字体更大,强调实用性和易操作性,提供更多关节保护、养生课程等功能,满足这部分用户的需求。

90%的资深设计师都掌握的数据分析基础知识(上)

时间数据-衍生策略

通过这种基于人均使用时长的人群细分策略,设计师可以为不同用户群体提供差异化的界面和功能,更好地满足各类用户的实际需求,提高产品的用户体验。

...

好嘞~各位,今天就先写到这里喽,本想把基础数据内容在本篇中全部为大家展示,可是一篇写完将近18000字,担心大家看久了会过于疲倦,所以只好将后续的内容分多拆分了一个篇慢慢为大家呈现。

个人性格偏随性一些,所以每写到关联知识点时就忍不住多拓展一些,例子是死的人是活的,大家要灵活变通思考如何把数据的运用与自己所做的项目相结合。

哈哈忍不住在和大家分享一个例子,前几日有一位伙伴找我帮忙看简历,她其中写了这样一条内容,改进某电商项目,数据结果是实现每日浏览3w+。我便反问她:那你清楚你的用户量是多少么?她说:不晓得啊,我乱写的。那结合为我们今日知识点--购物、娱乐、旅游类app,月活跃用户比例通常在总用户量的10%-25%之间。依此便可以大致反推我们当前的总用户量。我只是帮助她进行审一遍,如果是当时是面试官在问呢?如果回答不知道那岂不是塌房了?大家需要对自己展示的内容负责,如果你想展现,那就要让你的内容经得起推敲,深挖,要知其然知其所以然。

最后罗列一下大纲~

90%的资深设计师都掌握的数据分析基础知识(上)

能力一般,水平有限,感谢各位伙伴捧场~

再次谢过,也敬请期待后续的《常用数据·中篇》《数据分析方法·下篇》

90%的资深设计师都掌握的数据分析基础知识(上)

拜拜~

收藏 95
点赞 55

复制本文链接 文章为作者独立观点不代表优设网立场,未经允许不得转载。