数据分析,不仅仅是产品或运营的“专利”,作为交互设计师也需要掌握这方面的技能,来帮助我们做更好的设计。如果你是没有关注过数据分析的交互设计师,下面这三点你可能需要知道。
数据分析的作用
1、发现问题
分析数据发现某个功能的转化率/留存率低,作为设计师如何提升这些指标呢?可以从自身专业角度的分析、也可以通过可用性测试去挖掘,再针对性的做改进、调整。
2、对比改版前后的效果
某个改进后的设计方案上线后,需要对比改进前后的效果,验证此次改进是否有效,根据结果做下一步的行动指导。
关注哪些数据指标
不同的功能、改版目标,关注的指标不同,下面只是列举几个例子:
1、同一个界面,不同模块的点击量对比,用户黏性(PV/UV)对比
对于某个功能点,如果我们希望用户经常使用、喜欢使用,这个时候需要关注的有 点击量、用户量、用户粘性 。
2、层级由浅及深,每一层级的PV和UV ,看用户在不同层级的转化率/流失率
如果每个层级的流失率高,是否因为操作流程太复杂?这就需要交互设计师去分析具体原因了。
3、某个操作流程,最终的成功和失败的比例
前面各个层级的转化率综合决定了最后的成功率,所以如果要提高这个指标,需要将各个层级都分析透彻,挖掘问题所在。
常犯的错误:改版前不操心,上线后才关注数据
作为很少关注数据的交互设计师来说,常常在改版前没有操心,上线后想要某个数据才发现木有。
我也有过这样的经历,那个时候以为产品经理会跟进每次改版的埋点需求,也担心我来提埋点需求会不会不太好。后来发现,目前所在的产品组,我对接的是产品总监,中间没有执行此事的产品经理。作为设计方案的提出者也想看看设计上线后的效果如何,于是主动找产品总监聊了聊这个问题,看可不可以提产品组的埋点需求,得到的答复是“当然可以”。
所以,我现在的做法是,如果某个设计方案想对比改版前后的效果,我会提前将自己的埋点需求整理成Excel表格,发给相关的同事,再对照交互原型详细讨论这些埋点,确保双方理解一致,不至于最后埋点的数据不是自己想要的。
总结
通过数据分析,可以量化交互方案的效果。作为交互设计师,可以主动去承担一些工作,化被动为主动,去发现问题、改进问题,不用等到产品经理提了需求才想改进方案嘛。
Copyright © 2001-2029 嘉兴辉信信息科技有限公司 版权所有 工信部备案号:浙ICP备18006137号 公网安备号: 浙公网安备33048202008837号