设计师需要懂的数据知识

我们平时准备出门或者去一些陌生的地方，我们都会使用高德地图或者百度地图看下路上是否堵车，我们这次出行走哪条路需要用时多久，以方便我们去选择合适自己的出行方式。

我们设计师在做设计的时候也是一样的，我们通过之前的数据，也可以分析出产品一些不一样的改版点，我们能把一些抽象的问题具体化，能更好的去度量我们的设计，所以设计师在学习如何增长设计前，我们需要了解一些关于产品的数据知识，我们分析一款产品的时候，通过比较关注的点是用户、需求和数据。

当我们的产品上线或者上新某一个功能的时候，往往用户的意见反馈代表的是个体的声音，而数据是用户对于产品的客观反馈，数据的变化能代表用户对产品的态度，所以，设计师要是能读一些数据报表，那么我们可以从体验设计师角度去给产品迭代的时候能提出不一样的观点，辅助我们所服务企业的app的成长。

1. 数据是如何产生的

数据如如何产生的，比较深的知识是不需要我们去深挖的，我们日常接触到数据反馈都是来自产品的“埋点”，而埋点数据的获取通常通过第三方的工具进行获取，比较常见的数据分析企业有友盟、七麦、GrowingIO等;这些工具可以在我们想要的页面或者功能按钮上添加监听功能，当条件被满足的时候，便会完成一次数据的统计。

埋点需要提供两个关键的信息：一是需要埋点的内容，二是埋点的名称，这可以方便我们以后快速的找到相关的数据，当埋点完成后，产品上线就会检测用户的行为动作;当用户进入我们的“埋点”界面或者功能的时候，后台系统就会上报数据，我们就会收到数据反馈，但是在现实工作的场景可能比这个要复杂的多，我们可以根据具体的场景在灵活应变。

2. 设计师为什么要了解数据

我们对一款的产品的优化可能有很多层面的思考，但是我们去对用户数据的分析则是对当前产品最有价值的参考点，数据的采集与分析无论是对产品的规划还是对设计师下一步的工作开展都是比较重要的指标，因为用户可能会因为一些客观的原因可能不会说出自己内心的真心话。

例如我们去面试的时候，在一番精心的准备和问答之后，我们在面试结束之后，如果去问面试官“您觉得我这样面试表现怎样”，有的面试官可能会就你这次的变现去做出比较切合实际的点评或者建议，但是有可能你那场面试因为外部的原因会失常发挥，但有的面试官可能会照顾你的面子，可能会说表现的还可以之类的话来安慰你;但是面试官最后会不会录用你这点他肯定不会作假，所以有时候我们在分析用户行为及操作路径的时候，一些用户的数据表现便是我们对产品优化的关键因素。

我们通常将数据的指标分为三大类：用户相关指标、用户行为指标、业务数据指标。

3、用户相关指标

我们常见的与用户相关的指数有像DAU、MAU、新增人数等，我们需要了解的数据为：用户的活跃指数、用户的留存率、人均使用时长。

1)用户的活跃指数

在互联网行业里，通常我们会通过拉新把客户引过来，但是经过一段时间可能就会有一部分客户逐渐流失了。那些留下来的人或者是经常回访我们公司网站 / App 的人就称为留存。

在一段时间内，对某个网站 / App 等有过任意行为的用户，称之为这个网站 / App 这段时间的活跃用户，这个任意行为可以是访问网站、打开 App 等等。

我们常见的用户指标有「日活」 即日活跃用户量，缩写为DAU，，缩「周活」 即周活跃用户量，缩写为WAU，「月活」 即月活跃用户量，缩写为MAU。

2)用户的留存率

留存率是最能反映一个产品是否对用户有吸引力的指标，一般的留存率是基于某个时间段而得出的结论，例如我们常常听说的次日留存和七日留存率。

次日的留存率计算公式为：当天拉新的用户中，次日留存率=在注册的第二天继续登录/第一天拉新用户的总数量。

七日留存率的计算公式为：在第一天拉进的用户中，七日留存率=在注册七天后还有登录的用户数/第一天拉新的用户总数。

3)人均使用时长

人均使用时长通常是对内容和游戏类的参考价值的很大，它可衡量我们产品是否做的比较优秀，能不能留住用户的注意力。如果我们做的是工具类的产品，例如计算机之类的，这个时候的人均使用比较长，说明我们的产品可能出现了问题，无法让用户在短时间内得到他想要结果。

人均使用时长的计算公式为：人均使用时长= 总活跃时长 /总活跃用户数。

4. 用户行为指标

用户行为相关常见的指数有用户的页面访问量率、转化率等指标。

1)页面访问量率

我们对页面的访问流量的定义分为两种，一种是PV(page View)即页面浏览量，另外一UV(UniqueVisitor)：独立访客数。

PV(page View)也就是页面浏览量，即你每观看一次就会涨一个PV，类似于B站的播放量，我们每个账户只要点开观看一次视频，播放量就会增长一次，关闭在打开，也会在增长一次，所以我们每播放一次，便会涨一个PV值。

UV(UniqueVisitor):也就是独立访客数，类似于腾讯视频和优酷的播放量，每个账户点进去播放只会增长一个播放量，你再关闭再点进去也只涨一个VU值。在正常情况下是依靠浏览器的cookies来确定访客是否为独立访客之前是否访问过该页面。

UV的类别

在统计数据的过程中， 我们会将不同的点击率来划分，从而更好的可以来统计数据来分析。我们将UV分为：曝光UV、点击UV、意向UV。

曝光UV：

曝光UV即曝光在视野内的用户数，例如我们在京东或者天猫去搜索某个产品进入了搜索的feed列表页的时候，当我在当前的列表停留2-3秒的时候，都可以算一次曝光UV。

点击UV：

点击UV即有点击行为的用户数，例如我们在京东或者天猫去搜索某个产品进入了搜索的feed列表页的时候，我点击某个商品进去了详情页，那么就可以算一个有效的点击UV。

意向UV：

意向UV即进入意向页面的用户数，例如我现在想去买一个Macbookpro，我在B站看完关于Macbookpro,的评测视频，在百度看完Macbookpro的参数后，我在去天猫和京东去搜索进行比价的时候这个时候我就属于意向UV。

再举个我们比价常见的例子，当我们在百度搜索宝马的时候，排在前面的经常是各种五花八门的关于车的广告，在百度看来，我们便是想去买车的意向UV，是有机会促成交易的。

所以我们看用户对我们的产品或者活动是否感兴趣，便可以看看PV和VU的数据如何。

2)页面的转化率

页面的转化率是任何一个企业都比较关心的数据为，我们的任何运营活动和产品的推广都是为了转化用户的时间或者金钱，我们费尽心思的用户点击进来，也都是为了转化用户的购买。

用户的注册、下单、登录和复购都可以用转化率来进行量化，我们根据产品不同的情况来制定转化率的指标。

通常我们计算转化率：产生购买行为的户人数/总的用户访客* 100%;例如我们这个页面访问人数是1000，接下来有100人进行了购买的行动，那么我们页面转化率为：100/1000*100%=10%的转化率。

意向用户转化率

意向用户转化率，即意向Intention Click Value Rate，简称意向UV CVR，是通过直观科学的角度去评判需求是否达到了预期的效果，意向用户转化率一般用来衡量用户访购行为，是可以通过该指数去发现问题中隐藏的核心问题的依据，非意向UV的转化流失有很多不确定因素，而意向UV的流失往往跟产品体验有更大关联性，通常计算的方法为：产生购买行为的客户人数/所有到达店铺的意向访人数* 100%。

例如像民宿和酒店类的APP的核心转化率是客房的预定量，像B站和西瓜的核心转换率则是用户评论和点赞。

3)页面的点击率与意向率

通常我们在曝光UV和点击UV直接会有一个点击率的关系，Click-thougphRate，简写为CTR，即点击数占展示次数的百分比，通常的计算形式为,点击率=点击次数/页面访问次数,

在曝光UV与意向UV之前也有一个比例关系，叫意向率，即意向UV占曝光UV的比例关系，通常用以衡量运营活动或者功能的导流能力，主要用来看用户的质量，通常的计算方式是意向率=意向UV/占曝光UV。

3)跳出率

跳出率是在设计用的比较少的一个数据，一般是运营人员会关心的数据指标。指的是用户通过搜索点击进入该商品的详情页，只是简单的浏览一遍就关掉了页面，在该页面没有任何的活动行为我们称之为一次跳出行为。

跳出率的计算公式为：页面的跳出率=一个页面离开的次数/总的访问次数*100%。

5. 业务数据指标

我们对业务的数据指标可以将他们分为两类：

免费供用户使用的产品，例如微信、B站等产品，我们更多的关注用户的使用时长和停留时长。

需要用户有购买行为产品，例如淘宝、拼多多和京东之类的，这里的产品我们更多关注的是产品的GMV和ARPU等指数。

1)GMV

Gross merchandise Volume，简称为GMV，指标通常称为网站成交金额，属于电商平台企业成交类指标，主要指拍下订单的总金额，包含付款和未付款两部分。

GMV反映的是电商平台直观的成绩，但在电商行业，GMV包括拍下未支付的订单金额，GMV=销售额+取消订单金额+拒收订单金额+退货订单金额。

2)ARP

ARPU是 “The average revenue per user” 的缩写，译为每用户平均收入或平均每用户收入。也可以理解为单个用户的价值。

通常的ARPU用来反映这个产品在这段时间内从单个用户获得的利润和收益，通常用来计算用户生命周期价值的作用：它是 App 成功的指标，是用户忠诚度的反应，是预测用户增长的工具。简单来说，用户生命周期价值是驱动移动市场预算的动力。它会告诉你每个用户值多少钱;你应该花多少成本去获取一个用户。

ARPU的计算公式为：ARPU=在指定时期总收入/指定时期的付费用户的总数*100%。

3)付费率

付费率是用来衡量用户转化行为的指标，通常所有用户和付费用户之间的一个转化比率。我们前面说到的ARPU值是付费用户的人数来计算的，我们通常会把付费率和ARPU值放在一起分析。一般该产品的付费率越高，这说明用户对该产品的认可度越高。

三、设计优化产品数据的策略

我们的产品每个阶段的增长指标在不同阶段会有不同的定义。每个时期所需要注意的事项也是不一样的，我们对基础的数据有了认识和了解之后，我们更重要的事情就是怎么去实践在我们自己的产品中。

1. 提升列表CTR的设计策略

我们产品中很多时候，我们的设计做的是否合理，我们的商品类别该怎么去排序，都和CTR的数据去挂钩，产品中的很多核心的数据也需要CTR等基础数据去做支撑。

那么我们一起来复盘下提升列表的CTR策略点：

增加影响用户决策的信息

梳理列表的信息层级

新增适当的交互

标题优化(非设计角度)

1)增加影响用户决策的信息

平时我们在逛街的时候一定会发现这样的场景，当一条街上开了很多店的时候，每个店铺一定会派出自己店铺长相比较甜美的店员或者比较擅长口播的店员在自己店前面进行“吆喝”，比较小的店铺就算人手不足也会用音箱去反复播放店内的促销信息，这些策略都是为了在众多的店铺中去吸引过往行人的注意力。

那么我们做设计也是一样的原理，我们在在做列表时候，想要提升用户击我们的列表进入详情页的意愿，首先我们需要了解我们的用户对什么样的信息比较感兴趣，我们将它整理并放出来，从而达到吸引用户来点击。

2)梳理列表的信息层级

我们平时去逛超市的时候，我们发现每个类目的货架前都会摆放特价或者促销力度比较的商品的合集，理货员会将他们放在一起，这样，对于价格敏感的会直接过去挑选。

我们在梳理列表的信息也是一样的，我们需要将用户比较关注的信息或者产品的卖点信息层级抬高，减少用户在挑选时候的跳出率。

3)新增适当的交互

我们想提升列表的点击率也可以从另外一个角度是入口，就是想办法让用户在最短时间内可以看到更多的信息列表，让质变产生量变，这一点我们可以从改进交互的操作入手，让让用户看的比较多的列表交互。

来源：网络

以上是关于用户增长师的相关信息，以供大家查看了解。想要了解更多用户增长师信息，第一时间了解用户增长师相关资讯，敬请关注唯学网用户增长师栏目，如有任何疑问也可在线留言，小编会为您在第一时间解答!