用数据分析来设计页面
设计时不能单凭经验和直觉,因为涉及到的目标人群、场景、操作习惯的不同。为了获取更准确、有效的信息去辅助、检测设计,设计师会选择定性(用户访谈、焦点小组)和定量(调研问卷、网站数据分析)的方式进行用户研究。其中“网站数据分析”这一方式不需要花费较长的时间及人力成本,同时避免了用户及环境等不稳定因素对分析结果造成的干扰。只要具备精准及适用的数据,我们应优先选择这一方法辅助设计。
通常我们可以获取到哪些数据呢?
1、 网站数据
搜索常见的数据如下:
Query – 搜索关键字数
PV(Page View) — 页面浏览量,页面每一次刷新即被计算一次
UV(Unique Visitor) — 用户访问数
Click — 页面总点击数,每一个功能都会有相应的点击数
L->D — 搜索list页面到detail页面的点击数据,即转化率,不同页面有不同的数据。
CTR — Click/LPL,LPV即搜索list页面上的浏览量,CTR即每次浏览的点击次数。
2、 用户访谈、定性调研、焦点小组
3、 已有结论的报告
4、 线上测试(如A/B test,搜索中常用内部开发的可以多方案上线测试的buckettest)
网站数据中可以了解到什么信息?
1、关键字流失率分析
图1是用户输入“女鞋”相关的关键字及相应的UV流失率(即没有在搜索页进行过任何操作行为的用户数占所有搜索用户的比例),从数据上看添加了真皮、广州、时尚等属性词的关键字流失率相对低很多。
关键字描述越详细,搜索匹配到的产品越准确,用户也就可以更快的找到目标产品。但让用户精确输入关键字的成本较高(如用户不知道用哪些描述词更适合等)。如何降低这个成本?我们可以使用suggestion(关键字推荐)(见图2)和SN区(类目属性筛选区)(见图3)给用户恰当的推荐和引导。
2、快速筛选改版后数据分析
图4是搜索上的筛选项。搜索的目标应该是更快、更准确的帮助用户找到产品,筛选区便是其中一个重要的组成部分,让用户更快的找到筛选项以及简单的完成筛选操作,是每次改版的中心目的。
各筛选项应该放在哪里更合适,很大程度上取决于用户在查找产品的时候,更关注哪些维度的信息。对于已经上线的功能,我们可以通过数据进行分析,如上图是筛选区的CTR数据,可以发现用户使用地区、排序、单价、经营模式操作较多,说明用户对这方面筛选需求较大,也较关注这几个维度的信息,以此可以将筛选项调整到方便用户查找的位置,也降低了用户的记忆负担,因用户一般都是从左到右浏览,所以可以将重要的筛选调整到首位或是用视觉突出。而一些数据较低的筛选,可以根据情况隐藏或是下线,也增加筛选区的扩展性。
图5根据图4的数据,我们对筛选项的位置以及排序按钮交互方式进行了调整。
新版本上线两周后我们发现用户较关注的筛选项调整到左边位置后CTR数据明显上升(绿色为明显数据上升,红色则数据下降,其他数据小量上升)。
综上所述,设计、迭代流程如下:
数据验证,这个一次相对成功的设计。
3、对比功能上线后数据分析
同时,我们来看一个不合理的产品设计(见图7)。图上是阿里巴巴在去年上的对比功能,用户勾选产品加入对比(图7第1步)只占整个搜索CTR0.6%左右,而到最后点击了对比按钮(图7第2步)的转化率只有其中的10%不到,对比功能的使用率很低。
根据这个发现,我们召集了5个测试者(1位产品经理、1位运营、3位用户)进行了焦点测试,得到如下几点反馈1、用户只要看其中的几个信息,不需要那么多维度的信息对比。2、用户更习惯通过点开detail进行对比。
很多垂直化的行业搜索都有对比功能,如太平洋、中关村、淘宝的手机等,该功能通过对比信息帮助用户挑选出更符合目标的产品。但适不适合我们的网站,还需要多考虑一番。结合以上数据来看,对比功能更适合一些需要关注多维度信息对比的垂直行业,而关注维度较少的,用户通过短期记忆就可以达到。
运用数据检测设计
一般在全量上线前会通过buckettest测试各方案,对比用户行为数据检测哪个方案更合理、体验更好。
通过bucktest可以得到如图8的对比数据,红色为数据下滑,绿色为数据上涨。
运用buckettest测试,对于检测设计是很有效的方法,特别是针对小细节的体验优化。对方案调整处数据打点,就可以监测到相应的数据变化。例如按钮调整,检测调整后是否比原来的方案体验更好,在测试前要求开发同学在监测数据时给这个按钮打点,测试后就可以了解到按钮调整前、后的对比数据。如你想了解按钮位置调整是否能提升体验,在设计时就要规避其他因素可能引起的影响如按钮样式等,以此来不断优化设计方案。
总结
分析数据、读懂数据、运用数据,可以很好的辅助我们去设计产品、改善体验,这也是设计师需要掌握的一门必修课。
数据虽然很强大但是不要迷恋它,不要只关注数据的起落,而是要分析数据背后真实的用户原因及需求,数据只是一个分析辅助工具。
不要任何设计都依赖测试及数据检测,每一次测试所需的开发和时间成本太高。尽管设计师不能作出100%的正确判断,但是结合有效的工作习惯及总结分析,还是能够大大的提高设计的准确率及解决方案的有效性,这也是设计师的价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今数据驱动的时代,数据分析能力备受青睐,数据分析能力频繁出现在岗位需求的描述中,不分岗位的任职要求中,会特意标出“熟 ...
2025-04-03在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13