设计思路分享 ｜设计师要懂的数据分析

1. 数据分析对设计的价值

在互联网产品中，体验设计通过设计思维/策略/流程/表现，直接或间接帮助平台带来商业价值/数据指标增长。看似感性的设计其实也离不开理性的数据分析，尤其在周期性的设计项目中，数据分析&验证是项目中的最后一环。如下图以电商平台为例，设计项目大多是助力于日活、复访、转化、引流、拉新的业务数据指标增长。

设计师掌握数据思维，可以：
评估产品功能模块使用情况&问题，帮助产品效迭代优化；
分析用户行为路径，帮助提升用户体验；
验证设计策略有效性，量化设计价值，优化决策提升效率。

本文从数据拆解思维到数据验证步骤思路尽数分享，希望给伙伴们带来一点帮助～

2. 数据拆解思维及运用方式
在做数据分析时，核心思路就一个“拆”字。公式化思维、MECE原则、SAMART原则、PDCA闭环思维是贯穿项目各个阶段的常用的四个思维/原则，帮助大家有效地应对需要数据辅助的多种设计项目。

2.1 公式化思维
当我们拿到一个设计需求时，目的是通过设计策略&体验优化实现业务目标。在拿到业务目标后，首先将目标抽象为公式，或者向业务侧对齐计算口径；再在公式中提取设计侧可以助力的指标。选出的指标可以同样用公式化的方式拆解为一级指标，而一级指标就是设计侧主要助力提升的方向。将一级指标关联用户及其行为，可以快速框定设计发力点。

举个🌰，假如业务目标提升GMV,则公式为“GMV=订单量×客单价"。客单价由商家/平台规则相关，而订单量为“用户下单的数量”与用户决策关联度大，因此设计侧可以助力提升订单量。同样，“订单量=页面UV×转化率”，那么设计的一级指标即提升页面UV、转化率。而页面UV即用户量，我们就可以基于用户画像，思考如何吸引用户点击/参与来提升参与用户量。转化率关联用户下单的行为，那么我们在设计过程中可以思考利用哪些因素（颜色、数字、链路简化等）推动提升下单概率。参与用户量和下单盖率的提升必然会带动订单量的提升。

2.2MECE思维
MECE思维的核心思路是逐层拆解不重复，逐层列举不遗漏。将一级指标通过横向拆解及纵向拆解后获得二级指标，设计策略与二级指标直接绑定。横向拆解可以基于业务导向差异、属性差异、场域差异、行为差异等进行分类；纵向则是逐层拆解，对各个待优化内容制定差异化设计策略。之后与业务侧对齐设计策略，这一步的目的是评估二级指标和策略与业务目标的方向一致性；根据实现成本、设计资源、时间排期评定设计策略落地优先级。

接上文的例子，提升页面UV作为一级指标。UV横向可分为存量用户和新增用户，在这两大类用户下可以再进行细分。比如目标提升新增用户中的首购用户访问量，可以通过“XX设计策略”提升复访行为，那对应到二级指标即复访率。数据回收后，首购用户的复访率提升即可证明设计策略是有效的，有助于提升页面UV。

2.3 SMART原则
当获得二级指标后如何基于指标制定设计策略呢？这时我们可以借用SMART原则：具体的、可衡量、相关性、可实现、有期限，保证设计策略的可落地。二级指标直接关联用户具体行为，是制定设计策略时的方式之一。举个例子，二级指标的设计目标提升是Feeds点击率，那么点击率直接相关的用户行为，即单位时间内让用户点击更多feeds。对应到设计策略上可以是通过提高屏效提升用户浏览feeds数量，或者通过利益点强化、视觉层级加强等提升用户的点击意愿。

2.4 PDCA闭环思维
PDCA闭环思维即计划Plan、执行Do、检查Check、行动Act。在项目中计划、执行内容变更需及时检查，落地内容需要及时回收数据，验证设计策略对指标提升的有效性。

如上图示例，在验证思路上采用由下至上的方式进行反推。设计策略影响二级指标，二级指标关联总指标，因此设计策略助力业务目标的实现。在验证方式上，针对页面内布局/层级/视觉的调整可以通过功能模块的埋点的点击UV/点击率的环比/同比数据进行验证，或者采用AB测试等。而涉及链路的简化、体验优化，可以通过链路上相关页面的跳出率/留存率分析用户行为漏斗，评估调整效果。而针对目标人群的设计策略，可以通过人群类型占比变化（比如男/女用户占比、Z时代用户占比等）、用户口碑、用研调查等进行评估。

3. 小结
不同平台不同产品，衡量指标不同，而数据分析的思维可以帮我们应对不同的需求场景，具体运用需要灵活调整。下图是本文内容的总结，多有不足，欢迎大家讨论交流哇～