浅谈交互设计师要知道的「数据分析」两三事

【文章摘要】数据分析，不仅仅是产品或运营的“专利”，作为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。