设计师的数据分析与场景化设计

编辑导读：现在设计圈越来越在向UGD（User Growth Design）方向转型，以用户为中心，以增长为导向。本文作者以做过的一个项目（用户投资路径优化）为例，来说说对UGD的思考，以及设计师对数据分析以及场景化设计的思路，希望对你有帮助。

随着互联网的发展，近这几年设计圈子里大家都在讨论UGD（User Growth Design），要向UGD转型等等，以用户为中心，以增长为导向，这个概念本身并没有问题，而且是对UED的一种非常棒的进化和升级，要求设计团队需要具备更综合的专业能力与视野。本着对团队的升级优化，我也以UGD的思路对团队有了新的更高的要求，然而在这个过程中却发现在很多问题。

随着各种社交平台的传播普及，什么闭环、串联、颗粒度等等这些互联网黑语，满大街飞来飞去，设计师们的PPT、汇报资料是越来越丰富多彩，但项目效果却并不明显。数据、增长的概念确实是铺开了，但却成了PPT里的装饰，并没有真正落地生根。

经过很长时间的摸索，我们终于有了一套适合团队自己的UGD思路，也一步一步的在不断的优化提升，下面以我们做过的一个项目（用户投资路径优化）为例来说说我们对UGD的思考，以及设计师对数据分析以及场景化设计的思路。

一、U user

以用户为中心，就是关注用户的行为，串联数据，从点线面结合场景分析，提出问题所在。

作为设计师，最常关注的用户数据就是转化率、点击率、停留时长、跳转路径等等，从单一数据来看，都是一些常见的简单的数据，但要真正能够分析用户，还需要结合实际场景来分析。

案例：

我们在分析交易线的数据时发现了一些问题，并对数据做了对比分析。

[ 项目列表页 ]

用户的点击主要集中在前十个投资项目，占据整个页面点击的80%。

[ 项目详情页 ]

用户通过列表页进入到详情页，详情页的浏览率较高，但转化却很低，另外优惠券的点击率十分高，超过85%，意味着进入到详情页的用户，基本上都进入过优惠券页面，而最终促成成交却很低。

以上是整个交易环节最初始的两个页面，也是最核心的页面，从单个页面的数据（点）来看都属于正常漏斗数据表现，接下来我们从（用户路径）线的角度来继续分析。

我们从最终完成交易的用户当中，抽取了部分进行了完整的交易路径分析，结果发现用户在列表页——详情页——优惠券这三个步骤之间反复切换。

不难看出，用户在列表页、详情页、优惠券选择页来回切换，即使最终产生交易，但整个路径耗时长，反复操作，跳转不合理，导致大量流失，这是目前数据所呈现出来的情况，也是问题的核心所在。

二、G growth

以增长为导向，以数据为依据发现或提出问题所在，确定最终需要增长（优化）的数据指标，并以此为目标展开思考，提出解决思路。

案例：

列表——详情——优惠——交易，典型的购物交易场景，通过上面的分析，我们再结合场景化的思路进一步整理思考用户的操作行为目的。以投资理财的角度，换位思考，其实就是：想投资-挑选-看看优惠-挑挑其他的-再看看优惠-再看看其他的-还看优惠。

用户为何反复的从列表页进入详情，又跳转回列表页再进入详情页？这就是突破口了，想清楚这一点，解决思路也就清晰了。

我们举一个现实生活中的购物场景来帮助思考分析（灵感来源于生活）。

[ 购物路径1：想买东西——找到对应的货架——使用优惠券并买单 ]

[ 购物路径2：有优惠券——到超市看看有没有想买的——使用优惠券并买单 ]

在现实生活中，除了”有想买的东西”这一主观需求外，对交易产生一定决策作用的，就是优惠。

结合前面对投资用户路径的分析来看，用户交易路径如此反复，实际上就是在同样的资金投入的前提下，对比不同的项目、不同的优惠，如何搭配才能利益最大化，这就是用户的最核心需求。

如何帮助用户快速完成相关数据的对比，缩短操作路径，降低交易耗时，从而减少流失提升成交率，这就是解决思路，也是我们需要增长（优化）的数据指标。

基于场景化的分析明确用户的核心需求，确定需要增长（优化）的数据指标，我们提出来了两个解决方向。

[详情页的快速切换（优化）]

在原有的路径上，保持用户的操作习惯，新增详情页左右滑动切换的功能，用户学习成本低，开发成本低，可快速上线，但对于路径优化、数据对比不够直接，治标不治本；

[设计新的快速路径（创新）]

结合前面分析的两种现实生活中的购物场景，在原有的路径上，针对平台老客对平台项目的规则详情已经清楚了解的特点，设置多一条快速通道，减少干扰，对比直接，加快老客的决策速度，但用户学习成本高，开发成本高，虽然治本但风险也大。

三、D design

到此为止，我们就可以进入具体的解决方案的尝试了，设计师的方案，自然就是设计稿了。

A方案直接开发上线即可，上线后就可以收集数据进行分析了，经过两周的时间，从数据表现来看，交易总时长稍有所下降但并不明显，约下降了2%，而交易率基本持平。

[ B方案最终UI稿 ]

在此期间B方案完成设计开发后，协调产品运营推广等业务方，选择确定部分渠道进行ABtest，经过一个多月，持续收集数据反馈优化方案，多轮ABtest后，从数据反馈来看，B方案数据提升明显，有效的降低了用户的决策时长（降低了近20%） ，提升交易成功率（老客转化提升1%），说明方案的可行性强，随即全量更新。

从随后的数据表现来看（总转化提升0.3%，总时长降低15%），整体方案对平台的整体效益产生了积极推动作用，说证明了设计团队对于产品与企业的价值（我们不是美工）。

在后续工作过程中，持续根据数据表现，分析，发现并提出问题，提出解决方案，测试验证，不断的循环重复，持续提升用户体验，以数据为依据，以增长（优化）为目标，这就是我们对于UGD的一些思考跟尝试。

其实道理大家都懂，方法也都大同小异，最重要的是还不断尝试优化，找到适合自己跟团队的方式。

 

本文由 @包大佬 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于CC0协议。