编辑导语:在vivo校招设计师的专业课程体系中，有一门“数据基础知识与应用”的入门课程，在去年授课的时候就受到了高校招聘学生的好评。在数据化设计和验证大行其道的今天，每个设计师都需要掌握一些数据的基础知识。笔者结合自己对课程课件的理解写了这篇文章，希望对想学习数据分析的你有所帮助。
全文分为三个模块:
在U的一点素材里，作者把数据比作设计的理性之光，非常贴切。现实生活中，设计师有些感性，善用数据，可以帮助设计师加入理性思考，使设计方案兼顾感性与理性之光。
简而言之，数据对设计师有以下好处:
1.1设计前-发现的问题
通过数据的横向对比(与竞品对比)，了解现状和差距，找出设计强项。
举个栗子:vivo钱包1.0版本上线后，通过提取转化数据，与竞品对比，找到转化漏斗的瓶颈和竞品之间的差距，从而优化入口、引导、选卡、开卡。
图1 NFC交通卡在1vivo钱包中的结果
通过数据的纵向对比(与历史对比)，了解规律和变化，迭代设计方案。
举个栗子:浏览器历史记录改版后，历史记录的转化率明显下降，尤其是第一条历史记录，转化率下降了10%左右。考虑到第一条历史记录的点击频率和操作便利性，我们做了一个迭代设计来加强第一条历史记录。
图2历史记录的方案迭代
通过数据的人群对比(用户分层)，找出不同人群的功能关注/卷入程度，为不同用户呈现不同的设计界面。
举个栗子:针对vivo视频新用户参与度低，交互动力不足，推荐不精准的情况，可以呈现不同的设计方案，满足不同的用户诉求。
图3为不同的用户呈现了不同的设计界面。
1.2设计时间-辅助决策
设计方案时，如果在很多方向犹豫不决，可以通过快速调查的方式获取数据，辅助设计决策。
举个栗子:在设计视频产品的呈现模式时，我们对浅色模式和深色模式有不同的看法:运营商更喜欢浅色模式，怕深色模式压抑，少儿频道的孩子和家长不喜欢。但设计师认为暗模式内容与背景的反差小，视觉更舒适，看视频更有沉浸感。双方都很难说服对方，于是通过快速问卷得到用户反馈:大部分用户更喜欢深色模式，认为深色更养眼，从而在设计方向上达成一致。
图4视频暗光模式对比图
1.3设计后-验证设计
通过灰度或官方在线数据与预期数据的对比，判断设计目标的实现程度，并总结沉淀相应的设计经验。
举个栗子:在收银页面的优化设计中，项目组坚持要不要增加大会员的开通模块，最终决定上线两个方案，观察数据结果。从灰度数据结果来看，大成员方案1未显示，点击率和付费成功率均高于原方案，说明设计优化效果显著；另一方面，展会主要会员付费率下降，最终决定上线方案一。经过这个灰度，大家更加确信:在支付页面上，很容易不添加设计元素和功能(避免视觉负荷和认知负荷，导致转化率降低)。
图5主要构件优化方案
既然数据能给设计师带来这么多好处，那么设计师应该从哪些维度去了解数据呢？
在《产品经理数据实践30问》中，作者提出了这样一个思路，我深表赞同，并与大家分享:我们可以从宏观、中观、微观三个维度来构建产品数据的全局观:
图6。如何构建产品数据的全局视图
从宏观到微观，是设计师在头脑中重塑产品，建立产品设计整体观的过程。在这种数据视角下，设计师对产品的现状会更加理性和客观。
2. 了解设计师常用的数据模型及数据指标业内常见的数据模型有Google的HEART模型(阿里设计团队在此基础上迭代了国内应用较为广泛的5度模型，所以本文主要为大家介绍5度模型)和AARRR模型。
图75度模型(图片来自网络)
2.1五度模型
用户体验周期分为五个阶段:接触、行动、感知、回访、交流。这五个阶段的核心目标是吸引、完成、满意、忠诚和推荐。
1)吸引力
吸引力是指产品/功能在用户在运营前第一次接触到产品/功能时，能否被用户注意到，引起用户的注意和兴趣，从而产生相应的行为。
相关用户体验数据指标包括(但不限于)知晓率、到达率、点击率、退出率等。在吸引力层面，设计师最需要分析的是页面/功能/内容的曝光率和点击率，看设计入口是否符合设计预期。
完成
完成度是指用户能否完成产品目标对应的运营流程，以及完成目标过程中的运营效率。主要用户体验数据指标包括(但不限于)首次点击时间、操作完成时间、操作完成点击次数、操作完成率、操作失败率、操作出错率等。
在完成层面，设计师最需要分析的是核心路径的转化漏斗和用户停留时长，从中可以判断核心环节设计的可用性。
3)满意度
满意度是指用户在操作完成后产生的主观感受和满意度，主要用户体验数据指标包括(但不限于)对布局合理性、内容可理解性、操作易用性、界面美观性等的主观评价。
满意度数据主要来源于对用户的定性和定量调查。研究团队通常每半年或每年进行一次满意度调查。设计师要密切关注满意度调查的波峰和波谷，在后续设计中尽量填谷扬峰。
忠诚
忠诚度是指用户使用一次后是否会再次使用该产品。主要用户体验数据指标包括(但不限于)30天/7天回访率、不同平台的使用符合率等。
忠诚度与用户留存率密切相关。设计师可以根据回访率和用户使用场景，设计合适的触发器提醒用户使用产品。同时借鉴竞品的体验优势，转化竞品用户。
5)建议
推荐是指用户是否会把这个产品推荐给他人，主要的用户体验数据指标:净推荐值(NPS)。推荐度类似于满意度，也是通过对用户的定性和定量研究得出的。不同的是，满意度强调的是用户自身的体验，而推荐则与用户向外的口碑传播有关。
设计师要把握产品在口碑传播中的优势和劣势，快速改善劣势，阻断舆论传播，同时不断强化优势，引导用户传播，形成良性的口碑循环。
2.2aaarrr模型
AARRR成长模型来源于成长黑客，又称盗版模型。AARRR是获取、激活、留存、收益、参考的缩写，分别对应用户生命周期中的五个重要环节。
1)获得客户
通过一定的推广方式，可以在一些渠道上展示产品，看到展示的用户可以转化为产品用户。在获客阶段，需要计算产品的推广方式(CAC、CPC、CPT、CPM、CPS、CPA)、推广成本和推广效果，以评估推广渠道的投资回报率(ROI)，帮助产品进行推广决策。
2)激活
把通过渠道引入的用户变成产品的活跃用户，提高产品的粘性和深度。在激活阶段，需要计算产品的核心环节转化率，了解转化瓶颈，做出相应的设计优化。
保持
如何让用户不断使用我们的产品，减少用户流失，提高用户粘性，让用户离不开产品。在留存阶段，要根据用户的使用场景设计合适的触发器，提高用户留存率。
收入
通过一些手段和渠道从用户或者广告主那里获取收益。在收入阶段，要分析产品的收入方式和占比，刺激用户的消费频率和消费额度。
5)建议
通过增强产品的竞争力，激发兴趣，用户可以向朋友推荐我们的产品。在推荐阶段，要结合场景鼓励和引导用户分享，带来良好的产品口碑。
图8AARRR模型(图片来自网络)
关于AARRR模型，我从网上找了这样一张图，上面标注了每个阶段设计师可以关注的数据指标。如果你在设计中使用过AARRR模型，不妨用图中的数据指标来分析你的设计结果。
如果你是数据新手，对图中的英文缩写数据指标感到困惑，可以点击查看我们团队整理的这份“常用数据指标解释列表”，相信会对你有所帮助。
3. 学会如何简单的分析数据在项目团队中，设计师主要是一个利用数据进行设计洞察和分析的角色，而不是一个收集、处理、呈现、深入分析和沉淀数据的角色。所以设计师如果能完成以下的基础数据分析，就能轻松应对日常的设计分析。
3.1看数据
知道公司有哪些数据平台，可以分别查看哪些数据，就能脱口而出产品的核心数据指标。
并且知道你能看懂产品的埋数据表。当你对数据解读有疑问时，可以通过查阅埋藏式数据表，了解数据的真实含义和统计口径。知道如何查看或下载数据报告中没有的被埋数据，减少设计对数据分析师的依赖，提高设计效率；
3.2计算数据
可以使用公司的数据平台。如果数据平台支持，可以直接在数据平台中选取简单的数据埋点，完成点击率和转化漏斗的数据计算(更快更直观)。
如果公司的数据平台不完善，可以用Excel完成以下简单的数据计算。
1)平均数据(=平均(单元格范围))在数据分析中，为了避免单日数据波动带来的误差，通常采用某段时间内数据的平均值作为基本的操作参考值。我自己拿数据的时候一般都是拿一周的数据来算平均值，尽量避开节假日。这是为了避免节假日流量波动和特殊需求的影响，避免工作日和休息日用户行为的差异。
2)求数据点击率=点击PV/曝光PV这是最基本最常用的数据运算，也就是简单的除法。注意对应点击元素的曝光PV，而不是整个页面。根据具体情况选择PV的点击率或者UV的点击率。
3)可以使用数据透视表批量计算平均/点击率/转化率一个一个计算数据还是比较麻烦的。透视表可以帮助我们批量计算并呈现想要查看的数据，非常方便快捷。坦白说，虽然我关注数据已经很多年了，但是我的数据计算只停留在Excel的数据透视表上，基本可以满足我日常的数据分析需求。如果遇到实在计算不出来的数据，可以直接找数据分析师。毕竟术业有专攻，可以更专注于数据分析和对设计方案的思考。
3.3分析数据
归根结底，数据就是一堆数值。知道这些数值是没有意义的。有意义的是从这些数值中提炼出自己的感悟，辅助自己的思考。这才是数据的真正价值。
如何做数据分析可以参考以下分析上下文:
现在，让我们回顾一下这篇文章的要点:
最后补充一点，对于设计师来说，会不会计算数据其实并不重要。
诚然，很多设计师，在数据计算方面，脑袋很大，但还是可以通过与数据分析师/数据产品经理的合作，培养数据设计意识。重要的是要有数据思维，能够从现有数据中发现问题，辅助决策，验证方案，从而帮助我们做出更理性的决策。
参考资料:
#专栏作家#
人人都是产品经理的专栏作家。10年设计经验，崇尚理论指导实践，践行迭代理论，热衷于学习、解构、建构、传播交互设计、服务设计、行为设计等设计相关领域的知识。
本文由人人作为产品经理原创发布，未经允许禁止转载。
图片来自Unsplash，基于CC0协议。
