设计行业瞬息万变!别错过这份2019年网页设计商业报告

2019-11-20 16:18| 查看: 626| 评论: 0|原作者: 张宇铭 黄丹

摘要: 编者按:完整的 UI 设计流程到底是怎样的?从需求到产品上线,要经历多少个阶段,每个阶段有哪些应该掌握的基础知识,本次优设独家专题为你从零开始梳理出 UI 工作流程,适合新手阅读学习。 往期回顾: 《超全面的 ...

编者按:完整的 UI 设计流程到底是怎样的?从需求到产品上线,要经历多少个阶段,每个阶段有哪些应该掌握的基础知识,本次优设独家专题为你从零开始梳理出 UI 工作流程,适合新手阅读学习。

往期回顾:

  • 《超全面的 UI 设计工作流程指南(一):需求分析》
  • 《超全面的 UI 工作流程指南(二):原型设计》
  • 《超全面的 UI 工作流程指南(三):视觉设计》
  • 《超全面的 UI 工作流程指南(四):设计规范》
  • 《超全面的 UI 工作流程指南(五):设计评审》
  • 《超全面的 UI 工作流程指南(六):切图标注》

什么是设计验证?

当设计稿交付之后,设计师的工作看似已经结束,但在一个完整的项目流程中,还远远没有完成。

除了落地后的视觉走查,设计师也可以关注下设计方案在上线后,是否达到了项目初期所设定的各项指标,如 PV、UV、IP 等。达到预期的,设计师可以总结设计经验,用以提升未来的设计准确率。发现问题的,也可以分析方案的缺陷,在下次改版当中进行优化,而这样的一个环节就是设计验证。

数据检验

检验产品是否达到目标,数据分析是十分有效的方法。研究数据的价值,从目的来说,第一可以验证我们的设计是否已经完成项目所预设的商业目标,第二也可以分析产品上线后功能有所遗漏的地方,以及未来新增功能方向的研究。

数据来源

用户在前台进行各种行为时,都会留下痕迹,有行为就记录。由于用户行为留下的数据较大,对服务器压力较大,所以会把前台的行为数据单独存储到日志服务器中。按照数据的存储位置,大致会分成行为数据和后台数据两个类型。

常用的四类数据分析工具分别是:网站统计分析工具、自媒体分析工具、第三方分析统计工具以及我们常用的 EXCEL 表格。其中,第三方数据分析工具获取的都是前台的行为数据,因此我们在设计数据产品时,应该了解数据来源,并且将不同的数据来源进行对接。

常用的第三方数据分析工具有:百度统计、友盟、神策数据、Google Analytics(分析)、GrowingIO 等。

数据分类

由于产品类别的差异,获取数据的类型也有一些差别。

1. PC产品

PC 产品可以获取到的基础数据主要有:

  • 访问终端 IP 地址:用户访问网站时使用设备的 IP 地址。不同设备有对应的 IP 地址,主要用于分辨地域,但是统计结果有较大误差。
  • 访问时间戳:用户访问页面的时间点,用于判断用户行为的时间顺序。如用户访问页面 A 时记录时间点,访问页面 B 时记录时间点,可以认为用户在第二个时间点离开了页面 A。
  • 访问地址路径:可以理解为用户访问页面 URL,用于分辨用户访问网页的目的地,也就是访问了 A 页面还是 B 页面。
  • 访问来源:来访的来源信息,比如来自搜索引擎的搜索结果页、直接访问、外链网站等。
  • 来访者的其他信息:操作系统、浏览器、爬虫等信息。这类数据是由来访者表明身份获得的信息,因此取决于来访者的自觉性,有误差。有些浏览器不提供给非合作者信息,非正规爬虫也不会表明信息。

2. APP产品

APP 产品获取的基础数据主要有:

  • 终端信息:获取终端(手机、平板等)信息用于识别用户。
  • 操作系统:iOS/Android/Win 等。
  • 客户端信息:APP 上传的用户信息。
  • 客户端时间:用于判断用户启动或操作应用的时间点。
  • 操作事件:APP 按照自定义事件所需,上传用户的操作行为和伴随这个行为的客户端信息。这是 APP 区别与 PC 的一类重要数据,其对用户行为的跟踪比网页通过刷新获取的数据更加精准。

用户识别

如果我们想要分析的某个结果需要涉及不同的数据来源,那么数据与数据之间的关联工作是最重要的。我们通过用户识别的方式关联不同来源和结构的数据(识别产品A 的用户a 和产品B 的用户b 是同一个用户U),以下是三类用户的识别方式。

1. 网站用户识别

如果我们有两个网站产品,我们如何知道,有哪些来访者同时访问了 AB 两个网站呢?

Cookie 是网站以一小段文本的形式存放在用户本地终端的信息,以便网站之后的读取。Cookie 是目前网站识别访客的主要手段。由于用户禁止或对 Cookie 进行清理等问题,这个数据结果的误差也会比较大。

2. APP用户识别

APP 的识别方式类似网站,把信息写入终端。由于手机发生信息丢失的情况(比如刷机)比较少,所以 APP 的用户识别相对比较准确。我们可以知道每次启动这个应用的访客,是不是我们认识的那一个。

3. 产品用户识别

如果同时有网站端和移动端产品,我们又想知道哪些用户同时使用了网站和 APP。由于以上识别方式是基于设备,数据中就无法判断用户了。所以跨产品形态的用户识别通常使用注册用户 ID,前提是推动用户的注册和登录行为。

数据指标

对当前业务具有参考价值,可统计、可分析、可监测的指标称为数据指标。以下是我们在产品数据分析中常用的指标。

1. 网站基础指标

  • PV(访问量):即 Page View,即页面浏览量或点击量,用户每次刷新就被计算一次。
  • UV(独立访客人数):访问网站的一台电脑客户端为一个访客。00:00~24:00 内相同的客户端只被计算一次。
  • VV(用户访问次数):当用户完成浏览并退出所有页面就算完成了一次访问,再次打开浏览时,VV数+1。
  • 访问时长:即访客的停留时间。。
  • 访问深度:访客在一次访问行为中,访问了几个页面。
  • 跳出率:跳出率是指访客来到网站后,只访问了一个页面就离开网站的访问次数占总访问次数的百分比。跳出率=只访问一个页面就离开网站的访问次数/总访问次数。跳出率越低说明流量质量越好,用户对网站的内容越感兴趣。
  • 退出率:针对网站内某一个特定的页面而言,退出率是衡量从这个页面退出网站的比例,通过一个页面的退出次数除以访问次数。
  • 留存率:留存率通常指整个产品的留存,例如起始日进入网站的新用户为 100 人,第二天这 100 人里有 50 人继续访问了,七日后,这 100 人中访问网站的还有 2 人。可得出,周日网站的次日留存 50%,7日留存 2%。
  • 转化率:转化率是指在开始任务的过程中,通过某个步骤的人数比例。如果一个任务有 abc 三个步骤,a步骤 100 人,这 100 人中 50 人开始了b步骤,则b步骤的转化率是 50%。转化率=转化次数/访问次数。

2. APP数据指标

APP 与网站的差别是 APP 并非以页面为单位获取数据,因此移动端最有价值的数据集中在对行为事件的统计上。

  • UV用户数:与网站相似,APP 中定义为启动应用的人数。
  • 新增用户:即安装应用后,首次成功启动产品的用户。
  • 活跃用户:即在特定的统计周期内,成功启动过产品的用户。
  • 启动次数:即统计时间段内,用户打开应用的次数。
  • 使用时长:即统计时间段内,用户打开应用的次数。
  • 留存率:即在某一统计时段内的新增用户数中,再经过一段时间后仍启动该应用的用户比例。留存率=留存用户/新增用户*100%。
  • 转化率:网站中的转化通常是监测从「页面A–页面B」的用户数,APP 中由于自定义事件的存在,可以监测「位置A的按钮A—位置B的图片B」的用户数。
  • 流失率:指那些曾经使用过产品或服务,由于各种原因不再使用产品或服务的用户。用户流失率=某段时间内不再启动应用的用户/某段时间内总计的用户量。

关于数据指标更多详细的内容,链接指引:《高级设计师都在学习的数据指标,这篇文章帮你彻底掌握!》

检验方法

分清楚自己想要得到哪些数据之后,可以使用两种比较常用的检验方法:灰度发布(A/B Test)和新旧版对比。

1. 灰度发布

灰度发布,或者灰度测试,是指在黑与白之间能够平滑过渡的一种发布方式。在其上可以进行 A/B testing,即让一部分用户继续用产品特性A,一部分用户开始用产品特性B,如果用户对 B 没有什么反对意见,那么逐步扩大范围,把所有用户都迁移到 B 上面来。

△ Gabriel Su

灰度发布包括了 A/B Test。和灰度发布不同的是,A/B Test 一般针对两种不一样的设计方案,均分给两个群体的人使用。如针对 A、B 两种设计方案,50% 的用户体验到 A 方案,另外 50% 的用户体验到 B 方案。

使用灰度发布的好处体现在哪里?它可以确保同一时间内,由不具备明显身份属性差异的,随机用户来体验同一个内容和排序下不同的设计方案,规避了时间因素、产品策略、用户属性、内容差异,这种情况下得到的数据是相对精准可靠的,灰度发布的验证方式更加有针对性。

2. 新旧版对比

若没有条件进行灰度发布或 A/B Test(人力、时间、技术等条件不允许),则可以通过新旧版数据对比。以发布时间为分界点,进行前后数据对比。

灰度发布确保了单一变量的对比,而新旧版对比则可能接受到很多因素的影响,正如上面所列出来的影响因素。但也是有办法做到尽量严谨可靠的。

其中时间因素是影响比较大的,为排除时间影响,可遵循如下原则:

  • 看同比不看环比;
  • 看平均值不看峰值;
  • 时间段内包含的周末数量一致;
  • 去掉波动大的数据。

同时还需注意:我们的原则是每次验证一个小点(单一变量),若存在多种变化同时发生,则结论无法保证严谨。所以多变量是我们在做数据检验时要规避的情况。

总结

产品的诞生是需要经历许多努力的,而流程中的每一步都不是独立存在的,环环相扣,息息相关。参考更多优秀的经验与设计方法,能帮助设计师们在日常工作中做得更好。

参考来源:

  • 《提高设计说服力!来学习这个腾讯内部的设计效果检验方法》
  • 《数据的验证价值:如何利用数据验证你的想法及假设?》

注:本系列文章为优设独家专题,请勿转载。

欢迎添加作者微信交流:


鲜花

握手

雷人

路过

鸡蛋
HTML素材网,HTML5模板,网页特效 微信公众账号二维码 淘宝店铺地址二维码
Copyright©2024  素材8  Powered by 智伙伴科技
   鲁ICP备14029286号-5 鲁公网安备37060202001967号
返回顶部返回顶部
发布主题