從數(shù)據(jù)中了解用戶——數(shù)據(jù)在現(xiàn)有產(chǎn)品改版設(shè)計中的應(yīng)用

0 評論 5291 瀏覽 58 收藏 15 分鐘
🔗 产品经理的职业发展路径主要有四个方向:专业线、管理线、项目线和自主创业。管理线是指转向管理岗位,带一个团队..

引子

通常情況下,我們可以通過用戶訪談的方法了解用戶需求,其實(shí)設(shè)計師還可以通過分析用戶問卷調(diào)查數(shù)據(jù)以及網(wǎng)站頁面數(shù)據(jù)等方式,了解用戶需求以及用戶在使用產(chǎn)品時遇到的問題。

而且,直接通過接觸用戶了解到的需求有可能只是個案,為了增強(qiáng)客觀性,通常都會通過大樣本調(diào)查,從數(shù)據(jù)實(shí)證的角度,進(jìn)一步更準(zhǔn)確和客觀地找到用戶的普遍需求。

此外,通過對數(shù)據(jù)分析結(jié)果與用戶訪談所得到的定性分析結(jié)論,進(jìn)行比較和綜合分析,設(shè)計師也能夠從不同的角度了解用戶的真實(shí)需求。

從用研的角度來看,交互設(shè)計包括新產(chǎn)品設(shè)計以及已有產(chǎn)品的改版設(shè)計兩大類業(yè)務(wù),筆者將分兩次分別敘述在這兩大類業(yè)務(wù)中,可以如何利用數(shù)據(jù)了解用戶需求。本文重點(diǎn)討論數(shù)據(jù)在現(xiàn)有產(chǎn)品改版設(shè)計中的應(yīng)用。

因考慮到商業(yè)信息保密,本文案例采用了2011年的項目,互聯(lián)網(wǎng)產(chǎn)品迭代頻繁,文中提到的產(chǎn)品頁面截至目前已經(jīng)有多次改版,大家只需要了解整個文章的思路即可。

實(shí)際案例

商家服務(wù)平臺上線后,平穩(wěn)發(fā)展了一段時期,但隨著平臺各種信息的激增,用戶開始抱怨原頁面無法快速查找到適合自己的內(nèi)容。這時候就要求交互設(shè)計師對頁面進(jìn)行設(shè)計重構(gòu),幫助用戶更便捷地找到真正所需的信息和服務(wù)。

在改版設(shè)計中,研究者結(jié)合了多個來源的數(shù)據(jù)進(jìn)行研究,提供給設(shè)計師更加全面的數(shù)據(jù)結(jié)果,包括頁面數(shù)據(jù)、頁面反饋問卷調(diào)研數(shù)據(jù)、EDM問卷調(diào)研數(shù)據(jù)等數(shù)據(jù)的分析結(jié)果。

 

1.通過監(jiān)測頁面獲得數(shù)據(jù)

其實(shí)與交互設(shè)計更相關(guān)的是頁面各模塊的點(diǎn)擊數(shù),通過對這些數(shù)據(jù)的分析,設(shè)計師既能夠看到各模塊被關(guān)注的程度,也能夠計算出頁面的點(diǎn)擊熱圖,進(jìn)而考察各模塊的轉(zhuǎn)化率。

與眼動實(shí)驗(yàn)的熱圖考察用戶短期的重點(diǎn)注視區(qū)域不同,點(diǎn)擊熱圖考察的則是用戶長期累積的重點(diǎn)應(yīng)用區(qū)域,從另一方面看,也衡量了交互設(shè)計是否與產(chǎn)品的規(guī)劃初衷相一致,能夠讓重要的內(nèi)容被順暢地發(fā)現(xiàn)并有效點(diǎn)擊。

本案例中,商家服務(wù)平臺上線后,就做了頁面埋點(diǎn),方便長期監(jiān)控頁面數(shù)據(jù),如PV、UV、點(diǎn)擊數(shù)等。

 

2.頁面數(shù)據(jù)如何分析?

分析頁面數(shù)據(jù)的方法看似簡單,但若要分析得透徹,并非易事。首先,如果想要做到精確,就要對后臺數(shù)據(jù)做清洗、整理,考察極端值、無法解釋的數(shù)據(jù)具體是什么原因造成的。當(dāng)然很多時候?yàn)榱斯?jié)省時間,也直接應(yīng)用后臺數(shù)據(jù),近似地看成真實(shí)情況的反映。此外,有了干凈的數(shù)據(jù),還可以從基礎(chǔ)數(shù)據(jù)衍生出各種指標(biāo),評估和指導(dǎo)交互設(shè)計。

對于后臺數(shù)據(jù),通常有四類分析方法:聚合度量、基于操作的統(tǒng)計、基于用戶的統(tǒng)計、路徑分析。

——聚合度量

后臺行為數(shù)據(jù)的優(yōu)勢在于大量用戶使用情況的聚合,可考察的指標(biāo)有:

  • 一段時間內(nèi)的頁面瀏覽量。
  • 特定時間內(nèi)頁面瀏覽的分布情況。
  • 整個網(wǎng)站的頁面瀏覽分布情況。

這些都是原始數(shù)據(jù)的度量,不能只看數(shù)字,要分析產(chǎn)生數(shù)據(jù)的原因。

其他聚合度量指標(biāo)還包括:

  • 操作系統(tǒng)和瀏覽器的比例。
  • 客戶端類型。
  • 新用戶/重復(fù)用戶。

 

——基于操作的統(tǒng)計

最有用的指標(biāo)可能是操作信息相關(guān)的指標(biāo),這些指標(biāo)能發(fā)現(xiàn)出更豐富的用戶行為,而不是簡單地統(tǒng)計大量數(shù)字。

一些最有用的指標(biāo)如下:

  • 每次操作的平均訪問頁面數(shù)量。
  • 平均操作的持續(xù)時長。
  • 訪問的第一頁和最后一頁。

 

——基于用戶的統(tǒng)計

通過cookie或登錄信息判斷出的用戶背景信息,能進(jìn)一步聚合單個用戶的行為信息,匯總不同用戶的行為信息,統(tǒng)計出一些指標(biāo),對理解用戶會起到非常重要的作用。這些指標(biāo)包括:

  • 訪問次數(shù)。
  • 訪問頻率。
  • 網(wǎng)站總停留時間。
  • 保留率。
  • 轉(zhuǎn)換率。

 

——路徑分析

除了一般指標(biāo)之外,還有其他度量方法能了解用戶體驗(yàn)。當(dāng)然,和所有間接用戶研究一樣,這些方法都不能揭示用戶“為什么”以某種方式發(fā)生的行為,但這些方法肯定可以幫助研究員縮小用戶如何使用的可能性。

這些綜合方法中,最有用的方法是路徑分析。路徑分析是指分析用戶在網(wǎng)站上如何瀏覽,從而發(fā)現(xiàn)他們?yōu)g覽的共同方式。路徑分析可以產(chǎn)生如下結(jié)果:

  • 一般瀏覽路徑。
  • ?“下一步”頁面。

對于電子商務(wù)網(wǎng)站還能有更專業(yè)的結(jié)果,如:

  • 購買路徑
  • 購物車使用路徑

 

本案例中,由于項目周期有限,研究者并沒有深入分析商家服務(wù)平臺的頁面數(shù)據(jù),只是簡單計算對比了重點(diǎn)模塊的點(diǎn)擊數(shù)(略),以此來評估交互設(shè)計的效果。從數(shù)據(jù)上看,導(dǎo)航中店鋪裝修、店鋪推廣的點(diǎn)擊數(shù)明顯高于其他模塊,但與預(yù)期存在差距,而且結(jié)合問卷反饋,部分賣家反映導(dǎo)航的分類名稱和其中包含的內(nèi)容難以理解,并且比較雜亂,因此需要對導(dǎo)航方式、分類方法等做改進(jìn)。

 

3.頁面反饋問卷和正式問卷調(diào)研

反饋問卷是一種非正式的網(wǎng)絡(luò)問卷調(diào)研,研究的內(nèi)容一般比較集中,篇幅較小,可以隨產(chǎn)品的發(fā)展及時調(diào)整,便于快速發(fā)現(xiàn)問題、解決問題。反饋問卷的選擇題結(jié)果一般不具有推廣性,僅作為快速了解產(chǎn)品現(xiàn)狀的參考,因?yàn)橛蟹答佉庠傅挠脩舸蠖际怯龅絾栴}的用戶,不能代表整個用戶群體;一份反饋問卷最重要的是開放題的內(nèi)容,因?yàn)檫@些用戶的聲音,能夠幫助交互設(shè)計師在有限的條件下,最大限度地接觸用戶,傾聽用戶,進(jìn)而理解用戶。

反饋問卷通常會掛在產(chǎn)品相對明顯的頁面位置、或在頁面任務(wù)完成的位置、或采用浮動條的方式等,若產(chǎn)品的用戶是相對細(xì)分的人群,且問卷的位置比較明顯,收集到的樣本會更多,數(shù)據(jù)的普遍性會更好,問卷的研究結(jié)果也就會更有參考價值。

不過需要注意的是,在閱讀用戶意見時,需要記住以下幾件事情:

  • 從用戶的角度閱讀。
  • 關(guān)注事實(shí)。
  • 不急于下結(jié)論。
  • 不要把常見問題清單當(dāng)成必改清單。
  • 不要完全相信反饋意見。

出于分析考慮,研究者可以問問自己以下四個問題,從而更好的跟蹤用戶體驗(yàn)。

  • 用戶是誰?
  • 他們想做什么?
  • 他們?nèi)绾翁幚韱栴}?
  • 他們碰到了什么問題?

 

本案例中,商家服務(wù)平臺在改版階段,事先設(shè)置反饋問卷的目的就是為了收集用戶對目前產(chǎn)品的使用痛點(diǎn)和改進(jìn)需求,以致于更有針對性地改版。問卷設(shè)計好后,問卷鏈接采用右側(cè)浮動條的方式展現(xiàn)在商家服務(wù)平臺頁面。

反饋問卷掛出一個月后,研究員對其中的開放題進(jìn)行了總結(jié),整理分析報告節(jié)選如下:

由于業(yè)務(wù)調(diào)整,商家服務(wù)平臺改版后,會突出第三方的服務(wù),調(diào)研的研究目的一方面需要了解賣家對第三方服務(wù)的態(tài)度和行為,另一方面需要了解賣家選擇服務(wù)時,對頁面布局的偏好、選擇心理和行為習(xí)慣,從而指導(dǎo)頁面改版。

考慮到項目執(zhí)行周期的問題,采用了正式問卷調(diào)研的方式研究導(dǎo)航的布局方式、服務(wù)的分類等,其實(shí)研究這類問題,可以采用定性研究方法,如A/B test、參與式設(shè)計、卡片分類等,但為了節(jié)約研究成本,嘗試用問卷的方式解決關(guān)鍵問題。作為案例,只是一種拋磚引玉的介紹,以此來說明,改版中也可以應(yīng)用調(diào)研的方式,利用數(shù)據(jù)指導(dǎo)交互設(shè)計。

 

我們可以來看看問卷的重點(diǎn)部分:

pic2

特別說明:此題采用了類比的方法,設(shè)置了另外一種類似的使用場景,來考察用戶的使用偏好。

 

pic3

特別說明:網(wǎng)絡(luò)調(diào)研問卷能夠設(shè)置選項隨機(jī),這在一定程度上避免了由于選項固定排序?qū)е碌倪x擇。

 

最終分析數(shù)據(jù)時,發(fā)現(xiàn)賣家對排版布局的傾向性比較明顯,接近半數(shù)用戶最喜歡A樣式。

賣家更傾向從功能的角度對服務(wù)進(jìn)行分類,如下圖:

pic4

圖中相同顏色的點(diǎn),代表更傾向是同一個分類;根據(jù)每一類服務(wù)所包含的具體服務(wù)內(nèi)容,進(jìn)行了命名;并且,分類名稱前的編號,代表此類總體提及高低的排序。除裝修外,其他分類排序差別不大。另外,信息排名靠前跟樣本來源有關(guān)。

 

4.數(shù)據(jù)指導(dǎo)設(shè)計

——優(yōu)化首頁導(dǎo)航布局,更貼近賣家經(jīng)營店鋪中的需求

pic5

上文問卷調(diào)研中的數(shù)據(jù)顯示,賣家更傾向用功能對服務(wù)和工具進(jìn)行劃分,因此新首頁按照功能進(jìn)行布局,將原首頁上的工具或服務(wù),根據(jù)調(diào)研數(shù)據(jù)顯示的賣家分類偏好,歸類到各個類目。

功能類目放置在頁面的第一屏左側(cè),而且各類功能的命名、排序都參考了調(diào)研結(jié)果;同時,每一種功能內(nèi)的展示,服務(wù)和工具盡量分開顯示,也應(yīng)用了調(diào)研數(shù)據(jù)。

——首頁新增賣家工具訂購排行榜和最新服務(wù)模塊,新增賣家資訊、賣家經(jīng)驗(yàn)和成功案例模塊

通過分析產(chǎn)品反饋問卷可知,賣家需要及時掌握目前使用最多和最新上架的服務(wù),作為選擇服務(wù)的重要參考指標(biāo);他們也需要淘寶官方根據(jù)經(jīng)驗(yàn)總結(jié),打包一些服務(wù),直接推送;同時也希望服務(wù)平臺能夠成為經(jīng)驗(yàn)交流、資訊集合的平臺。

調(diào)研問卷設(shè)計了相應(yīng)的題目進(jìn)行考察,數(shù)據(jù)結(jié)果顯示這些都是需求旺盛的模塊。因此,在改版設(shè)計時,均在第一屏呈現(xiàn)出來,更方便賣家選擇。

——優(yōu)化了頁尾的服務(wù)歸類

pic6

通過對比能夠發(fā)現(xiàn),頁尾的店鋪管理和營銷推廣所包含的內(nèi)容,命名更加清晰、歸類更加合理,也體現(xiàn)了數(shù)據(jù)的作用。

 

寫在最后

對于產(chǎn)品的調(diào)研,不論是定量的還是定性的,最終結(jié)論只要可靠有效,都會成為指導(dǎo)交互設(shè)計師工作的有力依據(jù)。一般而言,定性結(jié)論用于理解用戶和產(chǎn)品、提供設(shè)計思路,定量結(jié)論則幫助交互設(shè)計師明確設(shè)計重點(diǎn)和方向。

定量與定性研究方法相結(jié)合,能產(chǎn)生有效互補(bǔ),以便更深入地挖掘用戶需求,產(chǎn)出更科學(xué)、更有價值的研究結(jié)論。

來源: Taobao UED 渡劫(范欣珩)

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發(fā)揮!
专题
12033人已学习12篇文章
数字化平台搭建,适用于企业已经有稳定的业务和资源,希望通过数字化平台做资源变现实现盈利,通过数字化平台将客户、交易、需求、场景全部数据化。本专题的文章分享了如何搭建数字化平台。
专题
14264人已学习13篇文章
数据仓库是所有产品的数据中心,公司体系下的所有产品产生的所有数据最终都流向数据仓库。本专题的文章分享了什么是数据仓库和如何搭建数据仓库。
专题
12115人已学习12篇文章
电商平台,是兼具媒体和消费场景两大属性的平台,因此衍生出了多种营销模式。本专题的文章分享了电商如何做营销。
专题
12226人已学习12篇文章
LLM=Large Language Model 大语言模型,是一种基于深度学习的自然语言处理模型。它能够学习到自然语言的语法和语义,从而可以生成人类可读的文本。本专题的文章分享了大语言模型的知识。
专题
20046人已学习14篇文章
好的用户成长体系可以促进用户活跃、增强用户粘性、留住用户和帮助企业更好地了解用户对产品的使用情况。本专题的文章提供了搭建用户成长体系的思路。