如何通过数据分析指导移动产品设计？

2018-01-19 09:15:00

本文作者以Airbnb为例，简单地讲一下自己数据分析的经验。enjoy~

以下是Airbnb结构图：

如上图所示，Airbnb的页面局部流程可简单分为这样的结构，取每一个界面的英文首字母简称。接下来进行分析：

一般重心以提高D（商品详情页，以下均为简写）界面的UV为主，如果D到O的转化率较低，那么问题是出在D界面，可能是商品不好，或描述不好……
一般从O界面到付款的转化率都比较高，所以就不再展开说明了。一般这里的转化率都会在65%以上，若是低于65%，那么就有必要进行优化
“D的总UV” = “L到D的UV” + “G到D的UV”
“L的转化率” =“L到D的UV” 除以 “L的总UV” 还可以进一步跟踪，L这部分的流量到O界面的转化率如何
“G的转化率” =“G到D的UV” 除以 “G的总UV” 还可以进一步跟踪，G这部分的流量到O界面的转化率如何
“H到L的转化率” = “L的总UV” 除以 “H的总UV”
“H到S的转化率” = “S的总UV” 除以 “H的总UV”
为了便于理解，整体的数据会呈现如以下的漏斗模型的结构：

以提高D的UV为重心，观察H、L、S、G界面中每一个界面的数据，每一个界面之间的转化率，包括其最终的下单率。可以有针对性的进行迭代。
每一个界面的UV高低、每一个转化率的高低，都可以基于业务的进行分析。用户为什么在这个界面流失多？是没有找到他想要的东西吗？或者找起来很困难？或者首屏的产品不够吸引人？首屏的内容用户看不懂？。。。
一般来说，减少层级关系，能减少中间损失，提高转化率。中间少了一个界面，就能让流量直接到下一个界面。所以电商类的产品尤其要注意用最少的界面来完成整个交易。
首页的流量是最多的，而用户的需求是最不明确的。此时，应以最大限度的覆盖用户的功能为主，以致最大化的命中用户的需求。一般来说，首页的功能模块是最多的，是最难设计的，也是需要花的时间最多的！
电商类产品以提高转化率，达成最终售卖为重心。知道了每一个界面每一个模块的转化率，有针对性的进行优化设计。同时为了快速积累经验，可以经常观察同行业竞品的设计，想办法得到对方的数据。如果他们的产品设计数据比较好，那么我可以借鉴，如何数据不好，那我们就引以为戒。

（以上数据均为虚拟的假设数据，不是真实数据）
一般情况下，我会对每一个界面中的每一个可跳转的模块，做一个如上图是数据图示：

可以方便直观的看到每一个模块的转化率，易于发现问题，有针对性的对流量不好的模块进行再设计
一般至少取5天的平均值，单日的数据误差太大
一般取UV作为参考，因为PV在转化率方面意义不大
观察哪一个模块数据高，增强拓展数据好的模块，弱化缩小数据差的模块。具体情况还要根据详细的业务逻辑进行分析。
对于新产品，修改模块的布局，对数据提升较大大；对于成熟产品，修改模块的布局，对数据提升不大，或者说成熟产品的数据本身已经很高，很难再往上提升，同时用户已经习惯了这样的布局，改变是很难被接受的。
对于成熟型产品，要对数据要进行更加的细化。比如用户都是怎样的群体，来自什么地区，各自的需求是什么，根据不同用户的不同需求进行相应的优化。

然后，有了以上的这些作为基础，以此展开更加深入的分析：

基于对自己的“业务”的了解，对自己的“用户”的了解，来分析为什么数据会呈现这个样子。可以大胆的猜测，然后再通过数据来验证自己的猜测是否正确。分析用户深层次的动机，这往往是最有用的，也是最难的。
通过以上这些分析，你一定会发现很多很多需求，但别着急做，把所有的需求整理起来。有些需求可以整合到一个需求里，一次性解决多个问题；有些需求，没有必要做；有些需求只要用极少的成本就能带来很大的收益。
对每一个需求能带来的数据提升进行有依据的预测，根据预测的数据分值从高到低，安排优先级，优先做对产品影响最大的需求。

写在最后的话

进行任何的产品设计，都应该是有数据支持、有理论依据、有正确的逻辑推导的，绝不该是凭空瞎想，或者拍大腿武断的做决定。
具体的业务需要具体的去分析，经验分享是学方法不是学结果。
做产品需要积累。刚开始的时候会很难，但你对自己的产品越了解，对业务越熟悉，做起来就会越容易，决定也会越来越正确。所以，不推荐产品同学频繁跳槽，最好是能够从一个产品的立项，从第一个用户到获得了10W用户，再做到成熟稳定… 以此完整了解一个产品的生命周期。
没有人任何的决定都是正确的，没有任何的产品每一次的改版都是成功的，乔布斯、张小龙都不例外。我们的努力是为了往成功的方向上走，每一次的尝试与挫折都会让我们离成功更近一步。
最后，祝大家都把产品做的越来越好！

作者 @小和。

关键字：移动产品, 转化率, 界面, 数据

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击举报进行投诉反馈！