通过数据采集的方式验证和提升体验设计的实用方法 - UXPA中国2016行业文集

2017-07-07 | 文集

 

通过数据采集的方式验证和提升体验设计的实用方法

 

徐旭玲

联想移动通信科技有限公司,上海

 

 

摘要

现今,移动互联网的设计和运营过程中,数据分析起到很基础,也非常重要的作用。在产品规划上线时,需要规划好数据系统,才能获取有效的数据采集,更好进行运营或设计。比起邀请用户来做一些调研测试,用户的行为数据采集是一种低成本高效率更客观的有效方式。

 

本文主要以联想手机中的“主题中心”应用为案例,阐述了用户数据采集分析如何来验证和提升体验设计,通过我们需要采集的数据,进行在系统中布点,最终将这些死的数据运活,发现设计的问题,从而更好的引导应用的体验设计。

 

关键词:用户体验、大数据、体验设计、数据关联

 

1. 用户行为分析和数据采集

 

1.1 什么是用户行为和用户行为分析?

用户行为,简单的说就是用户在使用一个产品所发生的所有行为,比如浏览、搜索、预览、点评、购买、下载、支付、停留时间、甚至是翻页、滚动等等。只要用户有所点击,即便产生用户行为。

 

而用户行为的分析,就是将用户行为的数据通过各种方式方法进行研究,目的是了解用户的行为习惯,从而发现产品存在的问题,有助于产品的正向发展,提高业务转化率。

 

1.2 数据采集的分析相比其他的用户研究有什么区别或优势?

数据采集就是在应用侧,将用户的行为有目的的进行布点采集,然后根据目的进行行为分析,从而发现设计或是运营的问题。这种方式非常通用且有效,主要的优点在于如下几点。  

 

首先,用户行为的数据是系统记录的,是非常客观的数据,能真实的反应用户的行为。我们做用户研究的同学应该都很清楚,在很多调研过程中,特别是需求调研,往往用户什么都想要,但是实际上产品出来后发现用户要的很少。数据采集的分析就会避免这个问题,是用户真实的操作行为的反映。

 

其次,数据采集可以进行比较可信的定量问题的分析。定量调研往往很大一个瓶颈就是样本量是否足够,数据采集作为记录用户使用的数据采集方式,可以收集可观量的数据,能很好的反映出定量问题。

 

最后,数据采集研究也是一种非常经济又快速方式,只要掌握方式方法,就可以随时输出。比起找一些用户进行调研等,是一种非常经济又及时的方式。

 

2. 数据采集系统

 

2.1 数据采集方式有哪些?

数据采集系统以Avatar采集为主要方式,就是在页面的各处进行埋点,用户只要进行点击就会统计次数。比如点击界面的某个按钮,比如跳转到某个界面的次数等等。

 

一种简单的采集方式,就是独立数据统计,有一次算一次,没有相关的联系。这也是最简单的一种计数统计方式,这种方式多适用于统计页面点击率、转化率(如业务的购买、下载等),能够非常直观清晰的反映出统计结果。这类的独立的数据统计技术上非常简单,门槛较低,很容易被使用。

 

另外一种是相对比较复杂的,关联数据分析。这类数据是需要动作和动作关联,分析两个或多个动作之间存在的一定的关联,其实就是挖掘动作之间的联系。通过这种方式,能够进行对用户行为的预测,发现数据之间存在的互相关系。这种关联的数据对于产品的设计分析更加有效,能够分析出部分流程方面问题。这类的数据系统,需要专门的用研分析,根据产品的特点和需要了解的问题,分析布点的位置,再进行数据采集。由于这种数据分析的复杂性,这类的数据采集没有那么普及。

 

互联网的产品,其实还有很多的数据,比如业务运营平台的数据(业务的下载量、购买量等,主要记录业务的经营状况为主),对于用户的行为分析,比较难以有直接的关系。所以,我们所说的用户行为数据还是以上的两种数据为主。

 

2.2 数据采集分析从哪开始?

采集了很多的数据,但如何能好好的被利用?移动互联的产品,如果去问你们有采集用户数据吗?回答一般都会有。那继续问你们怎么利用这些数据?答案可能就会出现不够理想。这些数据采集之后却不了了之,没有很好的发挥价值,实在可惜。

 

数据采集分析,我们非常重要的一点就是要明确目标,到底是为了提升用户体验,为了提高用户人数,为了黏住用户,还是为了提升收入,为了提高各种转化率等等。我们只有明确了目标,才能去反向的倒推怎么去利用行为数据来达到我们的目标。

 

本文就是以联想手机产品“主题中心”应用为例,浅谈数据分析应该如何进行,指引产品在上线时如何进行布点,指引产品设计。希望为大家打开思路,能够抛砖引玉,也希望能获得在这方面的建议。

 

3. 主题中心的用户行为分析

 

3.1 我们要分析的产品

这里我们所举例是“主题中心”应用,这是联想手机的一款产品。主题中心是一个集成手机界面主题、壁纸、铃声、字体等产品的应用,用户可以通过自行的下载或购买,可以装扮自己的手机界面或铃声。

 

            

图1 主题中心界面

 

之所以选择这个产品,是因为它是一个非常典型的应用,涉及的用户行为非常的多。我们希望能通过这个产品的特点进行梳理下用户行为数据分析的思路。

 

3.2 分析的范畴和目的

就如上文说描述的,我们首先需要明确目的。本次研究目的主要还是偏重设计,有如下几条:

1.通过用户行为研究,了解用户的购买影响可能的因素

2.发现核心流程、产品设计上的问题

 

当然,数据分析有一定的局限性,我们本着这些目的进行用户行为研究的分解步骤,来详细说明如何为产品体验设计提供有效的数据采集。

 

3.3 研究的具体内容

有了研究的目的之后,很容易就可以明确研究的思路,其实这是一种倒推的理论,本着目的和产品的特点,我们可以梳理出以下思路:

 

图2 研究思路

 

根据以上的研究思路,开展详细的研究流程。

 

1.基础数据分析,主要是研究用户对产品的浏览量,常规的模块的点击率,以了解用户的偏好,和界面提供的功能的合理性。根据主题中心的特点,主要是有以下几类:

1)各类产品的点击率,主题中心的产品主要有:主题、壁纸、铃声、字体。我们需要统计这四类产品用户的点击次数(首页TAB及本地界面),就可以很清晰的看到用户对几类产品的偏好。

 

              

图3 主题中心的产品内容

 

分别统计以下的数据:

 

表1 产品的点击率统计

 

这些数据可以清晰的看出用户对产品(主题、壁纸、字体、铃声)的偏好,点击次数差异越大,越能说明产品的偏好倾向。但是是否直接给出结果?我们先来看一下截取的部分周期的数据(表2)。

 

表2 产品的点击率统计(数据示例)

 

表2的数据中,我们可以看到,对于首页上的产品分类,数据比较均等,没有明显差异。而在本地的数据上,明显的主题非常的高,铃声其次,远远高于壁纸和字体。对于这样的数据结果,我们需要严谨,是否有其它的影响因素造成?单一的数据可能会受到一些其他因素的影响,这些影响我们需要剔除。比如,在这个案例中,我们需要考虑两方面的影响,一个是默认页的影响,查看首页主题A1的数据,是受到了默认页的一定影响(用户进入应用首先就是默认此页);另外一个是有没有其他入口的影响,数据采集有时候入口统计是不能区分从哪边入口进来的,比如本地的铃声界面B4,手机端一般还有从手机系统侧的入口(系统设置的-铃声)进入,没有区分入口这个数据也是会受到影响。这两种数据都有可能会影响统计结果,又往往无法区分,所以我们需要全面的考虑,如果有此类的影响数据就需要多维度的分析验证。这样,研究的结果就变得比较可靠。

 

以上的例子中关于本地的产品,主题(136969)较高,其次是铃声(82526),然是壁纸(56698)和字体(37513)。除了铃声有受到多入口的影响之外,对本地产品的用户偏好已经非常明显,即对主题的关注度很高,对字体的关注度较低。我们设计者或运营者可以在主题上增加更丰富的内容吸引用户,在设计合理布局和用户如何选择到主题的内容上需要更完善。当然收费还是关键,能够更吸引用户转化为消费是最终的目的。而在字体上需要创新吸引用户,或者就是不要花费太多的精力(在明确用户需求偏好不会增加的情况)。这类的问题可以根据具体的情况再做分析,有利数据的支撑,后面的运营就非常有方向。

 

2)各类产品的购买情况。前面说到产品点击的偏好,购买量的数据也是非常有有参考价值。购买量分析不仅是分析产品偏好,也是一种可以辅助验证之前提到的浏览量的偏好数据。

 

表3 产品的购买量统计

 

有了点击浏览的数据和购买量的两类数据,足以说明用户对产品的偏好情况。数据分析的结果,直接作为设计或运营的参考。

 

3)核心界面功能的点击率,除了业务产品统计之外,我们还需要对核心界面的功能进行统计,如图首界面的主要功能就有底部的:推荐、小店、搜索、个人。

图4 主题中心首页

   

统计以下的数据:

 

表4 首页核心功能点击率

\

 

这类的统计相对比较独立,从用户的点击次数可以看到用户对这些功能的偏好。因为这类的数据不是主体的业务,而是辅助的功能,结果直接可引导设计方向。比如根据用户的点击次数调整放置的位置,如点击量很小则考虑放在二级目录或者取消等。

 

2.购买影响分析,主要是研究用户购买产品影响的因素,当然购买的主要原因是产品(主题、铃声等)的本身。但是除此之外,可能还有很多的因素促进着用户的最终购买。比如从入口方面的进入,或者界面的浏览有效性方面因素,或者是查看了评论等等。这类的分析很多不能靠单纯的独立的数据,而是需要关联数据的分析,就是两个动作或者更多动作之间的关系。

 

1)浏览/购买商品的入口统计,这里的统计主要分析各个入口浏览量和最终购买的关系,这是一个典型的关联数据的分析。我们不仅需要知道各个入口的浏览量,同时也需要了解这些入口的浏览量最终促成了多少的购买量。这种分析的目的是为了查看哪种入口更有效,转化为购买率的成功率最高。对后期的产品设计方面存在一定的方向引导。

 

我们以主题中心的主题内容为例,需要找出应用内浏览“主题”的所有入口,如下图所圈出的就是我们找到的入口。

 

  

图5 浏览主题的所有入口

 

整理入口,需要统计以下数据表,来确认各个入口点击率转化为购买的关系。

 

表5 入口点击率和最终购买量的关系

 

以上说的是各个入口的浏览量转化为购买的关系,为了数据的严谨,我们还需要反过来统计主题购买的入口来源的数据,这样的相互验证,可以更好的反应出相互的关系,以及发现可能被遗漏的入口方式。下表就是购买的数量入口来源分布表。

 

表6 购买量的入口分布统计表

 

这样的分析的结果,可以让设计者和产品经理一目了然需要在哪些入口上发力,重点推广,做对应的设计和运营策略。

 

2)页面滚动浏览的有效性。页面滚动浏览也是一个很重要的因素,界面上的主题内容那么多,用户都会滚动到第几行,哪些行数内是相对浏览量较高,或者购买量较高?简单的说就是统计有效的行数。

 

同样的,我们需要统计浏览的情况,滚动的行数以及对应的会点击预览次数,和最终购买的量。

 

表7 浏览滚动的行数和预览、购买的关系

 

以上的数据,可以很直观的分析用户一般都是滚动到第几行?在哪些行区间有效的预览率和购买量是最高。这类的分析结果直接可以让我们布局的设计,以及内容的布局上有直接的参考意义。

 

3)用户购买的其它影响因素,除了以上的这些入口、推荐、滚动行有效性,还有一些其他的设计可能也会影响用户的购买,我们需要梳理,比如用户是否有查看评论,或者这个产品是否有收藏标记等等,这里不在一一举例。这些数据的分析,对运营也是有着举足轻重的作用,先是用户是否会关注这些内容然后调整设计的入口,再是关心的这些内容上我们是否可以再做一些引导,可以让用户更能进一步的了解产品,促进用户的购买。

 

表8 购买和其它因素的关系

 

3.流程通畅分析。主要研究核心流程的使用流程是否通畅,以解决用户使用体验上的问题。这类的分析也是关联数据分析的一种典型方式,需要跟踪更复杂更多的关联的动作,才能很好反应出整个流程的问题所在。就主题中心应用而言,我们主要以“购买”流程为例,找出购买流程中的问题。

 

分析购买流程,我们首先需要了解购买转化率,即点击“购买”按钮,和最终的购买成功的量。

 

表9 购买转化率

 

表中可见,购买的转化率M2/M1,如果转化率很高,可以说明购买的流程非常的通畅,如果转化率很低就说明流程上存在问题,我们需要分解流程查找问题。根据从点击“购买”到购买成功的,分解流程,统计在各个点上的用户数据,如下图

 

图6 购买流程

 

上图就是点击购买到最终购买成功的全流程,分析流程我们需要详细罗列整个过程,然后可以在各个点上进行数据统计,这样就可以非常容易的看到卡在哪里,图中红色部分就是可能被卡住的点。结合人工验证就可以很快的找到问题了。我们分析的案例中可以看到,在点击购买以后还会存在很多的动作,比如联想账户是否更新了,比如充值是否成功了等等,这些都是可能会导致最终失败的原因。有了主观的分析,加上客观的数据,那么问题就可以非常清晰,容易解决了。

 

4. 结语

以上,我们讲述了用户行为数据应该如何开展分析,围绕主题中心的“主题”内容,从基础数据、影响购买因素、流程通畅等方面进行举例。因为篇幅的关系,我们分析的只是做了少部分的分析,旨在于和大家一起梳理思路。不管目的是辅助设计,或是为了更好的运营,在大数据中挖掘更丰富内容的价值是未来成功的关键,人和行为数据的建立,优化各种数据关联和算法,都是未来发展的重点。我们需要从数据收集、数据挖掘、数据应用、数据运营等,脚踏实地做好每一步。

 

 

0   喜欢

操作成功!
请登录您的邮箱获取新密码,请尽快修改您的新密码!