β

设计的理性之光 –数据在互联网产品设计中的应用

很多设计师从来不看数据,有可能没有数据可看,也可能根本不想看数据,或者看了数据却发现对设计没什么作用,但也一样把设计做的很好啊!设计本来就有感性的一面,为什么非得要和数据扯上关系呢?

• 商业产品需要更理性的设计,数据是理性化的一种途径。

• 设计师是感性的,数据可以帮助设计师提升设计的正确率。

• 设计需要了解用户,数据是了解用户的一种方式。

数据虽然不是做好设计的充分条件,但是善用数据的设计师更有可能把设计做到极致。在过去的几年里,1688UED团队在数据辅助设计方面做了很多尝试,建立了用户体验质评价的“5度”模型,沉淀了数据在设计中的一些应用经验,总结了数据应用的一些技巧,未来我们希望在用户体验的商业价值方面有更多的探索,仅以本文献给那些正在探索设计理性之光的小伙伴们。

1.设计师看什么数据

用什么数据来衡量用户体验质量呢?这是所有同行都在关心和探索的话题。从哪些维度来评价产品体验质量呢?不同的思路和应用场景下可能会产生不同答案。本文我们将介绍一种基于用户体验周期的多维度指标体系,从吸引度、完成度、满意度、忠诚度、推荐度这5个维度来评价用户体验质量,简称“5度”模型。

UED火花集_数据篇_文章配图20150603

“5度”用户体验质量评价模型是一个普适性的数据指标集合,这些数据指标综合考虑了用户体验的通用设计目标,能用于一般产品的用户体验质量的评价。不同产品的用户体验设计目标是有共性,但也存在差异,“5度”模型是用户体验评价的宏观指标,但用户体验细节评价的微观指标应当根据产品特性、具体目标来设定数据指标。

接下来,我们从2个方面来具体介绍“5度”用户体验质量评价模型的由来与过程:

• 评价用户体验质量的具体数据指标有哪些,即用户体验数据指标的定义。

• 具体数据指标的结构化过程,综合用户体验评价的“四象”、用户体验周期的5个阶段,提出用户体验质量评价的“5度”模型。

1.1 用户体验数据指标的定义

我们平时经常看到UV、PV、转化率、蹦失率、退出率、停留时间等数据指标,这些数据指标代表什么意思?能说明什么问题?设计要看什么数据?这些都是设计师存在的疑问。 用什么数据评价产品的用户体验质量,这是由产品的设计目标决定的,设计目标决定用户体验质量的数据指标。 从设计目标如何推导数据指标,Google的用户体验团队提出了一种简单的方法:目标(Goal)->信号(Singal)->指标(Metric),简称GSM模型。

无标题2

• 目标是和设计关系最为直接的设计目标,是通过设计能够实现的目标,既不是用户体验目标也不是产品目标,因为在用户体验目标和产品目标中,有很多目标通过设计是无法实现的;

• 信号是指设计目标实现后,会产生什么样的现象,这个现象一定是因为设计目标的实现而产生的;

• 指标是对用户现象的量化,将用户现象数据化。

举个例子,假如我们要设计一张能提升睡眠质量的床,那么目标、信号和指标分别是什么?

• 目标:通过床的设计,提升用户的睡眠质量;

• 信号:假如我们设计的床能够提升用户的睡眠质量,那么用户会发生什么现象?这里为了说明问题举了几个典型的现象:(并不包括全部)

a. 在床上比以前更容易入睡;

b. 进入睡眠前的翻转次数比以前少了;

c. 用户自己觉得很好,然后推荐给他人使用。

• 指标:包括但是不局限于如下几点:(具体的数值依据实际情况确定)

a. 从开始睡觉到进入睡眠的时间;

b. 入睡前身体的翻转的次数;

c. 在所有购买者中,通过好友推荐购买的用户比例。

从目标到指标的推导过程中,目标是指标的充分条件,只要达到这个目标,在其它因素没有变化的情况下,这个指标的数据将产生变化,假如提升商品list页面对买家的吸引力这个设计目标实现了,那么必然会有更多的买家在这个页面产生购买转化。但目标不是指标的必要条件,其它设计目标的实现或设计手段也可以实现这个指标数值的提升,购买此页面商品的买家比例上升了,优化支付流程操作体验,提升支付流程的转化率。

1.2 用户体验评价的“四象”

根据“目标->信号->指标”的推导过程,总结了评价产品用户体验质量的所有指标,我们发现都可以从用户当前和长远、行为和态度来评价,而且这2个维度是对产品是非常重要的。对于一个产品只关注当前的用户行为、态度是不够的,用户再次回访或推荐新用户,对产品来说也是非常重要,再次回访与推荐新用户为产品带来免费的流量,降低网站的流量成本。从行为与态度角度来说,不仅要关注用户的操作行为,也要关注用户的态度,因为行为只是过程,主观感受(即态度)是影响用户会不会再次回访或推荐新用户的关键因素之一。

因此,根据当前/长远、行为/态度这2个维度,形成了当前态度、当前行为、长远态度、长远行为这4个象限,简称“四象”。

1.3 用户体验周期的5个阶段

用户体验周期是指用户与产品的关系差异性而形成的不同阶段。从总体上来说,用户体验周期可以分为“当前”、“长远”这2个阶段,每个阶段可以细分为不同过程或表现。

“当前”阶段中,用户与产品的关系可分为3个过程:

• 触达:用户带着自己的目标来访问网站,既可以是新用户的第1次访问,也可以是老用户的再次访问;

• 行动:找自己感兴趣的内容并进行相关操作;

• 感知:操作完成后对产品形成主观感受。

“长远”阶段,用户与产品的关系有2种表现:

• 回访:用户自己再次使用该产品;

• 传播:推荐其他人使用该产品。

根据“当前”阶段的3个过程与“长远”阶段的2种表现,构成了产品用户体验周期,分别为触达、行动、感知、回访、传播。再次访问时是老用户触达网站,推荐过来的新用户也触达网站,形成用户体验的闭环周期。

1.4 用户体验质量的“5度”模型

对于用户体验周期的5个不同阶段,每个阶段的目标是不一样的,触达、行动、感知、回访、传播这5个过程对应的核心目标分别是吸引度、完成度、满意度、忠诚度、推荐度。

• 吸引度:是指在操作前,产品能不能吸引用户过来使用、能不能吸引用户产生相应行为;相关的用户体验数据指标有(但不局限于):知晓率、到达率、点击率、退出率等。

• 完成度:是指在操作过程中,用户能不能完成产品目标对应的操作,以及完成目标过程中的操作效率,主要用户体验数据指标(有但不局限于):首次点击时间、操作完成时间、操作完成点击数、操作完成率、操作失败率、操作出错率等。

• 满意度:是指完成操作后,用户产生的主观感受和满意度,主要用户体验数据指标有(但不局限于):操作容易度、布局合理性、界面美观度、表达内容易读性等各个方面的主观评价。

• 忠诚度:是指完成一次使用后,用户会不会再次使用此产品,主要用户体验数据指标有(但不局限于):30天/7天回访率、不同平台的使用重合率等。

• 推荐度:是指用户会不会将此产品推荐给其他人,主要用户体验数据指标:净推荐值(NPS)。

用户体验质量评价的“5度”模型中,态度与行为是相对的,吸引度、满意度、推荐度主要是受用户主观感受决定的,因此将这3个因素归属为态度,但这在吸引度、推荐度的具体数据指标中,可能也会有一些的行为数据,例如吸引度中的点击率、退出率等。

“5度”模型提供较为适用于一般互联网产品的基础模型,为产品的用户体验质量提供一个方向,不同产品根据自己目标的差异进行具体的用户体验数据指标定义。以电商网站的导购页面为例子,列举了导购页面的用户体验质量数据指标:

无标题3

在具体项目中,一个改版设计不会考核所有数据指标,而是根据改版设计目标选择适当的数据指标,有时可能就只有一个数据指标。

我们上面介绍了用户体验质量评价的“5度”模型,从吸引度、完成度、满意度、忠诚度、推荐度这5个方面来衡量用户体验质量。除了用于评价用户体验质量之外,数据在设计中还能怎么使用呢?接下来我们介绍数据在设计中的使用方法和经验。

2. 设计师怎么使用数据

在设计中怎么使用数据首先要看设计师的设计过程,不同设计师的设计过程可能会不同,不同公司的设计流程也可能不同,但一个成熟的、较广泛被认同的设计流程往往有着非常大的共同点。在1688UED团队中,经过多年的经验总结与实践,形成了一套Thinkflow(设计思考过程),我们称之为五导家(详情见本书中五导家部分,本文不作具体说明)。使用五导家进行设计时,可能会遇到以下问题:

UED火花集_数据篇_文章配图20150603

• 通过业务诉求、用户诉求推导设计目标时,有没有充分了解用户诉求?

• 通过设计目标形成设计方案时,一般会有多个设计方案,哪个设计方案更加合理?

• 设计方案上线后,设计方案达成设计目标的程度如何?

针对设计过程中存在的这3个疑问,数据能够起到相应的作用。因此,数据在设计过程中有3个作用:

• 设计前用于发现问题 通过数据的横向对比(和同类比,看相对大小)、纵向对比(和自己的过往比,看变化趋势)、人群对比(把用户群细分之后作比较,看群体差异),从数据角度了解用户诉求,发现产品存在的问题,为产品设计优化提供启发和突破口。

• 设计中用于论证思路 通过分析多个设计方案的核心差异所对应的数据,来判断哪个设计方案更加合理。

• 设计后用于验证设计 通过计算上线后的产品数据,对比设计前设定的指标数据,判断设计目标的实现程度。

无标题

…………

———————— 我是华丽的分割线 —————————

特别说明: 因本文章发表在《U一点 ● 料——阿里巴巴1688UED体验设计践行之路》中,目前处于新书发行的内容保护期,所以更多内容请大家在实体书中查看。

购买请移步天猫 >

作者:阿里巴巴(中国站)用户体验设计部博客 » 阿里巴巴(中国站)用户体验设计部博客
阿里巴巴(中国站)用户体验设计部 | 有一点设计UED团队

发表评论