2022-4-17 鶴鶴
在日常的工作中，會經常接觸到一些數據方面的內容，同時我也在不斷的加強相關方面的專業知識學習，希望可以借此做一個總結，與大家分享。如果你也在平時的工作中遇到相關的數據問題、不知如何利用數據推動設計、或者對數據抱有一定的興趣，那我們可以一起往下看。
本文主要圍繞以下幾個方面來進行解釋說明：
隨著互聯網大環境從增量進入到存量市場，企業發展與產品的迭代越來越離不開數據的指導，數據驅動已然成為當下產品的主趨勢。身為設計師的我們，更應該對數據保持高度敏感，通過一系列的數據分析推動設計迭代,并讓其更合理、更具有可信度。
任何一款產品，設計師都無法根據自己的心情、想法，一拍腦門的迅速產出。好的產品，既要考慮市場價值，也離不開用戶體驗，應該明確目標而進行實現，所以設計過程中需要依靠數據給予我們指導，即利用數據驅動設計。
數據在產品迭代過程中有著舉足輕重的地位，對于設計師而言也是極其重要。在了解數據之前，簡單的理解一下為什么需要數據，在互聯網產品設計中，數據的作用主要分為以下三點。
工作中或許會常常面臨多種需求并線進行的狀況，合理客觀的數據有助于我們更好的分清任務的優先級，并聚焦于當前最緊急的任務展開進行。合理有序的安排可以推動任務的快速高效完成。
設計師與真正的用戶之間往往存在一定的差異，我們不能按照設計師固有的思維方式去衡量用戶的想法，更不能想當然的覺得用戶需要什么。
數據可以幫助我們更好的了解用戶，利用數據分析的種種方法，我們可以進行抽絲剝繭，發現更深層次的問題，不斷的去深挖用戶需求，進而更好的滿足用戶，只有這樣我們才能更好的留住用戶，促進產品增收。
在進行設計輸出的過程中，我們可能常常會遇到以下情況：
我相信各位設計師在日常的對接中，一定是根據需求文檔進行了設計輸出，但是在設計評審階段卻很難去說服各需求方。數據在此情景下就顯得非常重要，它可以幫助我們針對設計方案有一個理性的數據支撐，去衡量我們的設計方案是否合理有效。
其次在項目上線后依據數據反饋,可以驗證此次設計是否達到理想目標,是否還有進一步優化的空間。了解數據可以更好的幫助我們深耕需求、把控方向。
為了進一步了解數據，現將所有的數據進行整合區分，大致上可以分為兩個類型，分別是定性數據與定量數據兩大類。
定性數據指導設計過程，往往判斷某件事物的意義與價值。定量數據關注數據頻率，在結果上更具有說服力。這兩種數據的類型在數據分析以及設計驅動的過程中都非常重要。時常會通過定性數據來發現、定義問題，最后再由定量數據來驗證結果。
定性數據是非統計數據，在樣本選取上，數據量較少，主要收集途徑有以下方法：應用商店評論、客服反饋、音視頻記錄、筆記反饋、訪談調研等。
可以快速了解到用戶的行為和態度，這種數據具有可調查性，是可以進行深入研究的，能進一步推斷出設計的哪些方面存在問題，從而通過設計方法優化產品設計體驗。
定量數據是統計性的，可以用來問“多少”的問題，最終生成結論性的數據信息。收集途徑可以有以下方法：測試、產品數據、指標上報、實驗調查等。
定量數據提供了對設計的間接評估，可以快速了解用戶基礎信息數據以及對產品的使用感知，例如完成率、滿意度等等數據指標，它不僅可以幫助我們快速統計信息，還能驗證結果。
數據不應該是只停留在表面的數字，需要深入的了解數據，善于從這一堆數字背后，發現數據的真實意義。
由此，Google推出HEART模型，作為一套完善的用以評估以及提升用戶體驗的標準。HEART模型包括五個維度，分別為：愉悅度（Happiness）、參與度（Engagement）、接受度（Adoption）、留存度（Retention）、完成度（Task success）。通過這種方式將數據分為五個維度，可以更有效的明白不同類型的數據所體現的真實含義。
什么是愉悅度？關于這個問題，大概一千個人會有一千個回答吧，因此愉悅度更偏向于用戶在產品使用過程中直觀的主觀感受，例如滿意度、產品體驗感受、推薦指數、易用性感知等等體驗指標，通過這一類的數據可以有效的了解用戶對于產品或者某個功能的喜好程度。
可以利用定性研究的方式獲取用戶在體驗和感知上愉悅程度，例如一對一訪談、觀察小組、可行性測試等。也可以通過定量調查中的問卷、數據反饋、AB測試等了解用戶的使用情況以及推薦指數等。
指用戶在使用產品功能時的參與深度，衡量指標即為有效活躍用戶的數量。用戶參與度并沒有統一的可量化的界定標準，但大致上可以分為以下幾個指標，產品訪問頻次、平均訪問時長、訪問頁面數量、產品使用間隔。
數據的衡量只是最基礎的一步，更重要的是如何提升用戶的參與度，對于新用戶而言，可以通過引導、幫助等建立良好的第一印象；對于老用戶，需要合理的推送相關優惠與活動，也可以利用游戲化運營建立長期關系，這些都是比較有效的提升參與度的方法。
當一個新的產品與功能出現時，由于陌生感，用戶短時間內很難接受，而接受度就是指用戶在特定時間內真正開始習慣并使用。
為了快速得到用戶的認可，往往產品設計中會通過競品分析的方式確保框架內容與市場的同類產品保持一致，滿足用戶的使用習慣。而針對大部分的新用戶也會使用新功能引導以及相關通知推送等加快新用戶的接受度。
在產品運營中，留存是最關鍵的數據指標，它也是產品獲利與增長中最主要因素之一，留存直接決定了用戶是否愿意繼續使用，它是最真實的數據表現，而留存通常體現在，多日留存率、回訪率、不同平臺的使用重合率等。
針對這一數據我們需要關注的核心問題就是如何提升用戶留存率，大致的方法可以分為以下兩個維度：
(1) 產品維度
產品功能決定是決定用戶留存的關鍵。在需求設計上，通過挖掘潛在需求，刺激用戶長期使用，并且通過拓展應用場景，不斷提供細分服務，進一步滿足用戶；甚至我們也會發現在大多數產品中，通過建立社區，打造社交圈子，強化用戶的粘性。
(2) 運營維度
產品使用過程中，合理的運營也是提升用戶留存的關鍵之一，常用的方法有定期舉辦活動、例如砍價、助力、簽到、每日任務等；也可以通過消息推送挽留用戶。
完成度主要是指用戶對于關鍵任務的完成率，常常用來衡量交互流程是否合理。主要包括以下維度：首次點擊時間、操作完成時間、完成點擊次數、完成率、失敗率、出錯率等。
A: 任務完成度的衡量指標該怎么計算呢？
(1) 任務完成時間
用戶在整個任務過程中，所花費的時間即為任務完成時間。
(2) 完成率
完成率=完成的操作次數/開始操作的次數
產品設計中，為了提升完成率，需要輔助用戶進行交互并進行引導設計，不僅需要符合不同場景變化以及用戶的心智模型，還要給予用戶體驗流程中的舒適感受，進一步輔助其完成任務。
B: 如何提升任務的完成率呢?
(1) 降低理解成本
利用設計手法，降低任務流程中的理解成本，切入到實際的場景中，幫助用戶快速完成任務。
例如在列表模塊中，默認狀態下的輸入框內，展示灰色的提醒文案，提前告知用戶該區域應該填寫的內容；比如說高德地圖通過AR技術結合導航，快速幫助用戶完成導航任務;再類似于可視化數據看板,幫助用戶快速獲取信息結果。
(2) 精簡任務流程
降低理解成本只能單一的滿足用戶操作前的理解，而操作過程中的步驟長短也起到非常關鍵的作用。優化任務流程，目的就是為了提升完成率。
例如用戶在進行登錄注冊時，可以點擊右上角的文案即可實現登錄注冊狀態的快速切換，減少用戶切換的流程步驟。再比如說表單填寫類的產品,還可以將相同的內容進行整合，減少操作。甚至電商產品中，可以通過找相似減少用戶的篩選成本。
(3) 系統智能預判，提供幫助
結合用戶的場景與行為，進行合理的預判設計，有助于縮短用戶操作路徑、引導用戶轉化。例如下面的案例，在表單信息填寫中，通過智能判斷關聯內容，提供幫助，甚至通過判斷用戶的行為，進行精準內容推送。
通過以上數據的五個維度，可以發現數據的覆蓋面是十分廣泛的，不同的數據反映不同的內容。在工作中我們也會接觸到復雜且多樣的數據，對于設計師而言，常用的數據大致可以劃分為用戶數據、行為數據、業務數據這三大類別。
從字面上理解用戶數據即為與用戶有關的數據，這種數據常常用來描述用戶人群、用戶基礎屬性等。通過一系列的“用戶數據”進行支撐，可以快速梳理關于產品的基礎用戶群體，構建用戶的畫像。
不同的產品屬性，有不同的用戶人群畫像。比如說美柚這款記錄類APP,主要的用戶人群是年輕的女性,對生活有一定的追求；再比如說英語流利說這款產品,主要的用戶人群是年輕的、有明確學習英語需求的人群。
用戶數據主要包括兩大類別：用戶基本屬性與用戶生命周期數據。
用戶基本屬性通俗解釋即為關于用戶自身最基本的屬性，包括性別、地域、年齡、職業、學歷、收入、婚姻狀況等等......通過這一系列的屬性，我們可以對用戶有一個更深刻、更全面的認知。
只有更好的了解用戶，我們才能進行針對化的設計產出、精準投放，從而推動產品更好的發展。這就好比兩個人談戀愛，只有清楚對方的想法、習慣、喜好，才能減少吵架的幾率，實現和諧發展。
生命周期指的是從開始到結束，用戶都會經歷著從接觸到流失的階段，我們通過生命周期結合用戶數據可以簡單分為新增、活躍、留存、流失。
1、新增用戶數
新增用戶從字面上拆解開來即為新、增，廣泛意義上來說，我們可以將一段時間內打開產品的新用戶人數算作新增用戶，但是更嚴謹一點的話，則表示某產品一段時間內新增加的注冊用戶數量。
通常我們將下載且訪問過產品的用戶稱為訪客，這部分人群是潛在的注冊用戶。
2、活躍用戶數
活躍用戶在體驗產品的過程中會花費更多的時間與精力，相比普通用戶而言他們更加認可平臺，對于平臺的發展有著重要的地位。那什么是活躍用戶？如何具體的去定義活躍用戶呢？
通常來說，用戶在規定的時間周期內，有打開過產品，這就算做一個活躍用戶。當然，不同平臺對于活躍用戶的定義存在一定差異。而活躍用戶主要也分為兩類：新用戶與老用戶，而從商業的角度上還可以劃分為低價值用戶與高價值用戶。
活躍用戶數常見的指標有DAU、WAU、MAU。
DAU：Daily Active User，表示日活躍用戶數量，指的是從0:00-24:00一個自然日(統計日)之間，登錄并使用了某一功能的用戶數量。
例：某個產品的日活計算方式為打開該APP即算活躍，2022年1月19日這天打開APP的行為有50次，經排重后發現有30個用戶打開了APP，那么該產品的DAU就是30。
了解完DAU,我相信大家對于WAU（周活躍用戶數量）與MAU（月活躍用戶數量）應該不至于陌生了。WAU與MAU，他們兩者最大的區別就是計算周期的不同，但需要注意的是，月活的計算并不是簡單的日活相加，我們需要進行去重。
3、用戶留存率
在講解用戶留存率之前，我們應該了解用戶留存。何為用戶留存？顧名思義，就是最終留下來的用戶。用戶留存率這一指標可以反饋當前產品的質量如何，這是產品自初期開始就需要持續關注的內容。常用的用戶留存指標有次日留存、3日留存、7日留存、15日留存和30日留存。
4、用戶流失
用戶流失的定義是什么？用戶流失需要結合時間(Time)與動作(Action)這兩個指標進行，即用戶在一段特定時間內未進行關鍵行為的操作。與之常常相關聯的因素大致分為產品生命周期、負面體驗、競品策略等等。
用戶流失率的存在表明了用戶對產品的負面反映，對于產品發展有著非常重要的數據反饋。
當下市場中的獲客成本越來越高，獲取新用戶的成本要比留住現有用戶的成本高出5倍。因此降低用戶流失率，就顯得尤為重要。
行為數據常用來描述用戶使用方式，指的是用戶在使用產品過程中所產生的一系列交互相關的數據，通過分析快速了解用戶特征，為流程優化、精細化運營、產品體驗等設計措施提供判斷依據、輔助設計。
行為數據的指標主要包括轉化率、平均停留時長、跳出率、PV、UV等等。
1、轉化率
什么是轉化率？轉化率就是下一頁面與當前頁面的訪問占比。它常常被用來衡量產品路徑中的用戶體驗是否合理，從而進一步推動流程優化以及設計迭代。
以下圖為例，有200個人來到了頁面A，其中有100人點擊頁面A的按鈕進入頁面B，那么頁面A按鈕的轉化率則為(100/200)*100%=50%。
2、啟動次數
通常指的是某一特定時間段內用戶啟動應用的次數。與之相關的兩大指標分別為用戶總啟動次數與人均啟動次數，常用來反映用戶粘性與活躍度。
3、使用時長
使用時長是指某一特定時間段內用戶從打開到關閉產品的使用時間。使用時長需關注的指標為用戶總使用時長、人均使用時長、單次使用時長。這些指標常用來衡量用戶粘性與活躍度，常常需要與啟動次數一起結合進行分析。
4、訪問分析
頁面訪問分析包括頁面訪問次數、停留時長、跳出/退出率、用戶訪問頁面數和用戶訪問路徑。
(1) 訪問次數
訪問次數是指訪客完整打開頁面進行訪問的次數，常用來衡量產品的訪問速度。
(2) 停留時長
停留時長表示用戶進入產品中，呆了多長時間后離去。這一指標是考量用戶粘性以及貢獻度的重要指標。
(3) 跳出率/退出率
跳出率，指的是只訪問了入口頁面即退出的次數與入口頁面訪問次數的占比數。
跳出率越低，說明流量越好，用戶對產品的興趣越高。
計算公式為：跳出率=訪問一個頁面后離開的次數/總訪問次數*100%
退出率是指從該頁面退出的頁面訪問數與進入該頁面的頁面訪問數之比。
計算公式為：退出率=退出次數/總訪問次數*100%
跳出率為(2/8)*100%=25%
退出率為{(2+2)/(8+2)}*100%=40%
注意：跳出率與退出率較高，也不全部都是壞事。我們需要具體問題具體分析。比如說某些下單頁面，點擊提交后會進入第三方支付平臺，該頁面跳出率高則為正常。
(4) 用戶訪問頁面數
用戶訪問頁面數常常離不開兩方面的指標，PV值與UV值。
PV(Page View)：指的是在一個特定周期內，頁面訪問量或點擊量，側重瀏覽量。
用戶每訪問一次就算作一個PV。
UV(User View)：指的是在一個特定周期內，訪問頁面的人數之和，側重訪客數。
一天內同個用戶多次訪問僅算作一個UV。
(5) 用戶訪問路徑
用戶訪問路徑是統計用戶從進入產品到離開產品整個過程中的路徑與頁面訪問情況，不同的用戶路徑是不同的，我們需要去定位關鍵節點，針對性的產出優化方案。
如下圖所示，用戶在進行針對性的查找歌曲時，通過首頁的搜索入口進入，在搜索引導頁面中輸入歌名，最終出現結果頁。通過用戶的訪問路徑分析，可以為我們進行優化提供合理的切入點。
1、ARPU
ARPU是 “The average revenue per user” 的縮寫,是指在某一周期內用戶產生的平均收入,用來衡量單個用戶為企業所帶來的效益。
注意：ARPU值是有時間屬性的，我們在計算的時候需要有清楚的時間定義，不同的定義方法，計算出來的結果是有很大差異的。
2、付費率
不同業務模式之間的付費率計算方式是不同的，在進行分析之前，我們就需要弄清楚分析的維度。
(1) 注冊用戶付費率
注冊用戶付費率=付費人數/注冊人數
(2) 活躍用戶付費率
活躍用戶付費率=付費人數/活躍用戶人數
3、GMV （成交金額）
GMV (Gross Merchandise Volume)，即成交金額。這個指標常用在電商行業，是用來衡量電商企業綜合實力的核心指標。
GMV=真實成交金額+未付款訂單金額+拒收訂單金額+退貨訂單金額。簡而言之就是GMV為已付款訂單與未付款訂單兩者之和。
4、LTV （用戶終身價值）
LTV(Life Time Value)，為用戶生命周期價值。一般常用指標為3日、5日、7日、30日、60日、90日LTV。常用來衡量用戶從開始使用到不再使用產品的整個生命周期內，為企業貢獻了多少收入。
它的計算方式由兩部分組成：LTV=LTxARPU，LT為用戶生命周期，ARPU為每用戶平均收入。
數據分析不僅僅是擺數據，同時深度的結論也非常重要。空有數據，沒有結論，對于決策者而言并沒有什么明確的用處。那么，面對一堆數據，我們該如何分析得出深度的結論，從而驅動決策？
數據的獲取渠道有很多種方式，接下來分享幾個我在工作中經常使用的方法。
注意：同一關鍵詞，不同平臺的搜索結果可能存在一定差異
平時的工作中，我們不能僅僅是沉浸在自己的世界，需要加強與其他同事之間的溝通交流。通過與用戶運營、數據分析師的交流，可以了解到最新的數據情況，時刻保持敏感度。
如果公司沒有專門的數據分析師，也可以從客服人員下手，他們無疑是與客戶打交道最直接的人了，他們對于用戶的痛點會更及時感知。可以通過詢問客服人員，更好的了解用戶的痛點需求，輔助我們設計方案的執行。
我們可以通過多種方式了解用戶對于產品的反饋，比如說Feedback用戶反饋，Twitter、Facebook等社交媒體，以及Google Play應用商店評論等。
針對想要查看相關數據的模塊內容，提交關鍵數據指標給到數據分析師、開發等，從而進行一個定制化的內容獲取。
注意：說到這里就不得不提到數據埋點，有一個需要我們注意的地方，那就是在進行埋點時，一定要在設計階段就提前告知開發以及數據分析師，做好溝通工作，針對需要的數據進行埋點處理。
在需求評審前，設計師可以提前了解相關數據，幫助我們對于設計層面有個更深刻的理解。在評審過程中，通過溝通碰撞了解到更多的數據，也能依據之前項目的數據資料作為參考，輔助本次設計優化。
在一些大的項目上線一段時間后需要進行數據反饋，大家針對結果做一個項目復盤，開展相關會議。在這結果之外，我們還需要關注是否產生了新問題以及是否有新的機會發掘點。在復盤之后，針對知識點進行共享，設計師可以通過這種方式了解更多信息，方便后期迭代。
數據的呈現往往告訴我們已經發生了什么，但它沒有告訴我們將會發生什么。我們應該利用數據，從歷史中吸取教訓，也可以依據過去的趨勢預測未來，甚至可能是非常準確的預測。我們需要對數據有一個理性的判斷，進行甄別。
什么是虛榮數據？如果空有一個數據，盡管該數字看起來很美，卻無法依靠該數據去進行設計驅動以及提供具體價值，那么該數據就是一個虛榮數據，毫無意義。
以下幾個指標則是常見的虛榮數據，我們需要引起注意。
1、點擊量
無論什么網站，只要頁面上存在的可點擊區域多，那么該頁面的整體點擊量數字必然都比較高。相比之下，我們更應該關注的是點擊人數，而不是點擊次數。100個用戶每人點擊1次，與1個人點擊100次，后續帶來的結果是必然不同的。
2、下載量
下載量的多少有時候會影響產品在應用商店中的排名，但是這個數據指標并不能帶來實際價值。反觀下載之后的注冊轉化率、付費轉化率等等才是我們關注的重點。
3、用戶數
用戶數量越大，這個產品聽起來似乎就越成功。但是產品的成功與否，并不僅僅取決于這一個數字，而是與之相關的一系列指標。
比如說A、B兩款產品的用戶量分別為100萬以及50萬，用戶活躍度分別為1%與30%，其他都是沉默用戶，那么就一定能說A產品要比B產品好嗎？
用戶數量再大，沒有體現出對應的價值，那么就是虛擬數據。我們不能被這些虛擬數字所欺騙，還沾沾自喜。
4、停留時長
用戶的停留時間越長就說明這個產品越好嗎？真的是由于產品的用戶體驗做的足夠好而讓用戶產生了沉浸式的體驗從而一直停留嗎？
用戶的停留時長并不是越長越好，這個指標也無法直觀反映用戶對產品的粘性。我們更應該結合完成度、內容跳出率等數據進行綜合判斷。
數據分析過程中，也會存在很多異常數據，需要從多個角度看待數據，一般來說，產品的部分數據指標存在固定的波動周期，當某項數據指標突然不符合常規波動變化的時候，我們就需要去進行深入的研究，挖掘異常背后的原因。
1、幸存者偏差
幸存者偏差是數據分析中常見的邏輯錯誤，那么簡單來說是什么意思呢？
通過以上幾個例子，想必大家對于幸存者偏差都有一定的理解了吧。所謂幸存者偏差，即我們在進行統計的時候忽略了樣本的隨機性與全面性，用局部樣本代替總體樣本。歸根到底這就是由于獲取信息知識的不全導致的認知偏差。這啟示我們在查看數據的時候，不能只看顯而易見的信息，同時還要找出沉默信息。否則，一定會存在著巨大偏差。
2、數據樣本不夠
在進行數據提取的過程中，除了需要注意上面所描述的樣本選擇問題上，還需保證足夠多的樣本數量來進行支撐。按照常規定律來說，數據樣本達到一定的數量程度，才能展示出相對真實的規律。
例：比如說我們在產品中新增了一個功能，但是由于預算、人力資源等原因在前期的推廣宣傳階段并沒有多少曝光，只有一部分老用戶知道，這就說明這個功能很失敗，沒有存在的意義嗎？答案未必是這樣。
所以在進行數據提取時，我們就需要盡可能的保證有足夠多的樣本數據，這樣才能保證最終輸出的數據結果是最客觀的。
3、存在臟數據
臟數據，也被稱為壞數據，常常是指不合理、對于業務毫無用處的數據。
臟數據產生的原因有多種，數據統計過程中可能是由于輸入了多余空格、重復插入多余數據等等。在前期數據收集分析階段，例如問卷調查，往往會存在很多無意義的問卷，為了保證問卷的準確性，可以通過設置分支題目、陷阱題目等等方式來進一步篩選問卷，做好對臟數據的防控與清洗。
接下來給大家分享幾個平時工作中常用的數據分析方法，包括以下幾種：漏斗分析法、矩陣分析法、對比分析法。
漏斗分析法是數據分析過程中非常重要的一種分析模型，能夠科學的反映用戶行為狀態以及從起點到終點各階段之間的用戶轉化情況。
常用的指標包含轉化率與流失率。通過層層的分析，觀察流程中是否存在提高轉化率的機會點，挖掘設計。(后面會結合實際項目為例進行詳細闡述，這里就不做過多講解)
所謂的對比分析，就是給孤零零的數據一個合理的參考，否則這種數據是沒有意義的。在利用對比分析法進行數據分析時，需要關注兩個方面內容：對比對象與對比維度。
在產品迭代測試的過程中，為了增強說服力，擇決出最佳方案，往往會采用對比分析，也就是常說的A/B Test。A/B Test最核心的思想是要保證單一變量，其他條件保證相同。回到設計本身，一般來說每個方案應該大體上相同，只是某一個地方有所不同，比如某處文案、顏色、圖標等。然后針對不同的用戶展示不同方案，統計并對比不同方案的轉化率、留存率等指標，從而確定最優方案。
矩陣分析法常常是通過兩個指標的交叉，利用分析矩陣劃分為四個象限，找出問題的優先級。
例：如下圖所示，為某個運營活動點擊的四象限分布情況。X軸自左向右，Y軸自下而上，分別代表了從低到高。
通過矩陣分析的方式，我們可以快速定位當前最值得的MVP優化方式，指引我們在復雜的數據中正確前行。
作為一名設計師，在了解了數據基礎的內容后，就需要掌握通過數據驅動設計最關鍵的內容，接下來我將通過用戶、行為、業務三個角度來給大家分享幾個不錯的設計案例。
通過上面的分析，我們了解到用戶數據涉及到兩個方面，用戶的基礎屬性數據可以很好的輔助設計，通過數據對用戶進行分層，例如性別、年齡、地域，這些都是常見的用戶基礎屬性；
除此之外，與用戶相關并關聯產品的重要數據還包括新增用戶、用戶活躍度、用戶留存率、用戶流失率等數據，我們可以通過這些數據的表現挖掘背后的原因，進而通過設計手法深入優化促進用戶數據增長，形成閉環。簡單分享以下幾個方法。
關于產品拉新，并不只是產品上線后需要考慮的事情，在產品設計的每一環節中，都是需要去進行考慮的。產品拉新可以通過邀請碼、新手福利、邀請好友等幾個方面進行。
1、邀請碼
邀請碼通常是由企業發放，優先發放給種子用戶，然后通過種子用戶的社交圈去進行擴散，進而吸引更多的用戶參與進來。
前段時間爆火的一款國外音頻社交軟件Clubhouse，便是利用了這種方式進行擴散傳播。與Facebook、Instagram、Twitter等社交軟件有所區別，Clubhouse并沒有對全部用戶開放，而是需要得到其他用戶發出的邀請碼驗證后才能進行使用。邀請碼的稀缺性將Clubhouse的熱度炒得越來越高，使得參與其中的用戶能產生一種自我滿足感，同時這種模式大大保證了音頻內容的質量。
2、新手福利
一些產品針對未注冊或者未使用過產品的新用戶，會發放專屬福利，促進用戶轉化。
新手福利通常是以開屏頁、Banner、彈窗、活動頁、新手任務等形式進行領取，隨著市場環境的緊張，獲客成本越來越高，新手福利的成本的也在逐漸增加。
3、邀請好友
針對注冊或使用過產品的用戶而言，通過發掘他們自身的社交圈子，促使老用戶自覺邀請新用戶，提升產品的用戶數量增長。
邀請好友有以下兩個常見方式：
(1) 增加分享入口
老用戶可通過點擊分享圖標的形式直接分享給相應的好友。比如說，網易云音樂這款產品，用戶可以邀請好友一同在線聽歌，或者是單獨分享給特定的人。這種方式主要是利用了人的分享和展示心理。
(2) 福利刺激
平臺發放一定的優惠券、獎勵等給到用戶，新老用戶都可以通過這種方式獲得對應的獎勵。這種方式主要是利用了人的獲利心理。
活躍運營可以提升沉默用戶的活躍度，對于產品的發展有著非常重要的作用，常常通過一系列的方式來進行布局。
1、用戶積分體系
積分體系如果運用的好，那么對于增加用戶粘性以及提升活躍度是非常有幫助的。這個積分體系是否能夠吸引到用戶，就在于積分所兌換的產品是否有足夠價值。
比如說常見的外賣平臺——餓了么的積分體系，其核心就是圍繞下單行為而展開，下單之后返還吃貨豆，吃貨豆可兌換紅包，紅包再次消費抵扣。整個操作流程，圍繞用戶的核心行為構建獎勵并形成閉環。
2、簽到
很多產品都設置了簽到功能，希望借此方式提升用戶粘性。這一功能的常見名稱為“簽到”“打卡”，或者根據運營活動的場景來進行命名，比如說螞蟻莊園、新浪種樹等。
一種良好的簽到模式對于用戶習慣的培養是有著積極的正向作用的，但是關于在產品中是否增加該功能，也是要根據自身的產品特性去進行更細致的考量。
簽到的方式主要有自動簽到與手動簽到這兩種。
（1）自動簽到
登錄自動簽到的方式常見于游戲類應用中，比如說王者榮耀這款產品，用戶打開即以彈窗形式告知用戶，領取相應的獎勵。
（2）手動簽到
用戶點擊簽到入口，即可完成簽到。相比自動簽到而言，這種簽到方式應用范圍更加廣泛。
3、社區
現如今越來越多的產品開始打造自己的社區，比如說淘寶的逛逛，咸魚的會玩等等。為什么社區功能越來越普遍呢？社區的存在，可以讓用戶在產品有一個屬于自己的社交圈子，這樣有助于用戶產生粘性，從而提升產品活躍度。
例：Keep通過打造高品質的UGC內容社區，滿足新老用戶的價值需求。頂部Tab分為關注、精選、圈子三個模塊。關注一欄方便用戶快速查看自己感興趣的人，滿足社交需求。精選一欄承載了KOL與內容生產者的分享內容、用戶社交留存功能。圈子一欄更好的滿足用戶想要一群人打卡的情感訴求。
留存的本質是要滿足用戶的核心需求，只有滿足了這個條件后用戶才會持續使用。它應該貫穿于整個用戶生命周期，而不僅僅是局限于其中某一個節點。好了，廢話不多說，直接上例子。
1、流暢的首次體驗
用戶首次使用該產品時是否順暢，能否在第一時間找到自己所需要的內容，很大程度上會影響用戶后續的留存情況。
比如說現如今很多產品為了降低用戶的登錄注冊成本，通過手機號一鍵注冊即可實現快速登錄。若未注冊過，在登錄時系統會自動判斷并為其創建賬號。這種方式極大的降低了用戶記憶成本，同時還有安全性的保障。
2、降低學習成本
通常來說一款產品的學習成本越高，用戶理解起來就越困難，那么用戶長期留在該平臺的概率就會降低，故而我們應該通過一些設計手法去降低用戶的學習成本。
例如一些金融產品，其晦澀難懂的專業知識對于新手小白來說真的是非常困難，基本的認知都存在困難的前提下，更別說指望用戶轉化了。基于此背景，新手引導提示、新手教學視頻、在線客服服務、模擬交易等等方案，都會極大的降低用戶理解成本，為后續用戶的下單轉化提供有力的幫助。
3、遷移成本
何為用戶遷移成本？用戶選擇新產品的行為需承擔的代價。隨著遷移成本的增加，用戶長期使用該產品的概率也會相應增加。
例如有道云筆記這款產品，用戶在該平臺創作了大量的內容后，就很有可能會長期留在該平臺，因為重新換平臺的成本著實有點高。
挽留機制是留住用戶、促進用戶轉化的最后一道程序。
常見的挽留機制有以下幾種形式：
1、提供解決方案
當淘寶用戶在進行退款時，若原因是地址填寫錯誤，那么頁面會自動出現彈窗提醒用戶修改即可，避免用戶取消訂單，從而降低退款率。
2、利益刺激
當用戶退出購買頁面關鍵節點時，會以彈窗形式進行挽留。
例：知乎會員購買頁面退出時，系統會自動出現二次確認彈窗，將價值點信息以動效形式展示在視覺中心，并對支付按鈕進行突出設計，吸引用戶注意，再次挽留。
例:拼多多的二次挽留同樣以彈窗形式展示，突出利益點，同時有時間維度，使得用戶產生緊迫感，刺激用戶下單。
3、操作警告
操作警告類的文案二次提示，可以讓用戶對當前行為有更清楚的認知，并仔細思考。用戶會考慮到一些時間成本、花費精力等因素，可能會取消放棄的念頭。
例：全民K歌這款應用，用戶想要刪除之前發布過的創作內容，點擊刪除之后，會出現二次警示確認彈窗，對用戶的行為進行一個挽留。就算最終用戶刪除了創造內容，還可以在最新刪除列表中恢復。這樣既可以避免用戶誤操作引起的后果，還能最大程度的保護創作內容的多樣化存在。
行為數據描述用戶使用方式，雖然與用戶相關，但更加關注的是使用的流程、方式與產品體驗，其中重點關注的數據包含點擊率、轉化率、訪問分析等。
深入分析用戶的訪問數據，模擬行為場景，更好的把握用戶當下的心理，從用戶角度出發去設計。下面，我將以一個工作中的實際項目為例，詳細闡述如何從設計側推動項目迭代。
例如我們接到一個需求，需要進行注冊流程的優化，提升這一模塊的轉化率。很多時候，我們往往會陷于視覺層面進行調整，但這并不能從根本上解決問題。我們需要靜下心來仔細思考，真正找到這個需求背后的目的以及當前存在的問題。
那么我們可以怎樣去進行呢？首先，為了對用戶行為有更直觀的理解與感受，可以利用用戶體驗地圖的形式將用戶行為場景復現，通過對用戶的情緒曲線、想法的剖析，從中找到合適的機會點，為后續設計的迭代優化提供一定思路。
通過對用戶的旅程進行分析，可以發現在不同關鍵階段中所對應的數據指標也不同。因此在設計的過程中可以針對不同的行為場景，制定對應的數據優化目標，從而提升整體的產品價值。
用戶的行為是決策的重要因素，了解用戶的行為和意圖后，會發現大部分用戶的行為與設計會存在很大的偏差，所以需要更多關注用戶的行為數據，揣摩用戶行為下的真實心理與訴求，才能做出用戶滿意的產品。
緊接著上面的案例，咱們繼續通過漏斗模型進行深入分析，優化用戶在登錄注冊路徑上的體驗，提升轉化率。
原有的登錄流程轉化率如下圖所示
1、快速定位問題環節
通過數據反饋，發現從注冊頁面到點擊注冊按鈕這頁面之間存在較高的流失率，其次再是安全驗證頁面。我們需要對這一流程中的關鍵節點進行梳理，同時將主要的精力聚焦于該模塊的優化。針對流失率較高的主要頁面進行著重設計。
2、分析問題
通過數據分析可知，用戶很大一部分都在點擊注冊按鈕這一頁面流失掉了，當前頁面的停留時長較長，那么我們是否可以縮短停留時長，幫助用戶快速注冊呢?該怎樣設計才能提高用戶的操作效率呢？
3、方案輸出
通過聚焦問題后，發現最終我們的落腳點應該在如何提升用戶的操作效率，幫助用戶快速完成注冊。
針對此設計目標，運用競品分析、用戶體驗地圖等方式對于該模塊進行了思維拓展。提出了一些可行性方案，比如在輸入郵箱時增加常用高頻郵箱格式后綴，減少用戶手動輸入的步驟；比如增加用戶輸入錯誤之后的快捷刪除圖標，方便用戶一鍵操作.....等等（詳細的可見之前項目復盤）。
4、數據驗證
在設計上線一段時期后，查看數據情況。
經過一段時間的驗證，漏斗模型的數據轉化有了很大提升。再次驗證，此次改版方案較為成功。
以上案例大致展示了工作中如何運用數據驅動設計的常規流程與方法。從整體漏斗分析原因，定位關鍵問題節點，進而推動問題環節的優化，最終解決問題。
數據會給到我們一定的指導作用,我們需要對數據進行深入思考,從設計的層面去賦能業務。從宏觀的角度去看待業務價值的增長點,尋找設計機會。那么我們該如何通過設計手段提升業務價值呢?產品價值的實現離不開用戶,從用戶的角度進行拆解分析,可以更好的洞察到機會點。
例如我們需要提升會員模塊的開卡率,該怎么進行落地執行呢?
我們將用戶的行為路徑劃分為感知——決策——行動——傳播這幾個主要階段,通過體驗地圖,深挖可優化的空間。
通過流程的梳理，將目標進行拆解，我們可以從中找到一些值得優化的地方。
有明確的設計目標之后,我們就需要針對每一節點進行針對性的設計。
1、感知階段-用戶觸達
當前會員購買的入口隱藏的過深，很多用戶都對該模塊的存在缺少認知。要想會員卡的購買率有所提升，最基本的舉措就是要加大對其宣傳力度。因此，我們需要增強用戶感知。常見的形式有Push推送、郵件、短信等等，吸引用戶去查看相關的內容，并引導后續轉化。
我們需要提升關于會員內容的用戶感知，就可以嘗試在首頁增加會員入口。宣傳的形式可以采用Banner圖，方便用戶直接點擊就可進入了解詳情。另外，產品頁面還可增加氣泡文案引導，底部懸浮彈窗等等，增強用戶的感知。
有一個需要特別注意的地方，就是在進行宣傳引導時，一定要考慮到產品自身的屬性，進行差異化設計。比如說海外產品的用戶一般都很討厭廣告,那么我們在進行設計的時候就要做到克制。在滿足運營需求的前提下，盡量減少對用戶造成不好的體驗。
2、決策階段-價值觸達
用戶受吸引來查看會員相關內容時，我們需要對會員的價值進行一個高效快捷的輸出傳遞。只有讓用戶在該階段感受到價值大于價格，才會有后續的購買行動。在會員權益模塊，需要根據用戶的狀態進行區分，針對化展示。人群大致劃分為普通用戶、會員與過期會員。
我們可以通過一些設計手法，強化用戶的價值觸達感知。
（1）文案刺激。告訴用戶辦會員卡一年預計能省下多少錢。
（2）增加計算器功能，讓用戶根據自己的習慣輸入預計交易額，更智能的感知優惠。
（3）向用戶發放一定的優惠券，并增加倒計時，出于沉沒成本，用戶轉化的幾率很有可能會增加。
（4）人數比例展示，利用人的從眾心理，促進購買。
3、行動階段-購買轉化
到了行動階段，用戶的整體購買流程是否高效、是否順暢則成了我們需要關注的重點。我們在現階段的設計策略，可通過以下方式進行展開：
（1)避免用戶過多選擇
原有的會員頁面將三種會員模式全都展示出來讓用戶自己選擇，對于很多新手來說這無疑是非常困難的，會員的購買率也比較低。更新后，我們將會員的價值點簡單的羅列出來，讓用戶可以直觀的了解會員卡的優勢，同時會員卡按照時間周期與價格劃分為3個不同的層級，針對平臺主推的年卡，增加標簽，強化感知。
（2)減少頁面跳轉
用戶在進行購買時，無需跳轉頁面，只需在當前頁面操作即可。懸浮收銀臺的形式，可以避免用戶在跳轉頁面之間可能帶來的數據流失，最大化的保障用戶購買行為的完成。
4、分享階段-持續正向裂變
用戶完成分享即可獲得相對的獎勵，被分享的新用戶再進入產品進行體驗，即可獲得新用戶獎勵。在進行分享的操作中，有以下優化方向。
(1) 增加分享引導
可以通過文案引導、運營位的形式進行宣傳，吸引用戶進行分享操作。
(2) 優化分享體驗
增加分享的渠道，引入常用的Twitter、Facebook、Telegram等社交平臺；
增加用戶分享圖的制作，為用戶提供更多的選擇空間。
數據驅動是一項長期的工作，需要去不斷的跟蹤、反饋，通過不斷的數據驅動，才能推動設計的更優發展。在日常的工作中，我們需要對數據保持敏感，從這些數據背后找出真正的原因，并進行針對性的優化。設計師了解一定的數據知識，可以更好的輔助我們進行設計產出，使得我們的方案更有說服度。
感謝閱讀，以上就是我要分享的如何利用數據驅動設計的全部內容。
文章來源：站酷 作者：甜西瓜汁
分享此文一切功德，皆悉回向給文章原作者及眾讀者.
免責聲明：藍藍設計尊重原作者，文章的版權歸原作者。如涉及版權問題，請及時與我們取得聯系，我們立即更正或刪除。
藍藍設計( m.73404.com.cn )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的UI界面設計、BS界面設計 、 cs界面設計 、 ipad界面設計 、 包裝設計 、 圖標定制 、 用戶體驗 、交互設計、 網站建設 、平面設計服務