如何從海量業(yè)務(wù)數(shù)據(jù)中提取與設(shè)計(jì)相關(guān)的有效信息？這份指南或許能為你指明方向。

產(chǎn)品或運(yùn)營(yíng)的數(shù)據(jù)報(bào)表多是從本職業(yè)能影響的范疇出發(fā)，去分析產(chǎn)品策略、渠道投放、運(yùn)營(yíng)手段等對(duì)整體大盤的影響。給出的數(shù)據(jù)要么和設(shè)計(jì)無甚相關(guān)，例如渠道的 ROI，要么更偏向整體效果，無法探究設(shè)計(jì)方案的作用，例如參與人數(shù)、整體留存等。這樣的數(shù)據(jù)，無法論證設(shè)計(jì)方案的影響效果，也就無法形成有效沉淀

如果你知道哪些設(shè)計(jì)會(huì)影響最終數(shù)據(jù)指標(biāo)，知道如何拆解成與設(shè)計(jì)相匹配的小指標(biāo)，會(huì)通過數(shù)據(jù)看出問題或機(jī)會(huì)，那么這就叫會(huì)設(shè)計(jì)數(shù)據(jù)分析。

簡(jiǎn)單點(diǎn)，如果你曾被以下問題困擾過，那么下面的內(nèi)容可要看仔細(xì)了~

1. 我根據(jù)產(chǎn)品目標(biāo)來設(shè)計(jì)的，但沒辦法證明方案是怎么影響總指標(biāo)的？如何確定自己要收集什么數(shù)據(jù)？
2. 收到數(shù)據(jù)圖表，但看不出這和我的設(shè)計(jì)有什么關(guān)系？
3. 得到一組多維數(shù)據(jù)，可怎么看結(jié)論都只有比大小？

本文將遵從數(shù)據(jù)分析的三大步驟“拆解—埋點(diǎn)—分析”，從設(shè)計(jì)視角進(jìn)行講解和案例探討。

一、拆解

問題：根據(jù)產(chǎn)品目標(biāo)設(shè)計(jì)，但沒辦法證明方案是怎么影響總指標(biāo)的？如何確定自己要收集什么數(shù)據(jù)？

診斷：除了總目標(biāo)，不知道還能如何驗(yàn)證，屬于數(shù)據(jù)拆分的問題。

在說拆解方法論之前，我不得不展開聊聊一個(gè)設(shè)計(jì)師們總是搞不清楚的事情。

運(yùn)營(yíng)同學(xué)如果刷到這篇也可帶入看看是不是總是把問題當(dāng)成了目標(biāo)，思維框架其實(shí)都是可以類比的。

在了解你所維護(hù)的產(chǎn)品的愿景、戰(zhàn)略、業(yè)務(wù)目標(biāo)后，針對(duì)發(fā)現(xiàn)的問題，回到根據(jù)設(shè)計(jì)目標(biāo)來收集數(shù)據(jù)，有預(yù)期的根據(jù)原則推動(dòng)策略，驗(yàn)證價(jià)值。

拆分?jǐn)?shù)據(jù)是大化小的過程，宗旨是可以將終點(diǎn)數(shù)據(jù)拆分成過程數(shù)據(jù)、細(xì)節(jié)數(shù)據(jù)。

一、簡(jiǎn)單場(chǎng)景

可能只需要看「某一個(gè)數(shù)據(jù)」。

例如，只需要看某個(gè)功能的使用率， 那只要去收集個(gè)別指標(biāo)數(shù)據(jù)即可。

為此，我們需要提前了解各類數(shù)據(jù)指標(biāo)的定義和通常的用途。

以下再接下來的埋點(diǎn)部分也會(huì)特意強(qiáng)調(diào)，尤其是黃色部分。

二、復(fù)雜場(chǎng)景

你可能需要使用常見的「模型」，來幫助自己明確要看什么數(shù)據(jù)。

數(shù)據(jù)分析模型就是“指標(biāo)的集合體”，模型存在的意義是“指導(dǎo)我們?cè)谑裁磮?chǎng)景下可以組合地、有邏輯地去看一組數(shù)據(jù)”，讓自己更有章法地收集數(shù)據(jù)。

以下為兩個(gè)基礎(chǔ)拆分思路：

1. OSM 構(gòu)成法模型

「適用范圍」有多個(gè)維度或因素共同影響的數(shù)據(jù)，通常有固定公式的都屬于該類。

有點(diǎn)像 OKR，目標(biāo)驅(qū)動(dòng)，只不過 OSM 是業(yè)務(wù)分析框架 ，OKR 是組織管理方法，戰(zhàn)略對(duì)齊工具確保團(tuán)隊(duì)行動(dòng)一致。

自上而下：從戰(zhàn)略目標(biāo)直接拆解到執(zhí)行策略。

強(qiáng)調(diào)對(duì)齊：確保團(tuán)隊(duì)行動(dòng)與目標(biāo)一致。

2. UJM 行為路徑

「適用范圍」總指標(biāo)是“后置數(shù)據(jù)”，會(huì)受到一系列的“前置因素”影響。

「案例」用戶留存。

收到后還需進(jìn)行分析，才能發(fā)現(xiàn)目標(biāo)，僅僅展示這些數(shù)據(jù)并不能叫做數(shù)據(jù)分析哦~

在實(shí)際使用中，“構(gòu)成法”和“行為路徑法”通常是交叉疊加使用的。

例如，為電商的年終大促做活動(dòng)設(shè)計(jì)，總指標(biāo)為 GMV（商品交易總額）。

第一步：通過“GMV=點(diǎn)擊 UV*轉(zhuǎn)化率*平均客單價(jià)”的一般公式，可拆出 3 個(gè)二級(jí)指標(biāo)——“SKU點(diǎn)擊UV”、“轉(zhuǎn)化率”、“平均客單價(jià)”。但這3個(gè)指標(biāo)并不能直接指向設(shè)計(jì)，需要繼續(xù)拆分。

第二步：“SKU 點(diǎn)擊 UV”對(duì)照用戶行為，即用戶“進(jìn)入活動(dòng)頁面—看到頁面上的“商品櫥窗”—點(diǎn)擊陳列的SKU”。依照該行動(dòng)順序，可以找到對(duì)應(yīng)的設(shè)計(jì)模塊。“進(jìn)入活動(dòng)頁面”轉(zhuǎn)化為“活動(dòng)入口點(diǎn)擊率”；“看到頁面上的商品櫥窗”轉(zhuǎn)化為“模塊曝光率”；“點(diǎn)擊陳列的SKU”轉(zhuǎn)化為“模塊的SKU點(diǎn)擊率”。

到此，指標(biāo)已拆分至與設(shè)計(jì)直接相關(guān)的數(shù)據(jù)，我們可以通過數(shù)據(jù)的表現(xiàn)，發(fā)現(xiàn)設(shè)計(jì)效果是否達(dá)到預(yù)期。

如果不滿足于問題的發(fā)現(xiàn)，還想繼續(xù)探討如何設(shè)計(jì)效果更好，則需要通過對(duì)影響因素進(jìn)行拆分，例如影響 SKU 點(diǎn)擊的設(shè)計(jì)因素有位置、大小、動(dòng)效、商品信息等等，通過 AB 測(cè)的方式，來找到設(shè)計(jì)更優(yōu)的解法。

以上思路可以概括為：UJM+OSM 模型。該模型非常通用，和做設(shè)計(jì)的思路一致，會(huì)設(shè)計(jì)就會(huì)拆數(shù)據(jù)。

3. AARRR 用戶生命周期模型

這個(gè)模型更聚焦用戶行為與增長(zhǎng)，可以是 OSM 的 M 的子集，定位具體環(huán)節(jié)的數(shù)據(jù)短板，共同指導(dǎo)優(yōu)化。

它可以量化用戶生命周期各階段的轉(zhuǎn)化效率，驅(qū)動(dòng)數(shù)據(jù)化運(yùn)營(yíng)， 要義在于理解用戶生命周期。

階段劃分的時(shí)候需要服務(wù)于業(yè)務(wù)洞察，而非機(jī)械套用模板。

4. 漏斗模型

5. 流量模型

6. 用戶體驗(yàn)度量 - HEART 模型

7. 用戶體驗(yàn)度量 - GSM 模型

8. 用戶體驗(yàn)度量 - 三大主觀指標(biāo)：滿意度 CSAT、凈推薦值 NPS、費(fèi)力度 CES

這里就不具體展開概念了，可以自行搜索相關(guān)模型含義。

三、模型無法解決的場(chǎng)景

可能需要「自建模型」來明確要收集什么證據(jù)。

當(dāng)面對(duì)更復(fù)雜的場(chǎng)景時(shí)，如果用我上述的模型都無法回答你要收集什么數(shù)據(jù)時(shí)，你就要自己來建立模型了，大家不要被“自建模型”這個(gè)字眼嚇到，其實(shí)很簡(jiǎn)單，一起往下看。

什么場(chǎng)景會(huì)常用的模型無法解決呢？例如，在一次大刀闊斧的全流程設(shè)計(jì)改版中，最終的實(shí)驗(yàn)數(shù)據(jù)是負(fù)的，但是卻不知道實(shí)驗(yàn)數(shù)據(jù)差的原因，要對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行歸因分析，需要推測(cè)可能是哪個(gè)改動(dòng)最終導(dǎo)致了數(shù)據(jù)下降。

此時(shí)，用常用的模型已經(jīng)無法解答，怎么辦？

答案是 “像偵探一樣思考！”

常用的思考方法之一是“先在腦中發(fā)散出所有可能性假設(shè)，然后逐一用能收集到的數(shù)據(jù)佐證每個(gè)假設(shè)是否成立，不斷收集線索，不斷驗(yàn)證假設(shè)是否成立”，即先窮舉發(fā)散一切假設(shè)，再收集證據(jù)來驗(yàn)證。

因此我們面對(duì)非常復(fù)雜的問題時(shí)，也可以從一個(gè)結(jié)局出發(fā)（如實(shí)驗(yàn)數(shù)據(jù)下跌這個(gè)結(jié)局），窮舉發(fā)散一切原因，并尋找數(shù)據(jù)來驗(yàn)證原因是否成立，它其實(shí)是一種直覺、一種同理心、一種篤定。

有人可能會(huì)問：怎么窮舉原因呢？毫無章法的隨便發(fā)散？

不，而是有方法的去發(fā)散，在發(fā)散時(shí)，可以用到「構(gòu)成法」里的「結(jié)構(gòu)化」和「公式化」的思維進(jìn)行發(fā)散。

1.? 結(jié)構(gòu)化

我們?cè)诎l(fā)散原因時(shí)，事情 A 和它的原因上下之間必須呈因果關(guān)系 / 依賴關(guān)系，相互獨(dú)立完全窮盡，并且每一個(gè)論點(diǎn)都是可驗(yàn)證的。

金字塔原理，有了一個(gè)核心論點(diǎn)，拆解分論點(diǎn)，上下論點(diǎn)之間呈因果關(guān)系或依賴關(guān)系。

以上來自《秦璐-七周成為數(shù)據(jù)分析師》

2. 公式化

本質(zhì)就是利用加減乘除進(jìn)行發(fā)散。

以上來自《秦璐-七周成為數(shù)據(jù)分析師》

實(shí)際案例更為復(fù)雜多元，以上僅為大致的思考思路，并不代表標(biāo)準(zhǔn)答案。

比如代入到社區(qū) / 社交向產(chǎn)品思考：

四、應(yīng)用思考

案例：千島為有更好的社區(qū)氛圍，鼓勵(lì)發(fā)帖用戶在發(fā)帖后 24 小時(shí)多留存于軟件中。那么可以用哪些數(shù)據(jù)表示呢？

計(jì)劃提升發(fā)帖用戶的 24 小時(shí)內(nèi)活躍度，目標(biāo)將“發(fā)帖后 24 小時(shí)內(nèi)有互動(dòng)的用戶比例”從 44%提升至 50%。以下是當(dāng)前數(shù)據(jù)表現(xiàn)和用戶行為特征：

已知條件：

1. 用戶發(fā)帖后首次互動(dòng)集中在發(fā)帖后 1 小時(shí)內(nèi)（占比 60%），后續(xù)互動(dòng)驟降。
2. 未互動(dòng)用戶中，70%在發(fā)帖后僅瀏覽帖子但未評(píng)論/點(diǎn)贊。

任務(wù)清單

1. 目標(biāo)拆解：將“互動(dòng)比例提升至 50%”拆解為可落地的子目標(biāo)（至少 3 個(gè)方向）。
2. 數(shù)據(jù)埋點(diǎn)設(shè)計(jì)：列出需補(bǔ)充的關(guān)鍵埋點(diǎn)事件及參數(shù)。
3. 用戶分層分析：基于用戶行為特征提出分層策略。
4. 功能優(yōu)化方案：設(shè)計(jì) 2 個(gè)功能迭代方案，需說明預(yù)期提升的核心指標(biāo)。

下篇，我們會(huì)具體聊聊基于以上拆解，借助「埋點(diǎn)」這個(gè)手段，達(dá)成你最終的目標(biāo)。