设计中的数据变化

新墨科技 / 2021-06-09 13:46:46

 

 

3、关注设计产品功能点数据变化,及时调整设计方案,推动并跟进设计方案落地 ;

这个方面,我目前比较缺乏。因为工作中没有数据回执给我,同时我可以学习~

我也非常认可,数据影响工作。

 

搜集资料待整理:产品的转化率、分享率,设计怎么驱动产品;现在大家关心的是产品如何裂变,如何传播,如何黑客增长。

我们先探讨下广告的目的,一般广告目的有四种:告知、说服、提醒、强化。

  • 告知:让更多的用户知道我们是干什么的,有什么特点。

  • 说服:说服用户购买或者产生下一步动作。

  • 提醒:提醒用户关注我们,提醒用户再次买东西的时候还来我们这。

  • 强化:强化用户对品牌和产品的认知,深度占领用户心智。

从总体UI设计整体来讲,我希望设计能更多的在页面交互、使用逻辑上来思考,怎样带动用户点击和下一步操作,怎么保证页面内容的对用户的友好舒适,怎样中和商业内容和产品体验在页面呈现上的平衡。

设计的时候,无论广告也好、UI也好,我们需要考虑设计的用途、目的、受众再来考虑设计的呈现形态。不同的人群和业务目标,设计方向会很不一样,设计要把解决问题放在第一位。

通过将设计验收纳入项目验收流程;时时跟进研发进度,多催促多跟进,跟研发周旋,总有插入的时间;在推动开发不得力的情况下,推动产品经理、推动项目经理或者总监帮助落地设计效果。

从广义上来讲,设计师的执行落地能力应该包括设计可能涉及到的所有环节,我希望设计师能从产品的开始策划,到产品研发落地,到上线后的数据、用户反馈效果都做紧密跟进。毕竟产品功能的界面呈现是吸引用户关注、触发用户便捷操作中非常重要的一环,设计是为业务服务的。关注业务链条的每个环节的交互和视觉,让设计做最好的呈现,是优秀设计师应该有的意识。

 

因为数据,实际上就一部分代表设计的生产价值,而脱离数据本身,设计师往往只是一个单纯的执行者;光主观判断,实际上上是很难理解你的作品,用户在用或者用户在看到的时候,他们在想的到底是什么?既然连这点都把握不透彻,那么又怎么能做出有效且卓越的设计方案?

 

所以对设计而言,数据的结因分析及理解,才是设计价值的核心部分。

所以数据能代表用户的真实行为轨迹,或者说是用户决策记录的点,而这些点的聚集,真实的反应了用户面对你的产品时,做出的一些真实反应。

 

以用户为中心做设计

 

参考文章

数据能够反应出用户的目标、行为、态度等情况,通过分析数据能够更准确的洞察客户需求,同时也是对自己的设计进行验证及迭代的一个重要依据。

 

  • 点击率:点击率是指网站页面上某一内容被点击的次数与被访问的次数之比。反映了网页上某一内容的受关注度,经常用来衡量广告的吸引程度。

  • 人均页面访问量:人均页面访问量是指平均每个独立访客访问页面的次数,即 PV/UV,用来评估网站的深度。如果是内容型网站,人均页面访问量越高,说明内容越有价值,对用户越有吸引。

  • 转化率:转化率是指用户进行了相应目标行动的访问次数与总访问次数的比率。比如 100 次访问中,有 10 个登录网站,那么网站的登录转化率就为 10%。用来衡量流程页面的转化效能,是任务型产品的重要衡量指标。

  • 跳失率:跳失率是指只访问了入口页面就离开的访问量与总访问量的百分比。反映产品是否有足够的吸引度吸引用户深入访问,是衡量网站内容质量的重要标准。

  • 平均停留时长:平均停留时长是指浏览某一页面时,访客停留时长与页面独立访客数之比。在任务型产品中,停留时间越长表明信息架构越不清晰、效率低;而在内容型产品中,更长的停留时间表明内容对用户更具吸引力。

 

 

设计师一般聚焦于用户体验质量的提升,因此需要满足用户体验相关的数据指标才能更好地完成设计目标。根据用户体验周期的 5 个阶段 (触达-行动-感知-回访-传播),对应得出以下 5 个体验指标,简称「5度」指标。

  • 吸引度指标:吸引度是指在操作前,产品能否吸引用户来使用、能否吸引用户产生相应的行为;相关的吸引度指标包括: 知晓率、到达率、点击率、退出率 等。

  • 完成度指标:完成度是指在操作过程中,用户能否完成产品目标对应的操作,以及完成过程中的操作效率;相关完成度指标包括: 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 等。

  • 满意度指标:满意度是指完成操作后,用户产生的主观感受和满意度;相关满意度指标包括: 操作难易度、布局合理度、界面美观度、内容易读性 等。

  • 忠诚度指标:忠诚度是指完成一次使用后,用户会不会再次使用该产品;相关忠诚度指标包括: 30天/7天回访率、跨平台的使用重合率 等。

  • 推荐度指标:推荐度是指用户能否将此产品推荐给其他人使用,数据指标主要为 净推荐值 (NPS)。

 

 

数据分析是以业务场景和业务目标为思考起点,业务决策作为终点,按照业务场景和目标分解为若干影响的因子和子项目,围绕子项目做基于数据现状分析,找到改善现状的方法。

 

 

4、时刻分析监控流行产品设计趋势,研究目标用户审美倾向并优化现有产品。参与用户调研、可用性评估与测试,持续优化用户体验。

如何持续发现潮流:

  • 全方面查看竞品;

  • 行业方面的走势;

----------------------------
----------------------------
本文由新墨整理并发布
新墨5年开发经验,45名团队成员,上线已达100+产品,于北京和成都2个城市提供技术开发服务。致力于提供APP开发,小程序开发,微信开发,IOT物联网开发,电商系统开发,教育系统开发,H5开发,游戏开发,用户体验设计,课件设计

新墨官网地址:http://www.sinmore.com.cn/
新墨APP开发:http://www.sinmore.com.cn/app
新墨案例:http://www.sinmore.com.cn/case
新墨小程序开发:http://www.sinmore.com.cn/xcx
新墨物联网开发:http://www.sinmore.com.cn/iot
新墨教育系统开发:http://www.sinmore.com.cn/education
新墨商城系统开发:http://www.sinmore.com.cn/eBusiness
新墨商城区块链开发:http://www.sinmore.com.cn/blockChain

热门文章
最新文章
推荐文章