編輯導(dǎo)語(yǔ)：產(chǎn)品的完成離不開(kāi)數(shù)據(jù)分析這一步，作為一名產(chǎn)品設(shè)計(jì)師必須具備根據(jù)實(shí)際情況去建立模型的能力。這篇文章介紹了如何玩轉(zhuǎn)數(shù)據(jù)分析，推薦想要了解數(shù)據(jù)建模的童鞋閱讀。

作為產(chǎn)品設(shè)計(jì)師，數(shù)據(jù)分析不僅僅簡(jiǎn)單的根據(jù)產(chǎn)品給的數(shù)據(jù)去分析，而是要根據(jù)實(shí)際情況去建立模型。（為便于理解，文中所示代碼不是特別規(guī)范，不影響使用，望包涵）

數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)流程

一、數(shù)據(jù)化決策——數(shù)據(jù)化決策的過(guò)程就是量化的過(guò)程

數(shù)據(jù)化決策就是通過(guò)量化的數(shù)據(jù)來(lái)輔助我們進(jìn)行決策，從而提升決策的科學(xué)性和準(zhǔn)確性。

1. 了解量化

歷史上最早的科學(xué)家曾經(jīng)不承認(rèn)實(shí)驗(yàn)可以有誤差，認(rèn)為所有的測(cè)量都必須是精確的，把任何誤差都?xì)w于錯(cuò)誤，直到后來(lái)人們才慢慢意識(shí)到誤差永遠(yuǎn)存在，不可消除。量化也是如此，量化是為了減少不確定性、估算風(fēng)險(xiǎn)，從而輔助決策，因此量化的過(guò)程也不需要無(wú)限精確，不需要完全消除不確定性，只要能夠支持我們決策即可。

2. 置信區(qū)間——量化的一種方式

因?yàn)榱炕⒉灰欢ǘ际且粋€(gè)精確的數(shù)字，并且在現(xiàn)實(shí)中，我們經(jīng)常會(huì)遇到數(shù)據(jù)不完善、數(shù)據(jù)量過(guò)于龐大短時(shí)間內(nèi)難以處理，因此我們引入統(tǒng)計(jì)學(xué)概念——置信區(qū)間，用于輔助我們決策。置信區(qū)間是指：以特定的概率表示一個(gè)正確答案的范圍。

一般情況下，我們要求置信區(qū)間要足夠窄，且信心要在80%以上。信心過(guò)低意味著這個(gè)數(shù)據(jù)區(qū)間錯(cuò)誤的可能性很大，區(qū)間過(guò)大意味著這個(gè)區(qū)間缺乏參考意義。

例如：本次考試的成績(jī)有100%的信心在[0,100]，這個(gè)區(qū)間等于什么都沒(méi)說(shuō)，缺乏了參考意義；本次考試的成績(jī)有5%的信心在[95,100]，這意味著本次考試成績(jī)有95%的信心在[0,95]，因此[95,100]這個(gè)區(qū)間很有可能是錯(cuò)誤的。本次考試的成績(jī)有80%的信心在[85,100]，這意味著這個(gè)區(qū)間很有可能是對(duì)的，能夠反應(yīng)真實(shí)情況，甚至我們可以認(rèn)為班級(jí)平均分是92.5左右。

置信區(qū)間示例

二、數(shù)據(jù)拆解

1. 確定目標(biāo)——目標(biāo)必須可量化

每個(gè)項(xiàng)目都有一定的目標(biāo)，因此我們?cè)谧鲋?，必須要了解我們的目?biāo)是什么，有些時(shí)候，業(yè)務(wù)或者產(chǎn)品直接會(huì)告訴我們目標(biāo)是什么，例如提升留存率、提升轉(zhuǎn)化率，此時(shí)目標(biāo)非常清晰，我們直接進(jìn)行目標(biāo)拆解就可以了，當(dāng)然有些時(shí)候目標(biāo)會(huì)比較模糊，例如提升用戶體驗(yàn)，此時(shí)我們需要通過(guò)澄清鏈的方式讓目標(biāo)變的可量化。

2. 澄清鏈——讓目標(biāo)可量化

澄清鏈就是把某物想象為無(wú)形之物再到有形之物的一系列短的鏈接過(guò)程。例如有些時(shí)候我們的目標(biāo)是提升用戶體驗(yàn)，這個(gè)目標(biāo)是不符合「SMART原則」中可衡量這一條，此時(shí)我們沒(méi)法直接開(kāi)始做，我們需要將這個(gè)目標(biāo)變成量化的。這個(gè)目標(biāo)我們可以感知到嗎，通過(guò)哪些方面感知呢？

這些可感知的方面是可以衡量的嗎？那么我們要通過(guò)其他數(shù)據(jù)來(lái)衡量？此時(shí)我們要反問(wèn)，為什么要提升用戶體驗(yàn)？提升用戶體驗(yàn)用戶會(huì)有哪些行為？那可能用戶更愿意逛我們的平臺(tái)，那就可以用停留時(shí)長(zhǎng)、瀏覽的屏數(shù)來(lái)衡量體驗(yàn)是否真的提升了。

澄清鏈?zhǔn)纠?/p>

3. 目標(biāo)拆解——把業(yè)務(wù)目標(biāo)變成設(shè)計(jì)目標(biāo)

確定好目標(biāo)后，此時(shí)的目標(biāo)可能更偏向于業(yè)務(wù)側(cè)/產(chǎn)品側(cè)，較為抽象，難以直接通過(guò)設(shè)計(jì)達(dá)到，因此需要將目標(biāo)拆解成不同數(shù)據(jù)指標(biāo)的組合，從中選取設(shè)計(jì)可以觸達(dá)的數(shù)據(jù)從而達(dá)到目標(biāo)。

4. 行為路徑分析法——研究用戶行為數(shù)據(jù)

基于用戶的行為路徑（用戶行為路徑即將用戶點(diǎn)擊瀏覽的數(shù)據(jù)可視化而成）來(lái)拆解目標(biāo)，找到設(shè)計(jì)可發(fā)力的環(huán)節(jié)從而達(dá)到目標(biāo)。

這個(gè)方法的難點(diǎn)在于要對(duì)業(yè)務(wù)非常熟悉，需要詳細(xì)的了解用戶所有的路徑，通常也可以采用“抓大放小”的方式，整理出用戶主路徑，對(duì)主路徑進(jìn)行研究，暫時(shí)放棄子路徑。例如用戶完成目標(biāo)G可能需要經(jīng)歷A-B-C-D-E-F這些，整理出每個(gè)頁(yè)面的UV，從而找到中間的漏損最嚴(yán)重的點(diǎn)進(jìn)行優(yōu)化。

用戶行為路徑一覽圖（示例)

用戶主路徑一覽圖（示例)

5. 公式分析法——較為開(kāi)放式的方法

即通過(guò)數(shù)據(jù)的計(jì)算公式進(jìn)行拆解。例如：GMV=UV*客單價(jià)*轉(zhuǎn)化率，此時(shí)我們就知道，我們可以通過(guò)提升UV、提升客單價(jià)或者提升轉(zhuǎn)化率的方式來(lái)提升我們的目標(biāo)。公式法還可以嵌套使用，例如轉(zhuǎn)化率=下單用戶數(shù)/首頁(yè)UV，下單用戶數(shù)=頁(yè)面A UV*頁(yè)面A轉(zhuǎn)化率*頁(yè)面B轉(zhuǎn)化率*···*頁(yè)面N轉(zhuǎn)化率。

也可以和行為路徑法結(jié)合使用。使用公式法要注意，當(dāng)遇到一些比率的指標(biāo)時(shí)，分子和分母不能同時(shí)變大或者同時(shí)縮小，否則難以實(shí)現(xiàn)總的數(shù)據(jù)指標(biāo)的成長(zhǎng)。這種方法適用于對(duì)于目標(biāo)非常明確的。

公式分析法示例

6. 數(shù)據(jù)分層法——較為發(fā)散式的方法

尋找創(chuàng)新型解法或數(shù)據(jù)體系不夠完善時(shí)使用。我們將數(shù)據(jù)按一些維度進(jìn)行分層歸類，發(fā)現(xiàn)數(shù)據(jù)間的共性和聯(lián)系，從而找到設(shè)計(jì)發(fā)力的點(diǎn)。需要注意的是，數(shù)據(jù)的每一次分層都需要保證維度是統(tǒng)一的，一般是用戶路徑數(shù)據(jù)、用戶畫(huà)像數(shù)據(jù)、產(chǎn)品數(shù)據(jù)這三個(gè)維度進(jìn)行分層：

一，用戶路徑數(shù)據(jù)：用戶在這個(gè)頁(yè)面之后有多少用戶沒(méi)有按照既定的設(shè)計(jì)進(jìn)入下一個(gè)頁(yè)面，他們?nèi)チ四男╉?yè)面，分別占比是多少？去了這些頁(yè)面之后又去了哪里，分別占比是多少，整理出用戶的路徑尋找共性。

用戶路徑數(shù)示例

二，用戶畫(huà)像數(shù)據(jù)：訪問(wèn)這一頁(yè)面的有哪些用戶，這些用戶有哪些共性，例如都是女性、都是18-25歲的女性、都是18-25歲研究生學(xué)歷的女性。

用戶畫(huà)像數(shù)據(jù)示例

三，產(chǎn)品數(shù)據(jù)：產(chǎn)品數(shù)據(jù)進(jìn)行排序、分層。例如：優(yōu)惠券領(lǐng)取頁(yè)UV、優(yōu)惠券領(lǐng)取數(shù)量、優(yōu)惠券使用數(shù)量。那么優(yōu)惠券的領(lǐng)取率和使用率是多少？領(lǐng)一、二、三張優(yōu)惠券的用戶占總體的比率分別是多少？?jī)?yōu)惠券使用一、二、三張的用戶占總體比率是多少？當(dāng)頁(yè)面UV為0-1000時(shí)，優(yōu)惠券領(lǐng)取數(shù)量、優(yōu)惠券使用數(shù)量是多少，其領(lǐng)取率和領(lǐng)取使用率如何，當(dāng)UV為1001-2000時(shí)，優(yōu)惠券領(lǐng)取數(shù)量、優(yōu)惠券使用數(shù)量是多少，其領(lǐng)取率和領(lǐng)取使用率如何，以此類推：

產(chǎn)品數(shù)據(jù)分層示例

產(chǎn)品數(shù)據(jù)分層示例

數(shù)據(jù)分層后還可以嵌套分層，例如先將用戶畫(huà)像數(shù)據(jù)分了A、B、C層，那么我們可以去研究A層用戶行為數(shù)據(jù)分層情況如何，B層用戶行為數(shù)據(jù)分層情況如何，C層用戶行為數(shù)據(jù)分層情況如何。當(dāng)數(shù)據(jù)分層后，就可以尋找關(guān)聯(lián)：

• 尋找關(guān)聯(lián)：此時(shí)建議使用餅狀圖和折線圖，餅狀圖用于查看分布情況，折線圖用于查看趨勢(shì)情況，例如用餅狀圖可以查看用戶領(lǐng)取優(yōu)惠券數(shù)量的占比，我們能找到哪個(gè)部分的數(shù)量最多，用折線圖可以查看領(lǐng)取數(shù)和使用率的關(guān)聯(lián)性。
• 匹配目標(biāo)：我們繪圖之后我們會(huì)很容易發(fā)現(xiàn)規(guī)律，例如，我們會(huì)發(fā)現(xiàn)領(lǐng)取的優(yōu)惠券數(shù)量越多，用戶的使用率越低，結(jié)合公式法我們知道，使用率=使用的優(yōu)惠券數(shù)量/領(lǐng)取的優(yōu)惠券數(shù)量，如果要提升領(lǐng)取率，我們可以提高使用的優(yōu)惠券數(shù)量也可以減少領(lǐng)取的優(yōu)惠券數(shù)量，但是如果我們減少領(lǐng)取的優(yōu)惠券數(shù)量，雖然使用率提高了，但是對(duì)于業(yè)務(wù)并沒(méi)有幫助，只是虛假的繁榮，因此我們應(yīng)該提升優(yōu)惠券的使用數(shù)量。
• 合理推測(cè)：當(dāng)我們找到發(fā)力點(diǎn)之后，可以進(jìn)行腦暴，推測(cè)數(shù)據(jù)不理想的原因，后續(xù)可以通過(guò)用戶調(diào)研進(jìn)行驗(yàn)證。例如，我們可以猜測(cè)用戶領(lǐng)取那么多的優(yōu)惠券其實(shí)并不知道這些優(yōu)惠券到底是哪些，使用門(mén)檻是什么，只是看到就領(lǐng)了。

三、數(shù)據(jù)分析

數(shù)據(jù)分析分為三個(gè)部分，分別為數(shù)據(jù)清洗、數(shù)據(jù)處理、機(jī)會(huì)點(diǎn)排序。

1. 數(shù)據(jù)清洗

數(shù)據(jù)清洗包括了無(wú)效數(shù)據(jù)清洗、重復(fù)數(shù)據(jù)清洗、無(wú)關(guān)聯(lián)數(shù)據(jù)清洗。一方面是為了將垃圾數(shù)據(jù)剔除，以免影響數(shù)據(jù)結(jié)果，另一方面是為了減少數(shù)據(jù)干擾，提升處理效率。

2. 數(shù)據(jù)處理

由于我們想要的數(shù)據(jù)可能并不是標(biāo)準(zhǔn)常見(jiàn)的數(shù)據(jù)指標(biāo)，因此我們拿到原始數(shù)據(jù)之后需要根據(jù)我們的需求將原始數(shù)據(jù)處理成我們想要的數(shù)據(jù)，例如領(lǐng)取一張優(yōu)惠券的用戶占總用戶數(shù)的比例，領(lǐng)取兩張優(yōu)惠券的用戶占總用戶數(shù)的比例。

3. Python教程

推薦使用Python，簡(jiǎn)單易學(xué)且數(shù)據(jù)處理更為高效以下代碼也可以復(fù)用。

4. 頭文件

每個(gè)Python文件都有頭文件，頭文件導(dǎo)入了各種模塊，常用的有matplotlib、pandas、numpy、openpyxl。其中matplotlib用于繪圖，pandas和numpy用于數(shù)據(jù)處理，openpyxl用于支持各種數(shù)據(jù)表的格式導(dǎo)入。

5. 導(dǎo)入原始數(shù)據(jù)

在處理之前需要把原始數(shù)據(jù)導(dǎo)入進(jìn)來(lái)，以excel文件為例，其中./newdata.xls是原始數(shù)據(jù)excel表的路徑和完整的名字，source_data是用于存放原始數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)，可以根據(jù)自己需求定義為不同的名字。

6. 創(chuàng)建空表

我們還需要新建一個(gè)空表，用于存放我們處理好的數(shù)據(jù)，shape=(0, 3)中的0和3分別表示行數(shù)和列數(shù)，初始行數(shù)可以為0，不用管，列數(shù)就設(shè)置為我們想要的列數(shù)。其中title1、title2、title3可以自定義我們表頭的名字。

7. 處理數(shù)據(jù)

數(shù)據(jù)清洗，如果某一列數(shù)據(jù)中，有某一條數(shù)據(jù)為空，則把這條數(shù)據(jù)刪除掉。

根據(jù)需求將對(duì)于列表的數(shù)據(jù)進(jìn)行加減乘除，需要注意的是分母不能為0。

8. 數(shù)據(jù)輸出

數(shù)據(jù)處理完成后，可以將處理好的數(shù)據(jù)導(dǎo)出為excel等格式給其他同事。

9. 繪圖

如果有需要，則可以直接繪圖，從而判斷各個(gè)數(shù)據(jù)之間的關(guān)系。

10. 完整代碼示例

11. 機(jī)會(huì)點(diǎn)排序

通過(guò)數(shù)據(jù)分析后，我們能找到許多機(jī)會(huì)點(diǎn)，但是不同的機(jī)會(huì)點(diǎn)價(jià)值是不同的，因此我們需要根據(jù)機(jī)會(huì)點(diǎn)的價(jià)值進(jìn)行排序?？梢灾苯油ㄟ^(guò)置信區(qū)間進(jìn)行估算排序，例如當(dāng)我們優(yōu)化了頁(yè)面A之后，頁(yè)面A的流失率有80%的信心降低在[5%, 10%]，當(dāng)然也可以通過(guò)精細(xì)化數(shù)據(jù)計(jì)算從而判斷更為精準(zhǔn)，但是會(huì)耗費(fèi)更多的精力。價(jià)值排序完成之后，我們后續(xù)還需要跟項(xiàng)目其他成員一起，基于可行性和實(shí)際的資源投入情況計(jì)算ROI，從而選擇最適合的機(jī)會(huì)點(diǎn)去實(shí)現(xiàn)

四、設(shè)計(jì)方案

1. 設(shè)計(jì)調(diào)研

確定機(jī)會(huì)點(diǎn)之后，有些探索性的機(jī)會(huì)點(diǎn)我們可以直接通過(guò)設(shè)計(jì)方案執(zhí)行，而另外一些機(jī)會(huì)點(diǎn)我們也進(jìn)行了合理推測(cè)，在設(shè)計(jì)調(diào)研環(huán)節(jié)則是對(duì)這些推測(cè)進(jìn)行驗(yàn)證，看是否真實(shí)出現(xiàn)在用戶中。受制于環(huán)境的影響，我們常用的方式是就是電話訪談和問(wèn)卷調(diào)查，這兩個(gè)本質(zhì)上還是一樣的

2. 確定目標(biāo)

在這里就是要確定我們驗(yàn)證的是哪個(gè)猜測(cè)，例如我們驗(yàn)證用戶是，我們問(wèn)卷的問(wèn)題需要圍繞著這個(gè)目標(biāo)來(lái)

3. 篩選用戶

篩選用戶有兩種方式，一種是我們定向發(fā)放，一種是定向選擇。定向發(fā)放是指，我們從符合要求的用戶中隨機(jī)抽取一定數(shù)量的用戶向他們投放問(wèn)卷或者撥打電話。定向選擇是指，我們向全量用戶進(jìn)行投放，然后從收集到的結(jié)果中篩選出符合我們需求的用戶，當(dāng)我們資源比較緊張時(shí)，可以采用少量樣本，一般認(rèn)為，5個(gè)用戶就可以發(fā)現(xiàn)80%的問(wèn)題

4. 設(shè)計(jì)問(wèn)題

設(shè)計(jì)的問(wèn)題需要圍繞著我們的目標(biāo)，由簡(jiǎn)到難，盡可能多的使用選擇題的形式，主觀題建議最多一題，而在電話訪談中可以在最后跟用戶進(jìn)行溝通。需要注意的是，在問(wèn)卷最開(kāi)始需要收集用戶信息，以便于我們二次確認(rèn)該用戶確實(shí)是符合條件的用戶

5. 收集反饋

結(jié)果收集后根據(jù)使用前面說(shuō)的數(shù)據(jù)清洗和數(shù)據(jù)處理的方式對(duì)結(jié)果進(jìn)行處理，需要注意的是，需要保留源數(shù)據(jù)，如果是電話訪談的話需要保留電話錄音，以便于后續(xù)細(xì)節(jié)的確認(rèn)

6. 設(shè)計(jì)方案

當(dāng)我們找到目標(biāo)、用戶反饋之后，就可以設(shè)計(jì)我們的設(shè)計(jì)方案了。此時(shí)要圍繞著用戶的目標(biāo)、場(chǎng)景，借助“福格行為模型”合理設(shè)計(jì)方案

7. 設(shè)計(jì)驗(yàn)證

設(shè)計(jì)方案的同時(shí)需要確定數(shù)據(jù)埋點(diǎn)，我們需要根據(jù)各個(gè)數(shù)據(jù)埋點(diǎn)的情況來(lái)確定我們的設(shè)計(jì)方案是否有效，并且通過(guò)這些數(shù)據(jù)發(fā)現(xiàn)更多可優(yōu)化的點(diǎn)，并且同時(shí)，最好是可以把之前想要但是沒(méi)有的數(shù)據(jù)埋點(diǎn)也埋上，為以后做準(zhǔn)備

結(jié)語(yǔ)

以上內(nèi)容寫(xiě)的比較多，一次性難以消化，建議大家多讀幾遍。中間有些內(nèi)容例如設(shè)計(jì)方案、用戶調(diào)研其實(shí)說(shuō)的還不夠細(xì)致，后面有機(jī)會(huì)的話會(huì)慢慢寫(xiě)出來(lái)跟大家分享。

作者：何必復(fù)雜；公眾號(hào)：何必復(fù)雜（UXSimple）

本文由 @何必復(fù)雜 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自Unsplash，基于CC0協(xié)議