理解服务中数据驱动及实现方式

本文涉及的产品
大数据开发治理平台 DataWorks,不限时长
实时数仓Hologres,5000CU*H 100GB 3个月
实时计算 Flink 版,5000CU*H 3个月
简介: 【6月更文挑战第15天】本文介绍数据驱动设计强调通过分析用户行为和反馈来指导设计决策,减少个人偏见。通过识别关键领域、设定具体目标、形成可验证的假设,设计师可以使用数据来优化CTA转化率、降低跳出率等关键指标。数据分为定量和定性两种,用于衡量设计更改的效果。这种方法已被证实能提升转化率和销售额,同时平衡创新与用户体验。

1 简介 数据驱动

通常评测数据的整理和分析可以揭露很多重要信息。

数据驱动以累积的数据研究结果为支持,包含对体验本身的评测研究。
而只有数据才能映射出有价值的评测结论。它能验证市场策略、揭示机会和痛点,发现新趋势,提升产品体验。设计师常因过于熟悉网站、个人偏好、技术熟练度等因素而偏离用户需求,数据驱动则提供了解决这种认知偏差的途径。

treeoflife6.png

用户的行为和反馈有助于产品设计师验证其发现、假设和评测结果。

数据驱动设计是一种主要由用户数据告知的网页设计方法。其价值如下:

 --- 验证            验证决策对于市场是否是成功的          
 --- 揭露          市场持续的机会和痛点     
 --- 发掘        新的交互模式,用户趋势和喜好
 --- 提升        产品设计,增强客观性和迭代

因此这有助于了解其目标用户,发现用户痛点,发掘新的趋势,支持数据驱动的设计,并确保团队前进方向的正确性。

数据驱动设计的目的是通过可观察的测试来了解用户的需求并确定其优先级。
这有助于创造令人愉悦的用户体验 (UX),同时带来更多的网站流量和在线转化。

为什么要使用数据驱动的设计方法?

最好的网页设计在引人入胜的用户体验和直观的用户体验之间取得平衡。不幸的是,如果你仅仅依靠本能,在追求前者时很容易忽视后者。

请记住,作为一名设计师,你和你设计的用户是不一样的。您的设计首选项以及团队或组织的首选项与目标用户群的首选项不匹配。这是因为:

 * 我们对我们的网站以及如何使用它有更好的了解。我们花在它上的时间几乎比任何人都多。
 * 我们希望我们的企业成功,而我们的访客对你的成功漠不关心,会更加挑剔。

 * 我们受到以前的设计项目及其成功/失败的影响。
 * 我们的人口统计背景可能与大多数用户不同。
 * 我们可能比普通访客更精通技术。
 * 我们可能会对你的设计有情感上的依恋,并将它们视为我们职业自我的反映.
      因为我们在他们身上努力了!

然而,如此多的网站所有者在设计过程中默认自己的感受。这是一种常见的心理现象的结果,称为错误共识效应。

虚假共识效应是“倾向于假设其他人分享他们的信仰,并且在给定的背景下会表现得相似”。

换句话说,当试图预测他人的想法和行为时,我们会将自己的假设投射到他人身上。由于上述原因,大多数基于毫无根据的预测的设计师都会错过用户的标记。

正是在这里,我们找到了解决这一理解差距的有力解决方案:数据驱动设计。

通过允许来自用户交互和反馈的数据来推动我们的设计决策,您可以减少设计过程中自己的偏见和先入之见。数据驱动的方法可帮助您根据用户的信息为用户打造体验。

最好的部分?数据驱动的设计有效。大量案例研究和研究表明,采用数据驱动技术的公司在转化率和销售额方面实现了快速增长,这是参与度更高、用户体验更好的指标。

重要的是要注意,没有一个设计过程,无论是否数据驱动,都是100%客观的。您的个人偏好会以某种方式找到一种方法。

不过,这不一定是一件坏事。尝试优化您网站的每个元素是愚蠢的——您可能会在网站启动之前就用完资金。

但是,数据驱动的方法使您更接近最佳用户体验,而不仅仅是依靠直觉和个人意见。

您可能还会对数据驱动的设计持怀疑态度,因为它可能会扼杀创造力。

但是,如果您最终想要发展您的网站,则必须首先优先考虑易用性和性能。

数据驱动的方法仍有创造力的空间。你只需要在你的品味和经验结果之间找到一个折衷方案。

2 如何实现数据驱动

数据驱动方法的想法可能看起来令人生畏,特别是如果您很少或根本没有研究用户和使用数据的经验。

当然,学习和掌握数据驱动的设计需要更多的时间和精力,但任何设计师都可以通过一些实践来体验它的好处。

在本节中,我将向您介绍数据驱动方法的可访问分步框架。该框架将指导您完成从查找主题到形成结论的整个过程。让我们潜入。

3 确定重点领域。

我们数据驱动设计方法的第一步是找到您打算创建或更改的网站方面。

如果您运行一个已建立的网站并且还没有考虑某个领域,请首先查看您的网站指标。

是否存在某些页面或 CTA 表现不佳?
用户是否遵循预期的路径?
他们是预定了,还是在不停转跳?
一个流量段是否比另一个流量段更具参与度,为什么?
您是否收到许多关于任何特定内容的支持请求?

Google Analytics,报告插件或本机CMS / CRM报告仪表板等工具可以帮助回答其中一些问题。

还可以使用调查表询问现有用户/客户,通过电子邮件发送问卷或查看过去的研究,以确定改进用户体验的机会。

没有很多过去见解的新网站可能会将其指标与各自行业的平均值进行比较。

所谓CTA,又被称之为,Call-To-Action 行为召唤按钮。

一个 CTA 的整体成功可以通过一个转换率公式来衡量,该公式计算点击次数除以印象次数或 CTA 被看到的次数

如果您的某个指标(例如 CTA 点击次数、电子邮件注册次数或页面停留时间)低于平均水平,请在重新设计中将其定位。

4 设定目标。

在磨练出要优化的领域后,设定一个您希望在设计过程中实现的目标。

此目标的初稿可能类似于“提高网站转化次数”或“降低网页跳出率”。

虽然这些目标有效,但这些代表了更大的长期挑战,包括随着时间的推移建立的较小目标,并且很难在单个测试周期内实现。

此外,很难从网站范围的指标中提取见解,因为有太多因素可能导致“更多转化”或“更好的参与度”,而不是一次观察到的。

因此,请尝试更具体地说明您的目标,因为每个数据驱动的测试都代表了进步的一个档次。

当您将目标指定为“将 X% CTA 的转化率至少提高 X%”或“移动用户在 X 页上的跳出率降低 X%”时,您将更轻松地确定应收集哪些类型的数据以及如何收集数据。

5 形成假设。

假设是对新设计目标的正式陈述。它应该清楚地为您和您的团队概述项目的目标。

与您的目标一样,您的假设应该足够具体,以便从一些 KPI 中获得洞察力。它还应该:

指出什么是成功的测试。这基本上是你的目标重申。
测试背后的原因——为什么你相信你的设计会带来好处。

指定您要定位的网站访问者细分。例如,首次访问者和回访访问者之间、移动用户和桌面用户之间、自然流量来源和社交流量来源之间的成功结果可能有所不同。

具有CTA设计的完全成型假设的一个例子是:

行为召唤这一 UX 设计手段的主要目的就是催生交互、行为,提升转化,达成业务目标。

目前的主流电商 APP 在促销模块的购买按钮都在往大的面积,高饱和度,高层级的方向做。

主要也是为了引导用户点击按钮并产生之后的一系列购买可能。

具体的假设是可以证明的,但这意味着它们也是可证伪的。因此,请为假设结果的成功或失败做好准备,并在给定任一结果的情况下了解未来的行动。

另外,想想需要多少时间、精力和金钱来证明你的假设。更改 CTA 的外观并跟踪其性能是一项成本相对较低的工作,而评估整页或用户旅程往往需要更多的数据收集和分析,并且需要更多的资源。

6 小结

到目前为止,我已经谈了很多关于数据的问题——现在是时候弄清楚你实际要收集哪些数据,以及如何获取它了。您的数据应该是可衡量的,并将您的设计更改与您的假设直接相关。

在此阶段,有两种形式的数据需要考虑,定量和定性。

下一节让我们定义这两种数据类型,并列出一些收集每种数据类型的常用方法:定量和定性的。

目录
相关文章
|
2月前
|
机器学习/深度学习 数据采集 数据可视化
数据驱动决策支持
数据驱动决策支持
50 3
|
2月前
|
UED
服务架构中的数据驱动设计
【5月更文挑战第13天】数据驱动设计是依据用户数据进行网页设计的方法,旨在通过测试了解用户需求并优化体验,从而增加流量和转化率。设计师应避免主观感受影响设计,因个人偏好可能与用户需求不符。数据驱动设计能减少偏见,提高转化率和销售额,是一个迭代过程,不断实验和优化。虽然有些人担忧可能限制创造力,但其实它仍需要创新和妥协。随着业务、用户和技术变化,数据驱动设计提供持续改进的解决方案。
52 0
服务架构中的数据驱动设计
|
2月前
|
存储 XML 测试技术
什么是数据驱动测试?
什么是数据驱动测试?
109 0
|
8月前
|
机器学习/深度学习 自然语言处理 Cloud Native
探索在云原生环境中构建的大数据驱动的智能应用程序的成功案例,并分析它们的关键要素。
大数据索引: Google使用大数据索引来构建其搜索引擎,并实时处理全球各种语言的文本数据。 云原生基础设施: Google Cloud提供了强大的云原生基础设施,支持大规模数据存储和处理。 自然语言处理: Google使用自然语言处理技术来理解和索引文本数据,从而提供高质量的搜索结果。 实时搜索: Google的
143 0
|
数据采集 存储 监控
数据治理框架:数据驱动型企业的基石
要解释数据治理框架,我们必须首先定义数据治理。
数据治理框架:数据驱动型企业的基石
|
数据采集 监控 Oracle
谈谈如何构建基于业务价值驱动的数据治理运营模式
成功的组织有各种各样的规模。这些公司的共同特点是,在优化业务流程执行的同时,通过最大化客户服务来挖掘其全部潜力。
谈谈如何构建基于业务价值驱动的数据治理运营模式
|
机器学习/深度学习 人工智能 算法
谈谈从分析到行动看数据驱动和数据信息的区别
近年来,“数据驱动”这个术语已经被广泛使用,很多人谈论要成为一个数据驱动的组织。
谈谈从分析到行动看数据驱动和数据信息的区别
|
搜索推荐 数据挖掘 大数据
谈谈数据驱动和数据导向方法的选择
是数据做出了决定,还是你用数据帮助做出了决定?两者的选择将改变公司与数据的关系。
|
JSON 测试技术 数据安全/隐私保护
|
JSON 前端开发 数据管理