HI,下午好,欢迎来到微信公众号转让!
24小时服务热线: 4000-163-301
请扫码咨询

新闻动态

NEWS CENTER

我们通过数据可以映射出用户特征或行为透出,这些数据可以帮助我们洞察用户体验的过程,用于佐证不同版本的可行性或业务效果

2021-09-01

我们通过数据可以映射出用户特征或行为透出,这些数据可以帮助我们洞察用户体验的过程,用于佐证不同版本的可行性或业务效果。

这些数据会代替用户告诉我们结果,因此我们可以通过数据洞察出功能的好坏,我们可以找出用户在哪里出了问题,并设计新的方案来留住用户和改善体验,同时再次通过数据对比效果持续优化。

我个人会比较看重用户进入产品后的前七个操作步骤(为什么是七步呢?

这是我们的一个神奇数字,即主要业务入口铺开后的必要步骤),并试图在这个过程与用户产生互动,尽快实现“啊哈时刻”,来提升用户留存或体验印象。

而这个过程中必不可少的就是一二级的功能埋点数据,我们需要观察这些数据来驱动设计目标。

有时候用户数据会比用户还要诚实,只要搜集到足够的用户,就完全能够推断出用户行为甚至心智模型。

这里我引用一个段子便于理解数据的映射能力,相信你看完应该会有一定的理解。


② 如何搭建数据中心

用户在使用产品的过程中就一定会留下“蛛丝马迹”,只要将这些“蛛丝马迹”收集整理起来,便能形成有效的参考数据。

a. 用户无感层面

我们可以通过查看数据库的订单表等获取数据,亦或是接入第三方无埋点数据分析.

例如友盟、GrowingIO、神策数据、个推等。考虑数据不外泄,最有效的则是设定不同指标的埋点,通过用户触发收集和整理。


b. 用户有感层面

通过主动的与用户接触,进行访谈、问卷、咨询、用户反馈、用户评价等收集数据和整理。


③ 看透数据表象,抓取实质

在数据分析或引用时,尽可能的结合业务场景,观察多维度的数据关系,挖掘更真实有效的数据。

比方我们近期做了新的推广,从后台数据来看,新增注册用户数据非常可观,我们一开始认为本次运营推广做得很成功。

之后结合第三方广告推广数据一比对,哎!不对,根本没有这么多的转化量。

我们被后台单一的增长数据给迷惑了,然后马上进行调查,原来是平台出了艳门照事件,坊间出现了用户裂变增长来吃瓜了 [坊间故事别认真]

例子中可以看出,单方面的数据观察很难还原事实真相。