交互设计师如何看数据（干货总结）

0.7秒的浪漫

ps：po主的数据经验主要来自移动app的数据分析，网站的情况不太清楚哇～

一、看整体看趋势，了解用户去留。
. G' F0 t; G, w# V/ i6 ?: K看什么：
一般的app数据监控都会有页面访问量的pv、uv的数据，详细一点的会区分一下新用户，回访用户。我一般以2星期为一个时间段看下某个页面的用户的访问趋势。还会看一下pv／uv的趋势。如果还有精力的话会看下该页面的uv／整体app的uv的趋势。
看出啥名堂：
1）如果看到某页面的uv量有明显的上升或者下降趋势，说明该页面可能有问题出现，此时需要大家对比一下app整体的访问量曲线，如果趋势是不一致的那么就可以确定是这个页面出现问题啦。
2）pv／uv的值如果很大说明用户会多次访问该页面。要根据这个app页面的性质来判断pv／uv值是大好还是小好啦。如果发现这个值不恰当的偏大，可以看看来源页面来简单确定下原因。
3 P1 j9 z& q' p" }# _) X' G; _. {3）页面的uv／整体app的uv的走势如果持续降低，可能说明大家对这个页面失去兴趣回访率很低。
总之，看看大趋势可以帮你及时发现问题，制定改进目标。
啥时候看：
1）app升级后4～5天后，因为升级阶段数据量小且不稳定容易下错误的判断。
2）上了新功能、新优化的时候看。
3）避开运营活动期看，运营活动的数据不是正常数据。但是可以观察运营活动前和后的对比看活动效果。
, F" F7 ~& v9 V+ Y2 a7 Q
6 P2 [9 f( u; R) k, s) y2 v二、看页面点击，了解用户关注什么。（有时候点击量可以是你的kpi）
看什么：
如果你的app数据监控对关键页点击面做了埋点，那么你就可以看看用户都在页面里点击了什么。首先是整个页面的横向比较，每个埋点的uv／页面访问uv。然后是每个埋点的各自情况，埋点pv／uv。最后有精力的话可以看看每个埋点uv／页面访问uv的2周趋势。
4 h3 p/ a8 N8 z3 \) o# M看出啥名堂：
2 _  Y* e7 L# @- ?8 e1）根据点击的多少来判断下信息布局是不是合理，也可以对用户点击多的部分多下功夫做优化。
3 Y6 J  n9 z  B/ \9 O2）点击多不一定好，点击少不一定不好，请认真分析。举个栗子：一个列表页面80%的用户点击进入看详情，那么是不是有些内容应该在列表中就展现出来我们却放在了详情里？
, z* x3 g1 f" V5 d% @8 Q3）如果是表单页面，那么就可以看出来用户在哪一步放弃操作（某一步uv值／页面uv值骤降）；或者遇到困难（比如此处的点击pv／uv值很高）。
+ t2 l0 w/ E5 H$ X啥时候看：
1）想要对产品功能、信息结构作优化的时候看，说不定能给你点小灵感。
, _1 \. r9 d! K8 c3 g% m2）发现页面的pv、uv大趋势有问题，来看看能否发现问题所在。
& y* f- q2 R/ m
; o$ u4 x7 n  M+ s三、看流失率（功能性的app）
4 {* [' p3 S; M; M看什么：
8 S  f5 [7 h" }5 P. q! X大部分的app数据监控对流程的流失率都通过页面漏斗的方式展现了，对每一步骤流失掉多少用户，用户的流失去向都有清晰明了的统计。尴尬的是流失率往往出现在第一步，而且很多用户只是进来看了一眼就再没来过。所以流失率的数据建议可以做更详细的数据筛选，比如增加新、老用户的纬度。
看出啥名堂：
1）找到关键流失步骤。
2）分析页面流失的原因，比如直接返回啦，跳转到别处啦，还是报错结束流程啦等等。
  m. ~* \7 ^; P; S! z, Z/ Y4 j) F0 `  O3）看页面点击情况，分析用户止步于哪一步。（参看上文中的二、3））
啥时候看：
1）要提高功能转化率的时候看。
: ]* T9 e' a  `2）制定自己的kpi之前看，哈哈你懂的。
& {2 H' _2 H9 \% V6 _+ V
四、多从几个纬度做筛选，把数据看的更分明。
3 B8 U: Z. z3 A- U) j0 d9 F. B& g粗略看到的数据可能会把一些特殊类别的用户问题湮灭掉，所以多几个纬度作数据筛选可能会把问题看的更清楚。大部分数据监控系统在这点上都做的不够细致，一般需要提需求给BI同学帮忙清洗数据。以下是常用的几个纬度。
1）新用户、回访用户，还可以更细致点比如1月内访问3次以上的用户。
2）按用户的性质分：比如买家用户、卖家用户；浏览型用户、内容贡献型用户等等

五、花边数据，帮你了解用户，但对于体验优化意义不大。
5 U4 }* }0 U! S9 `这类数据包括：用户城市分布、用户使用的网络环境、用户访问时段分布、用户使用设备分辨率分配。
  G6 m' v" Y) U0 K1 \5 r1 u这些数据可以帮你大概了解使用你app的用户，但我发现大部分app的这类数据情况都挺类似的。之前还专门对高峰访问时段的用户做过电访没有发现类型化的用户。
; Y' L5 _% U( R' c6 w, V2 y) V) C花边数据中我比较感兴趣的是用户年龄，但是大部分app的数据中看不到这个值。
) v& q7 Q: x7 D3 Q6 c1 A
) l8 {2 o: M" ~2 U最后要说别太迷信数据，创新的点子也往往不是来自数据～
; U1 Q( r$ _; V4 A& J/ p! G8 V
8 S! B& U& }4 ~' o4 ^# A/ X名词解释：
# x# {# n9 c9 y$ [  \' Lpv：页面访问次数
uv：页面独立访客人数