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。
# |5 l3 X4 n9 O# g; w% P& U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。
$ U* u6 l+ o: v& ]9 ~  l看出啥名堂：
9 R/ `- t' V3 n2 b1）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。
6 B( j+ m7 n% T! r4 [* u: g7 J  w3）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：
( j8 `3 ~# J9 S" \7 E$ K1）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。
8 [2 Y, i2 p# W! ^+ x- ^. P3）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。

& o& s3 n# [% F* X; O+ n( B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）
) w& T4 [: L1 P, l. s- x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。
9 X/ u* y* t; @# m3 q' ?# ]. s看出啥名堂：
1）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。
2）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？
. ?6 q* J5 x. D5 B0 A  O( [9 X" a3）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）。
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。
2）发现页面的pv、uv大趋势有问题，来看看能否发现问题所在。
, }* o' B* f, a: A
三、看流失率（功能性的app）
; F& m0 q( t$ Y8 \看什么：
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。
, k8 M+ @: l7 n* \6 P看出啥名堂：
1）找到关键流失步骤。
  B  V+ D. ]9 l. ^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。
3）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：
& d+ Z  X: o/ U$ x9 t: P' S1）要提高功能转化率的时候看。
8 k' H/ h$ I' w4 Z2）制定自己的kpi之前看，哈哈你懂的。
9 l# {5 J5 X, B, r/ p% C
四、多从几个纬度做筛选，把数据看的更分明。
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
$ Y4 r7 P6 e# X2 R$ n
0 K; n, @+ t' h五、花边数据，帮你了解用户，但对于体验优化意义不大。
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。
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。
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( i+ ^) {$ |2 o% Z
最后要说别太迷信数据，创新的点子也往往不是来自数据～
. R3 l) t/ z- {3 a2 j  [7 X& J
/ s: ^6 _6 h2 i6 Q7 d6 n2 x名词解释：
" }4 [' F& o7 X, u0 ~1 upv：页面访问次数
uv：页面独立访客人数
+ D* p- c+ e$ O7 F  a7 ~