小红书代运营套餐价格表
289
2023-01-31
别让各种数据目标牵着你的鼻子走,达到平衡才是关键
本文从数据目标与用户体验的关系,解读如何“中立”的对待数据分析。
回到几十年前,你如果想打造完美的用户体验,只需闭上眼深呼吸,然后得到神的旨意:跟着感觉走。现在有了更响亮的说法:拍脑瓜子。
后来,正如先祖们学会了利用火力,我们也学会了使用各种数据分析手法。从此,我们不用再在黑暗中摸索,忐忑地怀疑「到底有没有人点开我发出的邮件」或者「究竟多少人使用了我们的新功能」。我们只需要打开从各个渠道收集到的数据,心中的疑问便有了答案。
然而,数据目标(Metric)的出现给我们提供了便利,但也存在局限。对于一些矛盾的观点,大家经常发生激烈的讨论,纠结点主要在:
1、我们做这些数据分析,是否仅仅是为了提升这些数据目标?
2、如何在提升数据目标和真正有意义的功能之间找到平衡?
3、我们到底是被各种数据目标牵着走,还是真正的为提升用户体验着想?(非常认同的一条)
关于这些尖锐的问题,我写下了以下思考。
首先,切勿让「数据目标」与「用户体验」对立
在好莱坞大片中,英雄和坏蛋正反两派往往势不两立。除了这种情况以外,都不应该让产品的「数据目标」「用户体验」彼此对立。不然,就好像说「碳水化合物」与「健康」是相对立的,这看起来错的离谱。
第一,用数据来测控产品,能让你了解到用户的使用情况。除非你喜欢与世隔绝的,不然还是应该多掌握一些信息。诚然,信息量太大,你若是没有判断和筛选能力,往往会事与愿违,但别因为这点就觉得数据指标洪水猛兽。
第二,如果产品的改进让用户觉得很有意义,数据指标自然就会上升。但如果使用产品的体验没有什么改变,就不能说你的改进很成功。相反,如果你做了一些调整,但使用的人数因此减少,那么不管你做了什么,只能说明一个问题——你搞砸了。
数据目标很有价值的第三个原因:它能把整个团队团结起来,大家围绕着一些清晰和有形的指标,各司其责。单纯从逻辑上讲,让50个员工在一起,为了所谓「创造超绝佳的用户体验」这样一个目标奋斗,是极其困难的。当你发表完激情洋溢的激励演说,他们倒是会持续鼓掌,然后说道「好的,加油!为了绝佳的用户体验奋斗!这就是我们追求的所有!」但当新一周开始,A团队兴高采烈的说:「看!这就是我们创造的绝佳用户体验!」而B团队则说:「不是吧,这个看上去一般般。」出现这种情况到底是因为什么?谁的观点才是正确的?我们如何能够持续有效地定义到底什么是「绝佳的用户体验」?
解决这个问题的一个方式,就是设立层层评估的等级制度。
你可以指定公司中某一个人(或者一系列不同梯队的人)来对产品的质量高低进行评断。如果不喜欢这种等级制度,那么也可以设定具体目标来进行测控,例如:如果50%的人会在一周内使用两次以上,那就说明这款产品的用户体验非常好。现在,团队A和团队B不仅明确了他们的努力方向,日常的工作结束后,也都能找到与目标的差距。
总之,数据目标是很有用的,它和用户体验不应陷入永久的竞争对立局面。所以作为领导者,注意不要表达出这样的意思。
其次,别为了追求「数据目标」而顾此失彼
这就好比,你吃太多甜甜圈而导致肚子疼,然后就觉得碳水化合物不是什么好东西。同样,数据目标也会导致一些评判欠妥当。这类事件究其原因有二:一、并不是所有能够被测控的东西都值得被设定目标,而且也不见得能产生什么影响。二、只是单纯的看数据,也不能统揽事情的全局。通常,想要看的更宏观,你需要一系列的统计数据。
如果你恰巧找错了测控的方向,却还继续推进,那么事实上你可能正在损害用户体验。
来看一些例子:
A案例
B案例
人们原来每天使用我这款应用的时间是5分钟。现在新功能上线后,他们每天的使用时间就只剩3分钟了,唉。
问题出在哪?你要考虑下,用户的在线时间到底是不是一个有效指标?这个得具体问题具体分析。如果你的应用以内容为主,那么答案是肯定的——这款应用存在的目的是给人们一些好文章去读、好的东西去看去听,所以他们在线时间越长,他们就越能发现你提供的东西很有价值。
但如果你的产品只是单纯的应用性质,比如帮助别人签署数字文档,那答案就是否定的了。你需要去搜集一些其他的数据指标来测控应用的用户体验,比如这款应用真正帮助人们签署文档的次数等等。实际上,用户可以因为能更快地签署文件,所以更喜欢这个应用。久而久之,他们才会关联使用到你能提供的其他服务。
C案例
「原先使用我们产品的人大多都在北京,但现在上海的用户更多一些。」
这个问题出在哪?兄弟,这其实根本不是问题,也根本不是值得你关注的数据。
当然,有些问题不是光看数据就能发现的
理论上来讲,如果我们了解用户的需求,我们就能设计出用户体验极佳的产品。但遗憾的是,不是每个人都会读心术。所以我们只能尽力而为,去猜一猜用户都关注什么。我们需要时刻铭记:能测控的指标是有限的。仅仅关注用户如何使用你的产品,并不能告诉你:
你可以尝试通过定性研究(qualitative research)或者用户调研来得到上述问题的答案,但其实这些措施并不能完美解决你的问题(想必你还记得那些用于预测「脱欧」结果的民意调查?)甚至在一些事情上,你虽然能准确地做到宏观感知(比如了解群众对品牌的信任度),但很难了解某些改变到底产生哪些特定的效果(例如:公司所采取的最新Logo和视觉特效,到底有没有改善大众对这个品牌的印象?)如果不能将以上信息量化,说明我们并没有真正地做到数据测控。
看看两个例子你就懂了:
“复杂功能的代价”
当你每次在产品上增加新功能时,你追踪的数据目标似乎都能显示出产品越来越好。然而,如果你不停地给这个产品添加新功能,久而久之,在某种程度上大家到最后都会觉得这个产品冗杂。紧接着,一些新的竞品会很快受到大众青睐,因为人人能都爱「傻瓜软件」。让你的用户感到产品过于复杂,那么你必然要为此付出代价。如何对其复杂化进行调整和取舍,是最真实可感的矛盾。
“了解品牌的效应”
每当苹果或者耐克发布一个新产品,很多的人会争先恐后地购买,甚至都不经过大脑的思考。因为在这之前这个品牌已经让他们有了特别好的体验。但换做是别的新兴品牌,比如叫做梨子或者赛克的公司,即使它们发布了同样水平的新产品,也不会有人如此争先恐后地购买。一定程度上,我们都理解这种现象。但问题是,将品牌效应进行量化,或者把它变成可追踪的数据目标是非常难的。更别提一个公司做出的千百条决策,会对品牌造成怎样的影响及利弊得失。
放手赌一把!
数据目标无法告诉你怎么去大胆行动而赢得未来。让我们回到2008年,那时候智能手机还刚刚起步。如果你观察你网页上对于智能手机的统计数据,就会发现,使用它的人简直太少了。你很可能得出一个非常现实的结论——就是你不该把钱投在这样一种受众小的手机上。
而如今我们才意识到,那些把钱赌在智能手机而赚得盆满钵满的人,是多么的高瞻远瞩。因此,针对当前人群表现的测试并不能准确地告诉该走哪条路。深谋远虑仍然需要一个老办法:相信直觉。
1.哇,这点子好棒 2.呃,怎么是这样的呢 3.这点子糟透了 4.我怎么这么笨 5.也许,可以?6.可以,这很特赞!
最后,一些巧妙应用数据目标的法则
以下就是我关于数据目标的5条应用法则。
1、观察产品的用户留存率
别光看产品的用户绝对数量(过于激进的营销手段会造成用户量很大的假象),你应该关注用户留存率,最好结合你的产品价值来看,因为通过这种方式你才能知道人们使用之后是否喜爱它,以至于会回来再用。
为了优化产品,一定要了解你的营销漏斗模型(指营销过程中,将非用户或潜在客户逐步变为用户的转化量化模型)。
人们要成为产品的常用用户,需要突破重重障碍。首先,他们要知晓你产品的存在;其次,他们的有足够的兴趣看上第二眼;第三,他们要做很多入门工作(比如下载应用、填写表格、确认邮件等);第四,他们还得鼓捣半天才能知道过日子要它有何用;第五,他们得想得起来回来用。在上述的每一个环节中,都会发生潜在客户的流失。如果你能追踪并测控出流失率在哪,你就可以开始着手改善你的营销漏斗,让它没那么容易漏掉用户。
2、思考并聚焦真正有意义的数据测控
你也许很享受那种追踪所有数据投入状态,你也希望所有数据都是漂亮的,但你要意识到,只有少部分数据能起到关键作用。其他的都是鸡肋,是做出一点改进就能解决的。别浪费时间扯些有的没的,也别费心思去关心那些非关键数据的起起落落。
3、不要不加理解就接受一个数据目标
我着重强调一下:你和你的团队共同认可的目标将会对工作产生重大影响。不要依据表面价值去接受一个数据目标。要问问自己为这么这么做。有没有这样的情况,这个决策感觉很棒,但数据指标并没有变化?反过来,你看到数据在飙升,但是并不确信产品一定就好?你应该仔细思量它们的意义。
4、通过设置对立数据目标,批判地看待数据结果
5、利用定性研究寻找背后的原因
定性研究告诉你人们做了什么,定量研究帮你知晓人们的感受,两者相辅相成。对于产品,进行可用性的测试、焦点小组、调查研究,这样你就能理解到表象行为背后的内在原因。
作者:Julie Zhou
文章来源:友盟数据运营舍
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~