威龙发艺发型设计价格联盟

如何设计高效可视化运营数据(案列分析)

互联运营观察2018-03-10 11:02:36
专注互联网运营新媒体 | 深度就是速度


如何设计高效可视化

运营数据?


数据可视化,是将数据信息以直观的图标、图形展示出来的一种表现形式。数据可视化系统,只是我们通俗的说法,它其实是一种数据产品,核心是发挥数据的价值 去辅助用户更优的做决策。面对这类产品,交互设计师的挑战之一是如何做到“简单和高效”。今天来聊聊这个话题。


一、简单


数据产品,最核心的信息元素是“数据”。

怎样简单的呈现数据信息呢?我们仍然可以沿用简约之上的四策略——转移、组织、隐藏、删除。


原则1:转移


转移,是为了把正确的功能,放到正确的平台或系统中。


比如,有个需求是展示广告位/运营位的数据,辅助运营同事根据数据情况调整它们的位置或图片素材。


产品提供的广告位/运营位的数据指标有:曝光量PV、点击量PV、点击率PV、曝光量UV、点击量UV、点击率UV。


这是PV和UV维度的关于“图片点击效果”的数据。那么,这些数据是否要全部展示给用户呢?


我们找到目标用户——运营人员,了解他们看数据的习惯、关注的数据,得知他们一般以PV维度的曝光量、点击量、点击率来评估运营位的效果,UV维度比较少关注。


所以,我们的处理方式是,将UV维度的数据进行“转移”,在另一个次要功能“导出数据”中体现。也就是,用户“导出数据”时,才会获得最完整的数据;在界面上,只展示PV维度的数据。


原则2:隐藏


隐藏的方式有几种:

1)渐进显示,核心的控制部件,为主流用户使用的,展示出来;扩展性的精确的控制部件,专家用户使用的,隐藏起来。

2)阶段展示,随着用户逐步深入界面,展示相应的内容,比如步骤向导。

3)适时出现,虽然隐藏功能,但是会在你需要时出现在合适的位置上。

4)提示和线索,将隐藏的功能处理的很优雅,让功能容易找到,放在哪里比做多大要重要很多。


举个例子:

某个需求是,让运营人员了解专题页面各个点击位的数据。不同点击位,用户关注的数据有所差异。头图、导航等组件主要关注点击和曝光;商品楼层、档期楼层除了关注点击和曝光,还会关注售卖情况。这些数据指标最少4个、最多9个。


设计难点在于,数据指标很多、点击位排版布局多样的情况下,如何展示数据,并体现数据与点击位的一一对应关系。


最终我们的方案是,点击位的图片上默认只显示一个默认的关键指标,鼠标滑过时显示完整的数据指标。考虑到不同的坑位用户关注的关键指标不同,支持切换展示在图片上的默认指标。


这也是运用了渐进显示、适时出现的隐藏方式。



原则3:组织


组织,是我们常用的一种原则,通过对信息进行归类,将相关的内容临近展示,并按照优先级来调整信息之间的顺序。


同样是以数据指标为例,产品给过来的指标可能是零散的、无关联的、无优先级的,那设计师需要去理清它们之间的关系、了解它们的优先级,再对信息进行组织。


原则4:删除


做加法容易,做减法难。产品经理常常会想出各种功能,觉得这是用户需要的。但真的是这样吗?


避免为了解决一个问题,带来更多问题。


所以在承接需求时,要多问为什么,勇于去和各方讨论,规避、去掉伪需求。


二、高效


1、选择合适的可视化图表


最初接触数据可视化项目,会不自觉地陷入酷炫的图表中,希望选择柱状图、饼图等形式来呈现数据。


比如这样:


但越是追求形式的可视化,反倒越会陷入误区。


还是上面提到的例子,需求是展示广告位/运营位的数据,辅助运营同事根据数据情况调整它们的位置或图片素材。


A.最初的方案


用饼图、柱状图来体现点击率的数值。



柱状图,可以用来对比柱状图之间的大小、也可以看到变化趋势;环形图,通常用来表示百分占比。


两种图表方式,放在这里似乎合适。


但问题是什么呢?点击率的数值差别不大,且通常百分占比只有个位数,用环形图难以直观的体现差别,用柱状图也难以形成鲜明的对比。


B.优化方案


回到源头来想,图表的形式,只是为了服务于目标,最重要的是将用户关注的结论凸显出来,并不一定要用酷炫的样式。


对这个需求而言,用户的目标,是去了解同一个运营位,不同坑位之间图片的点击效果的差别。


重新分析各种可视化呈现方式的优劣,发现表格虽简单但同样能达到效果。

所以,最终我采用了最普通的表格,将用户最为关注的点击率最高、最低的数字,分别用绿色、红色标注出来。



2、给用户结论,而不仅仅是数据


用户的行为是看数据,但目标并不是看数据本身,而是希望透过数据去得出某个结论,然后去指导后续的行为、更好的做决策。


所以,为了让用户更高效,关键的一点是,去挖掘用户浏览数据背后的目标,给用户最终的结论。


前面的例子,将点击率最高、点击率最差的凸显出来,就是为了让用户一目了然的知道数据对比的结果,不需要用户自己去对比,通过识别颜色他就知道哪个图效果好,去做相应的调整。


另外一个例子,广告位/运营位的图片偶尔会有赛马,根据赛马的结果,来判断哪个图的效果更好。


所以,在展示赛马的各个图片的数据时,不仅仅是摆出数据,更需要明白用户会按照哪个指标来衡量赛马图的好坏,将最好的赛马图突出展示。



3、减小用户的记忆负担


同样以运营位的数据为例,我们可以看到不同时间节点的数据趋势图,这满足了基本的需求。


但是,用户看完数据之后的决策,是去调整某个坑位的图片素材或者位置。调整完,用户会关注后续的数据情况,对比“调整前后”的差别。


所以,还需要优化的是,在曲线上体现这个运营位被修改的时间点。



后产品时代的运营之道:数据分析的五种方法论


好多同学接触运营的时候,更多的是靠着自己的直觉去做决策,而没有加入数据去分析证明。数据驱动运营是未来运营的趋势,也是我们运营人的一个分水岭,在的运营刀耕火种时代已经趋于没落的时候,精细化运营以及变得尤为重要,数据驱动决策是我们运营人必须要面对的挑战也是我们要下意识学的一门技能。


但在这里有个误区需要解析:

  • 数据分析方法论:它更多指的是数据分析的思路,从宏观的角度去指导如何进行数据的分析,数据分析的前期规划。

  • 数据分析方法:指的是具体的分析方法,例如对比分析法、交叉分析法等一些具体的方法,是一种从微观的角度去指导如何进行数据分析。

一、逻辑树方法论


逻辑树是将问题的所有子问题分层罗列,从最高层开始,并逐步向下扩展。麦肯锡分析问题最常使用的工具就是“逻辑树”。“逻辑树”指的是在问题解决流程中,深入探究问题的成因,因而能在有限的时间内,将解决对策“具体化”的技术。它是以逻辑的因果关系为解决方向,经过层层的逻辑推演,最后导出问题的解决之道。冷静、客观的逻辑分析可以为我们的操作提供坚实的图表基础,当然,具体执行还需要每个人的认知与感悟。



运用麦肯锡逻辑树分析法很有效,通过逻辑思考,能轻松解决问题。


具体来说:

  1. 用“逻辑树”探究因果关系,归纳现象,找出“问题到底在哪里”;

  2. 假设可能解决方案,尽快验证可行性;

  3. 分析资料、合理推论,找出最终解答;

  4. 打破框架,发散与收敛,破除思考盲点;

  5. 培养洞见,抽象归纳、具体分析,看见别人看不见的答案。

二、5W2H方法论


5W2H分析法又叫七何分析法,是二战中美国陆军兵器修理部首创。



提出疑问与发现问题和解决问题是极其重要的。创造力高的人,都具有善于提问题的能力,众所周知,提出一个好的问题,就意味着问题解决了一半。提问题的技巧高,可以发挥人的想象力。相反,有些问题提出来,反而挫伤我们的想象力。比如发明者在设计新产品时,常常提出:为什么(Why);做什么(What);何人做(Who);何时(When);何地(Where);如何(How);多少(How much)。这就构成了5W2H法的总框架。如果提问题中常有“假如……”、“如果……”、“是否……”这样的虚构,就是一种设问,设问需要更高的想象力。


三、PEST方法论


PEST分析是应用于宏观环境的分析,比如一些世界500强企业在分析宏观国内外环境的时候会经常用到这种方法论。比如沃尔玛、大润发、肯德基等等。其中P是政治(politics),E是经济(economy),S是社会(society),T是技术(technology)。



不过使用PEST分析法存在着优缺点平衡的一个状态:


PEST缺点:

  1. 变化因素大。

  2. 企业决策需要考虑各种因素。pest之分析了宏观市场因素,故不全面。

PEST优点:

  1. 外部因素主要包括p、e、s、t四个方面,作为战略决策依据,pest可以从宏观角度全面地分析外部环境。

  2. 利用不同的角度,从变动的因素上探求某个行业可能的发展潜能,对企业的发展前景有一个大的整体把握。

  3. 对于各方面的变动可以及时地作出反应,制定出对应的改变策略。

四、SWOT方法论


SWOT分析法不但可以用来分析企业所处的环境优缺点,还可以用来分析 个人自身的有缺点呢,而这种方法论也是我们大家最早接触的一种分析方法论。不过,他更早的时候是用来确定企业自身的竞争优势、竞争劣势、机会和威胁,从而将公司的战略与公司内部资源、外部环境有机地结合起来的一种科学的分析方法。



比如在做一个运营活动时候,有时同学会比较经常用到这个方法论。做好活动运营,打造一场成功的活动,离不开每一个环节的精心设置,知己知彼方能百战不殆。SWOT分析作为活动运营的前期准备阶段,能让运营策划人员认清现状,把握做活动的资源优劣势,为制定可量化的目标提供参考依据。我们处在瞬息万变的环境中:行业大环境在变、竞争对手在变、自身的情况在变、产品在变、资源在变、人也在变。通过SWOT法则对内外部的优劣势、机会威胁进行详细的分析,可以为活动的顺利开展打下坚实的基础。


五、用户行为方法论


运营每天都会跟IP、pv、uv、页面停留时间、跳出率、回访者、新访问量、流失率、日/周/月留存率打交道。

我们把对这些数据分析叫做用户行为分析。用户行为分析,是指在获得网站访问量基本数据的情况下,对有关数据进行统计、分析,从中发现用户访问网站的规律,并将这些规律与网络营销策略等相结合,从而发现目前网络营销活动中可能存在的问题,并为进一步修正或重新制定运营或者营销策略提供依据。


对不同的用户关注的点要不同,所以要分析的点也不同,当然前提还是你的用户应该足够多,基于大数据才是最主要的。


图片来源为网络


  1. 认知→ 网站访问→IP、PV、人均页面访问量、访问来源

  2. 熟悉→网站浏览、网站搜索→平均停留时长、跳出率、页面偏好、搜索访问次数占比

  3. 试用→用户注册→注册用户数、注册转化率

  4. 使用→用户登录、用户订购→登录用户数、人均登录、访问登录比、订购量、订购频次、内容、转化率

  5. 忠诚→用户粘度、用户流失→回访者比率、访问深度、用户流失数、流失率

而用户行为分析在现阶段运营人较为关注的有3个点:黏性、活跃和产出。


  • 黏性是用户在一段时间内持续访问和使用网站的情况,更强调一种持续的状态,这里包括:访问频率和访问间隔时间。

  • 活跃用户指每次访问的过程,考察用户访问的参与度,所以对统计期内的每次访问取了平均值,选择平均访问时长和平均访问页数来衡量活跃。

  • 黏性和活跃产生的价值可能是显性的,可能是隐性的,如品牌或者口碑,但产出直接根据网站的业务衡量用户创造的价值输出,如电子商务网站可以选择订单数和“客单价”,一个衡量产出的频率,一个衡量平均产出值的大小。

上面所说的方法论是我们在运营较为常用的,未来的运营肯定是建立在数据分析的基础上去做决策,确定行为理论分析的决策都是走不远的。


文/青溪艺林小宇




↑↑↑长按二维码识别关注

 专注互联网运营新媒体

我们奉行“深度就是速度”的理念
我们团队为您执着奉献有深度的观点
如有评价和建议请您反馈至

670298727@qq.com.
您的反馈将推动我们更进步





友情链接