第125篇原创文章今年的第12篇原创这是第三篇数据指标的讲解，或许也是数据指标的最后一篇。没看过前几篇的可以点击下方链接阅读：设计师必备的15项数据指标设计师必备的15个数据指标（进阶篇）另外还有扩展阅读：一篇文章掌握数据导向设计本文是将设计师难理解易混淆的数据指标进行详细的讲解。方便大家了解并掌握。本文大纲如下：1、留存率2、加载PV3、WAU4、相对涨幅&绝对涨幅5、PV点击率&UV点击率

第124篇原创文章今年的第11篇原创之前我写过设计师必备的15个基本数据数据指标，没看过的朋友可以点击阅读：设计师必备的15项数据指标另外还有扩展阅读：如何建立以数据为导向的设计体系？接下来我再整理15个进阶数据指标。希望帮助对数据不熟悉的设计师快速入门，并对数据指标的理解更加深刻。

第116篇原创文章今年的第4篇原创本篇文章的价值：看完之后可以独立统筹整个产品的全局设计。做从0到1的产品时，在设计产品功能的交互流程和UI设计中，都是先做出所有正常的交互流程和界面。但每个功能流程都存在异常和加载的状态，实际工作中不可能每个功能的页面都做异常和加载状态，这样的话，会导致设计繁琐复杂。通用的做法是：先将所有的正常流程和界面完成之后，再统一做全局异常场景和加载状态。这些全局异常和加载状态通用于整个产品中，开发需要使用时直接调用，避免设计每个需求都做一遍，降低无用功，提升开发效率。本文为所涉及到的异常和加载状态内容。在实际工作中，根据自身产品，附上对应状态出现的场景页面即可。本文文章大纲如下：1、加载场景2、网络异常3、缺省场景4、操作异常

HEARTHEART是一个用来评估以及提升用户体验的模型，它由五个维度组成：Engagement（参与度）、Adoption（接受度）、Retention（留存度）、Task

由于设计师、产品经理使用的移动设备大部分是iPhone，所以在做设计时，容易忽略Android和iOS的差异，按照iOS的规范进行设计，两端只做一套。只做一套的会存在两个问题：1、安卓用户的使用习惯不太适应iOS的设计，导致使用时遇到阻碍，任务流程失败率变高。2、如果设计师或者产品经理有的异常场景状态没有想到，导致安卓开发没有组件调用，为了省事就直接调用安卓自带组件，导致整个产品在视觉风格上面既有产品风格的组件又有安卓系统的组件

大部分交互设计师接到需求后，就开始分析下竞品、然后结合自己产品和自己的想法，就着手交互原型制作了，在这样一个设计流程中，交互设计师很难有体系化的思考。有没有一套体系化的设计思路，让交互设计师做出的方案又专业、又全面、又经得起挑战和用户的检验的设计方案呢？本文是我梳理的一套体系化设计流程与思路，希望可以帮到大家。体系化设计思路大纲如下：1.拆解目标2.确定设计方法3.设计方案过程4.方案细化和走查5.数据跟踪6.后续迭代1.拆解目标作为一个交互设计师。在我们接到需求之后，首先需要弄清楚的是产生需求的业务背景是什么。其次是基于业务背景了解产品的目标是什么。最后弄清楚产品的用户人群有哪些，用户目标是哪些。交互设计师通过从产品经理或者其他需求发起方那里了解需求生产的业务背景，了解为什么要做这个需求。在了解清楚之后，追溯需求最原始本质。在我们实际工作的大部分情况下，大部分产品经理不会在需求文档中将业务背景写清晰，这时候我们交互设计师就可以将业务背景在交互文档中输出，并清晰的展示出来。业务背景是什么？业务背景通常是我们为什么要做这个功能。通过做这个功能，对业务有什么帮助。通过业务背景，我们可以推演出业务诉求，并得到对应的产品目标。产品目标是什么？产品目标是产品能得到什么样的结果，对产品来说可以获得什么样的好处。所以在交互文档的设计中要重点体现出产品目标。通过明确产品目标，可以清晰的指导我们做交互方案。用户人群是哪些？用户人群主要是通过我们对现有产品的用户画像得到，并推算出使用这个需求的用户人群是哪一类人，通过明确的用户人群，这样我们在做设计过程中，可以很清晰知道这个需求为谁而做。用户目标是什么？用户希望通过使用这个功能达到什么样的好处或目的。设计目标是什么？通过业务背景、用户人群、用户目标和产品目标拆解出对应的设计目标。以登录注册为例。业务背景是目前产品的登录和注册的效果不理想。对应的用户人群分为两类，分别为新用户的注册流程和老用户的登录流程。用户目标是方便快速的完成登录注册流程，越简单越快越好。产品目标是提升登录注册的完成率。设计目标是拆解，如何能提高登录注册的完成率。那么设计师可以拿到登录注册的完成流程，看看登录注册过程中，哪些步骤转化率低，那么对转化率低的地方进行设计优化。目标拆解就是对页面进行数据提升具体优化方案，例如文案问题、视觉布局问题、交互路径问题等。2.确定设计方法对于设计师来说设计方法有很多种。例如常见的有：目标导向、数据分析、用户调研、设计走查、场景化设计、用户体验地图、竞品分析等。在做设计方案过程中，一般不会将上述的方法全部用到，更多的是使用其中的一种或者几种混合使用。根据具体的需求选择适合的方法。例如在做登录注册这个优化流程方案过程中，可以通过数据分析找到转化率低和设计走查思考如何提升数据，就可以完成设计目标。3.设计方案过程1.不同场景梳理我们需要以场景的思维做场景分析，通过场景分析就可以清晰地描述这些场景，从而确定用户的需求，并在这基础上用交互方案满足需求。举个栗子，产品提出一个需求：应用添加“商品列表按照价格从低到高排序”的功能，这还是老思维，是在“定义我们的应用”；而如果从场景的角度来思考，用户搜索某种商品，在列表页会列出一长串商品，而用户此时只想快速找到符合他的要求的那一个；而有些用户在挑选的时候，会需要买价格便宜的，此时排序功能就是用户的需求。这样从场景来理解，会更清楚地理解需求发生的环境，便于做出好设计。比如，顺着排序的场景，可以进一步想：有这样需求的用户在我们的应用里多吗？如果多，那么意味着用户经常需要进行排序的操作，所以在设计的时候，可以把排序的入口放的明显一点，好操作一点，方便用户轻松地进行排序。对于使用滴滴快车的用户，整个流程包含三个阶段，分别为上车前，坐车中和下车后。每个阶段都存在多种用户使用场景。2.不同角色用户有时候需要考虑不同角色的用户，例如后台系统，需要同时考虑普通用户、管理员角色和超级管理员。三个不同角色的使用权限也是完全不同的。权限：普通用户

周六早上，高中女神给我发了一条微信，我的双手放佛得了帕金森综合症般不听使唤，费劲的点开了那一条微信，原来女神不知道如何用Excel表格处理数据，让我教她处理数据。嗨（四声）！说起数据，就不得不提数据导向设计。中高阶设计师都需要关注数据，数据是对设计师主观审美逻辑设计的一种辅助和补充，通过数据做出来的设计更具有说服力和验证性。数据为设计提供方案支撑和后期的方案验证，有利于产品后期的迭代和优化。通过对数据的比对，对数据趋势的分析，能让我们发现哪些环节存在问题，哪些环节有提高空间。明确各种数据指标，明确设计目标，让数据为设计服务。这篇文章的目的是帮助设计师快速入门和熟练掌握数据导向设计。文章目录：1.数据分析的意义2.熟练掌握数据指标3.数据分析与设计的方法4.数据模型的建立5.数据如何验证设计1.数据分析的意义用户行为可视化，可清晰的了解整体/个体用户的行为。如下图所示，通过Google

随着4G的普及，移动互联网进入高速发展时期。伴随着移动互联网的发展，用户体验的概念变得越来越普及，互联网进入了用户体验为王的时代。那么为什么要强调用户体验，做好用户体验的目的是什么？很多人会说用户体验好，才会有更多的人使用，产品的用户量才能越来越高。那么是什么决定用户体验的走向呢？这是本文讨论的重点。文章大纲目录如下：1.什么是用户体验2.为什么要强调用户体验3.用户体验和商业化的对立4.产品的设计立场是产品目标5.产品目标和用户体验的区别6.产品目标决定用户体验1.什么是用户体验用户体验是用户在使用产品过程中建立起来的一种纯主观感受，是用户在使用产品过程中建立起来的一种纯主观感受。用户体验的提升主要包含以下两个方面：从宏观上来说，用户体验就是提升整个产品所能触达到的服务。以滴滴打车服务为例，当用户使用滴滴出行App打车时，涉及的触达点有上车前、坐车中和下车后。这3个接触点构成了产品的用户体验。而“打开滴滴出行App→输入目的地→与司机电话联系并确认具体位置→上车→在车中→到目的地

之前我文章写到了设计师需要经历的几个阶段，其中设计师的第二阶段是数据化阶段。在这一阶段，设计师要通过数据去验证设计的效果。对于中级或者高级设计师来说，数据仿佛是去佐证设计的一件利器，它可以让我们设计更有说服性。基于这种情况，有部分设计师将数据过度神化和迷恋，都以数据为准，将数据当做唯一的衡量指标。数据只是衡量设计的一个维度，它并不是唯一评判标准。数据通常是将设计进行量化，如果单纯的用数据去衡量的话，我们会被表面的数据给蒙蔽双眼。忽略数据之外的产品逻辑，这样的话对于产品来说会产生很多问题并伤害到产品。数据的提升背后，可能会出现3个问题点，分别为：数据的欺骗性、无意义的数据提升、以透支产品为代价的数据提升。数据的欺骗性在做数据比对时，我们需要统一内部变量和外部变量，没有统一变量的数据，在进行数据对比参考性不足，但在实际工作中，却存在各种变量。举个例子，对一个广告弹窗点击率的优化，优化后设计的样式和布局做出了很大的改变，优化后，弹窗的点击率提升了20%，这时候能够说明是设计的优化导致数据上的提升呢？其实是不确定的，因为可能弹窗的弹出时机发生了改变，

♝点击上方“吴轶”关注我,一个产品设计的公众号。相关阅读：设计师必备的15项数据指标本篇文章目的：通过这篇文章让设计师能入门数据分析。并为以后学习数据分析，摸索前进方向。并将数据思维引入到我们的项目中。数据分析不再是设计师的弱项，我们也可以站在数据的角度和产品经理一起做决策。设计团队引入数据分析，那么就需要一套成熟的适合自己的团队的模型做基础，所以数据模型是我们数据分析的理论基础。本文讲的是设计团队中可能会用到的一些数据模型。在数据模型中，我们可以学到数据模型的分类思路，以及如何创造出适用自己团队的数据模型。基于这个目的，我们可以将市面上常见的数据模型找出来并进行整理并分析。通过熟悉主流的数据模型的产出逻辑，并从中找到规律，创造出适用于自己团队的数据模型。数据模型：本文要讲的数据模型包含：Google’s

这是我在团队分享一整套设计数据化的第一课，也是整个系列的最基础的一课。这是唯一一课不涉及项目的内容，所以我分享给大家，希望帮助大家快速理解数据的一些基本指标，并打开设计数据化的大门。本文主要是讲通用型产品的一些基础数据指标，帮助对数据不熟悉的设计师快速入门。产品数据化的好处可视化：用户行为可视化，可清晰的了解用户的行为。可追踪：通过一个时间段的数据对比，可一路追踪产品数据的情况，了解产品变化，通过异常数据追踪产品设计问题。可验证：提供数据支持和后期方案的验证。可预测：通过数据变化，可预测产品的走向和趋势。1.DAU/WAU/MAU定义：Daily

本篇文章的意义：如何站在更高更远的视角，战略性的推算现在和将来要发生的阶段，并将对应的阶段提前做好准备并付之于行动，以缩短进步所需要花费的时间。大家有没有想过设计师3年、5年、8年等等，在不同的工作时间段，所思考的问题和重点关注设计的侧重点对应是哪些？设计师在不同工作年限段关注的设计侧重点不同，这一变化说明设计师设计思维和认知能力在不停地升级。作为一个设计师的我现在和未来需要经历的几个阶段是什么？如果按照从前到后时间顺序，应该是怎么样的？我预测将来应该关注和思考的侧重点，现在就不断朝着对应的方向学习，并提前去升级自身的专业技能和思维，达到快速进步，节省职场工作时间。在我看来设计师要经历的阶段有4个，它们分别为：组件化、数据化、用户体验和商业化平衡、把控产品设计形态。1.组件化一般工作2-3年的设计师会关注组件化。对Android、iOS和PC端组件有深刻了解，在工作过程中会使用组件化思维做设计。组件化做设计的好处是：1.细节理解更彻底。制定各个组件样式和规范，在做设计过程中，依据现有组件控件设计，这种情况下可以防止不同状态细节的遗漏。同时整个产品的统一性能得到进一步增强。2.设计效率更高。直接复用组件样式，不需要设计组件所有的状态，一套组件可复用多个模块业务。3.高效创新。没有组件化之前，设计师在设计组件控件时，需要花费大量的时间做各种组件控件样式和状态，没有精力和时间去思考产品背景，基于产品背景下的产品目标，思考产品目标的拆解，完成设计全过程的落地，打磨用户的使用流程。同时组件控件形成统一认知可快速落实完成业务。学习组件化合理的路径：1.先梳理3个端的的组件控件名称和分类，然后梳理完善3个端组件控件的定义、使用场景、组件所有分类和状态、交互规则、特殊场景等。2.制定组件控件的设计规范，然后做成对应的sketch组件库，auxre元件库，后续有条件的话甚至可以做成支持多业务的开放式组件平台。我开始做交互时候，就梳理过iOS、Android和PC三端的设计规范，通过梳理设计规范，我的设计专业能力提升很快。2.数据化一般工作3-5年的设计师会关注数据，思考数据可以给设计带来什么？通过对数据的比对，对数据趋势的分析，能让我们发现哪些环节存在问题，哪些环节有提高空间。明确各种数据指标，明确设计目标，让数据为设计服务。下图为一些常见的数据指标，仅供大家参考。

最近几个月的时间在做亿级用户商业化产品，在做的项目过程中，有一个很重要的产品目标是商业化kpi，即满足用户的需求同时，尽可能的使产品盈利达到最大值。在此之前我从事的设计工作多围绕着设计目标，即主要服务于业务和用户，通过设计的方法提升用户在使用过程中的用户体验。而商业化产品则明显和单纯的服务于用户人群想排斥。即商业化和用户体验大部分时间是互斥的。既要考虑用户体验又要考虑商业化收益，如何做设计呢？如何权衡这两点之间的关系呢？如何在设计产品的过程中衡量用户体验和商业化指标？是否有通过量化的方式使得两者可以达到最为科学的平衡？什么是商业化通过流量将其进行变现，以此符合产品获得盈利的目标，这一过程就是商业化。通过从用户那里获取价值或收益，这一过程不可避免需要以牺牲用户为代价，获得利益，在这一过程中又是损坏用户体验的过程。如果不断的挖掘用户的价值，不给用户提供大于从用户那里获取价值的产品功能和体验，那么这会导致用户不断地流失。如何做商业化设计商业化设计可以使用两种设计方法，一种就是通过灰色版本提供小样本数据，通过数据计算，然后去平衡调整商业化和用户体验的度。另一种是通过全视觉高纬度的产品决策。前者是量化，后者是产品战略决策。第一种是有很直观的数据，第二种则是靠着产品感和设计感的经验。1.通过灰度小样本数据做商业化设计举个简单例子：优酷APP在看电视剧的时候，会播放60s的广告，对于优酷平台来说，广告时间长，可以从广告主那里收取的广告收益多，如果过度重视商业化指标，那么带来的后果就需要将广告时间不断的拉长，这样的话商业化的kpi完成了。但长期来看会带来一个严重的问题，就是过度从用户那里获取利益。导致用户体验很差，用户在优酷App上面留存数越来越少，严重伤害体验。用户人数少了，广告的展现UV会变少，广告费的支付是通过千次展现收取的。长期来看，商业化的指标会降低。那么针对这种情况如何设计广告时长呢？这样需要用到3个概念：1.千次展现：每1000UV展示。2.每分钟广告价格：一分钟1个UV价格。3.留存用户数：一段时间内再次访问的用户数。假如优酷广告的千次展现每分钟价格为30元，那么一分钟的广告，每千次展现只需支付优酷30元。用户留存人数，我简单的反比函数表示（这个数据模型并不准确），即广告时间越长，那么用户留存数越少。以整个平台为例，加入广告时长为1分钟，平台日活3000万。一个uv每天看10个视频。那么每天产生的广告收益=3万*10*30元=900万元如果广告时长为2分钟，最近几天广告收入会接近