數據分析，不僅僅是產品或運營的“專利”，作為交互設計師也需要掌握這方面的技能，來幫助我們做更好的設計。如果你是沒有關注過數據分析的交互設計師，下面這三點你可能需要知道。

數據分析的作用

1、發現問題

分析數據發現某個功能的轉化率/留存率低，作為設計師如何提升這些指標呢?可以從自身專業角度的分析、也可以通過可用性測試去挖掘，再針對性的做改進、調整。

2、對比改版前后的效果

某個改進后的設計方案上線后，需要對比改進前后的效果，驗證此次改進是否有效，根據結果做下一步的行動指導。

關注哪些數據指標

不同的功能、改版目標，關注的指標不同，下面只是列舉幾個例子：

1、同一個界面，不同模塊的點擊量對比，用戶黏性(PV/UV)對比

對于某個功能點，如果我們希望用戶經常使用、喜歡使用，這個時候需要關注的有 點擊量、用戶量、用戶粘性 。

2、層級由淺及深，每一層級的PV和UV ，看用戶在不同層級的轉化率/流失率

如果每個層級的流失率高，是否因為操作流程太復雜?這就需要交互設計師去分析具體原因了。

3、某個操作流程，最終的成功和失敗的比例

前面各個層級的轉化率綜合決定了最后的成功率，所以如果要提高這個指標，需要將各個層級都分析透徹，挖掘問題所在。

常犯的錯誤：改版前不操心，上線后才關注數據

作為很少關注數據的交互設計師來說，常常在改版前沒有操心，上線后想要某個數據才發現木有。

我也有過這樣的經歷，那個時候以為產品經理會跟進每次改版的埋點需求，也擔心我來提埋點需求會不會不太好。后來發現，目前所在的產品組，我對接的是產品總監，中間沒有執行此事的產品經理。作為設計方案的提出者也想看看設計上線后的效果如何，于是主動找產品總監聊了聊這個問題，看可不可以提產品組的埋點需求，得到的答復是“當然可以”。

所以，我現在的做法是，如果某個設計方案想對比改版前后的效果，我會提前將自己的埋點需求整理成Excel表格，發給相關的同事，再對照交互原型詳細討論這些埋點，確保雙方理解一致，不至于最后埋點的數據不是自己想要的。

總結

通過數據分析，可以量化交互方案的效果。作為交互設計師，可以主動去承擔一些工作，化被動為主動，去發現問題、改進問題，不用等到產品經理提了需求才想改進方案嘛。