移动应用数据如何提升用户体验

　　在心理学没有被大众普遍接受之前，大部分人只会认为心理学是研究精神病人的学科，与普罗大众是绝无关系的。随着市场经济的发展需要，现代心理学在推动经济发展方面显得举足轻重。那么数据给我们的提示呢？数据给我们提供的难道只是预测市场波动的趋势和产品模型证伪？在数据只被我们用来研究经济的时候，大部分人都盲目地追求数值的精确性以确保经济项目的精确制导，而忘却了数据也可以用于设计和提高用户体验。下面我给大家分享一下在友盟组织的主题为《iOS产品设计如何提升用户体验》沙龙中关于如何运用数据用于设计和提高用户体验。
　　基于数据的用户体验设计创新工场用户体验总监卓浩
　　数据在设计当中的使用，不管是狭义的纯粹的界面设计或者更广义一点的产品设计。数据可以从这样的一个维度来看，有专家级的极少量的数据，有量稍微大一点的就是定性的数据，还有大量的海量的定量数据。
　　专家视角，专家以专业的视角在做产品的时候对用户行为、产品体验等方面进行预测，对产品产生的表现的一个分析。发过来，通过产品的实际使用数据可以帮助校正预测方法，以提高专家视角预测的效率。
　　定性数据，用用户访谈，焦点小组等方法进行定性数据收集，以较少的样本量获得较高的调查准确率。
　　定量数据，凭借互联网产品数据收集的实时性，意味着开发者可以获得快速、大量、真实的用户数据，通过一定的数据研究方法可以起到很好的效果。定量数据和定性数据结合的方法更加规模稍小的一些团队。
　　第一：所谓的专家的视角就是在做产品的时候，或者在做产品过程中的用户行为分析、产品任务分析和流程分析的时候预先预测用户使用自己产品的时候会需要什么样的功能，对产品会产生什么样的表现的一个分析。
　　在做具体预期之前，通常会根据自己的经验，或者是一些第三方的数据来预测一下，比如预测在所有的用户行为当中可能有一些是比较主要的用户行为，并用一定的方法确定主要用户行为线路和哪几个行为是比较主要的。当你的产品真正上线以后，产品的使用数据会给你一个反馈，这个反馈有的时候会是和你预测的用户行为区域或主要用户行为是一样。但是也有一些可能会出现一些出入，比如说本来在你预测当中的某个部分是用户的主要行为，但是在事实的数据上发现并不是这样，或者说你并没有预测这条线路会成为用户的主行为，但是数据反应出来用户实际上会把这个作为一个主行为。同时因为数据是带有量的信息的，所以你可以看到比如这条线路的用户主行为在用户使用量上，就是要比其他的显得更多一些，更粗一些。从专家的角度对产品设计进行预测，但是反过头来，这个产品的实际使用数据是可以帮助你校正，这是一个很典型的用法。
　　第二：定性数据通常是指什么？通常是指你取一定的样本量，不会太多，不会说是成千上万的，但是又不是像一两个所谓的专家数据，通常会是几十个量级，得到一些你对这个产品的想法的验证，从而帮助你尽可能及早弄清楚你产品的方向。
　　举个例子，比如说当大家看到这张图（图片点击放大）的时候，我想问一下大家是看在哪里，这是一个很严肃的问题，可能会有的朋友说，我看到他这个头发颜色很漂亮，身上有很漂亮的纹身，头像的花很漂亮，可能会有同学这么说。但事实上如果我们用专门的仪器来跟踪一下大家的视线，你会发现这是真实的情况。实际上是有一些工具能够帮助大家把用户他自己不愿意表达，或者没有办法表达清楚的事情，清晰地展现出来，这个就是一个很典型的定性研究的或者说定性数据分析起到的作用。当然这个定性研究里面还有很多其他的方法，比如说像观察法，我们去找到这个目标用户，跟踪他一天的行为或者说他一段时间内的行为，来看一看他是怎么样工作，怎么样生活的。而不是说你听这个用户说，我一天会用你的产品十多次，但你实际跑去看的话，发现他其实一次都没用，或者说十多次只是打开看一下并没有真正使用。然后也包括像用户访谈、焦点小组等等，这些都算是比较经典的定性研究，或者说获取定性数据的方法。像这个例子叫视觉追踪这样的方法，在做定性研究的时候其实我所经常看到的是另外一个误区，就是大家会觉得，有的人会觉得定性研究因为它的样本量很小，一共才那么十几个人，它究竟靠谱吗？是不是其实做了跟没做其实没什么两样，因为你样本量这么小，其实它不能够代表最大量用户的真实情况，会有人有这样的看法。或者说另外一个极端是，有人会觉得要做研究，我们一定要很严谨，你十几个人的量可能不行，我必须要做到几百人，所以这样投入很大，时间、金钱投入都很大，我也没法做，干脆不做了。
　　第三：接下来我们再看一下定量数据，定量数据其实是真正只有在进入了互联网时代之后才有的一种奢侈，当进入了互联网产品时代，互联网产品凭借它的数据都是实时连通的，开发者可以得到快速、大量、真实的用户数据。
　　大家想象一下，在过去比如说像九几年甚至包括像两千年前后，那时候微软这个世界IT界软件行业的巨头，他在做产品的时候比如说office这样的产品，他们在做用户数据获取、用户研究，并且以此做分析来改进产品。他是什么状况？花大概半年的时间，就是请一个专业的咨询公司花大概半年的时间做数千个用户的访谈和调研，收集数据。然后再花将近半年的时间整理数据，反馈给产品研发团队，改进产品。所以传统的研发过程它的周期真的就是用年计的，但是当进入了互联网产品时代，其实有一个巨大的好处给大家，因为互联网产品它的数据都是实时连通的，这意味着开发者可以得到快速、大量、真实的用户数据。这三个非常非常关键，快速的、大量的、真实的用户数据，这个意味着只要我们这个产品当中做好了准备，每一分每一秒用户使用的情况，都可以成为你下一个版本改进的依据。而且甚至这些做互联网的人到今天，他们也正在去影响着很多传统行业，比如像手机行业里面以前是做市场的人员来主导的，因为对于手机公司来说，做市场的人员看起来是离商品销售距离最近的。他们觉得我跟店员接触是最紧密的，所以我应该来决定做一个什么样的手机，有什么样的功能，甚至长什么样。但是反过头来大家再看传统的手机行业到今天已经溃不成军，正是因为有互联网产品的思路正在进入到传统的手机领域当中，彻彻底底地在改变这个领域。
　　在定量数据获取当中或者定量的研究当中有这样几个主要的方法：
　　第一个就是所谓AB测试，AB测试就是上线几个不同的版本，然后让用户去使用，通过比较用户所使用不同版本之间的差异来弄清楚究竟哪个好。做AB测试这里面其实也是有几个关键点，第一个就是AB测试的这两个版本一定是利于比较。
　　比如说它可能是所有的指标当中只有那么一个或者是很少几个有区别的，其他大部分都作为控制项是相同的。因为只有这样才能知道究竟是哪个因素在起作用，像有的经验不是太丰富的团队他们会憋大招，就是一个版本里面有很多很多的改进，很多很多的革新。如果是这种情况，经常就遇到你看到这个数据不管是好的还是坏的，不知道是因为什么，因为中间发生的改动太多了。所以真正有经验的团队会是用短平快的方法，很快的一次改一个，一次改很少的几个，然后来做比较，发现哪个更好确定下来，然后再有新的测试和记录。当然如果说在更高深一点，其实这个实验还可以被设计得更加巧妙，你可以把你的数学模型设计成，的确是你同时测试了好多个不同的属性的变化，但是从数学模型的角度来说是可以把这些不同因素之间的相互影响分离出来的，这样其实也可以。但是对于大家来说，可能最开始作为起步还是短平快的方法，一次只比一个或者很少几个，这是AB测试快速试错的方法。
　　第二个实际上是很多互联网企业的杀手锏，就是所谓的百分之一测试。百分之一测试它的本质是什么？本质是说我控制一小部分用户，但是又足够量的，控制一小部分客户来使用我们的新版本或者新产品，然后得出反馈帮助我改进。
　　这个做法其实最主要的就是说避免一下子影响到太多的用户而产生不可控制的后果。比如像在早些年其实用百分之一测试用得最好的首屈一指的就是Google，对于Google来说，一年当中可能会有几千个这样的实验上线，然后会有几百个或者说几百次对产品的改进，仅仅对搜索而言。Google有那么多产品线，还有更多更多。像今天大家可能会更熟悉的是像facebook甚至把这个作为一种标准的上线机制，就是它的系统设计成为就是可以同时支持很多个不同的控制实验，所以它可以帮助我公司产品当中有很多的实验性功能，或者是新的产品特性，可以同时以少量用户测试的方法来进行。然后实验数据好我就作为正式产品上，实验数据不好我就把它收回来，重新改进。当他做成是一种大规模自动行为的时候，就出现了一个巨大的益处，就是你的产品新功能的改进、提交、发布变成了一项非常非常顺畅，不用说再像以往那样好象特意准备一个月，实验两个月，再调整一个月。反过头来看起来好象你是用了快速的方法，但实际上还是要经过两三个月才能上线。对于facebook他把整个产品基础架构设计成可以同时进行大量少量用户控制实验的这种结构，对于它的产品迭代改进非常有好处。
　　第三个就是对于这些数据的解读。其实数据是中性的，一个数据出来很少有那种，当你看到这个数据就可以很清晰地判断说，这个数据究竟代表着好还是代表着不好。大部分情况下，其实你需要首先确定的是你这个数据分析的目标，比如说举个最简单的例子，大家说一个网页用户来到这个产品上面，一个网页产品用户来到这个页面上，究竟是快快的离开好还是停留的时间久好，其实这两个没有绝对的标准，完全要根据你产品的目标来定。
　　比如说如果像新浪这样的门户或者说像新闻类的产品，可能大家希望用户来到这个页面多停留一会儿。因为这意味着用户在上面有很多的浏览，但是如果说对于Google搜索页面，停留得久意味着灾难，意味着产品质量不好，设计不好，不能让用户很快地找到他想要找的结果，马上离开。所以你的产品的数据，千万不要把数据当做所谓的万能的，看到一个数据就可以很快下结论，真的不是这样。首先你需要明确的是你数据分析或者你实验的目标是什么，然后根据这个再来选择说我看哪些属性，用什么样的数学模型来做分析。这个真的是一件技术活。
　　其实你经常会发现你看到了一个数据，发现这个产品某个使用量、流量上升了，但你真的不知道是为什么，这时候就特别需要什么？你可以找到你的目标用户去了解一下究竟发生了什么，你比如说可能在哪一年的时候，就是在Google曾经有一次发现在中国某一个省份搜索的流量突然一下到底，变为零了。如果你光看这个数据，其实你是没有办法得到任何结论性的东西，你可以有很多猜测，但你不知道真正发生了什么。但如果说你这时候去想办法找到目标用户，在当时那个情况下找到那个区域的用户，你会发现原来是被断网或者原来地震，数据这个东西就是中性的，你需要用其他的不同的方法来真正地去分析数据，得到有意义的结果。所以其实这就是我们刚才所说的从专家到定性到定量这样一个过程，同样的你看像定性这样的工作，其实对于常规来说一个小团队其实很难做。为什么？因为一方面是没有这样的技术能力，因为涉及到要在产品当中合适的地方埋数据采集点，另外可能没有分析的经验。但其实对大家的好消息，其实是有一些专业的工具来帮助大家来做这些事情。比如如下大家做的是网页产品，就可以考虑用Google的analysis，如果大家用的是移动互联网的产品，其实就可以考虑像友盟这样的工具，其实是有这样合适的工具可以帮助大家在没有经验或者说还没有技术能力的情况下，同样做到这样的效果。
　　最后，这也是一个真实的例子，今天正好也借着一个主题，因为是跟Steve有关的，包括像乔布斯，还有包括像有一些很牛的大公司，像宝马、保时捷他们曾经都不约而同的说过一句话，说我们不做用户研究。大家觉得这句话应该怎么样去解读才好？一方面是在传统的产品研发或者说设计领域，他们没有像互联网这样有利的工具，可以帮助大家迅速获得大量真实的用户数据，没有这个好处。另外一方面，这些设计很牛的公司他们的确是有牛的道理，就是他们的确是不需要专门再去做用户研究，因为他们的设计师本人就是超级用户。他们已经比普通用户还要更了解用户，这一点是在他们长期的积淀下达到的这种境界，就是他们拥有了对用户的洞察，或者说他们拥有了能够做出正确判断力这样的能力，这是很了不得的事情。但是大家也不需要迷信，比如说你像苹果公司他们有些设计师，他设计应用界面很牛，可是如果你让他设计一个电蚊拍，你看他要不要做用户研究！还有这个例子，大家注意看一下，这是在IOS5推出过程当中发生的事情，一夜之间，这条闹钟的功能界面发生了变化，实际上这就是在做用户测试，然后根据用户使用的数据反馈回来，帮助他们做设计决策。所以其实你看这么牛的公司，这么说我们全靠自己的公司，其实他也在用这样的方法，也是在与时俱进。
　　统计分析工具对于改善用户体验的价值友盟产品副总裁姜文一
　　数据对于一些用户体验的作用是这样的：任何一个产品它一定是有一定用户规模之后，才会产生有效的数据。这个数据会起到两方面作用。
　　第一个作用，对于你的产品的证伪，想知道我们用户到底怎么用我们产品的，只有当产品推向市场之后，有了数据才能证明我一开始的想法是对与错，方向才能找准，微调产品细节或方向。
　　第二个作用，就是当你的产品在持续定位过程之中，它能够告诉你的用户特征是什么，用户行为是什么，所以今天先简单讲一下产品数据到底在哪些方面上能够帮助我们在用户体验上得以改进。