支付宝设计师:营销互动设计的数据驱动

在业务快速发展的过程中,因为跑得快,不管是业务产品还是设计,都有可能犯错。不怕犯错,怕的是犯了错之后,不知道原因是什么,也不清楚为什么犯了这样的错误,因此所有的上线活动都是需要进行数据佐证的,至少数据可以说明一部分问题。

支付宝设计师:营销互动设计的数据驱动

那在产品上线之前,就需要进行更多的设计洞察及思考,预先制定可获取的业务指标或者设计目标,那产品活动上线后,去检验是否达成了目标。

一.我们的故事

每个设计师背后都有很多故事,设计师小梅的故事更多。小梅已经工作两年了,在这个公司不算老人也不算新人。最近他接到了一个新业务线的需求。

设计师小梅故事:

产品经理小雷想做一个营销活动,希望这个活动非常热闹,利益点要很突出。同时希望在某些特殊的节日,能支持换肤,做用户的情感化运营。设计师小梅马不停蹄没日没夜的进行各种需求支持。做的越多小梅心理的疑问越大,热闹的氛围真的能让用户更有参与的动力?节日氛围的运营,是否激起了用户的情感,让用户产生了更多参与的意愿?他支持着越多的营销活动,这个疑问就越大。

2017年,线下消费者运营线的设计师们开始了每月一个营销活动的设计支持。在这个过程中,设计师开始尝试了各种设计风格,营造了各种节日的氛围,我们从最初的设计支持,逐渐转向设计验证。

因为在设计的过程中,单纯靠设计思维、设计方法、设计经验,都很难证明设计对用户产生的影响,无法通过已经上线的活动指导后续将要上线的活动。设计师开始更多的依靠数据驱动的方式进行设计支持。

活动的支持相比之前的线上活动,用户的角色更多,包含了用户及商家;业务和产品的对接更为复杂,包含了产品、运营、ISV、中包等多个领域;迭代或者更新换代更快;为了更好的支持、推动、赋能好业务,总结出了三个核心的驱动理念。

支付宝设计师:营销互动设计的数据驱动

1.设计与业务共创,完善整体的服务流程;

设计师小梅故事1:

这天运营同学小丽来找设计师小梅,需要小梅支持一下商家扫描红包码后的绑定页面;隔天运营同学小明也来找设计师小梅,希望小梅能帮她设计一下辅助商家理解红包码的物料粘贴说明,这个物料是商家申请领取红包码后,同红包码一起寄送给商户的。设计师小梅想,怎么都是红包码的产品,但是不同的运营同学来支持?另外商家扫描红包码绑定自己的账户时,是不是也可以增加粘贴的建议或者其他帮助信息?他觉得红包码整个流程的触点中,还有很多的触点有体验提升的机会。

支付宝设计师:营销互动设计的数据驱动

例如,红包码项目,整个产品的链路从商家申领、快递邮递、用户打印、用户分享到线下张贴用户领取,链路很长,其中在整个链路中还涉及到了众包、小件员、ISV服务商等角色,帮助整个链路能正常运行。

在这个服务流程里,我们总结了以下要点,这些要点推动我们使用了全链路服务设计。

  • 1.当业务在快速发展的过程中,同一个产品可能会横跨好几个业务方,涉及到好几个产品经理,但是统一的输出口都在设计师端口,因此设计师是把控整体体验的唯一枢纽
  • 2.共创保证的是业务转化与用户体验之间的平衡与对接,切实的了解产品的意图及障碍,才能考虑到服务流程里的方方面面。
  • 3.建立全链路的服务流程体验、建立在这个流程上的数据转化曲线,寻找关键数据转化点,进行设计思考及方案的发想。建立全链路服务流程的过程中,用户的情绪旅程用数据的转化效果进行评估,这不单是一种体验感知的推测,更通过有数据进行了修正。

支付宝设计师:营销互动设计的数据驱动

2.最小设计单位响应,从服务流程到关键路径页面转化;

设计师小梅故事2:

产品小雷来找设计师小梅,讨论了一下后续准备做的需求,希望设计师小梅能尽快产出方案进行需求和设计评审。设计师小梅从支持过非常多的那些项目中总结,首先得证明业务或者产品方向是否能跑通,然后再逐步进行产品优化。当前还没验证这个方向可行,能不能用比较效率的方式迅速的实现,先验证方向的可行性再进一步的做迭代上的优化?

宏观上,我们通过整体链路的设计,完成了设计的体验闭环。而在整个支持环节中,受限与各种资源和渠道的限制,只有支持的线上活动、线下物料有较快的迭代能力,那如何进行快速的设计响应:

需要设计师配合产品及工程师尽快的上线产品,那我们需要通过现有的组控件进行最快速的实现,可以通过灰度测试用户的反馈,迅速的进行下个版本的优化准备;

在快速支持的过程中,为产品留下足够的扩展空间,方便后续在业务侧进行变更的灵活性。这就是使用最小设计单位响应,做最核心最精简的路径,先满足关键路径的需求。

支付宝设计师:营销互动设计的数据驱动

3.最小设计单位验证,切分为最小元素进行验证;

设计师小梅故事3:

这天运营同学小明来给设计师小梅提需求,她讲到需求中ABCD...这些业务指标都非常重要,还需要增加激励文案,需要增强abcd各种点击按钮,整个界面被各种信息包围。小梅感到非常头大,对小明说,这个界面信息太复杂,用户根本无法一时之间接受这么多信息,另外点击操作按钮太多,只会混淆主任务路径的完成率。另外,用户在这个界面的主任务是什么。小明呵呵一笑,这些都比较重要,这些都是业务主要的目标。

在业务快速发展的过程中,因为跑得快,不管是业务产品还是设计,都有可能犯错。不怕犯错,怕的是犯了错之后,不知道原因是什么,也不清楚为什么犯了这样的错误,因此所有的上线活动都是需要进行数据佐证的,至少数据可以说明一部分问题。那在产品上线之前,就需要进行更多的设计洞察及思考,预先制定可获取的业务指标或者设计目标,那产品活动上线后,去检验是否达成了目标。这个过程分解在设计过程中:

  • 1.先用低成本方式产出方案进行业务方向可行性测试,从产品、技术、设计及用户端,这个方案都应该是简单的,以达到能快速响应的目的。
  • 2.首先定义基础页面结构,然后去排序页面里文案、配图、按钮等可能对用户行为转化有影响的元素,对用户可能的转化相关性大的元素,利用可配置项实现。可配置项的意思是我们可以在线替换元素,进行用户测试。
  • 3.在基础页面结构之外,考虑可扩展性。可扩展性指的是当业务要增加某个模块或者减少某个模块时,不会动到整体的页面框架。考虑可扩展性是降低设计和开发成本最有效的方式,但是同时他与创造性是相对。

支付宝设计师:营销互动设计的数据驱动

通过一年的运营活动及营销产品设计,我们从以上三个点完成了非常多的测试,并且与业务与产品有了更好的共识。但是新的故事产生了。

二.故事背后的研究

设计师小梅故事4:

这天产品小雷来找设计师小梅,告诉他我们现在要做点活动,希望能给经常使用支付宝的用户一些回馈。小梅就开始和小雷进行需求讨论。讨论的结论是小梅觉得小雷的方案对于用户来说完成度可能有点难。但是小雷还是非常坚持自己的想法。小梅只好去和自己的老板讨论这个问题,老板反馈了一个非常重要的信息,解释了小雷坚持的原因,这与业务的决策方向和业务指标是相关的。
小梅还是非常的质疑,他输出了很多的设计方案与业务一起讨论,并进行了一些用户测试,最终输出了一份大家基本都认可的方案。但在这个方案中还有很多细节都存了疑。

数据驱动设计思考框架

在原来的经验基础之上,深入的思考:

  • 1.与业务共创,要求深度理解业务,包含了两个方面公司业务目标的理解和数据增长策略的理解。整个公司肯定有一个北极星指标,而每条业务线也一定有自己的核心业务指标,例如有的设计小组对应的业务线的所有产品都是在做用户拉新,那拉新就是核心指标。在这个核心指标之下,设计会分解出诸如降低用户认知成本、操作成本、简化流程等各种设计目标。
  • 2.最小单位响应则重点在建立体验闭环的思维框架,如果项目排期非常紧急,需要快速的用平台能力进行全链路搭建的支持,减少定制话页面的设计。平台支持不仅能提高效率,也可以达到体验的一致与统一,并且逐渐将品牌渗透给用户。
  • 3.如何进行最小设计单位验证则是我们最重点细化的部分,从全链路的体验设计环节中,抽离出用户任务的主要路径,分解出数据指标,通过“设计洞察-设计假设-设计方案”不断进行数据测试,下面将重点讲述这部分。

深入思考后,我们持续的深化细化了一个数据驱动的思考框架,用简单的话来讲就是“从大处着眼,小处着手”:

支付宝设计师:营销互动设计的数据驱动

设计师小梅故事5:

设计师小梅对于整体的沟通不在话下,毕竟设计师最擅长的事情就是解决问题,给出方案。但是他比较疑惑的一点是,从整体的服务流程中抽象出关键转化路径后,如何进行系统有序的进行设计测试?以前的做法是对每个页面都进行各种元素的测试尝试数据转化提升,但是这样的方式做来做去,复用的经验并不是很多?

“小处着手”的核心理念依然是进行切分,做最小化设计及最小化设计验证。通过切分出的每个节点包含的元素(如形式、颜色、文案、样式等)来提升转化。但是如果没有建立有序的测试框架,最终很难将测试的经验对用到业务指标上。所以从建立用户主任务路径后,需要先设定好任务路径上的数据转化指标:提升转化、效率提升还是提升留存?然后通过设计洞察-设计假设-设计方案验证进行测试。

支付宝设计师:营销互动设计的数据驱动

数据驱动设计数据地图

最初我们根据用户在整个的产品的生命周期中建立了一个数据地图,包含了这个业务所在区域涉及到的业务规划、业务指标/涉及目标、用户的转化路径、问题洞见、设计策略以及设计效果。但是在进行数据驱动课题研究的讨论后,大家对这个地图的感知可能觉得有点复杂,在建立起来并不是非常的方便。

支付宝设计师:营销互动设计的数据驱动

因此根据业务线特点,将我们的产品单独从整体的业务流程中分解出来,只显示关键路径的转化跟踪。以下是一个比较简单的示例,在实际做事情的过程中,这个推导过程更为纠结和复杂,甚至会有非常多的反复。因为设计问题洞察和设计假设并不是每次都非常准确,如果假设错误的方向,那得到设计结果一定不理想,业务发展的速度不一定有时间让设计师再进行一轮设计,可能需要更灵活的寻找机会进行复测。

支付宝设计师:营销互动设计的数据驱动

在验证的过程中最核心的两个点是制定业务指标/设计目标和进行设计假设。指标和目标的制定主要依靠与业务沟通,从营销活动上来讲,我们一般都是做点击转化,提高渠道引流的数据转化和任务按钮的点击转化。这个数据地图是综合各种书籍、其他团队的经验进行的产出,理论产出之后,我们在后续的活动设计中开始应用。设计假设是数据验证风险最大,与结果最相关的一环,最初设计师是通过可用性测试、设计原则、设计经验、业务讨论等方面进行一些设计的洞察和设计方案的跟进。但是这些方式分解的颗粒度仍然不够。我们希望能寻找到更细的颗粒度进行设计假设。

支付宝设计师:营销互动设计的数据驱动

设计师小梅故事6:

设计师小梅在设计上线之前,按照这个方式进行了设计数据地图的设计,但是遇到设计假设的时候,他发现自己之前测试的经验非常难概括,他希望能更抽象的概括一下这些设计测试,并将测试结果在新的方案中不断的进行迭代。

如何进行设计假设

在进行设计测试的时候,发现在设计假设这一环,我们缺少抓手。因此引用了"测出转化率"这本书中一个思考的框架。通过用户认知的相关性、清晰度、焦虑感、注意力和紧迫感来进行设计效果的检查,从这几个方面进行设计假设,并产出对应的设计方案进行验证。

支付宝设计师:营销互动设计的数据驱动

通过设计假设验证的案例

相关性

  • 用户不同阶段任务相关性。

这是对比同一个营销活动中在整个活动周期内,同一个点击按钮的点击转化变化。蓝色的曲线的趋势代表了用户在活动初期,对该任务有较强的依赖,到活动中后期,这种依赖逐渐减弱至最低。这个对设计师的启发是随着活动时间的推进,用户的任务是会发生变化,要在前中后期设置不同的转化目标,才能在整体上提升数据转化。

支付宝设计师:营销互动设计的数据驱动

  • 入口相关性。

以12月份瓜分15亿活动为例,从最初方案“期望用户到店付款,所以提供一个用户到店付款攻略”到最后的方案“为用户显示打卡日历”,后者的点击转化较前者有较大提升。猜测的原因是,打卡日历与当前用户的进度相关性更大。另外在设计初期,该位置的内容属于可配置区域,对后续的测试提供非常大的便利。

支付宝设计师:营销互动设计的数据驱动

  • 页面信息与用户行为转化相关性。

在瓜分15亿活动中,在页面的主视觉区域其实是现实了用户的到店付款的条件,但是上线后依然有用户咨询支付后没有记录笔数的问题。当时设计师猜测的原因有1.主视觉区域的内容太多,导致用户自动忽略了信息提示;2.限制条件越接近用户行为转化按钮,用户犯错的概率越低,反之,用户可能就会忽略该信息。当页面信息比较复杂时,更多的信息不被用户接受,如在进度附近显示激励文案,对用户的转化行为没有影响。

支付宝设计师:营销互动设计的数据驱动

  • 文案/数字情感塑造相关性。

在2017年的红包雨活动中,当时设计了非常多的红包数字组合,有较好的传播效果。因此建议业务依然做有趣的文字/数字组合,最终证明传播效果还是很不错的。

支付宝设计师:营销互动设计的数据驱动

  • 体验完整度相关性。

这个案例其实是我们设计假设与最终用户反馈相差比较大的一个案例。
上线前假设用户对12月汇总的金额理解上会有误解
1.认为自己总共获得了总计金额
2.认为总计金额都是同类型红包
上线后舆情反馈
1.红包不见了—获取的红包可以在自动抵扣支付是抵扣掉
2.活动没有固定入口,用户想查找红包时遇到困难
3.用户认为拿到的是花呗红包

所以在设计过程中首先是全链路的体验路径没有考虑的很全面,第二是活动性质与红包抵扣的条件的相关性没有建立。用户可能会通过代扣等其他形式,无感知的将红包抵扣掉。

支付宝设计师:营销互动设计的数据驱动

清晰度

  • 信息层级清晰度

上线前假设,可用性测试/启发式评估
1.用户无法理解两个活动
2.对整体活动有影响
上线后反馈
1.用户无法理解两个数字之间的关联,但是完成度不错
2.花呗的开通按钮影响了到店付款按钮的点击;
3.页面的众多活动将用户导流进入了其他活动;

这个方案上线时,大家其实心里都很紧张,毕竟问题挺明显的,非常担心用户后续的认知障碍和转化效率。但是出乎意料的是,虽然周围的一些使用者反馈看不懂为什么有两个数字,但是大部分沉默用户默默的完成了各种任务。这个测试结论我们并没有输出,后续的方案还是按照能简单就简单点来。

支付宝设计师:营销互动设计的数据驱动

  • 用户行为引导清晰度

上线前假设
1.点击按钮太多其实是起到分流的作用,可能对用户的主任务流程有较大的影响。
上线后反馈
分流效果明显,但是对于业务来说从另一个角度盘活了其他的活动。该活动页面变成了流量分发页面。

对于设计来说,这个其实是一个反面案例,站在用户和商业平衡的角度来讲,这个页面的设计更倾斜向完成商业目标。但是这个页面数据转化的变好,可能是由多方面的原因造成的,在用户的关键路径上,分散注意力的信息点还是太多。

支付宝设计师:营销互动设计的数据驱动

  • 文案说明清晰度

上线前假设
活动规则很复杂,并且叠加了好几个玩法,担心用户理解不了。需要做好攻略进行支持。这个时候客服提供了一种视频说明的方式,大家放了一个入口想一起看看效果。
上线后反馈
视频说明的效果比较好。

这个结果输出到了后续各种设计中,不仅针对复杂的内容、针对新手教学也可以辅助视频说明。

支付宝设计师:营销互动设计的数据驱动

紧迫性

  • 内在紧迫性(队友激励)

上线前假设
1.社交的群功能不够闭环,会影响用户的转化和舆情;
2.单独做个列表的体验更好;
上线后舆情反馈
1.其中1个问题是由于社交群功能不闭环引起:群聊中人数不一致,超过或少于战队人数;
2.用户看不到自己战队的名单;
3.无法查看队员的打卡状态;

根据用户反馈,上线了一个展示队友的优化列表,增强战队成员之间的沟通,这个战队列表上线后,群的活跃度有所增加。

  • 外在紧迫性(奖励刺激)

上线前假设
1.认为这个页面的转化应该不是大问题,利益点比较突出,对用户没有门槛;
上线后反馈
1.这个页面的点击率一直上不去;
2.增强奖励的利益刺激后,点击率有一定提升,但没有突破性的上升;

从设计假设的层面上讲,我们对用户的洞察还可能不到位。特别是设计方案只针对了一部分价值点可驱动的用户,还有一部分用户可能依赖价值点无法驱动或者驱动力非常弱,需要通过更有创意的互动方式进行参与引导。

支付宝设计师:营销互动设计的数据驱动

  • 互动紧迫性

上线前假设
互动可以帮助用户更有动力的参与活动,但是不清楚参与活动动力有多大;
上线后反馈
增加战队成员列表后,群的活跃度有所上升。并且参与战队的用户完成任务的程度更高。

通过用户之间的互相督促,可以有效的提供更多的紧迫感。这个时候,让用户了解全部成员状态及整体活动状态和确定的权益,都是促使用户之间相互督促转化的要点。

焦虑度

  • 隐私

设计假设
增加用户选择是否开启打卡状态,以降低用户对隐私的担忧
上线后反馈
未开启用户占比开启用户约不到1/5

降低用户的焦虑度,增强用户的确定性,对数据未必有很大的影响,特别是不会引起用户的反感或者对活动产品的不安全感。

  • 完成度(保证/品牌)

设计假设(经验复用)
确定的利益点对用户更有刺激性;因此显示翻倍倍数及用户累积的兑换规则;
上线后反馈
这块没有确定的数据反馈出来。

确定的利益奖励可以增强用户的信心,从而不断的激励用户更进一步。但是另一面是确定的利益的等级划分非常重要。在本次的等级划分过程中,有些用户反馈后期的倍数增长非常的慢,先易后难的这种机制可能对某些用户的转化产生影响。

注意力分散

  • 令人望而生畏的文字

在前面的几个案例中,我提到了好几处界面中信息过多和复杂的问题。信息复杂或者过多毋庸置疑是会使用户注意力分散。更可能产生的行为数据影响则是用户会被更多的信息吓到,不再进行下一步操作。关于这一点,我们通过支付宝的哥伦布调研问卷进行了用户回访,得到的结论与设计的猜测非常接近,但是当时的配置内容不包括将整个页面替换掉,因此没办法进行分流测试。

  • 信息弱化引发的注意力盲区

承接上面的内容,当信息太多时,弱化的信息会被用户自动忽略,因此即使在这个界面写的比较清楚的规则,依然有用户在不停的咨询关于参与这个活动的一些问题。加强信息区域的展示,可以缓减用户产生的疑问,彻底消除问题,还是需要从整体的用户体验流程里,将用户需要的服务打通。

支付宝设计师:营销互动设计的数据驱动

通过用户测试、专家评估辅助设计假设的抓手相关性、清晰度、紧迫感、焦虑度、注意力分散这几个方面,可以更全面的进行设计问题的洞察,在设计前期就可以规避掉大部分问题,对于一些不确定和有分歧的点,则可以上线后切流量进行设计,根据数据进行不断的迭代优化。

无数的设计师应该都遇到过这样的问题,当我们想推动一件事情的时候,发现自己缺失了一部分强有力的理由和证据。首先可能是由于我们与业务之间没有建立非常信任和平等的合作关系,其次则是由于我们没有客观又科学的方式进行产品评估,这种客观的方式需要大家一致的认可。

三.写在最后

设计师小梅故事7:

设计师小梅通过了各种数据测试,输出了非常多可以提升数据的案例,这些案例是不是具有可复制性?另外是不是每个活动做的时候都可以直接使用这些结论?

在营销活动设计过程中,影响活动的效果外在因素非常的多。

例如市场上如果有同类型的营销活动,用户可能产生了疲劳度也是会影响自己公司的营销活动,但是你无法预测是不是存在这种风险;第二是设计效果引起的数据转化,在不同类型的营销活动中有可能会有比较大的不同。

例如曾经在红包码的主活动页面露出多个分享渠道,发现总体点击率是下降的,而变成一个按钮并显示“分享赚钱红包”后,点击率是上升的,绝对用户点击数量也是比直接露出高一些,但是在其他活动的数据转化中却得到了相左的结论。

因此设计假设、设计测试输出的结论是相对结论,可以作为经验和思考的方向,在应用之后,还应该通过科学的验证方法进行测试,并不断迭代优化。

本文主要提供了一些在设计层面数据驱动的思维框架与思考方法,可能还有很多不足,但是我们会不断进行完善,让这个方式更简单易用,切实的能帮助更多的设计师有理有据的做设计。

作者:龙晴,语雀是什么 ID:Yuque_Ant,来自蚂蚁金服的云端知识库。

本文由用户@你笑的样子发布于新媒体运营,未经许可,禁止转载。

题图来自Unsplash, 基于CC0协议。

本文由 新媒体运营 作者:你笑的样子 发表,其版权均为原作者所有,文章内容系作者个人观点,不代表 新媒体运营 对观点赞同或支持,未经许可,禁止转载,题图来自Unsplash,基于CC0协议。
1

发表评论