数据分析在携程产品设计中的应用

数据与设计的关系，业界向来颇多热议——有“数据驱动设计”之说，有“数据引导设计”之论，也有相似“数据关注削弱用户体验”的抱怨。看似感性主观的用户体验设计与理性客观的数据分析，究竟怎样才能相互做用进而碰撞出产品的灵感火花？

本文试抛一砖，将经过酒店产品设计中的两个案例来介绍数据在携程产品设计过程当中的应用实践，以及携程所构建的专业数据体系。

产品设计的数据观

做为互联网产品设计者，首先要树立对数据的正确认知，咱们称之“数据观”。

• 数据贯穿设计全过程，产品设计要学会用数听说话
• 数据是人创造的，只有人会解释和分析数据
• 明确业务/设计目标，根据需求来采集、分析数据
• 上线后关注数据变化，发现问题，快速迭代
• 持续监测、评估数据，以检验设计目标是否达成
• 数据不能替代用户体验，改进仍需结合多种手段

而要让数据分析真正有效地推动产品设计，又有如下必备条件：

首先是数据源，“巧妇难为无米之炊”，完善的数据采集、展现体系，是进行分析的先决条件。

而后是数据感，也就是从数据中捕捉、挖掘、分析的能力。

林彪当年在辽沈战役听取一场遭遇战的战报时，敏锐地发现缴获短枪长枪之比、小车大车之比、俘虏军官士兵之比，都显著高于日常，因而判断敌军指挥所就在附近。果真，经专门部署，在后续战斗中俘获了主将廖耀湘。林彪并无大数据分析工具，可是他有经验的积累，数据感出色，当数据异于日常时就能作出准确预判。

再次是对数据的分析法，常见的专业方法有多维分析、路径分析、留存分析、回访分析等，将多种方法结合使用会更有助提高数据支撑的深度。

最后，如何将从数据分析中洞见的用户行为与态度，在设计中予以体现，那就须要设计师的设计力。

携程的数据体系

数据分析在携程有着重要地位，这或许与携程创始人梁建章系出计算机专业又曾在Oracle任职的经历有关。在携程，数据既是考量工做绩效的指标，也是将来业务拓展的探针。

在携程产品的整个生命周期中，数据始终贯穿其间。始自一个创意的诞生，需求分析阶段就有基于数据的诊断性研究；随后在产品设计环节，又会有数据作出价值预估，并给出目标建议；在产品上线初期，海量数据环境的A/B测试，数据波动关注，一直到产品上线稳定后的运营监控、定制报表，数据无一不是重要的考察因素。

工欲善其事，必先利其器。携程平台打造了多款数据利器，帮助员工善用数据：

利器之一，UIP用户洞察平台。它将主要数据指标一网打尽，产品设计可根据须要，基于频道、页面、地理位置、提交渠道、流量来源等，逐一查看各类PV、UV指标，以及跳出率、二跳率、退出率、转化率、页面停留时间等数据。

利器之二，页面点击插件。点击页面上的每一个模块，能够查看到它的点击概要、访问趋势、统计数据明细、浏览器统计、页面热力图等信息。

利器之三，A/B 测试，也就是切取部分流量，采用科学取样方法，让新旧设计版本在同一时间段同质的用户群体内“以实践来检验”，直观地从转化率数据评判出设计的价值。这种方法稳定、高效，目前在酒店产品线已获得普遍应用，测试的成功率达到15%以上。

因为A/B测试仅在必定样本内进行，不致对全局业务产生影响，因而设计师得到更大空间去发挥他们的创意，勇于试错；数据比对会帮助他们不断修正设计中的方法误差。固然，A/B测试着力相对短时间，不能过分依赖，且更适用海量用户的测试。

利器之四是定制开发的KPI Portal，它根据各个项目的具体需求，将与项目相关的各种数据指标集成在一块儿，作出趋势看板，供项目中人快速、直观地了解项目目标达成状况。有趣的是，这些指标还可换算成收益！

然而光有这些数据分析工具，难免还有所欠缺。好比酒店详情页上展现的房型和设施信息，要从点击数据上分析用户对它们优先级的排列和分组的见解，就很是困难。由于定性的问题很难经过定量的分析工具来获得解决。此时，携程的用户研究团队就受命登场了。

用研团队会经过对典型用户的访谈、焦点小组、卡片分类、眼动追踪等一系列专业手段，挖掘出用户的行为与态度特征，帮助产品设计理解表象行为后的内在缘由，为优化设计提供依据和佐证。

携程民宿频道的设计进化或许就可归因于这种定量与定性分析的结合。

案例之一，携程民宿频道进化史

近年来，住宿市场上独具个性和人情味的民宿、客栈异军突起，深受游客追捧，因而携程应运市场趋势，在携程旅行客户端推出了民宿频道。用户访问的路径是：民宿频道首页（选择城市与时间段）-列表页（选择客栈）-详情页（了解客栈的房型信息）-预订填写页（对具体房型下单购买）。

最初，民宿频道只是将具备民宿、客栈属性的酒店收录进来，其页面样式仍然沿袭常规酒店的模板。很快，数据发现，民宿频道各页面的转换率低于常规酒店。用研给出结论：民宿频道功能照搬常规酒店，没有考虑民宿用户的特定需求；频道定位不清晰，没有凸显特点。

因而，改版优化开始。首先，经过对订单数据的挖掘，咱们发现民宿类酒店提早预订天数较之常规酒店更长，预订距离更远，说明民宿用户订单特征跟主频道差别明显，基本是度假出游类型；随后经过用户访谈，对用户特征作出了分类画像；再通过对竞品的对比研究，新的设计方案脉络清楚起来：

首页：着重浏览和推荐，弱化搜索功能；总体布局高、大、松；视觉暖色调，小清新

列表页：尝试提供大图模式，让用户出行前提早了解民宿特点

详情页：加强模块感，每一个模块均外露一部份内容，让用户对模块内容有预览

初版的设计方案上线即伴随A/B测试，结果发现订单转化率上升明显，而具体到各页面，转化率变更状况以下：

首页：首页-列表页的转化率出现了20%的降低（分析：用户找不到查询模块，迭代时需增强）

列表页：转化率上升10%，可是大图效果差于小图列表（后续默认切换为小图列表，同时保留大图列表）

详情页：到预订填写页的转化率上升（信息外露对用户有效，后续外露更多内容帮助用户更快决策；同时让价格常驻页面底部，减小用户来回拖动页面寻找的费力度）

    

在初版基础上的迭代在两周后上线，A/B测试的结果使人欣喜，首页到列表页的转化率由原来的降低逆转为上升2%，订单转化率继续上升26%。

面向客户的C端产品在数据指导下得到了明确的迭代方向，而面向商户的B端产品，也能够借助数据分析帮助用户得到工做效率的提高。

案例之二，客栈通APP订单详情页优化

客栈通是一款帮助民宿客栈老板管理房态、处理订单的软件，在这款APP上，订单详情的展现对老板相当重要，可是订单内信息较多，在最初的版本上作了逐行展现，用户要看全信息必须上下滑动3屏。

产品上线后就开始监测这个页面所涉及的数据指标，咱们发现，进入订单详情的用户大多只是查看信息，作出修改的只占13%；而修改操做中，修改订单状态的又远多于修改订单内容的。订单修改页面的平均停留时长达到11秒，说明用户定位到要修改的信息再完成修改有必定费力度。

虽然对订单信息作了逐行展现，但有些字段长度有限，能够考虑合并；而有些字段（如房型名称、房间号）长度可能超出但对用户这全不是问题——客栈老板对本身的房间如数家珍，并不强求完整展现。

因而，改版设计方向明确，咱们对订单信息从新布局，分红预订、住客、房间和结算四个小模块，每一个模块内信息精简展现，令一屏内能完整展现订单的重要信息；将低频的修改订单内容操做（如添加房间、入住人）经过入口隐藏起来；同时将咱们要强化的修改状态操做置底显示，引导用户进入主流程（办理预订-办理入住-办理离店）。

商户端产品的用户数与客户端不在一个数量级，所以设计验证咱们未采用更适于海量数据的A/B测试，而是实地走访多家客栈，经过高保真原型演示和任务模拟，直接观察客栈老板的操做，来进行可用性测试。

优化版本上线后的数据使人欣喜，订单查看和修改页面的PV有了30%以上的增加，订单平均修改时长由11秒显著下降至4秒；而与此同时，APP的订单修改量增长了30倍。显然，快捷方便的体验令更多用户把修改订单操做由PC转向手机。

对数据的研究终须落足于人

小结这两个案例，对数据的监测和分析始终贯穿于产品的生命周期。而在对数据的探究中，始终围绕着如下几个问题：

• 问题和目标是什么？
• 影响哪些用户？
• 影响哪些流程？
• 你但愿的结果是什么？如何测量？
• 是否有交叉影响（致使此升彼降）？

咱们的体会是，数据必须与使用场景紧密结合，明确目标来采集分析数据，同时引入用户调查、情境访谈等定性研究，多管齐下，善用数据资源去改进问题和发现新的可能，而非“为数据而数据”，或是被各类数据目标牵着走。

数据贯穿设计全过程，但不可能取代用户体验设计。全部的数据探索、研究和分析，到最后都要落足于人，所谓“设计以人为本”——经过数据和设计的彼此做用、相辅相成，最终去影响人的态度与行为，收获业务目标和良好用户体验的双双达成。

————————————————

本文做者林传毅，携程酒店UED资深交互设计师，2013年加入携程，负责酒店先后台产品设计及客栈通的总体设计。本文为林传毅在第八期【携程技术微分享】中的分享内容。视频回放可点击这里。

【携程技术微分享】是携程技术中心推出的线上公开分享课程，每个月1-2期，采用目前最火热的直播形式，邀请携程技术人，面向广大程序猿和技术爱好者，一块儿探讨最新的技术热点，分享一线实战经验。