如何处理数据

数据是用户体验的重要组成部分，不能跳过，也是我们工作的重要帮手。我们需要数据，依赖数据和提供数据。那么，我们如何查看数据？首先，我们必须了解数据不冷，数据是温度，数据不仅表面上，而且数据背后还有原因和规律。我们的工作是通过数据表面查看用户对数据背后的想法。这是一组在线收集的外国社交网络数据。数据在春季最高，随后数据暴跌，夏季降至最低点，秋季开始上升，初冬升至最高，圣诞节降至年内最低点，然后上涨。这会是什么样的数据？请考虑一下

数据是用户体验的重要组成部分，不能跳过，也是我们工作的重要帮手。我们需要数据，依赖数据和提供数据。那么，我们如何查看数据？首先，我们必须了解数据不冷，数据是温度，数据不仅仅是表面上，数据背后有原因和规则。我们的工作是通过数据表面查看用户对数据背后的想法。这是一组在线收集的外国社交网络数据。数据在春季最高，随后数据暴跌，夏季降至最低点，秋季开始上升，初冬升至最高，圣诞节降至年内最低点，然后上涨。这会是什么样的数据？请考虑一下，继续往下看。这是用户在美国社交软件faebook上收集的一组数据，用于改变他们的爱情状态。在春天，改变他们的爱情状态的用户数量激增，夏天已经下降。用户在秋季下半年改变爱情状况的情况再次急剧增加。但在圣诞节那天，很少有人会改变他们的爱情状态。然后开始再次成长。从表面上看，这只是改变社交网络中爱情状态的年度模式的一种表现形式。人们]喜欢在春天和秋天改变爱的状态。如果我们的数据分析只停留在这里，我们会发现没有多大意义。我们必须根据现实考虑这些数据背后的含义。你为什么要改变春天的爱情状态？根据我们的日常经验，春天的春天开花，人们更容易产生爱的感觉，再加上情人节期间的媒体宣传，点燃了人们的爱情感受。根据许多词语，如“四春”，我们会发现古人已经意识到春天更有可能有爱的冲动。因此，当我们开始坠入爱河时，我们自然会在社交网络上修改我们的爱情状态。我们猜想从单身到爱情的比例最高。 在秋天，特别是在深秋，人们开始有不同的感受。许多中国古代诗歌都会让我们发现秋天一般意味着不同的部分，这种情感一般持续到初冬，然后完成分手。而圣诞节，全年是西方最大的节日，即使你想要分手，每个人都会尽量不伤害对方，所以圣诞节期间爱情状态的变化将是全年最低的。通过这些分析，我们会发现这组数据背后的第一层意义代表人类情绪一年的趋势，第二层代表人类情感会受季节影响，第三层代表人们会有同情心。尽量不要做重大节日上互相伤害的事情。大多数时候我们只看到数据的最基本含义。最常见的是一些AB测试，或者修改后的数据变化显示效果不好，并将直接得出结论。这个改变不好，我们需要改回来。这种处理数据的方式太粗鲁，不需要人类存在，没有A1功能的计算机可以实现，只是超过了大小。我们对数据采取的正确态度应该是看数据背后的人的特征。数据有很多用途。作为非数据专业人士，我通常认为数据有两个主要功能，即测试前和测试后。在这里，我给出了一个与用户体验无关的有趣示例。我们更容易理解游戏玩法和易于出现的误解。如果一个女孩想要过生日，你非常喜欢她，并想给她一份礼物。这时，你可以有两种方法:方法一，通过朋友知道女孩的生日，然后知道她的星座，然后在网络上搜索女孩的性格，搜索角色的女孩会有什么样的礼物最后，你为她买礼物。交货后，你必须问她是否喜欢它。一般来说，你会得到一个像“喜欢，谢谢你”的答案。方法2，我们找到她的社交号码，微博，微信，QQ空间等。 然后，她仔细检查并统计了她的社交网络帐户，分析她转发的内容最多，并观察她是否通过文字表达了对某些事情的特殊爱好。最后，我们可以得出一些数据，如:她在微博上对美剧相关转发30％，食品转发15％，美容转发35％，街拍转发10％，其他10％。其中，相关的美剧反复表达了他们对某一戏剧和剧中英雄的特殊爱好。然后你买了一个由演员签名的限量版海报并送给她。当你问她是否喜欢它时，一般来说你得到的答案就是“讨厌”。我想每个人都应该能够看到第二种方法更容易成功。但是它们都包含了我们经常犯的很多错误。首先，我们经常试图通过所谓的大数据猜测我们的目标用户，也许是因为它是最省力的。我不反对大数据的存在，但用户体验是一个更详细和有针对性的工作。通过大数据获得的东西通常只给我们一个方向;我们也需要非常了解我们的产品。现在市场细分和垂直渗透变得越来越重要，为了真正了解用户，有必要进一步关注更具代表性的小数据深入分析。只有大数据是绝对不够的。其次，我们经常只看纯数据而忽略数据之间的权重。在第二种方法中提到的女孩的例子中，美容内容的转发率高于美国戏剧的转发率。但是，由于美剧的内容比较明显，美女是女性喜欢的内容。因此，在美容转移量实际上高于美国戏剧的5％的转移量的情况下，仍然考虑与美国戏剧有关的礼物。人格比普通人更有吸引力。这就像人们需要呼吸一样。空气本身也是人们最重要的。但在人的心中，空气将永远存在。除非世界末日不存在，否则空气总是不容易受到重视。第三，app开发反馈的真实性值得仔细研究。我们经常使用表面数据分析来推导表面结果，然后努力获得表面反馈。 事实上，许多反馈都具有内在意义。也许用户的答案并不好，不，但这并不意味着我们做错了方向，也许还有其他含义。经过分析，我们可能会对下一步有所建设性意见。对数据表面的“讨厌”可能并不是真的很烦人。我稍后会有一个具体的案例研究。