交互学堂
专注分享专业知识

交互设计GSM数据模型浅析

交互设计GSM数据模型浅析

交互设计GSM数据模型浅析

GSM Data Model Analysis Of Interaction Design

你是否记得:

“那年那天那间会议室,激情四射,实际是射击狮与产品狗在设计方案上斗的你死我活”

你是否还记得:

“老板、甲方、PM对你的质疑:设计方案效果可否量化?”


以及,多少个让设计师无眠的夜晚…

——交互设计师的烦恼

关于设计价值应该如何去体现,是设计师经常会有的困扰。在商业产品里,设计不只在于感性的感知,更要有设计结果量化的体现,从而推进产品有方向、持续的走下去。在设计流程中可使用的设计方法有很多,身边很多优秀的交互设计师各自也都形成了一套独有的方法来辅助设计。近来发现越来越多的设计团队在流程中融入数据来辅助设计的进行。了解用户的特征、目标、行为、态度是我们设计的根本出发点,数据分析也是其中一种解读用户反馈的方式。

本文将对GSM模型进行浅析,它是一种适用于设计师的数据分析思路,指导设计师如何运用数据量化设计结果,以及如何通过正确解读数据来为设计寻找方向。设计师面对的设计项目千形百态,设计目标也各有不同,我们都是在设计目标主导的大方向下进行设计,数据分析亦是如此。

笔者能力水平有限,仅做参考,如有意见与建议,欢迎指正与讨论。

关于GSM模型

交互设计GSM数据模型浅析
图1  GSM模型

“GSM”取自设计目标(Goal)、现象信号(Signal)、衡量指标(Metric)三者的英文首字母。设计目标,是设计要解决的问题。现象信号,即用户会出现的行为现象。衡量指标,是基于设计目标,将用户行为转化为可衡量的指标。

那么,如何利用GSM模型进行分析呢?首先我们假设设计目标都会实现,那么用户行为会出现什么表现与信号,列举出所有,选择我们能够监控到的,然后将现象或信号转化为数据项,也就得到了相应的衡量指标。

其实GSM模型最重要的作用是为设计师建立一个简单的数据分析的思路框架。例如在方案设计前结合业务目标与用户需求,帮助我们发现问题,查找设计切入点来树立设计目标,在设计中帮我们斧正设计思路(回放开篇第二个场景…)对方案不断优化,上线后进行方案效果回收。(回放开篇第一个场景…

交互设计GSM数据模型浅析
图2  数据分析在设计流程中的作用

数据分析作为设计方法中的一种,通过建立系统性的分析框架,可以帮我们在设计的整个流程中走的更加从容。

案例探讨

下面我们以网站首页为例,从如何对首页数据分析,围绕GSM模型的“设计目标-现象信号-衡量指标”的框架思路进行设计切入点探索。

分析之前,我们可以假想网站是一个动物园,用户作为游客,来动物园的目的有:看狮子、逗猴子、调戏大象等。而首页就相当于动物园总览目录导航牌,其作用是告诉游客动物园的服务内容,如可以欣赏多少类动物、景点位置,还提供给游客到达景点的多种路线方式:随意逛逛的徒步方式、便捷的乘坐观光车、租用脚踏车等方式。首页对于用户来说就是如此,综合万象又能为不同类型的用户提供不同的引导方式。

1.Goal设计目标

关于设计目标,交互往往从两方面进行平衡:业务目标&用户目标,在此基础之上进行设计目标的建立。收集到各方面的诉求后,先从其功能以及使用人群进行出发。如上述所讲,首页的功能可以明确为:作为网站的导航页面。关于用户目标类型,会根据明确程度,分为不同的强弱档次。设计目标确立之前要对使用产品的用户类型有个清晰定义,主要针对哪类用户进行设计。

在Alan Cooper的“目标导向”理念提到:用户的目标驱动任务。目标明确型用户会直接进入任务,设计目标侧重于产品的可用性,即高效的引导用户找到想要的信息;而对于目标模糊型用户,则需要吸引,让其产生兴趣进而形成目标进入任务,在可用性之外,同样重要的在于让用户产生兴趣,减少流失。例如:58PC首页,从用户来源以及产品属性决定了,其用户多为目标明确型,目的直接,目标模糊类用户很少;而对于淘宝、天猫电商,两类用户的占比相差不是很明显。

交互设计GSM数据模型浅析
图3  网站首页对于两类用户的不同功能

综上,确定我们的首页设计目标为改善首页的可用性体验,即:作为网站的导航页面,将用户高效地引导到其所需要的内容中,并且帮助快速完成用户目标。

由此,我们提取出首页设计关键词汇:高效、完成。后续关于用户行为现象分析以及指标衡量都是围绕设计目标而出发。

2.Signal现象信号

交互设计GSM数据模型浅析
图4  在首页用户的表现信号

假设来到58首页的用户可以快速有效地找到感兴趣的内容,引导过去的路径下用户也完成了相应的目标。那么在首页,用户会产生哪些现象信号呢?对于网站首页,用户进来后产生的信号可归纳为四点,依次表现为:进入、发现、辨别、行动。

注:一般当用户在流程中出现可用性问题时,大多数也出现在这四步之中,

如:要找生活信息的用户从搜索引擎进入首页(进入),在首页里滑动鼠标进行浏览、查找自己所需要的信息(发现),然后通过图片、标题等内容以及设计形式来识别(辨别),找到后用户想了解详情,点击链接进入(行动)。

3.Metric衡量指标

我们已经假设可以满足用户目标,以及用户会产生了哪些行为现象。下面我们对可量化的用户行为进行筛选,转换为数据参数得到对应的衡量指标。

① 进入

首先是第一步:进入。作为用户进入的页面,在这一步经常发生的问题是退出,往往会产生两个对应的指标:

a.首页是用户在本站的着陆页,用户离开为跳出

b.非本站着陆页,用户离开为退出

往往,在这一行为中“跳出”指标可以衡量页面内容传达与用户目的匹配程度,是否符合用户的心理模型,这也是绝大多数网站首页最重要的数据指标之一。

② 发现

第二步:发现,即用户来到首页都要先浏览的过程。在这一步,设计师关注的问题是测试页面中的用户视觉流,关键信息能否被用户快速锁定。

交互设计GSM数据模型浅析
图5  用户在58pc首页的眼动浏览情况

③ 辨别

第三步:辨别,当用户发现关键信息后,需要通过识别文字或样式来判断当前的信息是否与自己目的符合,并决定是否要继续采取后面的点击行动。这里设计师关注的是信息的易识别性,来快速帮助用户做出决策。

关于识别性的指标,我归纳出3点来进行衡量:

a.鼠标悬停时间

b.后台报错率

c.人均点击次数(适用特殊控件,如筛选器等)

④ 行动

最后一步:行动,这个行动通常是指用户在站内内容的点击,可以简易归纳为下图。

交互设计GSM数据模型浅析
图6  用户在首页的点击行为

此处需要提一点,在上面的3种行为指标中,都可以从不同的维度来衡量首页的可用性。但“点击”数据是用户行为中最重要的一点。不仅仅是单个页面,用户在站内行为路径分析中,点击是作为路径中一个节点的结束,下个节点的开始。所以,我们主要针对图中的“站内分流”进行分析。

在首页的分流数据中,作为设计师主要关注两个指标:

a.不同内容的点击占比

b.其后续路径中的目标转化质量

以此来判定首页中不同的导航内容的表现,从而进一步分析和优化改进。

交互设计GSM数据模型浅析

图7  pc首页的用户查找信息方式


如图,第一步,我们首先对于不同的“找信息”导航功能在首页进行划分;第二步对首页中不同的导航功能进行转化对比。如:


搜索导航:点击占比30%;转化占比20%

全局导航:点击占比30%;转化占比25%

类别导航:点击占比20%;转化占比30%

由数据中,可以看出搜索与全局导航的点击占比高于转化占比,量高质低,在后续的转化过程中出现了问题,例如搜索准确度较差,或者列表页筛选或排序功能存在问题等等。导致转化占比低于点击占比,需要进一步分析和优化。而类别导航转化占比高于点击占比,转化效率较高。

理想是美好的,现实却是残酷的

数据也是多种多样的,更多的公司出于现实考虑,是根本不可能有一套健全的用户行为数据系统的,拥有自己的BI(商业智能)就已经很不错。这时如果需要更深入的对自己的用户行为进行数据解读的话,可以:

①接入第三方网站分析工具(建议小公司采用);

②搭建UER&UE关于用户行为挖掘平台(需要人才…);

另外,关于GSM模型在设计流程中的运用,本文只是基于相关理解进行分析。与此还要再次强调,数据并不是万能的,它对于交互设计师来说只是一种准确了解用户反馈的工具。交互设计的核心价值不仅仅在于此。交互设计师为团队带来了设计思维、从用户或者其他角度去看待产品设计的可能、更专业的交互理论和设计工具、和视觉设计师以及前端开发工程师更有效的设计沟通……所有这些一起才构成了交互设计师的核心价值。

相关阅读链接

浅析数据化设计思维:

http://www.aliued.cn/2015/01/06/%E6%B5%85%E6%9E%90%E6%95%B0%E6%8D%AE%E5%8C%96%E8%AE%BE%E8%AE%A1%E6%80%9D%E7%BB%B4.html

首页设计的可用性和PET:http://uedc.163.com/4327.html

本文出自58集团用户体验设计部(58UXD),转载时请连同下方内容一起转载。

交互设计GSM数据模型浅析


回复关键字,获取文章:

回复:UXD课堂,获取UXD精彩讲座集锦;

回复:你好设计,获取《你好,设计》杂志文章;

回复:设计沉思录,获取设计师心得总结;




如果您有任何想法,请联系我们,我们期待您宝贵的建议,E-mail:58friend@58ganji.com或直接留言给我们。

赞(1) 打赏
未经允许不得转载:IAMUE » 交互设计GSM数据模型浅析

评论 抢沙发

评论前必须登录!

 

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏