UX 作品 規劃設計 數據分析 Jill Wang 2019
UX 規劃設計分析 2
APP 規劃設計 資訊架構 流程 Wireframe, UI Flow 3
APP UI 設計 前往觀看 UI 設計 規劃文件如後頁 ( 資訊架構 流程規劃 Wireframe & UI Flow)
資訊架構 前往觀看大圖 流程規劃 前往觀看大圖
Wireframe & UI Flow 前往觀看大圖
Wireframe Paper Prototype 7
競品分析 資訊架構及流程 12
GG 資訊架構 賽事資訊 隊伍直播影片 皇朝資訊架構 賽事資訊 隊伍直播影片 賽事列表 賠率顯示 總局 / 第幾局賠率按鈕 早盤 / 滾球賽事列表 Live/Today/EarlyMarket 賠率顯示 總局 / 第幾局賠率按鈕投注資訊 Live/Today/EarlyMarket 注單 輸入投注金 加入至過關注單 Parlay 確認投注 投注資訊 若要玩 Parlay 很明確地在此分類往下進行與 SBO Sports 同模式 賽事資訊 隊伍直播影片 GG 電競 若要玩 Parlay 需先在賠率頁面, 將賠率加入至過關注單 注單 輸入投注金確認投注投注資訊 皇朝電競 過關 Parlay 賽事列表 賠率顯示 過關注單 總局 / 第幾局賠率按鈕投注資訊輸入投注金 過關注單 輸入投注金 確認投注 確認投注 Outright 特殊投注 賽區 賠率顯示 注單 賠率按鈕 競猜歷史 競猜明細
GG 投注流程 賽事列表賠率頁面投注單 瀏覽賽事列表 未將混合過關功能獨立, 使用上易感困惑 選擇賽事 瀏覽賠率頁面 點選賠率 自動開啟單張注單 及顯示虛擬鍵盤 輸入投注金 點擊確認 再次確認 點選 + 按鈕加至過關投注單 自動帶出 過關 ( 串聯 ) 注單 輸入投注金 點擊確認 顯示 確認畫面 再次確認 顯示虛擬鍵盤 點選串聯競猜 自動帶出 過關 ( 串聯 ) 注單 過關投注單畫面 關閉串聯注單 前往投注 點擊串聯競猜
皇朝投注流程 賽事列表賠率頁面投注單 瀏覽賽事列表 將混合過關功能獨立, 使用上清晰易懂 早盤 / 滾球 選擇賽事 瀏覽賠率頁面 點選賠率 自動開啟單張注單 及顯示輸入選項 輸入投注金 確認投注 過關 選擇賽事 瀏覽賠率頁面 點選賠率加至注單 ( 購物車 ) 點擊購物車開啟過關注單 顯示 輸入選項 輸入投注金 確認投注 回到賽事列表 點擊返回 繼續瀏覽其他賽事 前往投注 特殊投注 (outright) 選擇賽區 瀏覽賠率頁面 點選賠率 自動開啟單張注單 及顯示輸入選項 輸入投注金 確認投注
數據驅動設計 16
我的數據追蹤及分析方法 17
Tools Google Tag Manager Tracking Settings Page View Events View Click User Timings Skills Naming Rules Reduce Settings by Generating ( Detect and Auto Tracking ) DB Google Analytics HOTJAR Query Custom Report Search / Filter / Segment Custom Dimension Tracking Recording Heat map 18
產品數據分析方法 用戶分群區隔 轉化分析 趨勢維度 Mobile/Desktop 國家 不同渠道 做了某特定行為 漏斗洞察 關注 : 1. 哪一步流失最多 2. 流失的人都有哪些行為 用戶行為軌跡 熱點圖 留存分析 測試 假設 > 測試 > 驗證 A/B 測試或多變量測試 19
評估指標及觀察維度 點擊 曝光 : 點擊率 使用率 時間軸趨勢 時間 載入速度 停留多久 做某事耗時多久 流程轉化 轉化漏斗的每一層是什麼轉化多少? 流失多少? 原因? 留存 新用戶 回訪用戶 留存率分析 分布比例 各式入口導流 裝置 國家 語系 幣值 分布變化 次數 類型 20
追蹤 數據 輔助 目標設計技術 假設 驗證價值 優先序功能取捨優化 A/B Testing 使用狀況錯誤 不順暢側錄 熱點圖 裝置瀏覽器相容性 系統錯誤 21
Analysis Funnel View Clicks Success Failure & Reason Visual Recordings Heat Map Detail UI View Live/ Single/ UI Status Game Name / Category Name Stake: Amount / Change Rate Count / Order Load Time / Bet Speed Event History User ID Device Device vs. Site Device Brand and Info Retention Cohort Analysis Returning / New Visitor Audience Age & Gender Country 22
Funnel & Dimension Diff. Events Live Today Early Market Outright Favorite View Event Select Odds View Ticket Place Bet Bet Success Bet Failure & Reason Diff. Ticket Single Multiple Mix Parlay 23
透過數據瞭解使用現況 24
抓出各種玩法的實際比例推估出玩家類型比例 Professional User ( focus on Live ) ( some Non-Live ) ( some Mix Parlay) > 86% Casual User ( Non-Live ) ( some Mix Parlay) < 14% Player defined by interview of POs / Data: 2018/12/15-2019/1/15 Basketball - Place Bet 120.00% 100.00% 80.00% 60.00% 40.00% 20.00% 0.00% 100.00% 90.00% 80.00% 70.00% 60.00% 50.00% 40.00% 30.00% 20.00% 10.00% 0.00% 95.80% 0.33% 3.87% Single Multiple Mix Parlay 86.72% All Single 95.01% Single ( in Multiple ) 0.79% Multiple 0.33% Mix Parlay 3.87% Live Today Early Market 85.94% 9.01% 0.060% 0.60% 0.19% -- 0.18% 0.15% 0.001% 9.35% -- -- -- 0.06% Live Today EarlyMarket (Total Events) Outright is not list 25
Funnel ( Total Events as Bet Count ) Basketball Live 84.30% of all bets Today 10.99% of all bets Early Market 0.07% of all bets Live Users (GA) Mix Parlay 4.63% of all bets Outright 0.01% of all bets 26
Single Keypad Popular rank 4 5 7 8 3 10 11 12 9 1 2 14 13 6 Multiple Keypad Popular rank 4 1 5 7 8 2 10 11 12 9 3 14 13 6 Mix Parlay Keypad Popular rank 1 5 6 9 3 8 11 12 10 2 4 13 14 7
案例 1 數據輔助設計策略 28
舊版 1,000 29
新版優化 策略 交易時仍能顯示價格 露出更多價格 1,000 30
新版優化 設計 資訊重新設計編排 資訊對應關聯 1,000 31
新版優化 策略 鍵盤按鈕配置 數據觀察常用金額為 500 1,000 200 300 125 32
新版優化 設計 鍵盤預設展開? 收起? 數據觀察 不改金額 > 50% 會改金額 < 50% 策略 露出更多價格 預設收起鍵盤 33
新版優化 策略 加快交易速度 減少步驟 34
新版優化 設計 加上微互動 35
舊版 新版優化 1,000 交易數量變多交易速度變快 使用率極低 拿掉 36
案例 2 透過數據發現問題 優化後減少問題提升效益 37
問題 優化成效評估 ( 前後期比較 ) 發現鍵盤 Delete 點擊比例過高 ( 超過 35% 的點擊 ) Keypad.Show Conversion Rate 優化項目修正鍵盤輸入機制 : 每次開啟鍵盤輸入值, 皆會取代 Stake ( 而非有時是將輸入值接續在 Stake 之後 ) Single 優化後投注速度 投注量均有提升透過 Delete 按鍵修改金額的狀況變少 Keypad Click Delete Keypad Click Delete Bet Speed 19.07 % Bet Count 9.02 % Avg. Stake ( Per Betting ) 19.22 % 11.05 % 34.08 % (users) (clicks) (timings) (count) (THB) Avg. Turnover ( Per User in a Day) 45.25 % (THB) Mix Parlay Keypad Click Delete 10.46 % (users) Keypad Click Delete 11.31 % (clicks)
案例 3 找出廣告版位的開發優先序不僅只看點擊率, 也要看實際帶來的流量及導流後後續的轉換率 39
Users 導流後的後續轉換率 CONVERSION Each Banner Page View from Banner > Any Click in iframe 日均導流貢獻度 & CONTRIBUTION Per day 推估版位實際導流後的轉換效益 建議上線優先序如下 ( 當資源有限下 ) REAL SCALE Page View from Banner > Any Click in iframe Nike Cover 12.50 % 2,370 Users ( 1 Day) 40% 23% 37% 100% 1 Nike Cover 12.5% Syllis 12.04 % 10,949 Users ( 8 Days) 94.10% 2 Nike Left 10.28% Nike Left 10.92 % 17,843 Users ( 8 Days) 57% 3 Syllis 6.95%
案例 4 活動頁的設計評估與優化建議 43
瞭解從活動頁到投注的 Flow 及轉換率 1 st Screen 2 nd Screen 3 rd Screen Conversion Rate 25% Conversion Rate 33% Conversion Rate 37% 指標點擊 CTA 後去投注 (User) 點擊關閉後去投注 (User) 32% Conversion Rate 21% Place Bet Conversion Rate 44% 結論只有三分之一的玩家會往下看有看完活動頁的玩家, 前往投注的轉換率最高 建議將最主要 CTA( 可進 Game) 直接置於第一屏可見縮短活動頁長度
案例 5 跨產品的廣告渠道品質導流後有參與活動簽到甚至有投入玩遊戲 45
哪個廣告渠道的品質較好?( 導流後有繼續玩的投入程度 ) (A) 活動參與 Users 6% 4% 7% 24% 59% Sports Login(LC) SyllisDrawerBanner1 SyllisDrawerBanner2 Games (B) 活動參與 + 有玩 LC Users 12% 28% 16% 14% 30% Sports Login(LC) SyllisDrawerBanner1 SyllisDrawerBanner2 Games 指標點擊有效水球 - 五個渠道 (Users) (A) 帶來的活動參與 (B)Engage 程度 ( 有玩 LC) 結論跨產品渠道品質 : Sports >> Games Engage 程度 : LC Login > Sports >>> Games 建議若資源有限,LC 的跨產品 promote 以 Sports 最為優先
案例 6 GA 行為結合 DB 玩家資料 找出功能的輕中重度玩家比例及回訪率 ( 看未來七天是否再次使用及使用幾天 ) ( 用一週七天數據當基準看每個未來七天 ) 47
Frequency in the next 7 days based on 9/21-9/27 use Average Heavy Moderate Mild Visit Not Visit M. Recently Played D. Recently Played M. Top Pick D. New Games D. Top Pick 7,245 1,673 1,861 362 371 16.8% 20.0% 6,029 22.4% 5,806 3.1% 1,339 1,444 42.6% 10.4% 15.0% 53.8% 1,165 27.6% 17.8% 206 35.2% 931 171 18.2% 28.4% 33.5% 26.6% 104 23.1% 18.0% 72 30.0% 12.5% 18.3% 10.4% 8.8% 6.2% 0.5% 83.2% 80.1% 80.0% 59.6% 77.6% 50.0% 57.4% 29.0% 46.2% 19.6% 0.8% 37% 19 % 26% 26% 18% 36% 36% 2% 32% 4% 44% 48% 46% 62% 64% 48
Frequency in the next 7 days Based on 9/21 9/27 Heavy Moderate Mild Visit Not Visit 0 1000 2,000 3,000 4,000 5,000 6,000 7,000 8,000 M. Recently Played 7,245 M. Slots 2,005 M. Top Pick 1,861 D. Recently Played 1,673 D. Slots 1,017 D. Top Pick 371 D. New Game 362 0 1000 2,000 3,000 4,000 5,000 6,000 7,000 8,000 49
Returning vs. New User 9/21 9/27 total D. Top Pick 瀏覽精選遊戲 : 多數為新玩家瀏覽新遊戲 : 多數為舊玩家 D. New Games New User 57% Returning User 43% New User 31% Returning User 69% 50
Desktop - Retention rate 9/21 10/11, 3 weeks 40.0% 25.7% 10.2% 9.3% 26.6% 16.5% 5.5% 4.0% 10.8% 7.0% 4.3% 3.5% Week 1 Week 2 Week 3 51
Mobile - Retention rate 9/21 10/11, 3 weeks 43.6% 25.7% 21.0% 26.2% 13.3% 9.8% 16.4% 8.4% 5.6% Week 1 Week 2 Week 3 52
Thanks 53