大家可能会疑惑，作为设计，我为什么要关注增长呢？业务指标、转化率、这些数据都是产品和运营要关心的事，作为设计不是画好图就可以了吗？
其实不是这样的，现在很多公司，设计也是要背部分业务指标的，我们也很努力的在思考和验证如何通过数据驱动业务的增长，同时提升设计的影响力和价值。
过去几年里，我自发提出并设计了 180 多个优化解决方案，占整个工作量的 75% 左右。我主要通过数据分析去找到页面和流程中的问题，帮助业务提升。其中落地页转化率提升了 72% ，产品转化率也提升 50% 以上，另外还有近 10 倍的活动转化率提升，整体的销售额的增长大概是 29% 。
我通常的工作方法和流程是这样的：
在做优化之前，我会建立一个数据增长的模型。
首先，我会梳理业务目标，用指标衡量，并将其拆解成一些细化的指标，通过这些指标和数据挖掘问题，同时也将其作为优化后对比的依据。
当我们通过数据挖掘发现问题、提出假设后，我们会进行用户研究。针对这些问题用专家走查、用户访谈等形式验证问题并挖掘用户诉求，梳理我们的目标。
再下一步，才是结合竞品分析，梳理我们的设计目标和策略。并在上线前用 AB 测试找到最佳方案，并不断迭代优化。
接下来，我就从广告物料投放、落地页及产品转化流的三方面的优化，和大家分享下我们具体的实践经验。
1. 广告投放物料优化
在了解广告投放物料优化之前，我们要先了解投放效果的影响因素及衡量指标。
影响投放效果的主要因素是：渠道曝光和创意转化。可以进一步拆分为广告出价、用户匹配度和创意吸引度，相应的可以用曝光量、点击量或点击率评估。
各位做营销的都知道 AIDMA 的法则，这个法则是以吸引用户的注意力为首要目标。
但在移动互联网广告的时代，信息越来越分散，用户很容易分散注意力，所以光以吸引用户的注意力为目标，已经不行了，我们应该以满足用户兴趣为首要的目标。
那我们要怎么通过素材的优化去吸引用户兴趣？
广告素材主要包括图片和文案两部分。文案的作用主要是唤醒记忆，图片作用是引起注意，两者结合引起用户兴趣。我们不妨看看几个案例：
这个是在站外投放的广告。左边这些文案“解锁低价机票神操作，出外旅行再也不怕买贵了”相较右边而言，“ 150 元起坐飞机，从沈阳出发的特价机票都在这里”，利益点不是很推出，用户价值感知不够明显，所以点击率会比较低。当然，除了强化价值主张，我们也要去注意文案的时限性和地域性，从用户视角出发，掌握用户的痛点。
这个案例主要是图片素材的优化。我们曾经通过一系列测试，总结了几个设计原则：
突出利益点
比如“ 39 大促”和“机票 9 元起”，明显后者更易让用户快速感知利益。如果用户无法感知到，那这样的设计就是无效的。
色彩对比
常用的，我们会用季节性元素让用户感知推广的相关性。另外色彩上的对比（比如价格），也能强调关键用户诉求点。
元素构成
举一个航线投放的案例，通常有人物的素材点击率较高，而且女性头像尤为突出。设计其实也是利用了人性的“七宗罪”，勾起用户的兴趣。
通常我们在做投放测试的时候，会准备多套素材。可能是三套文案和三套图片，我们会在只有一个变量的情况下测试到底哪一个文案或图片的效果最好。然后，我们会将点击率最高的一组加大投放，并且根据多次测试数据，拆解分析影响点击率的原因，将效果好的素材沉淀为我们的创意库，形成模版，提升工作效率。
2. 落地页承接的优化
说到落地页承接的优化，首先我们要了解落地页的目标及场景是什么。
落地页的目标总的来说有三种：获取用户、提高活跃度和获取收入。
其中，获取用户指的是直接引导用户下载 APP 、注册或填写信息，搜集线索；提高活跃度常见的是针对某些品牌活动的引流；而获取收入，更多的是引导至售卖页面，促成交易。
落地页的转化率影响因素主要是落地页的质量和用户匹配度，我们可以用跳出率和转化率来衡量。
作为设计，我们能优化的点主要是落地页质量。下图是一个用户体验的评估模型，主要是以用户接触和使用产品的路径为主线：
一个完整的用户行为，通常会经历触达到行动到感知再到传播回访的过程。而落地页主要在触达和行动两个阶段影响用户。我们可以用“吸引度”衡量触达的效果，用“完成度”衡量行动的效果。
结合 Heart 和 GMS 模型，可以推导出我们具体的衡量指标。比如目标是促进落地页互动量，从吸引度来衡量的话，那具体指标可能是页面停留时长、点击率，或结合热图得出洞察。大家可以参考上图，我就不详细说了。
至于落地页质量提升的方法，我们不妨参考以下六大法则：
其中，价值主张是转化率驱动的重要载体；相关性、清晰度、紧迫感是驱动转化的因素；焦虑感和注意力分散，则是阻碍用户转化的因子。
下面我分享几个具体案例：
第一个案例，通过用户点击行为的分析，我们可以找到阻碍用户注意力的因子，并进行优化。大家可以通过这张图看到，用户对这个“ 138 元特价买一送一”的图片点击率特别高。但其实这根本就不是按纽，真正可点击的是下面的提交订单。所以这个按纽形状的设计，反而对用户产生了一定的误导，需要进行优化。
第二个案例是页面清晰度的优化，可以拆分为内容的清晰度和页面的清晰度，具体包括落地页的信息层级、视觉流、图片、文案和 CTA（用户召唤行为）等。
左边是优化前的案例，当时视觉流是从左到右的，CTA 按钮也很小，用户很难找到重点。优化后，我们采用了从上到下的视觉流，放大了利益点和 CTA 按钮，转化率有了明显提升。
3. 产品转化流优化
关于产品转化流的优化，我们的转化思路主要有以下六步：
- 明确转化目标
- 建立转化漏斗去找出关键的流失点
- 锁定目标人群（主要是流失人群分群）
- 总结典型流失人群的行为特征
- 验证显著性特征
- 优化转化路径
接下来，我就以互联网金融的案例和大家聊一下，我们具体怎么提升产品流的转化率。
3.1 明确转化目标
上图是用户转化的漏斗，第一步我们主要是通过渠道流量导入，我们最关注的是获客成本和下载转化率。而从下载到注册，我们关心是注册的转化率。具体的流程不多说，我今天要讲的案例主要是投资转化率的优化。
3.2 建立转化漏斗去找出关键的流失点
既然要提高投资转化率，我首先要通过建立转化漏斗去找到流失的节点，通过 GrowingIO 智能路径的功能，我找到了从首页，到完成支付的路径转化漏斗。
通过漏斗图可以发现，首页到产品详情页这一部分的流失非常大。是我们首页的产品不吸引人，还是用户找不到想要的产品呢？
3.3 锁定流失人群
为了找到流失原因，我们针对这些流失用户进行了分群，分析他们的具体行为。
GrowingIO 有一个用户分群的功能，比如根据用户的行为，将访问过首页，但是没有访问产品详情页的人群分群，或者将访问过首页和产品详情页，但没有点立即购买的人群分类，然后进行人群画像的交叉分析，找出流失用户的共性。同时，我们还会去看哪类产品的转化率低，是货币型基金还是债券型基金，进一步分析。
3.4 总结典型流失人群的行为特征
我们的具体做法如下：
Step 1：用户画像分析
根据我们前面搭建的一些指标，我们发现流失人群中新访客占比非常多，他们的跳出率也很高。
Step 2：用户浏览行为分析
通过页面浏览曲线我们发现，交易贡献比值是不稳定的，流量的波峰跟波谷经常会受到外部因素影响，这个方面我们猜测主要有以下两个原因：
销售在工作日给用户打电话，导致页面浏览量波动，这点我们较难把控；
产品更新时交易值会有波动，能不能通过首页内容更新，实现千人千面，提升转化效果？
Step 3：用户点击事件分析
我们发现，“更多类型的基金”的点击率居然是最高的。说明用户对上面推荐的几款基金都不满意，这就是体验问题。通过基金类型排行，我们发现其实债券型转化率比较高，但是我们并没有把它放在首要位置。当然，这当中也有业务指标层面的影响，但对用户而言，体验就相当不好。
带着以上发现的问题，我们进行了用户调研：
用户调研的目的是了解不同类别基金用户的产品购买过程、考虑因素，以及他们对基金频道页面的交互反馈。
我们将流失用户分成了两类：小白用户和专家用户。
我们平台上小白用户的占比挺高，和他们访谈后，我们发现小白用户来我们平台，大多是受了别人的影响，要么是跟风，要么是别人给他推荐了某个产品。他们自身是没有自主挑选能力的。
其实针对大部分小白用户，只要在他的风险偏好范围以内，用最简单的方式告诉他哪一款基金的收益可能会比较好就够了。当然，至于用户是否相信我们平台的推算模型，就要看对我们品牌的信任度了。
和小白用户正好相反，专家型的用户在选基金的时候，会看一些走势图、了解基金规模、基金经理、年限等信息，会有需求更多。而目前我们首页甚至整个 App 针对这类需求的功能还是很少的。
不管是小白用户还是专家用户，我们平台都缺少基金购买的决策依据。根据调研验证的这个问题，我们提出了以下产品设计的方案：
比如，我们会优化首页的搜索功能，提高搜索效率。针对没有明确目标的小白用户，我们需要提供优选推荐，包括智能联想或组合基金一键购买。用最简单的方式告诉用户，不同基金的收益率。
其次，我们还增加了自选基金的比较和模拟购买的功能，主要是帮助小白用户提升投资能力，方便他们对基金的收益、类型、风险、规模、状态有更深认知，提升用户黏性。
另外，针对专家用户，我们设计了定投计算器，根据基金历史收益率，测算合适的购买时机。其它一些咨询、论坛、牛基排行等功能点，就不一一展开了。
在用户登录之后，我们会根据用户画像及内部系统分析，判断他是小白还是专家用户，进而展示不同页面（如上图所示）。通过这样的优化，整体的转化率提升了 80% ，其中首页跳出率降低了 56% ，交易额也提升了 34% 。
本文由用户 @XO小猫发布于新媒体运营，未经许可，禁止转载。
题图来自Unspalsh, 基于CC0协议。
