數(shù)據(jù)推動設計創(chuàng)新是一個新穎而重要的議題。對于設計師來說，理解并學習數(shù)據(jù)驅動設計能更好地幫助我們?nèi)ミM行設計決策。本文結合實例探討了數(shù)據(jù)是如何影響設計決策，解釋了數(shù)據(jù)驅動和數(shù)據(jù)響應的區(qū)別，并介紹了多種數(shù)據(jù)收集的方式。

在這篇文章中，我們將深入探討什么是數(shù)據(jù)驅動設計，以及為什么它能更好地推動用戶體驗的提升 。與此同時，我們還將了解為什么它能幫助我們做出更實際的決策。

作為設計師，我們需要接受和擁抱現(xiàn)實世界中的數(shù)據(jù)指標，并利用它們的神奇力量來調(diào)整我們做事的方式。— Jared Spool

我們當前面臨著來自用戶交互的海量數(shù)據(jù) 。雖然有大量工具可以幫助我們了解所設計的產(chǎn)品，但是我們是在為人類設計產(chǎn)品。因此，作為設計師，我們需要分析人類的行為，并根據(jù)對人類交互的理解做設計。這將有助于我們基于數(shù)據(jù)做出更好的設計決策。

我們從用戶那里收集的數(shù)據(jù)可以幫助我們做出更好的設計決策 。通過分析和理解數(shù)據(jù)，我們可以設計出更好的用戶體驗。基于交互行為中定性和定量研究的結果，我們能更好地進行設計決策。

數(shù)據(jù)幫助我們探尋用戶如何使用我們的產(chǎn)品，以及設計師如何基于數(shù)據(jù)為用戶優(yōu)化使用體驗。

我們收集的數(shù)據(jù)可以從四個維度幫助我們。

什么是數(shù)據(jù)驅動的設計?

設計是以累積的數(shù)據(jù)研究結果為支撐的 。在設計過程中，設計決策是基于數(shù)據(jù)和用戶行為研究的。精細的用戶體驗設計包含對體驗本身的評測研究。而只有數(shù)據(jù)才能映射出有價值的評測結論。用戶的行為和反饋有助于產(chǎn)品設計師驗證其發(fā)現(xiàn)、假設和評測結果。

評測數(shù)據(jù)的整理與分析能揭露重要信息。— Peter Drucker.

這些數(shù)據(jù)可以幫助產(chǎn)品團隊了解其目標用戶，發(fā)現(xiàn)用戶痛點，發(fā)掘新的趨勢，支持數(shù)據(jù)驅動的設計，并確保團隊前進方向的正確性 。用戶數(shù)據(jù)可以直接推動商業(yè)成果的提升。通過數(shù)據(jù)驅動設計，以提升用戶體驗，被證實是切實可行的方法。

為什么要進行數(shù)據(jù)驅動設計?

我們設計師在設計產(chǎn)品的過程中，會對用戶進行調(diào)查、研究和觀察。設計產(chǎn)品的過程中，唯一能驗證假設的就是數(shù)據(jù) 。如果我們在沒有任何數(shù)據(jù)驅動的情況下進行研究，憑借直覺或經(jīng)驗來做決策，就很有可能把錢浪費在無效的或一文不值的設計改動中。

產(chǎn)品的性能可以通過合理使用、驗證和分析用戶數(shù)據(jù)而得到提升，它也能直觀地反映在用戶數(shù)據(jù)中。即使是世界上最好的設計師也無法預測用戶的需求。數(shù)據(jù)驅動的設計是一個向用戶學習的過程，它能確保用戶的問題得到解決。滿足用戶需求是產(chǎn)品成功的首要條件 ，而這一切都需要數(shù)據(jù)來驅動設計迭代。

數(shù)據(jù)驅動與數(shù)據(jù)響應設計

上述術語來源于在 Rochelle King、Elizabeth Churchill 和 Caitlin Tan 所著的《數(shù)據(jù)驅動設計(Designing with Data)》一書。本書有助于我們理解和闡明有關數(shù)據(jù)驅動設計的不同術語，并將其與數(shù)據(jù)響應設計和數(shù)據(jù)感知設計進行對比 。

數(shù)據(jù)驅動和數(shù)據(jù)響應是兩種不同的方法 。它們都是以數(shù)據(jù)為基礎，產(chǎn)品團隊的每一個決策都是由數(shù)據(jù)評估和驅動的。數(shù)據(jù)驅動的重點在于數(shù)據(jù)輔助產(chǎn)品優(yōu)化和效率提升。數(shù)據(jù)響應讓我們在數(shù)據(jù)的使用上擁有更寬闊的發(fā)展方向 。我們能處理的也不僅僅是量化的數(shù)據(jù)。不同體驗的 A/B 測試或結構化的可用性測試在數(shù)據(jù)響應中可能會失效。

數(shù)據(jù)感知讓我們理解數(shù)據(jù)收集上的廣泛性和局限性 。我們可以根據(jù)不同的問題來判斷哪種方法是最合適的。有數(shù)據(jù)感知能力的團隊可能會發(fā)現(xiàn)，基于利益相關者研討會、用戶訪談、甚至 A/B 測試研究結果而做出的決策，具有同等的價值。

麻省理工學院數(shù)字商業(yè)中心的研究表明：“在通過數(shù)據(jù)驅動決策方面，處于行業(yè)領先地位的前三分之一的公司，其平均生產(chǎn)效率比競爭對手高 5%，盈利能力高 6%。“

我們發(fā)現(xiàn)增加評測的事物數(shù)量或提高評測的保真度，實際上并不能提升結果的準確性。數(shù)據(jù)結果并不因性能的優(yōu)劣而發(fā)生鮮明的改變。它只能揭示更深層次的復雜性—— 性能優(yōu)劣牽扯到更多的東西。因此數(shù)據(jù)實際上只是一種衡量標準，我們?nèi)匀恍枰揽恐庇X。我們?nèi)匀灰獙Τ梢虻闹匾潭茸龀雠袥Q。— Jon Wiley(谷歌沉浸式設計總監(jiān))

如何收集數(shù)據(jù)? 

我們有很多收集定性和定量數(shù)據(jù)的方法。很多用戶體驗從業(yè)者認為數(shù)據(jù)就是數(shù)字，但這是一個誤區(qū)，是一個謬論。為了用數(shù)據(jù)驅動設計，我們需要定性和定量數(shù)據(jù) 。定量數(shù)據(jù)會告訴你，用戶在使用我們的產(chǎn)品時采取了哪些行為。而定性數(shù)據(jù)會告訴你，他們?yōu)槭裁催@么做，以及更重要的 —— 他們對整體體驗的感受。所以，我們在制定設計決策時需要收集這兩種數(shù)據(jù)。

1. 定量數(shù)據(jù)收集法

定量數(shù)據(jù)的數(shù)據(jù)類型是數(shù)字、人物、事物、時間、地點。定量數(shù)據(jù)能顯示程度 ，而不能說明原因 。我們能從 Google Analytics、Google Tag Manager、Google Optimize 和其他測量工具(例如：Hotjar、Crazy Egg、Optimizely、Usertesting)中獲取許多關于網(wǎng)站或應用程序使用情況的定量數(shù)據(jù)。

A/B 測試

A/B 測試也被稱為 分組測試 。Hubspot 將 A/B 測試定義為：

在(一個)實驗中，’劃分’ 出多個測試群體，測試一系列變量，并確定哪個變量表現(xiàn)更好。換句話說，你可以向一半的測試者展示版本 A，向另一半的測試者展示版本 B。

在進行 A/B 測試時，最重要的是盡可能確保每次只改變一個變量，并且使對照組和實驗組的人數(shù)相同。你可以向我們一半的測試者展示 A 版本，向另一半展示 B 版本。測試的主要目標是在同等條件下，對不同變量進行比較 。

解析

通過解析，我們可以知道誰來到了我們的網(wǎng)站，他們是如何到達那里的，他們在那里停留了多長時間，他們點擊了什么。這類數(shù)據(jù)能有效整理出很多價值的指標，比如用戶的平均會話時長、退出率等。如果你想讓應用程序或網(wǎng)站轉化率得到提升，建議從用戶流量大的頁面開始解析，因為它們能讓你更快地收集到有價值的數(shù)據(jù)。

我們還可以使用眼球追蹤工具，比如熱力圖。熱力圖通過眼球追蹤技術，了解用戶在屏幕上所關注的位置 。當來自多個用戶的熱力圖展示出類似的模式，說明網(wǎng)站或應用程序更新的內(nèi)容模塊或設計迭代是有價值的。

調(diào)研

用戶體驗調(diào)研是用戶體驗研究中，定量和定性數(shù)據(jù)的重要來源。

一個好的調(diào)研需要精心設計好問題，確保問題沒有引導性，并且目的明確。我們應該盡量控制問題的數(shù)量(不超過 10-15 個)，以免用戶中途放棄調(diào)研問卷。

2. 定性數(shù)據(jù)收集法

定性數(shù)據(jù)能說明原因和發(fā)生過程 。為什么不同組用戶采取不同的行為?為什么不同的內(nèi)容讓用戶在網(wǎng)站上停留的時長不同?定性數(shù)據(jù)提供了一個視角，不僅幫助我們了解發(fā)生了什么，還能讓我們了解事件發(fā)生的原因以及過程。我們經(jīng)常通過用戶畫像、體驗旅程圖或移情圖來收集定性數(shù)據(jù)。

有了清晰的定性數(shù)據(jù)，我們可以創(chuàng)造更好的用戶體驗，更有效地服務于用戶。

用戶旅程 / 流程圖

為理解用戶與產(chǎn)品之間的交互，創(chuàng)建用戶使用模型是非常有幫助的方法 。從用戶流程圖中收集到的信息有助于確定潛在的薄弱環(huán)節(jié)，為 A/B 測試或用戶訪談的深入調(diào)研打下基礎。

競品分析

這是找出競品弱點的附加方法 。競品分析通過調(diào)研競品來找出類似產(chǎn)品的優(yōu)勢、劣勢或有待改進的地方。

在進行競品分析時，必須謹慎。一味地模仿競品并不是一個有效的解決方案。相反，最好將競品分析作為獲取靈感的手段。通過對競品的理解，我們可以取長補短。

用戶訪談

用戶訪談是收集用戶定性數(shù)據(jù)的有效方法 。它通過開放式和封閉式的問題，較好地定位到用戶核心問題。同時，我們也要限制訪談對象的數(shù)量。電話或面談能夠得到更深入的數(shù)據(jù)。

社交媒體和用戶反饋

社交媒體反映了用戶對體驗的期望 。通過了解用戶共同的不滿，能夠確定產(chǎn)品需求的優(yōu)先級。了解用戶對產(chǎn)品的評價和反饋，也能獲得更多的相關信息。

收集數(shù)據(jù)的方法需要根據(jù)項目的內(nèi)容和需求而變化 。我們可能不需要去研究數(shù)據(jù)，也不需要去做運算，就能高效利用數(shù)據(jù)以推動設計決策。但作為一個產(chǎn)品設計師，在設計用戶體驗時，我們都要利用現(xiàn)有的工具對設計進行迭代和評估。因此，我們不應該只是基于數(shù)據(jù)進行盲目的決策，而是要對自己所做的決策知情知理。

無論我們的目標是什么，數(shù)據(jù)驅動設計都有助于 提高產(chǎn)品性能，提高轉化率，滿足用戶需求 。通過數(shù)據(jù)驅動設計，我們的設計能得到更好的投資回報率。這也有助于提高產(chǎn)品整體的使用率和復用率。

原文地址：https://www.uisdc.com/data-driven-design-2