數(shù)據(jù)推動(dòng)設(shè)計(jì)創(chuàng)新是一個(gè)新穎而重要的議題。對(duì)于設(shè)計(jì)師來說，理解并學(xué)習(xí)數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)能更好地幫助我們?nèi)ミM(jìn)行設(shè)計(jì)決策。本文結(jié)合實(shí)例探討了數(shù)據(jù)是如何影響設(shè)計(jì)決策，解釋了數(shù)據(jù)驅(qū)動(dòng)和數(shù)據(jù)響應(yīng)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(qū)動(dòng)設(shè)計(jì)，以及為什么它能更好地推動(dòng)用戶體驗(yàn)的提升 。與此同時(shí)，我們還將了解為什么它能幫助我們做出更實(shí)際的決策。

作為設(shè)計(jì)師，我們需要接受和擁抱現(xiàn)實(shí)世界中的數(shù)據(jù)指標(biāo)，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(dāng)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(shè)計(jì)的產(chǎn)品，但是我們是在為人類設(shè)計(jì)產(chǎn)品。因此，作為設(shè)計(jì)師，我們需要分析人類的行為，并根據(jù)對(duì)人類交互的理解做設(shè)計(jì)。這將有助于我們基于數(shù)據(jù)做出更好的設(shè)計(jì)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(shè)計(jì)決策 。通過分析和理解數(shù)據(jù)，我們可以設(shè)計(jì)出更好的用戶體驗(yàn)。基于交互行為中定性和定量研究的結(jié)果，我們能更好地進(jìn)行設(shè)計(jì)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(shè)計(jì)師如何基于數(shù)據(jù)為用戶優(yōu)化使用體驗(yàn)。

我們收集的數(shù)據(jù)可以從四個(gè)維度幫助我們。

什么是數(shù)據(jù)驅(qū)動(dòng)的設(shè)計(jì)?

設(shè)計(jì)是以累積的數(shù)據(jù)研究結(jié)果為支撐的 。在設(shè)計(jì)過程中，設(shè)計(jì)決策是基于數(shù)據(jù)和用戶行為研究的。精細(xì)的用戶體驗(yàn)設(shè)計(jì)包含對(duì)體驗(yàn)本身的評(píng)測(cè)研究。而只有數(shù)據(jù)才能映射出有價(jià)值的評(píng)測(cè)結(jié)論。用戶的行為和反饋有助于產(chǎn)品設(shè)計(jì)師驗(yàn)證其發(fā)現(xiàn)、假設(shè)和評(píng)測(cè)結(jié)果。

評(píng)測(cè)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(tuán)隊(duì)了解其目標(biāo)用戶，發(fā)現(xiàn)用戶痛點(diǎn)，發(fā)掘新的趨勢(shì)，支持?jǐn)?shù)據(jù)驅(qū)動(dòng)的設(shè)計(jì)，并確保團(tuán)隊(duì)前進(jìn)方向的正確性 。用戶數(shù)據(jù)可以直接推動(dòng)商業(yè)成果的提升。通過數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)，以提升用戶體驗(yàn)，被證實(shí)是切實(shí)可行的方法。

為什么要進(jìn)行數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)?

我們?cè)O(shè)計(jì)師在設(shè)計(jì)產(chǎn)品的過程中，會(huì)對(duì)用戶進(jìn)行調(diào)查、研究和觀察。設(shè)計(jì)產(chǎn)品的過程中，唯一能驗(yàn)證假設(shè)的就是數(shù)據(jù) 。如果我們?cè)跊]有任何數(shù)據(jù)驅(qū)動(dòng)的情況下進(jìn)行研究，憑借直覺或經(jīng)驗(yàn)來做決策，就很有可能把錢浪費(fèi)在無效的或一文不值的設(shè)計(jì)改動(dòng)中。

產(chǎn)品的性能可以通過合理使用、驗(yàn)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(shè)計(jì)師也無法預(yù)測(cè)用戶的需求。數(shù)據(jù)驅(qū)動(dòng)的設(shè)計(jì)是一個(gè)向用戶學(xué)習(xí)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(qū)動(dòng)設(shè)計(jì)迭代。

數(shù)據(jù)驅(qū)動(dòng)與數(shù)據(jù)響應(yīng)設(shè)計(jì)

上述術(shù)語來源于在 Rochelle King、Elizabeth Churchill 和 Caitlin Tan 所著的《數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)(Designing with Data)》一書。本書有助于我們理解和闡明有關(guān)數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)的不同術(shù)語，并將其與數(shù)據(jù)響應(yīng)設(shè)計(jì)和數(shù)據(jù)感知設(shè)計(jì)進(jìn)行對(duì)比 。

數(shù)據(jù)驅(qū)動(dòng)和數(shù)據(jù)響應(yīng)是兩種不同的方法 。它們都是以數(shù)據(jù)為基礎(chǔ)，產(chǎn)品團(tuán)隊(duì)的每一個(gè)決策都是由數(shù)據(jù)評(píng)估和驅(qū)動(dòng)的。數(shù)據(jù)驅(qū)動(dòng)的重點(diǎn)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(yīng)讓我們?cè)跀?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(yàn)的 A/B 測(cè)試或結(jié)構(gòu)化的可用性測(cè)試在數(shù)據(jù)響應(yīng)中可能會(huì)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(tuán)隊(duì)可能會(huì)發(fā)現(xiàn)，基于利益相關(guān)者研討會(huì)、用戶訪談、甚至 A/B 測(cè)試研究結(jié)果而做出的決策，具有同等的價(jià)值。

麻省理工學(xué)院數(shù)字商業(yè)中心的研究表明：“在通過數(shù)據(jù)驅(qū)動(dòng)決策方面，處于行業(yè)領(lǐng)先地位的前三分之一的公司，其平均生產(chǎn)效率比競(jìng)爭(zhēng)對(duì)手高 5%，盈利能力高 6%。“

我們發(fā)現(xiàn)增加評(píng)測(cè)的事物數(shù)量或提高評(píng)測(cè)的保真度，實(shí)際上并不能提升結(jié)果的準(zhǔn)確性。數(shù)據(jù)結(jié)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(fù)雜性—— 性能優(yōu)劣牽扯到更多的東西。因此數(shù)據(jù)實(shí)際上只是一種衡量標(biāo)準(zhǔn)，我們?nèi)匀恍枰揽恐庇X。我們?nèi)匀灰獙?duì)成因的重要程度做出判決。— Jon Wiley(谷歌沉浸式設(shè)計(jì)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(yàn)從業(yè)者認(rèn)為數(shù)據(jù)就是數(shù)字，但這是一個(gè)誤區(qū)，是一個(gè)謬論。為了用數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)，我們需要定性和定量數(shù)據(jù) 。定量數(shù)據(jù)會(huì)告訴你，用戶在使用我們的產(chǎn)品時(shí)采取了哪些行為。而定性數(shù)據(jù)會(huì)告訴你，他們?yōu)槭裁催@么做，以及更重要的 —— 他們對(duì)整體體驗(yàn)的感受。所以，我們?cè)谥贫ㄔO(shè)計(jì)決策時(shí)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(shí)間、地點(diǎn)。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(cè)量工具(例如：Hotjar、Crazy Egg、Optimizely、Usertesting)中獲取許多關(guān)于網(wǎng)站或應(yīng)用程序使用情況的定量數(shù)據(jù)。

A/B 測(cè)試

A/B 測(cè)試也被稱為 分組測(cè)試 。Hubspot 將 A/B 測(cè)試定義為：

在(一個(gè))實(shí)驗(yàn)中，’劃分’ 出多個(gè)測(cè)試群體，測(cè)試一系列變量，并確定哪個(gè)變量表現(xiàn)更好。換句話說，你可以向一半的測(cè)試者展示版本 A，向另一半的測(cè)試者展示版本 B。

在進(jìn)行 A/B 測(cè)試時(shí)，最重要的是盡可能確保每次只改變一個(gè)變量，并且使對(duì)照組和實(shí)驗(yàn)組的人數(shù)相同。你可以向我們一半的測(cè)試者展示 A 版本，向另一半展示 B 版本。測(cè)試的主要目標(biāo)是在同等條件下，對(duì)不同變量進(jìn)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(dá)那里的，他們?cè)谀抢锿Ａ袅硕嚅L(zhǎng)時(shí)間，他們點(diǎn)擊了什么。這類數(shù)據(jù)能有效整理出很多價(jià)值的指標(biāo)，比如用戶的平均會(huì)話時(shí)長(zhǎng)、退出率等。如果你想讓應(yīng)用程序或網(wǎng)站轉(zhuǎn)化率得到提升，建議從用戶流量大的頁(yè)面開始解析，因?yàn)樗鼈兡茏屇愀斓厥占接袃r(jià)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(shù)，了解用戶在屏幕上所關(guān)注的位置 。當(dāng)來自多個(gè)用戶的熱力圖展示出類似的模式，說明網(wǎng)站或應(yīng)用程序更新的內(nèi)容模塊或設(shè)計(jì)迭代是有價(jià)值的。

調(diào)研

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

一個(gè)好的調(diào)研需要精心設(shè)計(jì)好問題，確保問題沒有引導(dǎo)性，并且目的明確。我們應(yīng)該盡量控制問題的數(shù)量(不超過 10-15 個(gè))，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(shí)長(zhǎng)不同?定性數(shù)據(jù)提供了一個(gè)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(yàn)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(yàn)，更有效地服務(wù)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(cè)試或用戶訪談的深入調(diào)研打下基礎(chǔ)。

競(jìng)品分析

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

在進(jìn)行競(jìng)品分析時(shí)，必須謹(jǐn)慎。一味地模仿競(jìng)品并不是一個(gè)有效的解決方案。相反，最好將競(jìng)品分析作為獲取靈感的手段。通過對(duì)競(jìng)品的理解，我們可以取長(zhǎng)補(bǔ)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(shí)，我們也要限制訪談對(duì)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(duì)體驗(yàn)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(jí)。了解用戶對(duì)產(chǎn)品的評(píng)價(jià)和反饋，也能獲得更多的相關(guān)信息。

收集數(shù)據(jù)的方法需要根據(jù)項(xiàng)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(yùn)算，就能高效利用數(shù)據(jù)以推動(dòng)設(shè)計(jì)決策。但作為一個(gè)產(chǎn)品設(shè)計(jì)師，在設(shè)計(jì)用戶體驗(yàn)時(shí)，我們都要利用現(xiàn)有的工具對(duì)設(shè)計(jì)進(jìn)行迭代和評(píng)估。因此，我們不應(yīng)該只是基于數(shù)據(jù)進(jìn)行盲目的決策，而是要對(duì)自己所做的決策知情知理。

無論我們的目標(biāo)是什么，數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)都有助于 提高產(chǎn)品性能，提高轉(zhuǎn)化率，滿足用戶需求 。通過數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)，我們的設(shè)計(jì)能得到更好的投資回報(bào)率。這也有助于提高產(chǎn)品整體的使用率和復(fù)用率。

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