1、做設計為什么還需要看數據？

許多設計人員從不查看數據，要么是因為沒有數據要看，要么根本不想看到數據，但他們也很好地設計數據！設計本質上是情緒化的，為什么你必須與數據相關？讓我們先來看看設計的本質是什么。設計不同于純藝術。藝術來自于藝術家對現實的觀察和思考，以及這種觀察和思考的自我表達。設計誕生于為他人做事，即使它也需要觀察和思考，但這種觀察和思考不是表達設計師的自我，而是為了更好地服務于某個用戶群，因此設計師理解它變得非常重要用戶。特別是，為了理解用戶的目標，行為，態度等，我們在這里討論的數據實際上是對用戶目標，行為，態度等的量化。因此，通過分析這些數據，我們可以更好地挖掘用戶需要為用戶提供更好的體驗。

簡單來說，設計就是為用戶服務，了解用戶可以更好地設計，數據是了解用戶的一種方式。

2、數據在項目中的作用有哪些？

要了解這個角色，我們先回到設計師看看數據的主要場景，總結起來不外乎兩類：一類是因為項目的需要，通過參數的數據，讓設計走了更冷靜，更合理，不是設計師自己的YY;另一個是日常監控需求，我制作的產品，總是知道有多少人在使用，如何使用情況，用戶的行為和期望是否一致。換句話說，您需要了解正在使用您的設計的情況。否則，您如何知道設計是否良好，是否達到了設計目標，以及它是否真的有助于用戶解決問題。

讓我們首先分析在下一個項目中查看數據的場景。數據幾乎可以用于整個設計過程。總之，該過程可分為三個部分：

設計前數據幫你發現問題：在設計開始之前的所有研究和分析都是為了更清楚地定義用戶的需求，為什么要完成這個設計呢？從商業角度來看，該產品對公司有何價值？設計的目的是什么？從用戶的角度來看，該產品對用戶有什么價值，以及在此設計中應該為用戶解決哪些問題;在理解商業訴求和用戶需求的過程中，我們將不可避免地使用數據。在這個階段，數據的作用是“發現問題”，看看設計可以解決什么問題，以便更好地定義設計目標。

當然，在具體的工作中，大多數設計師都更加糾結，既要考慮商業訴求，又要考慮用戶需求。如果兩者不能完全匹配，我們該怎么辦？這是兩者的總和嗎？或者我們只考慮用戶的吸引力并考慮商業吸引力。我個人的理解是，在實際工作中，我們不追求設計，更多的是平衡，如果是用戶型產品，例如偏向于為用戶提供某種功能的平臺，則完全來自用戶。從為用戶提供幫助用戶解決問題的功能的角度來看，他們應該更貼近用戶的訴求;如果它是商業產品，例如支持用戶某些內容的平臺，則為用戶提供主動搜索。同時，入口可以傾向于業務發展需求，并由業務層面適度引導;當然，這不是絕對的，往往是同一個平臺，同一個產品，在不同的發展階段有不同的需求，如果一個全新的產品，企業的生存變得格外重要。此時，設計應考慮更多業務需求并幫助企業生存。否則，應該掛起這個產品。我們如何為用戶提供服務？

當然，優秀的設計師總能找到業務和用戶之間的巧妙平衡，找到兩者的交集，例如，如果這個產品在這個階段是用戶規模，那么用戶的吸引力就是享受個性化服務。事實上，我們可以通過更好的個性化服務來完全提高用戶滿意度，獲得良好的用戶口碑，并間接使用用戶口碑來提高產品的用戶規模。這并非完全無關緊要。現在是時候看看他們是否能找到相關性并掌握分階段的設計目標。

舉一個具體的例子來看看如何使用數據來發現問題？數據代表了用戶的目標，行為和態度，但是查看單個數字是不可能找到問題的，數據的比較是一種簡單而有效的手段。我們知道交易關系買家產生的交易對1688網站非常重要。我們希望改善交易相關買家的交易體驗，但我們不知道從哪里開始，因此我們進行了大量的數據分析。交易關系買家如何找到老賣家？不同路徑的轉換率是多少？不同的用戶搜索方法和轉換率有什么區別？

首先，通過對用戶群的細分，我們發現交易關系買方通過搜索的轉化率是搜索整體支付訂單的轉化率的兩倍。因此，在搜索結果中添加舊買家標簽可以輕松找到舊賣家。

此外，我們還發現，普通會員，1-2星級會員級別，是增強交易交易的關鍵用戶。

通過上述數據分析，我們發現了目前的一些主要問題，圍繞這些問題，我們制定了優化計劃。

設計中數據幫你判斷思路：因為設計師有不同的個人經歷和不同的創造性思維，不同的設計師面臨著同樣的問題，而且解決方案可能會有所不同。即使是同一位設計師也會想到不同的解決方案哪個程序更合適，在某些情況下數據可以為您提供參考，為您提供“判斷思路”以幫助您做出決策;所有的道路都通往羅馬，但哪條道路是正確的？

舉一個具體的例子來看看如何使用數據來判斷這個想法？有一個批發類電子商務網站（1688.com）頻道頁面（ye.1688.com），我們發現用戶的轉換率非常低，讓我們研究數據，然后結合用戶訪談的結論由典型用戶制作，發現轉換率的原因實際上非常簡單，此通道的頁面條目主要來自整個網站頁面，而整個網站頁面是整個行業的類別頁面，如果用戶是在女裝行業的買家，她點擊一個完整類別頁面的鏈接進入另一個完整的類別頁面，然后找到女裝的類別，然后點擊進入列表頁面查看產品，這條路徑吧非常深，那么如何解決這個問題呢？那是為了避免女性服裝用戶從網站頁面進入這個頻道再選擇女性類別，以便看到女性的商品！

解決這個問題的想法是什么？您可以在網站頁面上添加一個條目，讓用戶直接點擊女性類別進入頻道頁面，并向用戶顯示女性產品;用戶進入頻道頁面后，可根據行業偏好的個性化數據推薦產品。不準確的推薦，用戶也可以自定義;哪個更可靠？這兩個想法各有各的優缺點，鑒于以前的想法，需要有外部依賴，要改變網站頁面，所以我們都希望后者的想法能夠運行Pass，但是你怎么知道這個想法可以干嘛？首先，我們需要知道行業中有多少人可以覆蓋人群，有多少人愿意定制行業偏好？

對于普通的網站，這可能是一個不夠清楚的問題，但1688.com是一個B級電子商務網站，已被會員用戶使用超過1億元。它具有如此大的用戶規模和高用戶覆蓋率。這意味著用戶行為數據的積累，而另一個B類用戶具有顯著的特征，即該行業的偏好在很長一段時間內相對穩定。如果它是主要的女性買主，那么她的偏好一般來說，女性的服裝將是主要的，并且不會超出服裝的范圍。

如上所示，通過行業特定的個性化算法，我們跟蹤了該頻道頁面（ye.1688.com）的用戶數據一段時間。我們發現大約有2/3的用戶有非常明確的行業偏好，那么基本上可以根據行業偏好定制的個性化建議是可靠的！但剩下的1/3用戶是否愿意定制行業偏好？由于時間關系，我們無法直接從這些1/3用戶那里得到明確的偏好。判斷他們是否愿意定制偏好，但通過對整個用戶組的問卷調查，發現大約30％的用戶表明定制行業偏好是一種好的服務。基于這些情況，我們判斷出基于行業偏好的個性化建議可以解決問題。一些用戶的行業偏好問題增加了內容的相關性。程序最終啟動后，大約10％的人實際上發現了自定義條目并生成了自定義行為，70％的人不需要對其進行自定義以獲得默認的準確推薦。

設計后數據幫你驗證方案：我們的設計工作做得好嗎？測量標準是看設計是否能達到設計目標？這也需要數據量化，通常使用GSM模型來支持設計驗證。 G（目標）設計目標，S（信號）現象信號，M（度量）指標，即所謂的設計目標，是確定在設計中應該實現什么結果，要解決哪些問題;度量，我們無法猜測，必須建立在設計目標的基礎上，首先假設設計目標將實現，然后會出現什么現象或信號？列出所有現象或信號，選擇我們可以監控的內容，然后量化這種現象或信號產品，自然地獲得指標，但指標的波動性通常取決于經驗。

例如，產品的設計目標是通過設計指導引導更多買家購買。想象一下，如果設計目標實現，將會發生什么？可能有更多的人愿意購買。在閱讀產品詳細信息頁面，點擊購買按鈕等后，最終生成購買。那么，這是衡量標準？設計只會改變產品信息的呈現方式，不能改變產品本身的質量或產品背后的服務質量，因此我們應該關注設計是否加強了指導，增強了購買意愿，并激發了用戶的興趣。進一步了解行為，主要是指瀏覽行為，通常是到產品列表頁面或產品詳情頁面等，定量結果是要進一步查看行為用戶的比例;

舉一個具體的例子來了解如何使用數據來驗證您的設計是否符合您的設計目標。曾經有一個功能模塊用于查找原產地。我們在設計前進行了研究。用戶告訴我們他們需要找到生產地點，他們更習慣于使用地圖找到原產地。我們欣喜若狂，并朝著這個方向直接生產。在地板上，我們堅信用戶告訴我們這絕對是對的！但這樣的設計真的能滿足幫助用戶有效找到生產地的需求嗎？請看下面的數據分析。

用戶的目標是不找到原產地嗎？還告訴我們，使用地圖找到原產地符合他們的習慣。為什么用戶上網后不使用此部分？我看到這個數據是非常意外的，從根本上我無法弄清楚，但后來我去看了這個盤子的熱圖，突然意識到了。根據數據分析，地圖與用戶的習慣一致，但在如此狹窄的地圖上這種復雜操作的復雜性非常低。因此，保留了查找到原點的映射的功能，但它不用作默認方法。根據流行，區域，附近，可搜索，地圖的方式進行全面攜帶，取得了良好的效果！

3、如何利用數據做日常監控？

作為設計師，您的工作上線后會使用多少人？這些用戶是誰？有什么特點？用戶如何專門使用您的產品？您的設計是否有優化空間？你怎么能成為一個用戶？創造更好的體驗？我們如何知道數據是否良好？有什么問題嗎？它主要基于比較和經驗，本產品長期跟進產生的直覺只有在熟悉該產品的前提下才能實現。您只能對數據中的更改進行更合理的解釋。

在日常監控中發現問題的主要方法是比較數據，但具體如何比較它們？有三種常見的簡單比較方法：a，橫向比較，以及類似的產品比較和查看相關情況。然后推測是否存在問題; b，縱向比較，與自己的過去相比，看看是否可以從歷史發展規律中獲得一些啟發，主要是看自己的趨勢; c，用戶細分，這是根據不同的分析需求劃分用戶，然后查看數據，看看組之間的差異在哪里，是否有一些用戶和其他用戶表現出不同的行為，然后找到問題。當然，除了這三種常用的比較，我們還可以做一些支持定性研究，使問題更加徹底。一些統計工具有時可以發揮作用，例如，SPSS用于因子分析，聚類分析等，也可以有一些意想不到的收益。

4、數據不是核心價值，你才是！

話雖如此，我并不是要強調數據的多樣性，但在互聯網領域，任何具有一定數量用戶的產品，你必須了解數據，其中一些是宏觀的，作為設計教師可以是作為背景知識，應該理解和理解，但設計師應該更多地關注用戶的目標，行為和態度等相關數據，注意微觀，用戶相關和設計相關的數據，所以為了更好了解我們的用戶并了解用戶對我們設計解決方案的反饋，我們可以幫助我們更好地利用我們的價值！