一文告诉你什么是数据驱动设计设计达人

前言：数据为设计提供指导，也叫数据推动设计创新。设计并非是单纯拍脑袋想出来，作为设计师，理解并学习数据驱动设计能更好地帮助我们去进行设计决策，并且帮助设计师在设计领域上的发展。本文结合实例探讨了数据是如何影响设计决策，解释了数据驱动和数据响应的区别，并介绍了多种数据收集的方式。

作为设计师，我们需要接受和拥抱现实世界中的数据指标，并利用它们的神奇力量来调整我们做事的方式。—JaredSpool

我们当前面临着来自用户交互的海量数据。虽然有大量工具可以帮助我们了解所设计的产品，但是我们是在为人类设计产品。因此，作为设计师，我们需要分析人类的行为，并根据对人类交互的理解做设计。这将有助于我们基于数据做出更好的设计决策。

我们从用户那里收集的数据可以帮助我们做出更好的设计决策。通过分析和理解数据，我们可以设计出更好的用户体验。基于交互行为中定性和定量研究的结果，我们能更好地进行设计决策。

数据帮助我们探寻用户如何使用我们的产品，以及设计师如何基于数据为用户优化使用体验。

我们收集的数据可以从四个维度帮助我们。

△数据将从4个维度帮助设计师

评测数据的整理与分析能揭露重要信息。—PeterDrucker.

这些数据可以帮助产品团队了解其目标用户，发现用户痛点，发掘新的趋势，支持数据驱动的设计，并确保团队前进方向的正确性。用户数据可以直接推动商业成果的提升。通过数据驱动设计，以提升用户体验，被证实是切实可行的方法。

我们设计师在设计产品的过程中，会对用户进行调查、研究和观察。设计产品的过程中，唯一能验证假设的就是数据。如果我们在没有任何数据驱动的情况下进行研究，凭借直觉或经验来做决策，就很有可能把钱浪费在无效的或一文不值的设计改动中。

产品的性能可以通过合理使用、验证和分析用户数据而得到提升，它也能直观地反映在用户数据中。即使是世界上最好的设计师也无法预测用户的需求。数据驱动的设计是一个向用户学习的过程，它能确保用户的问题得到解决。满足用户需求是产品成功的首要条件，而这一切都需要数据来驱动设计迭代。

△利用数据进行设计——King,Churchill,&Tan

数据驱动和数据响应是两种不同的方法。它们都是以数据为基础，产品团队的每一个决策都是由数据评估和驱动的。数据驱动的重点在于数据辅助产品优化和效率提升。数据响应让我们在数据的使用上拥有更宽阔的发展方向。我们能处理的也不仅仅是量化的数据。不同体验的A/B测试或结构化的可用性测试在数据响应中可能会失效。

麻省理工学院数字商业中心的研究表明：“在通过数据驱动决策方面，处于行业领先地位的前三分之一的公司，其平均生产效率比竞争对手高5%，盈利能力高6%。“

我们发现增加评测的事物数量或提高评测的保真度，实际上并不能提升结果的准确性。数据结果并不因性能的优劣而发生鲜明的改变。它只能揭示更深层次的复杂性——性能优劣牵扯到更多的东西。因此数据实际上只是一种衡量标准，我们仍然需要依靠直觉。我们仍然要对成因的重要程度做出判决。—JonWiley（谷歌沉浸式设计总监）

△smartUX的数据可视化

我们有很多收集定性和定量数据的方法。很多用户体验从业者认为数据就是数字，但这是一个误区，是一个谬论。为了用数据驱动设计，我们需要定性和定量数据。定量数据会告诉你，用户在使用我们的产品时采取了哪些行为。而定性数据会告诉你，他们为什么这么做，以及更重要的——他们对整体体验的感受。所以，我们在制定设计决策时需要收集这两种数据。

A/B测试也被称为分组测试。Hubspot将A/B测试定义为：

在（一个）实验中，’划分’出多个测试群体，测试一系列变量，并确定哪个变量表现更好。换句话说，你可以向一半的测试者展示版本A，向另一半的测试者展示版本B。

在进行A/B测试时，最重要的是尽可能确保每次只改变一个变量，并且使对照组和实验组的人数相同。你可以向我们一半的测试者展示A版本，向另一半展示B版本。测试的主要目标是在同等条件下，对不同变量进行比较。

一个好的调研需要精心设计好问题，确保问题没有引导性，并且目的明确。我们应该尽量控制问题的数量（不超过10-15个），以免用户中途放弃调研问卷。

定性数据能说明原因和发生过程。为什么不同组用户采取不同的行为？为什么不同的内容让用户在网站上停留的时长不同？定性数据提供了一个视角，不仅帮助我们了解发生了什么，还能让我们了解事件发生的原因以及过程。我们经常通过用户画像、体验旅程图或移情图来收集定性数据。

有了清晰的定性数据，我们可以创造更好的用户体验，更有效地服务于用户。

为理解用户与产品之间的交互，创建用户使用模型是非常有帮助的方法。从用户流程图中收集到的信息有助于确定潜在的薄弱环节，为A/B测试或用户访谈的深入调研打下基础。

这是找出竞品弱点的附加方法。竞品分析通过调研竞品来找出类似产品的优势、劣势或有待改进的地方。

在进行竞品分析时，必须谨慎。一味地模仿竞品并不是一个有效的解决方案。相反，最好将竞品分析作为获取灵感的手段。通过对竞品的理解，我们可以取长补短。

收集数据的方法需要根据项目的内容和需求而变化。我们可能不需要去研究数据，也不需要去做运算，就能高效利用数据以推动设计决策。但作为一个产品设计师，在设计用户体验时，我们都要利用现有的工具对设计进行迭代和评估。因此，我们不应该只是基于数据进行盲目的决策，而是要对自己所做的决策知情知理。

无论我们的目标是什么，数据驱动设计都有助于提高产品性能，提高转化率，满足用户需求。通过数据驱动设计，我们的设计能得到更好的投资回报率。这也有助于提高产品整体的使用率和复用率。