讓數據自己開口講話

曾經，用戶體驗是玄學，靠得是設計師的直覺、品味和知識。而如今，優秀的互聯網產品不斷涌現，用戶體驗也逐漸落地，越來越多的人參與進來，建立更加完備的知識體系，越來越像科學，是主觀思維的客觀體現，因此設計師也要學會用理性思維來考量體驗。

無論是否有資源去做用戶訪談、調查問卷，我們都能夠獲得非常詳細具體的數據。海量數據體現了用戶對新功能的好惡、對公告的查閱量、頁面結構改變后的適應程度。一次次抽絲剝繭，如何讓枯燥的數據說話，如何使用數據切實有效地透過問題看本質，更客觀地設計產品？

體驗是很感性的存在，一千個讀者心中有一千個哈姆雷特，同一個設計也有褒有貶。而冰冷的數據是最客觀的，能直接反映優劣。感性與理性之間的難點在于如何度量，通過客觀的數據量化主觀的認知。

舉個例子，足球場上，時常會聽到對球員的評價，諸如天賦異稟、球場領袖等等，但這些華麗的詞藻都是感性的，沒有明確的標準，什么樣的天賦是異稟，什么樣的表現算領袖？所以我們總會拿一些數據來比對，過人成功率、攔截成功率、傳球準確率、射門轉化率等等。這樣，通過這些數據就可以反映一個球員的作用，進而明確到底是媒體吹捧，還是真實實力。

用戶體驗也是一樣，我們常會看到一些設計宣稱操作壓力小和記憶負荷低，但是并不明確其標準，此時就需要數據去度量：通過“點擊次數少”、“操作時間短”等數據支撐其所宣稱的壓力小和負荷低。

因此，我們需要一些客觀的數據支持，通過指標高低驗證設計，進而衍生出體驗的優劣。

根據筆者在工作中的經驗，數據主要來源于以下幾方面：

用戶調研數據-包括用戶訪談、調查問卷、可用性測試等。

競品分析數據-包括頁面結構、操作邏輯、UI等。

自發埋點數據-頁面模塊點擊數、頁面停留時間、轉化率、PV、UV等。

1.設計前

用戶調研數據：

·從0到1的過程，能夠指導挖掘用戶需求和痛點，指導設計方向，是設計的起點。

·在迭代中，通過用戶調研數據，可以驗證設計是否達到初衷；同時也可以挖掘新的用戶需求。

自發埋點數據：

·迭代開始前，可以發現上一版本的問題，為迭代設計指引方向。

收集數據：調研、競品分析、埋點。

2.設計中

用戶調研數據：

·在設計中不斷通過數據修正設計對目標的契合度。

競品分析數據：

·同類型產品的設計亮點，通過分析優劣，幫助提升設計與目標的契合度。

分析數據：發現體驗的缺陷、痛點；分析和競品的設計差異；根據埋點取舍、驗證優化方案。

優化設計：修改設計缺陷、解決用戶痛點。

3設計后

自發埋點數據：

·通過數據的比較，驗證設計是否達到初衷。

·通過埋點設計對不確定的設計方案測試優劣，進而指導迭代的重構。

用戶調研數據：

·通過用戶調研，了解用戶對新產品的設計反饋，積極反饋保留，消極反饋從設計的角度加以分析，作為迭代設計的基礎。

數據再收集：通過新一輪的數據收集及分析發現新的缺陷、痛點；同時通過核心指標驗證上一次優化設計是否解決問題。

產品上線后，一定會收集各種數據，通過數據可以知曉設計的優劣，進而確立改進目標，朝著目標的方向再設計，此時可以根據設計設置埋點以便驗證，待產品上線后，根據埋點的數據度量改進設計的優劣，然后再根據數據設置新的改進目標…，顯然這是一個循環往復的過程。

這是一個筆者工作中的實例：

1設計前

收集數據

體驗數據：操作至少三步才能完成購買（不包括充值流程），輸入框不夠明顯，操作效率低。

目標

優化購買流程和頁面設計。

2設計中

收集數據

競品分析：主要分為兩種購買流程，絕大多數平臺使用2步購買的方式。

分析數據

競品分為兩步購買的原因？

基于不同用戶群：

老用戶-基于對平臺的高信任度，只篩選符合自身需求的標的購買，包括期限、利率、產品類型。

新用戶-詳細閱讀產品詳情，再判斷是否購買。

設計差異、缺陷：

新老用戶對應同樣購買流程，沒有差異。

購買金額輸入框的樣式沒有差異，不易搜索。

優化設計

3設計后

度量

1.使用不同購買流程用戶的狀態（新用戶/老用戶）：是否不同流程對應不同用戶

2.進入頁面點擊金額輸入框耗時：輸入框是否易搜索。

3.購買耗時：新的設計是否使購買更容易。

通過以上三項數據度量改進設計的是否達到目標。

用戶數據如同深埋在地下的“金礦”，蘊含著巨大的信息。能夠快速找到并挖掘，便能更加高效和準確的進行設計方案的制定，并且保證設計、需求和用戶習慣的高契合度。