数据驱动设计入门。 完整指南

2017年， 《经济学人》发表了一篇题为《世界上最有价值的资源不再是石油，而是数据》的文章，这应该不足为奇。 毕竟，目前，Facebook、亚马逊、微软和谷歌等全球巨头拥有大量数据供他们使用，并且他们将其用于各种目的。

简单地说，数据是一种强大的资产，可以在任何地方成功应用，设计也不例外！ 如果您仍然没有使用数据进行设计，那么是时候改变它了。

阅读本数据驱动设计指南。 在这里，我将告诉您有关使用不同数据集进行设计的所有信息。

让我们开始吧！

什么是数据驱动设计？

数据驱动设计是用可测量的数据设计和改进数字产品的过程。 在实践中，这意味着您的设计决策得到了有关用户、他们的行为、参与度或您的数字产品整体性能的宝贵数据的支持。

在数据驱动的设计中，您几乎可以测量任何您想要的东西。 您想了解用户与您的网站的交互是否无缝且愉快？ 深入研究参与度指标，例如跳出率或平均页面停留时间。 或者，也许您想发现哪种微文案效果最好？ 那么 A/B 测试会告诉你真相！

与我们一起制定成功的产品战略

学到更多

关于错误共识效应的几句话

在从事数字项目时，许多设计师陷入了错误共识效应的陷阱。 让我给你看一个简单的例子，我相信你会明白的。

假设您正在设计移动应用程序中的入职流程。 在某些时候，您需要选择登录选项。 您不能仅凭直觉做出决定，诸如“我们的用户将使用 Gmail 登录，因为每个人都喜欢它”或“用户在入职时需要看到最重要的功能，我总是更喜欢”这样的论点绝不是正确的道路让经验丰富的 UX 设计师效仿。

这就是正确的数据集应该发挥作用的地方。 明智地使用数据，您将避免错误共识效应，即倾向于假设您的信念、行为和意见相对普遍。

数据驱动与数据知情设计：有什么区别吗？

尽管数据驱动和数据通知设计看起来是相似的概念，但实际上它们是处理数据的两种不同方法。 这就是为什么您不应该互换使用这些术语的原因。

在数据驱动设计中，数据是设计过程的核心和灵魂。 这意味着最关键的决策主要是根据数据做出的。 在实践中，如果您想解决最紧迫的问题，您和您的设计团队会分析您拥有的数据，只有在此基础上您才能选择正确的解决方案。

在数据知情设计中，处理数据的方法略有不同。 在这里，数据仅作为信息的补充来源。 简而言之，数据对您有很大的价值，但它不是您做出决策的驱动力。

以下是数据驱动和数据知情设计方法之间主要区别的快速总结：

为什么要选择数据驱动的设计方法？

正确的问题应该是：你为什么不在设计中使用数据？

数据意味着力量，你可以用它做出更明智的决定。 这是给定的。 但是，如果您仍然对在设计过程中使用数据持怀疑态度，那么这种方法的主要优势可能会让您信服：

• 数据驱动的设计可以帮助您改善用户体验和产品性能。
• 通过正确使用数据，您可以观察到转化率和销售额的显着增长。
• 通过依赖数据，您可以避免上述错误共识效应。
• 这是验证您的假设的最佳方式。
• 您可以降低做出成本低效决策的风险，例如构建不必要的功能。
• 数据（通常）是无偏的。

如您所见，通过使用相关数据及其正确解释，您可以提升您的数字产品，并更轻松地实现您的业务目标。

数据驱动的设计流程

如果您很少或根本没有使用数据的经验，那么数据驱动设计的概念一开始可能会显得过于庞大。 但没有必要担心。

我将逐步指导您完成整个过程，从识别最紧迫的问题到数据分析。 借助此框架，您将准确了解如何充分利用可测量的数据。

让我们切入正题！

1. 确定您感兴趣的领域

每个数据驱动的设计过程都应该从一件特定的事情开始——发现你想要探索、测量和测试的东西。

那么您的网站上是否有任何具体的内容目前表现不佳？ 用户拒绝点击的任何 CTA 按钮？ 或者也许在某个阶段，跳出率达到了惊人的水平？ 您可以使用设计中的数据备份数以千计的东西。 您需要深入了解您的 Google Analytics（分析）或其他工具，以确定需要更深入分析和测量的最紧迫问题。

如果您不能自己做，或者您完全不知道如何正确做，则无需担心。 您可以请专家为您进行UX 审核——本文档将查明所有危险信号和高级别问题，这些问题应该是您主要感兴趣的领域。

2. 设定目标

在数据驱动的设计中，您既可以设定快速目标，也可以设定长期的、更复杂的挑战。

但是，请记住，设定一般和模糊的目标，例如“提高转化率”或“提高用户满意度”，从长远来看会让你一事无成。 影响转化率和用户满意度的因素太多了，你无法同时衡量它们。

更好的方法是设定更具体的目标，例如“我希望我的转化率在 3 个月内从 2% 提高到 5%”。 这个目标很容易衡量，这就是你想要的，对吧？

3. 选择指标

您已经知道要实现什么目标，但现在的问题是：您如何衡量它们？

根据您设定的目标，您可以选择自定义指标来告诉您什么不起作用以及原因。 这些可以是：

请记住，列表并不止于此！

这些是数据驱动设计中最常见的指标，但如果您想尝试其他指标，看看它们是否会告诉您有关用户的更具体信息并提供更多相关数据，您可以选择它们。 什么最适合你！

4. 选择数据收集方式

现在您已经知道需要什么类型的数据以及如何衡量它，是时候收集数据了。 幸运的是，您可以使用大量的研究方法。

您可能已经知道，数据收集方法主要有两种类型：您可以选择定性和定量方法或两者的组合，这将为您提供更深入的数据。

如果您想使用 Google Analytics 等分析工具分析统计相关数据，您可以选择定量研究方法。 他们将为您提供诸如“多少”或“多久”之类的问题的答案。

另一方面，如果您更喜欢检查特定用户的行为、动机和意见并找出发生某事的“原因”，那么您应该使用定性方法。 我希望这对你来说很清楚。

以下是一些收集大量有价值数据的高效方法：

定量方法

• A/B 测试：进行各种实验，在这些实验中创建两个变量并衡量哪个变量表现更好
• 调查：您发送给目标群体的问题列表
• 分析：使用谷歌分析等分析工具跟踪各种可测量的数据
• 热图：指示网站的哪些部分获得最多的参与

定性方法

• 深度访谈：您与目标群体进行的一系列面对面对话
• 焦点小组：与几位参与者的主持讨论
• 可用性测试：参与者在产品原型上执行的预先计划的任务
• 用户观察：观察和分析用户如何与数字产品交互
• 日记研究：参与者的意见、活动或行为的自我报告

渴望更多关于定量和定性方法的知识？ 阅读我们的文章，了解最佳 UX 研究方法并获得启发！

5. 收集和可视化数据

因此，您已经涵盖了整个规划过程：您已经设定了关键目标、选择了指标和数据分析方法。 现在是时候收集您需要的数据了。 要正确执行此操作，请遵循以下几条规则：

• 结合来自定性和定量方法的数据——这样，您将获得全貌并做出最准确的设计决策。
• 如果您需要统计相关的数据，您的样本量至少应该是几十人。 在这里，规则很简单——越多越好。
• 对于定性方法，您可以从少数参与者那里收集到丰富的见解。

将所有这些数据收集在一起后，就可以对其进行可视化了。 这是您永远不应忽视的关键步骤。 为什么？ 因为只有当您将数据可视化并将其放在漂亮的图表中时，您才能看到模式。 这正是您所需要的。

寻找趋势、季节性、奇怪的异常、不寻常的相似之处或不同之处——这样，您将从分析中提取有价值的见解。

6. 做出数据驱动的决策

你得到数据分析的结果了吗？ 那很完美！ 现在，您应该将结果与最初的假设进行比较，并问自己以下问题：

• 我收到的结果有什么改变吗？
• 它们是否揭示了一些有趣、出乎意料或令人惊讶的事情？
• 我可以根据这些对我的数字产品进行任何改进吗？
• 它们足以做出设计决策吗？

即使是对您的数字产品的微小更改也会产生影响，因此请谨慎做出设计决策，即使它们有数据支持。

将数据驱动的方法视为一个迭代过程。 你不能进行一次数据分析，然后就认为你的工作已经完成了。 相反，您应该不时重复测试。

包起来

通过数据驱动的设计，您可以提高产品性能、提供无缝的用户体验并验证您的设计理念。

相信我们的应用程序设计

我们一起工作吧！

请记住，数据可以有多种形式，因此请使用多种定性和定量方法来获取有价值的数据。 无论是调查、A/B 测试还是分析——选择适合您需求和范围的数据收集方法。

相信我的话：如果有价值的数据支持，您的设计决策将更加明智和准确。

想通过数据驱动的方法提高您的产品性能吗？ 联系我们！