“熊本熊之父”水野认为，设计和商业的分离，他是没有办法理解的，因为设计最终是为商业服务的。笔者认为，设计当然可以成为主观层面灵感的宣泄，作为时代照片收藏于博物馆；但在艺术以外的世界，设计需要结合各种商业目标来解决问题。设计师利用他们的想象力，移居到外面的世界，进行创意设计；同时，他们也通过观察去触摸屏幕外的世界，构想自己所处的场景，吸收外界的信息。数据虽然不是设计的唯一指标，但作为联系外界的重要方式，它可以帮助我们更好地了解看似遥不可及、神秘莫测的用户。谁是用户？他们如何使用我们的产品？在无底屏的另一边，他们是否按预期使用了我们的功能？根据他们的使用行为，我们的设计如何优化？这些问题都可能在仔细品味数据后得到解答。为什么设计师需要理解数据？在互联网产品中，数据来源于对用户行为的统计。设计师通过数据了解用户，可以为设计方案提供辅助参考。目前，越来越多的公司提倡设计师在项目的早期参与产品的全过程。作为产品体验设计师，应该尽量从产品需要解决的问题的源头出发，用数据去理解用户行为，从而做出更好的设计方案。1.设计前，??贴近我们的用户，提高设计师的观察能力。数据是用户行为的量化，数字背后是真实的用户。如果我们优化现有解决方案的设计，我们可以利用现有用户的行为数据来了解用户如何使用我们的产品，发现他们的困惑或需求，并在表现不佳的数据中找到用户的困惑。发现设计机会；如果是全新的项目，可以从同类项目的数据中获取灵感，或者亲自对目标用户进行定性研究，通过与真实用户的接触和交流，获得设计方向。2、在设计过程中，辅助方案的决策。当前问题的答案远不止一种，选择哪种方案更符合当前用户需求，就看设计者了。当然，设计师不是神，无法预测哪种方案是100%可行的，但数据可以给我们一定的决策支持。即使在极难做出决定时，也可以使用ABtest来比较设计方案的效果。3、设计完成后，验证方案效果。优化设计方案后，可以观察数据相比之前是否有所提升，是否达到了设计目标。如果还有表现不佳的地方，研究数据，看看哪些地方可以进一步优化，进而推动下一轮设计方案的优化，进入良性循环。需要观察哪些数据指标？数据分为两类，定量数据和定性数据。1.定量数据是告诉你已经发生的事情的数据。定量研究是根据统计数据建立数学模型，利用数学模型计算分析对象的各项指标和数值的方法。常见的数值数据、指标数据等量化数据，我们在互联网产品中可以接触到大量的量化数据。2.定性数据（Qualitativedata）是用来说明事物本质的文字表达数据。定性分析主要依靠分析者的直觉和经验来探究对象的性质、特征和变化规律。通过访谈和观察，通过人工处理总结的数据是定性数据。就量化数据而言，以下观察指标是笔者在设计中常用的，但其他参考指标还是可以根据自己的业务场景来建立的。流量指数流量指数是衡量网页效果的重要指标。通常可以分为PV（PageView，页面访问量，产生一次访问时算一次）和UV（UniqueVisitor，独立访客，即使多次点击或访问行为也只算一个用户）。流量指数是衡量产品生命力的重要指标，比较功能之间的流量指数可以帮助我们了解用户需求的强弱程度，从而确定功能的优先级。质量指标根据业务场景的划分，质量指标会有所不同。在搜索场景中，我们使用首点位置（用户在搜索结果中产生第一次点击的结果位置）来评价搜索的质量。第一个点位置越接近前者说明用户越早找到自己需要的东西，搜索体验越好。但是，如果切换到其他业务场景，质量指标会相应发生变化。在内容消费场景中，会通过平均停留时间（用户访问某个页面时的浏览时间）来衡量内容是否对用户有吸引力。但是，如果将平均停留时间放在快捷任务场景中，就会变成负指标。用户停留的时间越长，用户就越困惑。ConversionMetrics转化率是指用户做出相应目标动作的访问次数与总访问次数的比值。其中CTR（Click-Through-Rate，曝光点击率，某内容被点击次数与曝光次数的比值）、购买率等指标都是类型的转换指标。元素的转化指数可以反映某个元素对用户的吸引力；一个过程的转换指标可以说明这个过程是否合理。如果期望用户完成注册行为，整体访问占最终注册行为的比例偏低，说明流程设计还是不够好。需要改进，损耗高的链路可以作为设计中的重点优化对象。如何使用数据辅助设计？——以表情搜索和表情优化为例。使用数据进行设计的过程可以分为以下几个步骤。在制定计划之前尝试浏览在线数据。也许你在设计的时候会遇到问题。一种不同的思维方式。尝试从数据中找到这些问题的答案：我为谁设计的用户？他们现有的行为是什么？设计目标是什么？我怎样才能做出改变来实现这个设计目标？在本次优化项目中，我们将数据作为设计方案的优化参考。表情搜表情是在搜一搜搜索表情时，利用用户已有的表情，通过表情的文字或图片相关性，找到更多相关的表情，解决用户对更多表情的需求。修改前的初始版本的流程如下。1、既然是设计前的优化项目，那么说明我们在设计的时候就有了之前方案的数据积累和表现，能够清楚的了解当前的用户行为。这实际上会为设计优化提供一些突破口，避免无所适从。通过观察原方案的数据表现，我们会发现在设计时用户的几个行为值得特别关注：搜索表情时，三分之一的用户点击入口通过表情搜索表情；但最终整体的搜索流量似乎靠表情包搜索表情包只占十分之一。数据翻译：用户通过表情搜索表情完成率低，表情选择面板用户流失率高。尝试解释这些数据。在搜索表情符号时，三分之一的用户看到一个看起来很显眼的按钮并尝试点击它。然而，这些用户中有超过60%没有完成搜索就离开了，可以猜测是用户看到弹出的表情面板不知所措，不知道接下来的操作就离开了，所以没有后续的搜索量。用户会多次切换表情来发起搜索。一旦用户产生了搜索行为并掌握了该功能的使用方法，就会在一次搜索中多次切换表情。这个数据也需要我们把这个功能的意义更准确的传达给更多的用户，帮助解决他们的需求。基于以上观察，可以发现“表情找表情”的老用户有两个显着的行为：新用户：不知道这个功能是什么，不知道怎么用。老用户：了解使用方法，一次搜索多次切换表情。因此，针对这两类人群，分别设定了以下设计目标，以确保兼顾各种用户行为：新用户：改进功能传达意义，增加用户操作指示。老用户：提高表情的切换效率。2.新用户设计：完善功能传达意义，加强教育指导优化新用户教育，首先提高功能和意义的清晰度。提高表达的清晰度原来的添加按钮好像有上传表情的意思，概念上比较抽象，和按表情找表情的相关性不大。因此，将其转化为一个新的表达式与一个表达式在图上碰撞的表达式，更直观地体现了“以表达式求表达式”的语义。明确文案表达方式，增加操作说明。文案方面，将原来的“用表情搜索表情”改为更具体详细的功能介绍：“点击选择表情，搜索相关表情”，包括给用户的操作说明，同时时间给用户更明确的操作期望。我们还在弹出的表情选择框上添加了引导说明，避免用户不知所措。老用户：提高切换效率，便捷操作提高切换效率。对于老用户来说，从数据可以看出，用户在这里切换比较频繁，而原有的下拉列表让用户每次都需要回到顶部才能切换到下一个表情。为了提高用户的使用效率，我们在页面顶部固定了切换面板，让这部分高频用户可以随时切换表情，无论滑动多远，都可以发起下一个随时搜索。降低面板高度以避免遮挡内容。同时，为了不影响整体的表情浏览，在向下滑动时适当降低了面板的高度，为用户的主要消费内容留出更多的页面空间。3、优化版上线后，经过三个月的观察，发现用户用表情搜索的转化率比之前的方案提升了51%，说明改版优化后，新用户有更好地定位这个新功能。进一步了解；切换表情数量比之前翻了一番，切换表情面板的点击次数增加了80%。新方案也提升了用户的切换效率，达到了我们的优化目标。数据与直觉以上是一个用数据指导设计的例子，但数据在设计中更多的时候是辅助而非决定性的作用，真正的决策权还是掌握在设计师手中。正如Facebook的产品设计总监也谈到了数据的作用：数据和A/B测试是宝贵的盟友，它们帮助我们理解、成长和优化，但它们不能替代头脑清醒、强有力的决策。不要依赖于他们的诱惑。有时，一点点直觉会大有帮助。数据和A/B测试是帮助我们理解、开发和优化的宝贵盟友，但它们不能替代清晰的头脑和强大的决策。不要依赖他们的魅力。有时，一点直觉可以大有帮助。设计是直觉、理性和同理心的平衡。数据是设计方法中的一种工具，而不是一切。笔者认为A/B测试并不是所有问题的答案。无休止的A/B测试会让设计师失去对设计本身的控制。在许多情况下，意外的变化不应该干扰我们的直觉。认识到数据驱动的缺点和能力，它只能作为一种观察手段而不是决定性因素，设计师应该避免被数据淹没。相信自己的直觉，在一些数据的辅助下，让设计发挥出更大的能量。
