数据驱动的设计创新是一个新颖而重要的话题。对于设计师来说，理解和学习数据驱动设计可以更好地帮助我们做出设计决策。本文通过示例讨论数据如何影响设计决策，解释数据驱动和数据响应之间的区别，并介绍各种数据收集方法。在本文中，我们将深入探讨什么是数据驱动设计，以及为什么它能更好地推动用户体验。在此过程中，我们将了解为什么它可以帮助我们做出更实际的决定。作为设计师，我们需要接受和拥抱现实世界的指标，并利用它们的魔力来调整我们做事的方式。—JaredSpool我们目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理解我们设计的产品，但我们是为人类设计产品。因此，作为设计师，我们需要基于对人类交互的理解来分析人类行为和设计。这将帮助我们根据数据做出更好的设计决策。我们从用户那里收集的数据有助于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。基于交互行为的定性和定量研究结果，我们可以做出更好的设计决策。数据帮助我们探索用户如何使用我们的产品，以及设计师如何基于数据优化用户体验。我们收集的数据可以在四个方面帮助我们。△数据将从4个维度帮助设计师什么是数据驱动设计？设计以积累的数据研究成果为支撑。在设计过程中，设计决策基于数据和用户行为研究。复杂的用户体验设计涉及对体验本身的测量的研究。只有数据才能得出有价值的评估结论。用户行为和反馈帮助产品设计师验证他们的发现、假设和测量。评估数据的整理和分析可以揭示重要信息。-彼得·德鲁克。这些数据可以帮助产品团队了解目标用户，发现用户痛点，发现新趋势，支持数据驱动设计，确保团队前进的正确方向。用户数据可以直接促进业务结果的提升。它已被证明是一种通过数据驱动设计来改善用户体验的实用方法。为什么数据驱动设计？在设计产品的过程中，我们的设计师会对用户进行调查、研究和观察。在设计产品的过程中，唯一能检验假设的就是数据。如果我们在没有任何数据驱动的情况下进行研究，并依靠直觉或经验做出决策，我们就有可能将资金浪费在无效或无价值的设计变更上。通过对用户数据的合理使用、验证、分析，可以提升产品性能，也可以直观地体现在用户数据上。即使是世界上最好的设计师也无法预测用户的需求。数据驱动设计是一个向用户学习并确保他们的问题得到解决的过程。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驱动设计迭代。DataDrivenandDataResponsiveDesign以上术语来源于RochelleKing、ElizabethChurchill和CaitlinTan的书《数据驱动设计(Designing with Data)》。这本书帮助我们理解和阐明围绕数据驱动设计的不同术语，并将其与数据响应设计和数据感知设计进行对比。△DesigningwithData——King,Churchill,&Tan数据驱动和数据响应是两种不同的方法。它们都是数据驱动的，产品团队的每一个决策都是由数据评估和驱动的。数据驱动侧重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有了更广阔的发展方向。我们可以处理的不仅仅是定量数据。不同体验的A/B测试或结构化可用性测试可能会在数据响应中失败。数据意识使我们能够了解数据收集的广度和局限性。我们可以根据不同的问题来判断哪种方法最合适。数据感知团队可能会发现根据利益相关者研讨会、用户访谈甚至A/B测试研究的结果做出决策具有同等价值。根据麻省理工学院数字业务中心的研究：“在数据驱动决策方面排名前三分之一的行业领导者的公司平均比竞争对手高出5%的生产力和6%的利润。”我们发现，增加测量的事物数量或提高测量的保真度实际上并没有提高结果的准确性。数据结果并没有因为性能的优劣而有明显的变化。它只能揭示更深层次的复杂性——性能收益和损失涉及更多的东西。所以数据真的只是一个衡量标准，我们还是要靠直觉。我们仍然必须对原因的重要性做出判断。—JonWiley（沉浸式设计总监，Google）您如何收集数据？△智能用户体验的数据可视化我们有很多方法来收集定性和定量数据。许多用户体验从业者认为数据就是数字，但这是一种误解和谬论。为了用数据驱动设计，我们需要定性和定量数据。量化数据会告诉你用户在使用我们的产品时采取了哪些行动。定性数据会告诉你他们为什么这么做，更重要的是——他们对整体体验的感受。因此，我们在做设计决策时需要收集这两种数据。1.量化数据收集方法量化数据的数据类型有数字、人、事、时间、地点。定量数据可以显示程度，而不是原因。我们可以从GoogleAnalytics、GoogleTagManager、GoogleOptimize和其他测量工具（例如：Hotjar、CrazyEgg、Optimizely、Usertesting）中获取大量关于网站或应用程序使用情况的量化数据。A/B测试A/B测试也称为拆分测试。Hubspot将A/B测试定义为：在（一个）实验中，“拆分”多个测试人群，测试一系列变量，并确定哪个表现更好。换句话说，您可以将版本A显示给一半的测试人员，将版本B显示给另一半。在做A/B测试的时候，最重要的是尽量保证你一次只改变一个变量，而且控制组和实验组的人数是一样的。您可以向一半的测试人员展示版本A，向另一半展示版本B。测试的主要目标是在相同条件下比较不同变量。解析解析让我们知道谁访问了我们的站点、他们如何到达那里、在那里停留了多长时间以及他们点击了什么。这类数据可以有效梳理出很多有价值的指标，比如用户的平均会话时长、退出率等。如果你想提高你的应用或网站的转化率，建议从高的页面开始解析用户流量，因为它们可以让您更快地收集有价值的数据。我们还可以使用眼动追踪工具，例如热图。热图使用眼动追踪技术来了解用户在屏幕上关注的位置。当来自多个用户的热图表现出相似的模式时，说明更新的内容模块或网站或应用程序的设计迭代很有价值。研究用户体验研究是用户体验研究中定量和定性数据的重要来源。一个好的调查需要精心设计问题，确保问题没有引导性，目的明确。我们应该尽量限制问题的数量（不超过10-15个），以免用户中途放弃调查。2.定性数据收集定性数据可以解释发生的原因和过程。为什么不同的用户群体会有不同的行为？为什么不同的内容会让用户在网站上停留的时间长短不同？定性数据提供了一个视角，不仅可以帮助我们了解发生了什么，还可以帮助我们了解事件发生的原因和方式。我们经常通过角色、体验旅程图或移情图来收集定性数据。有了明确的定性数据，我们可以创造更好的用户体验，更有效地为用户服务。UserJourney/Flowchart了解用户与产品的交互，对创建用户使用模型很有帮助。从用户流程图中收集的信息可以帮助识别潜在的弱点，并为通过A/B测试或用户访谈进行深入研究奠定基础。竞品分析这是找出竞品弱点的另一种方法。竞品分析通过研究竞品，找出同类产品的优势、劣势或需要改进的地方。进行竞争产品分析时必须小心。一味模仿竞品并不是有效的解决办法。相反，最好使用竞争分析作为获得灵感的手段。通过对竞品的了解，可以取长补短。用户访谈用户访谈是收集用户定性数据的有效方法。通过开放式和封闭式问题更好地定位用户的核心问题。同时，还要限制受访者的人数。电话或访谈可以产生更深入的数据。社交媒体和用户反馈社交媒体反映了用户对体验的期望。通过了解用户的普遍不满，可以确定产品需求的优先级。了解用户对产品的评价和反馈，获取更多相关信息。收集数据的方法需要根据项目的内容和需求而有所不同。我们或许能够有效地使用数据来驱动设计决策，而无需研究数据或进行计算。但是作为产品设计师，在设计用户体验的时候，我们都是利用已有的工具来迭代和评估设计。因此，我们不应该仅仅根据数据做出盲目的决定，而应该了解我们所做的决定。无论我们的目标是什么，数据驱动设计都可以帮助提高产品性能、提高转化率并满足用户需求。通过数据驱动设计，我们的设计可以获得更好的投资回报。这也有助于提高产品的整体利用率和再利用。
