数据是衡量设计方案的重要指标

“作为B端的设计师我们有自己的方法论和设计模型，那么我们不同的用户他们自身也有其使用模型。我们是如何确定自身的模型能与用户的模型有契合，大家首先想到的可能是各种理论和满意度调研的各种维度。这些多只是方式方法，真正的核心都是通过对用户数据的反馈和整理来判断方案里面存在的问题以及验证最终方案用户是否满意。”

人们常说现在是“大数据”时代。许多不同的领域都在生成大量的数据。特别是作为B端设计师，整日与数据打交道，从简单的数据报表到复杂的数据可视化，都是对数据的分析理解。数据并不是单纯意义上的解读和拿来主义，当我们的侧重点不同时会对数据进行分析加工。你可能说这是产品或是运营、数据分析师的工作吧，其实这也是我们的工作之一。

为什么你需要数据支持

一、设计评审

当你在进行设计评审时，产品或相关人员提出异议时你要怎么做？如果你只是从交互的角度去讲即便最后能说服其他人但是不可避免的还是会有些苍白，没有有力的证明。我们在工作中也常常遇见很多难以抉择的交互问题，现有的方案哪个更适合用户，根据方向的不同，侧重点也不相同，会觉得某一方案比较好。这时我们就需要一种评判的标准，数据就是很好的一个衡量标准比如产品埋点数据、用户反馈数据、链路埋点数据等。用以证明目前的方向是可行的。

二、方案的验证

当我们设计完成投入使用后，我们会跟进调整，常规手段是通过各种调研以及用户访谈等方式收集信息，同时我们也会根据预先埋点提供的数据进行观测用户的使用情况，在对这些数据进行分析，在评估用户体验和交互式系统设计的其他方面时，数据分析为设计人员提供了有关系统性能和个人与系统和服务交互的行为的数据。

三、助力晋升

在你晋升时与你竞争的都是同级别的选手，你与其他人的差异不明显时，如何脱颖而出，展示让人信服的价值，数据就是很好的一个衡量标准。通过数据的对比来证明自己的设计方案是有价值的。以此来证明自己。

了解基础数据

在实际工作中需求不是凭空出现的，也不是某个人决定的，他是由相关数据引导出来的，对数据进行分析，得出我们需要的形成一个个需求，那么在设计方案时分析各种数据去追寻本质，你可以从这几个维度入手：访问量（Visits）、访客（Visitors）、网站停留时间（Time on Site）、页面浏览量（Page Views）、跳出率（Bounce Rate）、来源（Sounces）等。

A/B测试验证方案

方案的验证不只是完成后的跟踪，也可以让用户进行选择，虽然可使用的方法有很多种，但使用频率最高的主要是A/B测试。

A/B测试（A/B testing）是对某个页面多个版本进行测试的方法。每个页面都有不同的特点，且可以明显看出与原页面的区别。是成本最低的测试方法。因为测试中可以使用公司的现有资源，操作也并不是很复杂，影响很低，而且A/B测试实施起来也比较简单。

测试目标是页面的几个新版本，看哪个版本可以达到预期（如更高的点击率、转化率、更更好的易用性等）。在测试中，每个版本会随机分配给预先设置的访客，百分比通常是50%。

A/B测试擅长测试页面的明细变化，如布局结构的变化，或者对用户体验步骤的增减等。

△ A/B Testing

数据思维的改变

当然，单独收集数据不足以了解该领域，数据绝对不是万能的，他只是衡量产品用户体验的工具，我一直强调数据不是单一的拿来主义，你需要观察数据产生的来龙去脉，并把数据集作为一个整体来理解。关注全貌，比只注意到局部时更容易作出准确的判断。单一的片面解读可能与实际南辕北辙。比如某些有潜力的互联网公司，一年比一年亏损多，但股价却越来越高，用户增速越来越快，这就不能单纯的去看GMV的变化，要整体的去看待各项数据。他的访问量、新增用户、用户留存等等，侧重的价值远远高于GMV的衡量。所以数据不是单独存在的，是需要与周边环境相联系，剥离出有用的信息。

△ 《谷歌数据分析方法》思维方式演变

我们以设计体验为主，辅以数据。对数据从了解到学会分析数据，验证数据，决定设计方向。理性与感性相结合，在遇到任何的困难以及对任何新服务或系统的需求时。需要以其他设计师和所有利益相关者都能理解的方式分析、消化、合成和呈现数据。这涉及设计师如何在数据中花时间探索数据之间的关系以及未来的成长。