产品设计的量化
从用户体验的角度，我们有很多方式去衡量设计合理与否，
Google Analytics 事件，细分，路径，渠道视图
A/B test，增长实验测试
问卷量化
Fakedoor testing
定量可用性测试 （Benchmarking）
偏好测试（Desirability Studies）
卡片分类
眼动实验
...
但是有的时候即使得到了这些量化的数据，也会在必要时为业务让路。因为无法衡量商业影响，所以很容易一直妥协。今天想从广义的量化出发，着重从商业角度，谈一谈用户体验与商业目标的关联，文中并没有现成的方法可以供各位使用，但是希望些许思路能带来一些启发，本篇详细阅读需要 11分钟。
如果我们是在互联网公司工作的设计师，那么设计大多都是围绕商业目标来的。哪怕有些公司走着情怀路线，倡导以用户为中心的理念，宣传设计文化，也存在着隐性逻辑链：因为有了很好的文化，我们才能花更少的钱招到更优秀的人才，提高公司生产力。商业和设计不是一个对立关系，只是缺少一种建立他们两者联系的语言。现阶段科技界的价值观越来越趋近高压化，功利化，关注既得利益，我们总会被问到一个头秃的问题：你的设计做的那么好，该如何量化？
更糟糕的是，如果和你交流的对象带入了一些主观和不开放的心态，就会出现下面这种：
A：你做了好多功能，亮点在哪里？
我：我觉得XX这一步是最具挑战性的，因为XXX。
A：嗯，还是觉得太普通了。感觉不对。
我：。。。（卒）
1.量化的两个目的
上面那个例子就是A观众的主观态度太过强硬，基本逻辑无法将他说服，只能通过量化的手段，把铁一样的事实或者数据呈现在他面前，让他不得不抛开主观，面对事实。设计的量化有对内和对外，对内是帮助自我迭代，对外是引导观众的认同。也可以这样表述，设计量化有两种目的，一个是引导决策，一个是展示结果和影响力。
引导决策
引导决策表现在通过一系列方法得出一些纯粹的数据或信息，依靠个人或者团队达成的一致，有效地做出决策，推动项目前进。例如说可用性测试的评估，不同类型用户对产品可用性进行打分，直观得出不同方案的好坏，选择最优解。但类似的量化只对内部决策的效用更大。“内部”指的是什么呢，内部是一群建立了共同价值观或者设计原则的人：你们有共同的语言，你们对可用性有着广泛的接受，你们心中承认一系列设计方法的重要性。问题是，我虽然把体验做到了极致，可用性上升了，然后呢，能给公司带来什么？如何说服非专业的人？如果用户体验的价值观没有被提升上来，我们总会面临着被挑战的风险。
所以整个科技界似乎达成了一个共识 —— 数据。通过数据发现问题，找到原因，提供解决方案，带动商业影响，似乎成为了一个万金油逻辑。数据驱动也是近年来一个决策引导的趋势。
衡量最终成果和影响力
设计的方案要有始有终，在衡量结果影响力的时候，我们为了把成绩表达地干脆有力，会在在“专业度价值”和“商业指标”上下功夫，经常被衡量的维度有，
帮助公司挣了多少钱
对社区有什么影响力
用户满意度提升了多少
是否增进了团队的设计资产
其他核心指标提升了多少
强调“范式”一样的“专业度价值“，是设计师这个工种与生俱来的价值体现，例如你对accessibility，localization理解等等。别人要是拿这个跟你杠那就是杠精了，你大可以让它 Shut up 不奉陪了。专业度价值可以通过自己的专业技能和上文中的一系列UX评估方法获得。
在商业指标方面，其实在项目刚开始，健康的流程里团队已经确定了什么是北极星指标，次要指标，相反指标。作为设计师，我似乎只要支持业务就好了。但是很多纯用户体验上的决策，我该怎么推动，产品体验被各个业务方夹击搞得支离破碎我该怎么办，如何让你的设计向商业指标靠拢呢，这是一个让人头疼的问题。
如果要很好地通过数据衡量设计价值，那么方案一定不可以草草上线。从数据分析的角度，确保当前产品有一个干净的基准（baseline）。举个例子来讲，我最近设计了一个全新的流程，面向的用户有A，B，C三种，设计直觉告诉我其中群组A可能需要特殊对待，于是我想快速把它个性化。和分析师交流后，我们对群组A的个性化没有100%的信心，所以决定先把统一的体验展示给所有用户，当作一个基准，下一步再进行有针对性的优化。如果一开始就有差别对待，那么最后得出的数据也没有什么价值，也无法衡量A组个性化的设计是否合理。
你是否有这样的困惑：作为设计师，设计是我的专业价值，我认为UX 优化很重要，但为什么就是没人重视呢？大家都告诉我要有商业头脑，不要太理想。
“大家都告诉我要有商业头脑，在设计方面不要太理想。”这样的想法很容易让自己陷入自闭。体验在贡献商业价值上被远远低估了，是因为我们没有建立一种用户体验和商业贡献的因果关系，所以这些直觉上需要改进的东西从未提上日程。我同时做过2B和2C，深知这两个领域在设计衡量上的割裂：2C全是数据，2B没有数据。
2C
2C的营收模型大部分都符合市场漏斗或者用户增长AARRR模型，大部分公司评判你的设计成功与否是根据各种KPI的表现。在Dropbox工作的一年里，感觉自己就是个Metric Mover工具人：不停地优化用户引导，添加和盈利有明显关系的新功能，等等。虽然整体商业指标提升了，但其实回过头来看，我们的产品质量，和用户体验明显的漏洞特别多，我的设计内驱力告诉我，我们明明有机会做更好的啊。
我们常常忽视的一点是，纯粹的用户体验和长期的留存是有密切关联的，一个产品很难用注定会刺激用户离开；一个产品顺畅无比，优雅美丽，也能提升NPS score。很多数据科学团队为【产品功能】或【运营手段】和【留存】的相关性构建了模型和算法，但是从未在【体验】上下功夫，这是2C在量化上的一个巨大缺口。理想情况下，需要专业的数据团队，经过实验，建立数据模型，在商业层面对体验优化进行检测，并得出可以复用的设计原则。不理想的情况下，如果你有着想优化当下体验的冲动，即使没有争取到资源向上证明，甚至没有现成的数据模型支撑，那么也可以，
首先找到体验的切入点
挑选商业指标
建立逻辑假设
制定可行的方案
这样的操作有种万事俱备，只欠东风的感觉。执行计划都准备好了，被人说NO的概率会大大降低。这样的方式能够帮助你更主动地推动“自发项目”。
2B
2B的衡量有时就模糊到：客户是否有好评，产品最近又卖了多少钱，更糟糕的是自己这个项目做完了，连个回声都没有，然后仅仅依靠着逻辑推理和对业务的了解程度做设计迭代。我当时拿着2B作品去面试2C公司的时候，对方一脸鄙夷我的项目，你这个连个metric都没有，完全看不出价值，用户满意度又不能给公司赚钱，没准儿是销售卖的好呢！于是给我盖的戳儿是产品思维不好。可是这就是2B公司面临的现状，产品用户群是自给自足的SMB还好，但类似内部平台2B设计的量化简直难上了天，我们常常只是做到了满足业务需求，吸纳用户的直接反馈，但并不知道还有哪些潜在的机会。
在营销层面，因为没有接触面，产品设计的赋能很有限，我们只能根据用户群工作流程中的重要节点进行量化，核心指标围绕用户职业性质的KPI。比方说有个工具的目标是提升销售团队的工作效率，那么可以围绕任务流程（任务创建-任务操作-任务完成 ）中【关键时刻】的数据引导设计决策，并通过【因为销售团队效率提升所以带来的收益】的逻辑量化设计贡献。再比方说，一个设计工具的目标是 —— 帮助设计师把产出交付给程序员，主要流程是上传-分享-沟通，那么就可以围绕在这个平台上分享了多少项目，合作中对彼此的满意度等等进行量化，最后再结合到大而泛的净推荐值，收益等等。2B的变量太多，更需要有系统的眼光去看整个路径，寻找设计赋能的机会点和因果关系。
10年的我们绝对不会想到，现在“设计”这种带有人类主观和人文色彩的东西都会被数字化。我不觉得数据驱动 + 凡事都要衡量利弊得失是个纯粹的好趋势，极端情况下会让我们失去自己的立场，杠精一样地去挑战彼此。在职场上我也遇到过，有些人为了challenge你而challenge你，单纯想捕捉到你无法自圆其说的点砍掉你的项目，或者炫耀KPI决定一切的优越感。所以“可量”的优越性取决于你的目的，是真的能够帮助你做决策，讲出一个好故事，还是其他。
正文结束
我是一名在硅谷湾区的产品设计师 - 挂面(年少的我一面试就挂!)，目前在 Dropbox Growth 组负责移动端的用户增长。之前分别在 Yahoo (Verizon Media)和广告咨询公司 AKQA工作过。2B让我对复杂的问题和商业逻辑特别有热情，2C又给现在的我打开了新世界的大门。努力维持理性与感性的平衡，期待和热爱产品设计和用户增长的朋友交流 :)