如何用数据有效量化 99% 的设计价值？

编辑导语：设计师在工作时经常会被一些选择困扰，不知道应该怎么选择；由于在不用的角度看问题，答案也是不同的；所以本文作者用数据的角度进行分析，教你怎么样用数据的角度思考设计，达到平衡。

今天给大家带来一篇，关于利用数据洞察解读设计价值的原创分享；大家可以利用这几分钟的时间阅读完本文章，给自己充充电。

如果你是一名设计师，你是否经常在各种场合被问到以下类似问题：

• “这个设计更好一点？还是那个设计更好一点？”
• “产品数据增长是因为设计导致的？还是因为渠道投入？”
• “设计的价值如何量化？”……

你是否经常被这样的问题困扰？你是否也曾感到困惑？

我们今天尝试从数据的角度回答这些问题。

以上的问题，其实是涉及到设计的评价标准的问题，那评价设计好坏的标准是什么呢？

不同的评价体系会有不同的标准，但有一点是应该能够被共识的，就是设计好坏应该是从对比中来的，没有绝对的好也没有绝对的坏，都是相对而言的。

既然如此，我们不妨来看看下面的例子：

F1赛车和拖拉机，这两个产品，请问他们哪个设计得更好一点？

看到这里，有同学可能会觉得这两个东西并无可比性，关键要看他们想要解决什么问题？

如果解决的是速度问题，那无疑F1赛车的设计更佳，如果解决的是通过性问题，那当然是拖拉机的设计所能应对的路况更广；由此可见，评价设计好坏的标准，首先要看设计所解决的问题是什么。

刚才的例子显而易见，但现实中，我们遇到的问题往往是更加复杂的：

特斯拉model X和保时捷Cayenne两个产品，哪个设计得更好一点？

都是4个轮子的高性能SUV，都是尊贵身份的象征，所解决的问题都是基本一致的，这个时候我们就得看他们各自所使用的设计策略是什么？

特斯拉使用纯电方案，注重节能环保，强调科技与性能的完美融合；保时捷使用高油耗直列6缸水平对置汽油发动机方案，注重性能和商务兼备。

不同的策略与侧重，迎合不同的消费人群，所以评价设计好坏的标准，还需要看所使用的设计策略是否符合目标。

还是刚才的例子，如果非要抬个杠，硬要对比一下哪个设计得更好一点？

大部分情况下，大部分人毕竟还是需要做一个对比的，因为可能钱就这么多，可能指标就只有一个（当然，土豪请随意）；我相信买过车的同学应该大部分都会干过一件事，会对比一下各种参数，最少也会对比一下价格。

不仅消费者需要对比，制造商之间也会对比，毕竟销量还是很能说明问题的，消费者都是会用屁股来决定哪个设计更符合和他们胃口的。

我们刚才都在干些什么？我们用了各种量化数据来说明哪个设计更加好；所以评价设计好坏的标准，还需要看是否有可量化的对比指标。

小结：评价设计好坏的标准：

• 设计解决的问题是什么？
• 所使用的策略是否符合目标？
• 是否有可量化的对比指标？

知道了评价设计好坏的标准，那我们回归到最初的问题，我们如何结合评价标准来量化设计的价值呢？

我们尝试以数据的视角，来描述一个有效的项目设计的过程：

首先确立一个设计目标，再根据这个目标制定设计策略，并有意识地关注和记录策略流程中能够反映策略效果的关键数据，并在产品上线后通过所标定的数据验证设计策略的有效性；最后从数据表现中总结经验和教训，为下一个迭代或同类型设计提供设计优化方向或成功经验。

所以我们不难看出，只需要在上述项目流程的关键设计节点中回答好几个关键问题，我们基本就能从数据角度量化设计的价值。

关键问题：

• 目标是什么？
• 使用什么策略？
• 如何有效定位数据？
• 如何验证数据？
• 有什么经验和教训？

那么，接下来来给大家详细分析如何回答好上面5个问题

一、目标是什么？

回答这个问题，除了需要认清项目目标以外，还需要把项目目标翻译成设计目标。

通常，在项目开始的时候，都会有一个项目目标，会被量化成一个具体的“指标”，例如：下载量、渗透率、留存率、付费率等；我们把这个“指标”的类型对应代入到增长黑客的AARRR模型中。

再根据用户的决策因素，是因为用户能力还是用户意愿，翻译出对应的设计目标。

例如，我们如果收到一个需求是：要把按钮变成红色。

那如果翻译成设计目标是什么呢？

我们来分析一下题干（敲黑板.gif）:

变红色：其实就是通过加强视觉焦点的方式，达到提高按钮点击率的目的。那我们这个时候应该想深一层，为什么要加强焦点？也许有两种可能：

• 是能力问题，因为这个按钮可能是在一个多任务界面里面，他可能有很多按钮和入口分散了用户的注意力；所以翻译出：吸引用户注意。
• 是意愿问题，可能整个界面只有这个按钮，但是用户就是不点；所以翻译出：加强用户点击欲望。

这里要特别注意一点，产品可能直接把设计目标甚至具体策略和方法告诉了我们；但是我们不要急于执行，要退一步思考更深层次的项目目标，结合用户实际场景，才能更精准地定位设计目标。

二、使用什么设计策略？

所谓的设计策略，其实就是为达成设计目标所采用的具体方法，例如为了达成加强视觉焦点的目标，可以采取变大、红点、动画、提示气泡等措施。

还是刚才按钮的例子，为了达成既定目标，我们可以因应策略方向的不同，而采取截然不同的措施，当然也可以在不影响用户体验的前提下交叉使用。

但要注意一点：方法有千万条，但都是为目标服务的，没有好坏，加强点击欲望的方法不一定就比吸引注意力来得高明；只要能达成目标，更简单直接的方法往往更有效，最终还是需要根据数据情况及时调整，或者在落地前ABtest。

三、如何有效定位关键数据？

关于这个问题，很多同学可能刚开始接触的时候都有点无从下手。

其实关键数据，也就是我们平常提的各种指标，他们大体可以分为三个层级，分别是：

• 业务层指标
• 功能层指标
• 微观层指标

它们是一个自下而上的关联体系。多个微观指标的综合作用，组成功能指标，而多个功能指标则能够整体影响更高维度的关键业务指标。

业务层指标通常是多种因素综合影响的结果，是很难直接分清不同角色的具体价值的，所以我们设计同学应该更关注微观层的指标，逐步理清和量化设计对业务指标的影响度。

说到微观指标，那比微观指标更基础的东西是什么呢？或者说微观指标是由什么组成的呢？

其实各种点击率、渗透率、分享率等微观指标，通常都是通过后台统计点上报的数据通过计算得出的。

统计点通常有：点击、曝光、时长三种，通过这三种原始数据可以计算出某个具体的微观指标。

例如：

• xx点击率 = xx点击数 / xx曝光
• 渗透率 = 下一级曝光 / 上一级曝光
• ……

微观指标是需要通过统计得出的，所以对原始数据当然收集就尤为重要，我们在需求评审初期就应理清关键数据；并有意识地增加统计点，避免关键数据缺失，最后导致统计失效无法量化的后果。

那具体应该如何选择哪些指标作为反映设计策略有效性的关键指标呢？

其实答案往往就藏在问题里面，所需要选择的关键指标，必定是所采用具体策略流程中的关键入口数据，关键路径转化，关键任务转化等。

我们来举例说明：例如腾讯相册管家app的家庭会员空间共享功能，我们发现单个付费用户如果有邀请家庭成员共享云空间，则这个用户的续费率会比独享空间的用户高，为达到提升用户续费率的目标。

我们的具体采取策略是通过场景化引导手段，提高共享空间成员邀请率。

根据这个策略，我们在会员付费成功后功能说明页，和会员个人空间状态页分别加入邀请成员入口，通过监测这两个入口的点击率数据，甄别出不同使用场景引导下用户邀请意愿高低。

四、如何数据验证？

回答这个问题，我们需要尽可能控制变量，排除数据噪声干扰，突出核心数据对比。

常用的对比方法有两种：

1）前后对比法：适合变量可控，数据完整的项目使用，能够用最直接的方式说明设计的优劣；如有前后版本的迭代优化。

2）横向对比法：适合变量复杂，无法排除干扰或者数据缺失的项目使用，能够从侧面说明设计达到同类型的何种水平；如运营活动设计。

五、有什么总结和教训？

在用数据验证设计效果和价值的过程中，要善于从数据中发现设计的优点和缺点；分析哪些地方做对了导致数据的攀升，需要坚持和加强；哪些地方做错了导致数据下滑，需要调整和警惕。

注意事项：不要觉得只有数据表现好的设计可以呈现和总结，数据表现差的设计有时候往往更能说明问题，从失败中总结的经验教训更加宝贵。

六、总结

以上的方法，我们简单把其归纳为“设计的数据复盘五问”，在项目设计执行的过程中，有意识地去组织和回答这5个问题，可以帮助我们做到以下几点：

• 从数据维度还原设计的过程；
• 做好设计的数据复盘，有效量化设计价值；
• 以数据驱动设计的优化。

最后，设计并非完全是感性的，它是一门解决问题的综合学科，在感性表现中蕴含着理性的内核；希望设计师们可以在实际的项目中逐渐培养数据思维，从数据视角思考设计，达到感性和理性的完美平衡。

当然上述的方法依然会在数据的支撑下不断完善，文中也有很多不完善的地方，期待大家的意见和指正。

另外文章方法论用得较多，如果没有看懂的同学，可以多看几遍或者在文末留言提问哦~~

 

作者：UX小学；公众号：UX小学

本文由 @UX小学 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 unsplash，基于 CC0 协议