数据化设计方法论认知

1.职能的转变

在以用户量为目标这种粗放式增长模式逐渐退场后，2018年开始迎来互联网寒冬，大批量的创业公司倒闭，包括京东、腾讯这一类的大厂也频频做出裁员决策。笔者认为这种变化其实是必经之路，是互联网在国内的不断成熟后的一种选择机制。而至此市场对UI设计岗位的要求不再是单一的填色和画线框图。

总结近两年的UI岗招聘信息，可以发现招聘方对Ui岗的需求可以分为两类，一种是以技术为方向的，对软件的要求会更多，甚至要会编程，这一类在传统行业转型或者中小型企业体现较多。另外一种则是产品方向型UI，要求设计师除了优秀的设计能力之外，更多的有产品思维、运营思维和体验设计能力，也称之为产品设计师。

2.数据化能给设计带来什么

在过去，UI设计很少会去关注产品的成本和商业价值，更多的是关注产品的体验和视觉问题，而新市场下的压力驱使产品和设计在职责上有一定趋同的形式。产品设计师在创造产品时需要考虑产品的商业盈利，市场竞争能力，及用户留存这些数据指标，以此作出价值最大化的设计。从产品初期到上线这个过程中，通过数据思维上，了解数据来源，在设计上做到言之有物。

 

3.数据研究有哪些方法

数据研究方法从性质上可以区分为两类，定性研究和定量研究。

定性研究是探索性的研究，从广义上讲，定性方法是非结构化的、主观的，自下而上的一种的研究方法，依赖于研究者丰富的经验和理论知识，以及对调研目标有足够清晰的认知。它的优势在于采集样本相对较小，用于直接收集用户的某些行为和使用习惯。

定量研究则需要通过大量样本、数据等客观证据对用户的特征、需求场景、目标、行为进行研究分析，常用于发现行为或事物的一般规律。这是一种自上而下的一种研究手段，往往在收集数据这一步就让工作变得繁杂和庞大。但以此得到的数据相对来说是更可靠，在作出重大决策时定量研究得出的数据是具有指导意义的。我们可以以这些数据为依据为产品和用户行为打上标签，作出定义。

常见的研究方法有很多，将这些方法划入象限的方式，x轴为人的行为，y轴为方法的性质类别。在产品不同的阶段我们会采用相对适合的研究方法，也可能交叉使用。在这里治记录了常用的几个方法，并没有针对性的详细讲解。

AB测试

ABtest也叫对照试验，这种方式通过保持其他变量不变，仅考虑体验中的某一属性对用户的影响来判断结果。

ABtest是将两个或以上的方案同时在线试验，保证了每个版本所处环境的一致性，在选取样本时将相似特征的用户均匀的分配到试验组中，确保样本的相似性，从而避免出现数据偏差。通过这样的方式更客观科学的对多个方案样本进行同时比较，而无需一个一个的进行测试。

那么在哪些情况下适合使用ABtest这种方式呢？

 视觉测试

在产品迭代过程中，我们需要验证用户对不同视觉效果的使用感受和行为结果，使用ABtest来优化升级交互体验。通常用于测试颜色、图文大小、icon对用户的影响。

布局排版

合理的排版会带给用户不一样的感受，也是影响点击率的因素之一，我们想要知道到底哪种排版才是更有效的，ABtest是重要的方法。

文案测试

产品中的文案起到引导用户的作用，有时候可能修改文案就可以达到产品目标，假设我们想知道在商品详情页面的购买按钮文案“立即购买”和“现在购买”，用户对这两者的使用感受哪一个更好，可以通过AB测试的方式来实现。

功能测试

一般在产品版本大规模更新前，配合灰度测试进行。小规模的对部分用户开放两个不同的版本来观测该功能对用户的影响，是否达到用户预期。

 

ABtest虽然使用范围是比较广的，但很遗憾的是，它依赖于大量用户的前提下，得出的数据才具有指导意义，当样本数量过小时，它就是失去了本身具有得准确性。

问卷调查

问卷调查是比较一种比较常见的数据采集方式，在产品初期使用较多，目的是初始需求捕获和猜想验证。

问卷的形式有封闭型、半封闭型和开放型。

封闭型示例：

你认为xxx功能是必要的吗？

A、必要的

B、不必要的

半封闭型示例：

你认为xxx功能是必要的吗？

A、必要的

B、不必要的

C、其他

开放型示例：

你觉得什么功能是xx产品必备的功能？为什么？

 

几种类型的问卷各有自己的优点和缺点，一般在完整的问卷中设计中会包含多种类型，优势互补。问卷调查也经常配合访谈组合使用，在大量的问卷后对用户有基础的概念后，再进行深入的定性了解。

kano模型

kano模型是东京理工大学教授狩野纪昭（Noriaki Kano）发明的对用户需求分类和排序的工具，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。从而对产品功能进项优先级划分。

kano模型将产品和服务的质量特性分为四种类型：⑴必备属性；⑵期望属性；⑶魅力属性；⑷无差异属性。

魅力属性：用户意想不到的，如果不提供此需求，用户满意度不会降低，但当提供此需求，用户满意度会有很大提升；

期望属性：当提供此需求，用户满意度会提升，当不提供此需求，用户满意度会降低；

必备属性：当优化此需求，用户满意度不会提升，当不提供此需求，用户满意度会大幅降低；

无差异因素：无论提供或不提供此需求，用户满意度都不会有改变，用户根本不在意；

反向属性：用户根本都没有此需求，提供后用户满意度反而会下降

                                                        kano模型属性分类，图源于网络

kano模型需求分析对处于产品研发上游的工作者都是比较有效的分析方法。它可以帮助产品经理明确需求优先级，做出正确的功能筛选，而交互和视觉则可以以此做出符合商业价值和用户体验的设计。关于kano模型的使用方法讲解网络上有很多，这里就不展开说明了。

波士顿矩阵

波士顿矩阵也称为四象限分析法，由美国著名的管理学家、波士顿咨询公司创始人布鲁斯.亨德森于1970年首创。

它将需求分为四类：

1.问题行需求：有助于用户体验的提高，但是与公司战略相关性比较低，甚至相反；

2.明星需求：有助于用户体验的提高，而且与公司战略一致；

3.金牛需求：不利于用户体验，但与公司战略一致，相关性高；

4.瘦狗需求：即不利于用户体验，又与公司战略关系不大。

AARRR分析

AARRR漏斗分析法也称为海盗模型，在产品功能迭代中是常用方法。它解释了实现用户增长的5个指标，分别是：Acquisition（获取）、Activation（激活）、Retention（留存）、Revenue（收入）、Referral（自传播）

漏斗有三个重要的元素：时间、节点、流量。

时间：特指漏斗的转化周期，即为完成每一层漏斗所需时间的集合。

节点：每一层漏斗，就是一个节点，其核心公式为转化率=通过该层的流量/到达该层的流量

流量：指人群，将人群分类，快速查看特定人群的转化率，清晰定位。

漏斗分析需要结合产品埋点数据，计算出每个节点的转化率，找出问题环节，逐层拆解分析，针对性的给出解决方案。其实AARRRR模型都是从用户的流程、用户场景、用户体验角度去思考可能存在问题，再去逐步分解解决方法。

 

写在最后

在成熟的产品设计过程中不仅仅需要我们丰富的经验，还需要通过客观的数据分析做决策支撑，方法有很多种，我们要学习的其实更应该是思维，以数据为导向，通过定位异常数据做细致的拆解，从而定位我们的设计目标，实现精细化设计。

数据分析能力越来越成为设计师必备的能力之一，我们只有不断地学习进步，才能不被拍在沙滩上，写这篇文章的主要目的是想通过这种方式归纳总结自己的学习内容，也仅供和大家一起学习交流。

参考：

用户调研方法论：定性研究与定量研究

http://www.woshipm.com/user-research/927330.html

精细化用户增长案例（7）：你真的搞明白ABtest了么？我看未必！

http://www.woshipm.com/operate/2771877.html