前言

设计师行业内部竞争非常激烈，尤其是在设计同质化严重的背景下，客户很难区分不同设计师的作品和服务质量。

我们刚开始从事设计时对于设计的好坏只能单纯从视觉方面去理解，而在现如今互联网环境下这显然是不够的，因此数据的概念走到了大家眼前，数据分析不仅仅是产品经理或运营的“专利”，我们设计师同样需要关注，掌握数据分析技能可以让设计师在职业竞争中更具优势。在面对复杂的商业环境和多元化的客户需求时，设计师可以利用数据分析来提高设计质量和效率，增强自己的职业竞争力。

下面我将系统的阐述数据的概念以及如何驱动设计，又怎样为设计师赋能!

作为一线的设计师，我相信大家在项目或产品开发过程中，都可能收到来自不同背景和视角的质疑，面对这些质疑，设计师需要对自己的专业知识和技能保持自信，同时也要能够有效地与各方沟通，解释自己的设计决策和目标。

那么，我们怎样可以更好的解决上面上面这些问题呢？

在实际的项目中，我们可以通过数据分析的方法来进行用户研究、明确设计目标，验证设计方案的有效性，优化设计方案。同时，数据分析可以有力地支撑设计。这样我们用客观的数据来应对前面所说的质疑，会更加有说服力。

我们常谈到“设计师的话语权”，不少人认为“我是设计师我是专业的，设计方面要听我的”，但是现实工作中，往往不是如此，并不是设计师说了算，我想这种“听我的”并不是给设计师职位特有权利，而是要靠我们自己去争取。

如果你的想法有理有据，能够量化你的设计价值，团队可以更直观地了解问题的本质和影响，从而更有说服力地表达自己的观点和意见，这样你的观点你的方案能够让他人信服、认同，那样你才能转化为所谓的话语权。

大厂在招聘时，常常收到海量精美的设计稿，视觉表现力、设计手法、熟练度都一览无遗，但对于招聘方来说，其实还缺了很多信息。不管是衡量设计效果，还是在作品集里描述设计达成目标，数据都是最有力，最能打动面试官的证据。我们需要认识到好的项目、好的作品集不仅仅是靓图平铺。

通过多年的面试经验以及同行交流，我们会发现面试官往往会三个维度评价面试者：能力+思维+意愿。

精美的设计稿传递了你的设计表达能力，但没能表达更多多元能力和思维方式。你在过程中是有效的理解业务、获取信息、定义问题和目标，又是否通过你的设计实现了目标，这些都离不开数据的加持。

理解任何事物都需要先了理解他的定义，数据是事实或观察的结果，是对客观事物的逻辑归纳，单纯的数据就是一组数字，是没有任何价值的。

但当人们将一系列数据与被观察、被感知的实体进行关联之后，实体的属性给数据赋予了含义，就成了一个有价值的信息。

本文主要指的是和用户、产品、营销等有关的数据。

前面提到关注数据指标，不仅仅是产品经理或运营的“专利”，作为交互和UI设计师也需要掌握这方面的技能，

下面我们将从用户数据、行为数据、业务数据、态度数据四个方向来分析。

1、用户数据

用户数据比较容易理解，就是描述用户认证特征的。有很多角度能够度量人群的特征，从大的方面来说有人口统计学、社会属性，从小的方面说有用户画像、用户属性、偏好属性、用户行为习惯等。

2、行为数据

行为数据是用来描述用户是如何行动的。通过「数据埋点Event-Trace」记录下每个人在产品中的行为，TA打哪儿来、到了哪个页面、点了哪个按钮，再把一群人的行为汇总起来，得到能用来观察的数据。

这里介绍5种常用的行为数据：PV、UV、点击率、转化率、停留时长。

① PV的全称是「Page View」，即页面访问量，用户每次对网站中的一个页面的请求或访问均被记录1个PV，用户对同一页面的多次访问，PV累计。

② UV的全称是「Unique Visitor」,中文翻译为“独立访客”,指的是一段时间内访问某个网站的不同IP地址的人数,也就是网站的独立访客数。”

③ “点击率”即CTR，全称是「Click-Through-Rate」，指某个展示给用户的东西，有多大的概率被点击。

点击率有两种算法：

· PV点击率：点击次数/被展示次数，指这个东西每展示100次会被点击多少次。

· UV点击率：点击人数/被展示人数，指这个东西每展示给100个人会有多少人点。

④ “转化率”即CVR，全称是「Conversion Rate」，指的是用户从某个起点走到某个终点的几率有多大，这里起点和终点我们都可以自由定义，比如对于一个线上商城来说，我们可以把用户来到商品列表为起点，把完成购买商品定为终点。

假设每天有100个人来到商城列表，有60个人完成了购买商品，那么这个商品列表的转化率就为60%

⑤ 停留时长，指用户指用户在网站、页面或应用上停留的时间长度。

通常，页面停留时长越长，表示用户对网站或应用的兴趣越高，就越有可能进行下一步操作，例如购买产品或注册账号。 当然也要是目标而定，有的是停留越短越好，说明效率更高。

3、态度数据

态度定性数据表示用户的想法、信念、感受或基于用户所说内容的假设。这种数据类型通常包括在用户访谈、焦点小组、卡片分类或日记研究期间收集的引述和轶事。

目前比较常用的态度数据有：NPS、满意度、费力度。还有很多时候我们需要根据项目来自定义数据指标。

① NPS（净推荐值）

NPS（净推荐值）是由美国贝恩咨询公司的Fred Reichheld在2003年在《哈佛商业评论》的文章《The One Number You Need to Grow》首次提出的，目的是衡量忠诚度 。

NPS测定方法是一种问卷调查，通常包括以下问题：您会向朋友或同事推荐我们的产品或服务吗？您会向您的朋友或同事推荐我们的产品或服务吗？如果有，您会用什么理由？如果没有，您会用什么理由？方法：请从0-10打分，0分表示“完全不愿意”，10分表示“非常满意”。

② 满意度

满意度数据分析是指对顾客满意度进行数据分析，以便更好地了解顾客的需求和偏好，从而提高产品和服务的质量。我们经常绘制「用户体验地图」来得到想要的满意度数据。

用户体验地图把用户使用产品的全流程拆分成不同的阶段或触点，收集用户对各个触点的满意度数据，就能得到具体的信息，哪些阶段是体验上的短板，就能一目了然。

③ 费力度（CES）

客户费力度这个概念在2010年在《哈佛商业评论》中被提出，按字面意思理解，“客户费力度”是让用户评价使用某产品/服务来解决问题的困难程度。第一版的“客户费力度”的问题是：为了得到你想要的服务，你费了多大劲儿？

评分从“1（非常低）”到“5（非常高）”，最好在用户刚刚做完操作时询问，否则用户可能忘记自己完成操作的实际体验。

4、业务数据

如果说前面三类数据是从用户视角出发的，那么业务数据就更从公司或者业务视角出发，来描述业务的经营状况，比如：新增、活跃、留存、连接数、收入、GMV。这类数据相对宏观，往往是我们追求的最终结果。

我们在实际工作中可能遇到这些情况

“说了这么多，提到的那些数据指标有些看不到”

“数据不知道怎么看，在哪看”

“找不到合适的数据指标来分析”

因为以上种种，最终因为没有数据而无法进行监测和分析。我想这是因为我们在产品上线之前没有对数据进行开发统计，而这类工作一般是由产品经理来推动的，很多设计师没有主动参与，其实如果我们设计师在产品开发过程中，把自己想要的监测数据提交给开发，那么我们把这个规划叫做“数据埋点”

在UED设计工作流程中，我们可以将设计工作大致分为“设计评估（设计前）”、“设计决策（设计中）”和“设计验证（设计后）”三个阶段，接下来我们分别看一下数据在这三个阶段中对设计起到的驱动作用。

在日常的设计工作中，我们接收到的需求描述往往不是十分精准的，甚至会比较主观或者比较宽泛，这时候如果我们仅凭需求描述贸然开始设计，则可能会与用户的真实需求失之交臂。例如有这样的需求：“希望我们可以对于活动商品管理做一下优化。”这个需求没有提出明确的优化方向，也没有模块存在的痛点问题，所以需要UED设计师自己来明确本次优化的内容。

在设计决策的过程中，一个需求可以从不同角度出发，提出多种不同的设计方案，而这些方案哪一个更加行之有效、更能解决用户的需求痛点，设计师的主观经验判断可能并不完全可靠。

例如有这样一个设计优化的需求：“用户反馈，我们的某个配置页面中，配置项太多太复杂了，用户编辑起来很不方便，希望能够优化一下”。

如何衡量产品项目中的设计价值是设计师需要面对的一个问题，除了定性的用户反馈，还有更加客观公正的数据分析方法来验证设计效果。

在众多数据分析方法中，Google的GSM模型是一套相对直观且容易上手的对设计效果进行量化监控的方法，它可以帮助我们在众多埋点数据中找到体现设计价值的数据。

GSM分别指目标Goal、信号Signal、指标Metric。

目标Goal：指产品目标，包括产品功能、用户行为等方面所期望达到的效果。

信号Signal：指用户行为中标志是否达成目标的现象。

指标Metric：指能够衡量用户行为变化的量化数据。

对于GSM模型来说，关键点在于通过设计目标推导用户的哪些行为和感受能够作为目标达成的信号，并转化为可量化和持续追踪的埋点数据。

在数据分析中存在一些误区，以下是关于这些误区的简要解释和应对策略：

写在最后

我们探讨了设计师为什么要学习数据分析，有哪些数据指标，以及在数据分析中可能遇到的误区。通过掌握数据分析技能，设计师可以更好地了解用户需求、提升设计的理性基础、工作效率和准确性，开拓创新思维并增加职业竞争力。