编辑导语：如果产品设计只停留在审美层面，可能会脱离用户的真实需求，不可能设计出真正让用户满意的产品。在这种情况下，数据分析可以用来洞察用户需求，挖掘设计目标，找到用户痛点，促进产品有效落地。本文总结了数据驱动设计。
#一、背景。
最近去国内一家游戏公司设计社区产品。发现这样一个老牌公司的设计团队没有数据验证系统，之前的设计大多是基于“抄袭”竞品。
美学的主观假设。这必然会导致严重的问题，设计团队的话语权也会丧失！
我们来编个场景。一群同事围着你的电脑屏幕指指点点，众说纷纭.
你找不到任何理由说为什么要这样设计，只是单纯的觉得好看。(这个太弱了)
直接复制竞争产品？(至少找一个验证过的设计不是不可能，但我tm作为设计师的意义在哪里？) ……
这些问题很多，排除一些人际关系和办公室政治，都是基于数据验证系统的缺失！
# 2.什么是数据驱动设计？
如果设计的价值只停留在好看，如何衡量美的价值？
设计得到了积累的数据和研究成果的支持。在设计过程中，设计决策基于数据和用户行为研究。精细化用户体验设计包括对体验本身的评价研究，只有数据才能映射出有价值的评价结论。
用户行为和反馈帮助产品设计师验证他们的发现、假设和评估结果。这些数据可以帮助产品团队了解其目标用户，找出用户的痛点，探索新趋势，支持数据驱动的设计，保证团队前进方向的正确性。
用户数据可以直接促进业务成果的提升。数据驱动设计提升用户体验已被证明是一种可行的方法。
说白了就是基于你的需求，我提出了一个设计假设方案，并通过网上的数据进行验证和总结，从而形成我的闭环验证体系，为以后的设计方案提供数据支持。
# 3.为什么要用数据驱动设计？
主要原因是互联网早已过了一般环境下的野蛮成长期，ppt融资的时代早已过去。你所做的是精细的迭代，你的每一个设计都必须能够为企业创造价值。说白了，你的设计是为了解决业务的实际问题，无论是提升留存还是提升转化。这些都围绕着商业目标。
这并不是说美感没有价值。产品的设计风格是根据你的目标用户来决定的。当用户不理解你的产品时，抓住用户的眼球，让他们愿意留下来使用，就是美感的作用。是潜移默化的影响，但短期的业务问题很难解决，所以会出现与需求方僵持的困境。
# 4.设计师如何用数据把握话语权？
## 1\.找出你的需求。
当你不知道你收到的需求的因果时，不要不便宜就开始做！具体的业务情况有很多，但基本上都离不开这些核心问题：
1.这项要求的业务目标是什么？是否符合大的业务方向？
2.为什么要做这个需求？
3.这种需求的投入产出是否合理？可行吗？
4.还有其他更好的计划吗？
## 2\.挖掘设计目标，制定测量指标。
在理解需求的业务目标之后，有必要探索设计目标。事实上，在很多情况下，设计需求并不一定要求我们考虑设计目标，但我们需要进行总体评估。我们输出方案后的这个设计需求能体现我们的设计价值吗？设计值的衡量指标是什么？
*这是为设计补充话语权的工具！*
指标的设置要具体分析，有针对性的设置，指标是目标抽象概念的数据表达，可以对所有参与者形成具体的关注点，建立统一的维度和判断标准，直观反映方案的效果与目标的差距。也就是遵循“GSM”的推导思路。所谓“GSM”就是指从。
从目标到信号再到度量的过程。
我们的设计师常用的数据有哪些？
有两种类型的数据，一种是基础数据数据，另一种是指数数据。
基础数据,类似的页面浏览量每当一个新用户访问一个特定的页面，这意味着该页面的PV 1。数值直观简单，方便我们对一些数据的总量有一个清晰的了解。
基础数据是指数数据的原材料，需要匹配才能在基础数.进一步加工
据中，常见的数据类型包含：
指标数据， 核心是指标，是我们的分析的关键，定义指标才有利于我们后续进行设计目标划！
这些指标需要灵活应用，需要根据目前的业务目标进行埋点设计。
例如，我们想要关注一周内用户在完成注册过程的转化率，即完成新用户注册这个任务。
转化率：一周内新用户完成注册量 / 一周内App下载新增量。
或者，我想关注对比上周，这周内用户的增长率没有提升。
增长率：本周新增用户数-上周新增用户数 / 上周新增用户数 ……
# 五、数据分析
那了解这些数据指标后，有什么价值呢？ 真正能指导我们去进行设计优化的是数据分析。常用的数据分析有2种对比分析、漏斗分析。
## 1\. 对比分析
定义： 对比前后数据，通过对比数据的差值，验证设计。
案例： 假设当前话题页为了提高话题页用户的参与度，在设计侧的可行性方案是通过提高发布按钮的点击率，目前的点击率是11%，此次优化需要提升点击率。
方案：
1. 新增按钮面积；
2. 新增引导性文字；
3. 新增用户头像吸引用户点击。
明确全量发布时间后，就是该优化方案上线的数据，找到对应的指标数据。
建议当数据稳定后，取最近一周的数据的平均值作为核心指标的数据。
改版后数据涨幅为：（20%-11%）/11% =81.1% 以此证明设计侧的优化是有效果的。
## 2\. 漏斗分析
定义：
对某个流程的关键节点进行埋点，将每个路径节点的操作次数或用户数，进行对比，会形成一定的流失现象，这个现象的形态像一个漏斗，因此称之为漏斗模型。
通过绘制的漏斗，找到对应页面的 PV 数据，计算出对应的转化率。
转化率=下一个节点 PV/上一个节点的 PV，通常来说低转化率节点是可优化点。 漏斗的计数单位可以基于用户（UV），也可以基于次数（PV）。
对于偏一次性流程的，例如注册、实名认证等建议使用用户（UV），对于偏非一次性的流程，例如购买、发布等建议使用次数（PV）。
## 3\. AARRR漏斗分析模型
用来监测整个产品周期的用户价值，经过合理的AARRR漏斗分析模型数据分析，我们可以发现用户在拉新、激活、留存、变现等不同的阶段是否存在的问题，是否可以设计一些实验和方案去优化这个转化，提高产品的转化率，从而才可以提升产品的留存和我们产品的生存概率。
# 六、总结
作为体验设计方向的设计师，更应该着重考虑的是为业务赋能，单纯地研究美，在这个时代已经略显单薄。数据分析就是为了剥离主观性的美感判断，挖掘设计价值的本质，从而打造出平衡商业与用户体验的产品。作为设计师，想要给出站得住脚的方案，除了嘴炮和能言善辩，数据就是你最好的辅助。
本文由 @坡安Chris 原创发布于人人都是产品经理，未经作者许可，禁止转载。
题图来自Unsplash，基于CC0协议。
