現在很多設計師都提倡從數據出發做設計，但是我們做這些數據分析，是否僅僅是為了提升這些數據目標？如何在提升數據目標和真正有意義的功能之間找到平衡？我們到底是被各種數據目標牽著走，還是真正的為提升用戶體驗著想？來看Facebook產品總監的答案。

回到幾十年前，你如果想打造完美的用戶體驗，只需閉上眼深呼吸，然后得到神的旨意：跟著感覺走。

后來，正如先祖們學會了利用火力，我們也學會了使用各種數據分析手法。從此，我們不用再在黑暗中摸索，忐忑地懷疑「到底有沒有人點開我發出的郵件」或者「究竟多少人使用了我們的新功能」。我們只需要打開從各個渠道收集到的珍貴數據，心中的疑問便有了答案。

然而，數據目標（Metric）的出現給我們提供了便利，但也存在局限。茶余飯后，我聽到對于一些矛盾的觀點，大家經常會有激烈的討論。我們的糾結點主要在：

1. 我們做這些數據分析，是否僅僅是為了提升這些數據目標？
2. 如何在提升數據目標和真正有意義的功能之間找到平衡？
3. 我個人最認同的一條：我們到底是被各種數據目標牽著走，還是真正的為提升用戶體驗著想？

關于這些尖銳的問題，我寫下了以下的思考。

一、切勿讓「數據目標」與「用戶體驗」對立

在好萊塢大片中，英雄和壞蛋正反兩派往往勢不兩立。除了這種情況以外，都不應該讓產品的「數據目標」與「用戶體驗」彼此對立。不然，就好像說「碳水化合物」與「健康」是相對立的，這看起來錯得離譜。

首先，用數據來測控產品，能讓你了解到用戶的使用情況。除非你喜歡與世隔絕的，不然還是應該多掌握一些信息。誠然，信息量太大，你若是沒有判斷和篩選能力，往往會事與愿違，但別因為這點就覺得數據指標洪水猛獸。

第二，如果產品的改進讓用戶覺得很有意義，數據指標自然就會上升。但如果使用產品的體驗沒有什么改變，就不能說你的改進很成功。相反，如果你做了一些調整，但使用的人數因此減少，那么不管你做了什么，只能說明一個問題——你搞砸了。

數據目標很有價值的第三個原因：它能把整個團隊團結起來，大家圍繞著一些清晰和有形的指標，各司其責。單純從邏輯上講，讓50個員工在一起，為了所謂「創造超絕佳的用戶體驗」這樣一個目標奮斗，是極其困難的。當你發表完激情洋溢的激勵演說，他們倒是會持續鼓掌，然后說道「好的，加油！為了絕佳的用戶體驗奮斗！這就是我們追求的所有！」但當新一周開始，A團隊興高采烈的說：「看！這就是我們創造的絕佳用戶體驗！」而B團隊則說：「不是吧，這個看上去一般般?！钩霈F這種情況到底是因為什么？誰的觀點才是正確的？我們如何能夠持續有效地定義到底什么是「絕佳的用戶體驗」？

解決這個問題的一個方式，就是設立層層評估的等級制度。你可以指定公司中某一個人（或者一系列不同梯隊的人）來對產品的質量高低進行評斷。如果不喜歡這種等級制度，那么也可以設定具體目標來進行測控，例如：如果50%的人會在一周內使用兩次以上，那就說明這款產品的用戶體驗非常好?，F在，團隊A和團隊B不僅明確了他們的努力方向，日常的工作結束后，也都能找到與目標的差距。

總之，數據目標是很有用的，它和用戶體驗不應陷入永久的競爭對立局面。所以作為領導者，注意不要表達出這樣的意思。

二、別為了追求「數據目標」而顧此失彼

這就好比，你吃太多甜甜圈而導致肚子疼，然后就覺得碳水化合物不是什么好東西。同樣，數據目標也會導致一些評判欠妥當。這類事件究其原因有二：一、并不是所有能夠被測控的東西都值得被設定目標，而且也不見得能產生什么影響。二、只是單純的看數據，也不能統攬事情的全局。通常，想要看的更宏觀，你需要一系列的統計數據。

如果你恰巧找錯了測控的方向，卻還繼續推進，那么事實上你可能正在損害用戶體驗。

來看一些例子：

1、原先這個頁面的點擊率是2%，在我們調整之后，點擊率變成了5%，真是太贊了！

問題出在哪？點擊率并不能準確地告訴我們用戶體驗是否得到了改進。比如，我把網站上所有的鏈接都改成「點這里來贏取250元話費！」這樣一來，點擊率自然上升了。但最后，人們可能發現，事實上我并沒有給他們250元的花費，那他們肯定會罵死我，從而不會點擊鏈接，更會卸載應用，然后在應用商店里面給我一個一星差評。結局就是這樣。

2、人們原來每天使用我這款應用的時間是5分鐘?，F在新功能上線后，他們每天的使用時間就只剩3分鐘了。

問題出在哪？你要考慮下，用戶的在線時間到底是不是一個有效指標？這個得具體問題具體分析。如果你的應用以內容為主，那么答案是肯定的——這款應用存在的目的是給人們一些好文章去讀、好的東西去看去聽，所以他們在線時間越長，他們就越能發現你提供的東西很有價值。

但如果你的產品只是單純的應用性質，比如幫助別人簽署數字文檔，那答案就是否定的了。你需要去搜集一些其他的數據指標來測控應用的用戶體驗，比如這款應用真正幫助人們簽署文檔的次數等等。實際上，用戶可以因為能更快地簽署文件，所以更喜歡這個應用。久而久之，他們才會關聯使用到你能提供的其他服務。

3、「原先使用我們產品的人大多都在北京，但現在上海的用戶更多一些?！?/p>

這個問題出在哪？兄弟，這其實根本不是問題，也根本不是值得你關注的數據。

當然，有些問題不是光看數據就能發現的

理論上來講，如果我們了解用戶的需求，我們就能設計出用戶體驗極佳的產品。但遺憾的是，不是每個人都會讀心術。所以，我們只能盡力而為，去猜一猜用戶都關注什么。在這個時代，我們需要時刻銘記：能測控的指標是有限的。僅僅關注用戶如何使用你的產品，并不能告訴你：

1. 用戶喜歡你的產品嗎？他究竟關注你的產品或是產品這個功能嗎？
2. 你對產品進行了更新，那么用戶對這款產品的信任，從長遠來講是增強還是削弱了？
3. 在用戶預期中，產品的簡單性和易用性究竟如何？
4. 相較于市場上的其他精品，用戶對你的產品怎么看？
5. 人們最想改變、最想增加或者最想修正的產品功能是什么？
6. 長遠來看，用戶對你的產品有著怎樣的期待？

你可以嘗試通過定性研究（qualitative research）或者用戶調研來得到上述問題的答案，但其實這些措施并不能完美解決你的問題（想必你還記得那些用于預測「脫歐」結果的民意調查？）甚至在一些事情上，你雖然能準確地做到宏觀感知（比如了解群眾對品牌的信任度），但很難了解某些改變到底產生哪些特定的效果（例如：公司所采取的最新Logo和視覺特效，到底有沒有改善大眾對這個品牌的印象？）如果不能將以上信息量化，說明我們并沒有真正地做到數據測控?？纯磶讉€例子你就懂了：

復雜功能的代價

當你每次在產品上增加新功能時，你追蹤的數據目標似乎都能顯示出產品越來越好。然而，如果你不停地給這個產品添加新功能，久而久之，在某種程度上大家到最后都會覺得這個產品冗雜。緊接著，一些新的競品會很快受到大眾青睞，因為人人能都愛「傻瓜軟件」。讓你的用戶感到產品過于復雜，那么你必然要為此付出代價。如何對其復雜化進行調整和取舍，是最真實可感的矛盾。

了解品牌的效應

每當蘋果或者耐克發布一個新產品，很多的人會爭先恐后地購買，甚至都不經過大腦的思考。因為在這之前這個品牌已經讓他們有了特別好的體驗。但換做是別的新興品牌，比如叫做梨子或者賽克的公司，即使它們發布了同樣水平的新產品，也不會有人如此爭先恐后地購買。一定程度上，我們都理解這種現象。但問題是，將品牌效應進行量化，或者把它變成可追蹤的數據目標是非常難的。更別提一個公司做出的千百條決策，會對品牌造成怎樣的影響及利弊得失。

放手賭一把

數據目標無法告訴你怎么去大膽行動而贏得未來。讓我們回到2008年，那時候智能手機還剛剛起步。如果你觀察你網頁上對于智能手機的統計數據，就會發現，使用它的人簡直太少了。你很可能得出一個非?，F實的結論——就是你不該把錢投在這樣一種受眾小的手機上。

而如今我們才意識到，那些把錢賭在智能手機而賺得盆滿缽滿的人，是多么的高瞻遠矚。因此，針對當前人群表現的測試并不能準確地告訴該走哪條路。深謀遠慮仍然需要一個老辦法：相信直覺。

1. 哇，這點子好棒
2. ?呃，怎么是這樣的呢
3. 這點子糟透了
4. 我怎么這么笨
5. ?也許，可以？
6. 可以，這很特贊！

三、一些巧妙應用數據目標的法則

以下就是我關于數據目標的5條應用法則：

1、觀察產品的用戶留存率

別光看產品的用戶絕對數量（過于激進的營銷手段會造成用戶量很大的假象），你應該關注用戶留存率，最好結合你的產品價值來看，因為通過這種方式你才能知道人們使用之后是否喜愛它，以至于會回來再用。

為了優化產品，一定要了解你的營銷漏斗模型（指營銷過程中，將非用戶或潛在客戶逐步變為用戶的轉化量化模型）。

人們要成為產品的常用用戶，需要突破重重障礙。首先，他們要知曉你產品的存在；其次，他們的有足夠的興趣看上第二眼；第三，他們要做很多入門工作（比如下載應用、填寫表格、確認郵件等）；第四，他們還得鼓搗半天才能知道過日子要它有何用；第五，他們得想得起來回來用。在上述的每一個環節中，都會發生潛在客戶的流失。如果你能追蹤并測控出流失率在哪，你就可以開始著手改善你的營銷漏斗，讓它沒那么容易漏掉用戶。

2、思考并聚焦真正有意義的數據測控

你也許很享受那種追蹤所有數據投入狀態，你也希望所有數據都是漂亮的，但你要意識到，只有少部分數據能起到關鍵作用。其他的都是雞肋，是做出一點改進就能解決的。別浪費時間扯些有的沒的，也別費心思去關心那些非關鍵數據的起起落落。

3、不要不加理解就接受一個數據目標

我著重強調一下：你和你的團隊共同認可的目標將會對工作產生重大影響。不要依據表面價值去接受一個數據目標。要問問自己為這么這么做。有沒有這樣的情況，這個決策感覺很棒，但數據指標并沒有變化？反過來，你看到數據在飆升，但是并不確信產品一定就好？你應該仔細思量它們的意義。

4、通過設置對立數據目標，批判地看待數據結果

如果數據向你展示出了貌似很好的結果，就問問自己：我還能觀察哪些數據來輔助判斷？這些就稱作對立數據，每一個成功數據目標的背后都有一些對立的度量。（例如，看了點擊率就也一定要看回頭率，看了產品的銷量就也一定要看退貨和取消訂單的數量，等等）對數據結果偏執狂般的解讀是件好事，這樣你能快速找出錯誤并調整策略，但不要過于陷入其中。

5、利用定性研究尋找背后的原因

定性研究告訴你人們做了什么，定量研究幫你知曉人們的感受，兩者相輔相成。對于產品，進行可用性的測試、焦點小組、調查研究，這樣你就能理解到表象行為背后的內在原因。

翻譯 ：Mr. Yang、Leonie

校對 ：李鑫然、王師境

來源：【微信公眾號：微交互】

版權：人人都是產品經理遵循行業規范，任何轉載的稿件都會明確標注作者和來源，若標注有誤，請聯系主編QQ：419297645