如何用數據有效量化 99% 的設計價值?
編輯導語:設計師在工作時經常會被一些選擇困擾,不知道應該怎么選擇;由于在不用的角度看問題,答案也是不同的;所以本文作者用數據的角度進行分析,教你怎么樣用數據的角度思考設計,達到平衡。
今天給大家帶來一篇,關于利用數據洞察解讀設計價值的原創分享;大家可以利用這幾分鐘的時間閱讀完本文章,給自己充充電。
如果你是一名設計師,你是否經常在各種場合被問到以下類似問題:
- “這個設計更好一點?還是那個設計更好一點?”
- “產品數據增長是因為設計導致的?還是因為渠道投入?”
- “設計的價值如何量化?”……
你是否經常被這樣的問題困擾?你是否也曾感到困惑?
我們今天嘗試從數據的角度回答這些問題。
以上的問題,其實是涉及到設計的評價標準的問題,那評價設計好壞的標準是什么呢?
不同的評價體系會有不同的標準,但有一點是應該能夠被共識的,就是設計好壞應該是從對比中來的,沒有絕對的好也沒有絕對的壞,都是相對而言的。
既然如此,我們不妨來看看下面的例子:
F1賽車和拖拉機,這兩個產品,請問他們哪個設計得更好一點?
看到這里,有同學可能會覺得這兩個東西并無可比性,關鍵要看他們想要解決什么問題?
如果解決的是速度問題,那無疑F1賽車的設計更佳,如果解決的是通過性問題,那當然是拖拉機的設計所能應對的路況更廣;由此可見,評價設計好壞的標準,首先要看設計所解決的問題是什么。
剛才的例子顯而易見,但現實中,我們遇到的問題往往是更加復雜的:
特斯拉model X和保時捷Cayenne兩個產品,哪個設計得更好一點?
都是4個輪子的高性能SUV,都是尊貴身份的象征,所解決的問題都是基本一致的,這個時候我們就得看他們各自所使用的設計策略是什么?
特斯拉使用純電方案,注重節能環保,強調科技與性能的完美融合;保時捷使用高油耗直列6缸水平對置汽油發動機方案,注重性能和商務兼備。
不同的策略與側重,迎合不同的消費人群,所以評價設計好壞的標準,還需要看所使用的設計策略是否符合目標。
還是剛才的例子,如果非要抬個杠,硬要對比一下哪個設計得更好一點?
大部分情況下,大部分人畢竟還是需要做一個對比的,因為可能錢就這么多,可能指標就只有一個(當然,土豪請隨意);我相信買過車的同學應該大部分都會干過一件事,會對比一下各種參數,最少也會對比一下價格。
不僅消費者需要對比,制造商之間也會對比,畢竟銷量還是很能說明問題的,消費者都是會用屁股來決定哪個設計更符合和他們胃口的。
我們剛才都在干些什么?我們用了各種量化數據來說明哪個設計更加好;所以評價設計好壞的標準,還需要看是否有可量化的對比指標。
小結:評價設計好壞的標準:
- 設計解決的問題是什么?
- 所使用的策略是否符合目標?
- 是否有可量化的對比指標?
知道了評價設計好壞的標準,那我們回歸到最初的問題,我們如何結合評價標準來量化設計的價值呢?
我們嘗試以數據的視角,來描述一個有效的項目設計的過程:
首先確立一個設計目標,再根據這個目標制定設計策略,并有意識地關注和記錄策略流程中能夠反映策略效果的關鍵數據,并在產品上線后通過所標定的數據驗證設計策略的有效性;最后從數據表現中總結經驗和教訓,為下一個迭代或同類型設計提供設計優化方向或成功經驗。
所以我們不難看出,只需要在上述項目流程的關鍵設計節點中回答好幾個關鍵問題,我們基本就能從數據角度量化設計的價值。
關鍵問題:
- 目標是什么?
- 使用什么策略?
- 如何有效定位數據?
- 如何驗證數據?
- 有什么經驗和教訓?
那么,接下來來給大家詳細分析如何回答好上面5個問題
一、目標是什么?
回答這個問題,除了需要認清項目目標以外,還需要把項目目標翻譯成設計目標。
通常,在項目開始的時候,都會有一個項目目標,會被量化成一個具體的“指標”,例如:下載量、滲透率、留存率、付費率等;我們把這個“指標”的類型對應代入到增長黑客的AARRR模型中。
再根據用戶的決策因素,是因為用戶能力還是用戶意愿,翻譯出對應的設計目標。
例如,我們如果收到一個需求是:要把按鈕變成紅色。
那如果翻譯成設計目標是什么呢?
我們來分析一下題干(敲黑板.gif):
變紅色:其實就是通過加強視覺焦點的方式,達到提高按鈕點擊率的目的。那我們這個時候應該想深一層,為什么要加強焦點?也許有兩種可能:
- 是能力問題,因為這個按鈕可能是在一個多任務界面里面,他可能有很多按鈕和入口分散了用戶的注意力;所以翻譯出:吸引用戶注意。
- 是意愿問題,可能整個界面只有這個按鈕,但是用戶就是不點;所以翻譯出:加強用戶點擊欲望。
這里要特別注意一點,產品可能直接把設計目標甚至具體策略和方法告訴了我們;但是我們不要急于執行,要退一步思考更深層次的項目目標,結合用戶實際場景,才能更精準地定位設計目標。
二、使用什么設計策略?
所謂的設計策略,其實就是為達成設計目標所采用的具體方法,例如為了達成加強視覺焦點的目標,可以采取變大、紅點、動畫、提示氣泡等措施。
還是剛才按鈕的例子,為了達成既定目標,我們可以因應策略方向的不同,而采取截然不同的措施,當然也可以在不影響用戶體驗的前提下交叉使用。
但要注意一點:方法有千萬條,但都是為目標服務的,沒有好壞,加強點擊欲望的方法不一定就比吸引注意力來得高明;只要能達成目標,更簡單直接的方法往往更有效,最終還是需要根據數據情況及時調整,或者在落地前ABtest。
三、如何有效定位關鍵數據?
關于這個問題,很多同學可能剛開始接觸的時候都有點無從下手。
其實關鍵數據,也就是我們平常提的各種指標,他們大體可以分為三個層級,分別是:
- 業務層指標
- 功能層指標
- 微觀層指標
它們是一個自下而上的關聯體系。多個微觀指標的綜合作用,組成功能指標,而多個功能指標則能夠整體影響更高維度的關鍵業務指標。
業務層指標通常是多種因素綜合影響的結果,是很難直接分清不同角色的具體價值的,所以我們設計同學應該更關注微觀層的指標,逐步理清和量化設計對業務指標的影響度。
說到微觀指標,那比微觀指標更基礎的東西是什么呢?或者說微觀指標是由什么組成的呢?
其實各種點擊率、滲透率、分享率等微觀指標,通常都是通過后臺統計點上報的數據通過計算得出的。
統計點通常有:點擊、曝光、時長三種,通過這三種原始數據可以計算出某個具體的微觀指標。
例如:
- xx點擊率 = xx點擊數 / xx曝光
- 滲透率 = 下一級曝光 / 上一級曝光
- ……
微觀指標是需要通過統計得出的,所以對原始數據當然收集就尤為重要,我們在需求評審初期就應理清關鍵數據;并有意識地增加統計點,避免關鍵數據缺失,最后導致統計失效無法量化的后果。
那具體應該如何選擇哪些指標作為反映設計策略有效性的關鍵指標呢?
其實答案往往就藏在問題里面,所需要選擇的關鍵指標,必定是所采用具體策略流程中的關鍵入口數據,關鍵路徑轉化,關鍵任務轉化等。
我們來舉例說明:例如騰訊相冊管家app的家庭會員空間共享功能,我們發現單個付費用戶如果有邀請家庭成員共享云空間,則這個用戶的續費率會比獨享空間的用戶高,為達到提升用戶續費率的目標。
我們的具體采取策略是通過場景化引導手段,提高共享空間成員邀請率。
根據這個策略,我們在會員付費成功后功能說明頁,和會員個人空間狀態頁分別加入邀請成員入口,通過監測這兩個入口的點擊率數據,甄別出不同使用場景引導下用戶邀請意愿高低。
四、如何數據驗證?
回答這個問題,我們需要盡可能控制變量,排除數據噪聲干擾,突出核心數據對比。
常用的對比方法有兩種:
1)前后對比法:適合變量可控,數據完整的項目使用,能夠用最直接的方式說明設計的優劣;如有前后版本的迭代優化。
2)橫向對比法:適合變量復雜,無法排除干擾或者數據缺失的項目使用,能夠從側面說明設計達到同類型的何種水平;如運營活動設計。
五、有什么總結和教訓?
在用數據驗證設計效果和價值的過程中,要善于從數據中發現設計的優點和缺點;分析哪些地方做對了導致數據的攀升,需要堅持和加強;哪些地方做錯了導致數據下滑,需要調整和警惕。
注意事項:不要覺得只有數據表現好的設計可以呈現和總結,數據表現差的設計有時候往往更能說明問題,從失敗中總結的經驗教訓更加寶貴。
六、總結
以上的方法,我們簡單把其歸納為“設計的數據復盤五問”,在項目設計執行的過程中,有意識地去組織和回答這5個問題,可以幫助我們做到以下幾點:
- 從數據維度還原設計的過程;
- 做好設計的數據復盤,有效量化設計價值;
- 以數據驅動設計的優化。
最后,設計并非完全是感性的,它是一門解決問題的綜合學科,在感性表現中蘊含著理性的內核;希望設計師們可以在實際的項目中逐漸培養數據思維,從數據視角思考設計,達到感性和理性的完美平衡。
當然上述的方法依然會在數據的支撐下不斷完善,文中也有很多不完善的地方,期待大家的意見和指正。
另外文章方法論用得較多,如果沒有看懂的同學,可以多看幾遍或者在文末留言提問哦~~
作者:UX小學;公眾號:UX小學
本文由 @UX小學 原創發布于人人都是產品經理,未經許可,禁止轉載
題圖來自 unsplash,基于 CC0 協議
- 目前還沒評論,等你發揮!