数量优势——数据驱动设计概述

设计通常被视为一门艺术而不是一门科学。 实际上，两者兼而有之。 设计艺术应该受到数据和信息科学的影响。 收集和分析数据是创建更好的设计和用户体验的关键。

数据驱动的设计可能会让不熟悉它的设计师感到害怕。 一些设计师甚至不明白为什么它是必要的，或者只是在有限的基础上利用数据。 了解这个过程可以揭开它的神秘面纱，并使所有经验水平的设计师都可以使用它。

为什么在设计过程中使用数据？

许多设计师认为他们知道用户想要什么，而无需进行任何类型的用户研究。 他们也倾向于迷恋自己的设计。 但在绝大多数情况下，设计师不是用户。 如果没有数据来支持有关如何创建最佳用户体验的决策，设计师实际上只是在黑暗中刺痛。

数据为设计师提供了洞察力，因此他们可以为使用他们产品的人创造最好的设计。 这些数据可以有多种形式，来自主要和次要来源。 对于设计师来说，重要的是要弄清楚哪些数据集值得用来作为他们设计的基础，哪些数据集可以忽略。

使用什么数据

数据驱动的 UI 设计可能需要各种不同类型的数据来确定创建最佳用户体验的最佳方式。 这些数据可以包括对现有产品迭代的网站或应用程序分析、用户访谈、A/B 和多变量测试结果、行为流和其他类型的用户体验研究。

设计人员预先收集的数据越多，设计的早期迭代就越好。 当然，对于某些类型的数据收集，通常需要原型（例如 A/B 或多变量测试）。 但即使是那些早期的原型也可以依赖于行业数据或类似项目的数据（案例研究在这方面可能是非常宝贵的资源）。

使用设计分析

分析可以成为设计师最丰富的数据源。 如果一个网站或应用程序正在重新设计而不是从头开始设计，设计人员可以利用现有的分析信息来确定哪些有效，哪些无效。

查看网站上流行、平均页面停留时间统计数据较高或跳出率较低的页面是了解哪些页面有效的好方法。 但是查看那些退出率和跳出率高或平均页面停留时间较低的页面可以深入了解需要帮助的页面。

高退出率和跳出率可能表明页面不包含访问该页面的人正在寻找的信息。 或者如果信息在那里，它可能表明它不容易找到或理解。

在对设计进行更改时关注用户体验分析也是关键。 如果页面在重新设计之前表现良好，请注意它在重新设计之后的表现。 积极指标的改善意味着重新设计处于正确的轨道上，反之亦然。

最后，行业分析基准可以提供有关网站或应用程序与同行业其他人相比表现如何的重要信息。 单独看时，通常很难知道页面上 2 分钟的平均时间是好还是坏。 但是能够比较它并看到行业平均值是 3 分钟的平均页面时间意味着当前的网站设计或内容可以改进。 Google Analytics 具有内置的基准测试工具，可以轻松查看网站与行业平均水平相比的表现。

使用 A/B 和多变量测试结果

A/B 和多变量测试是查看网站或应用程序的不同版本如何相互执行的密切相关的方法。 它们可用于极大地改善用户体验和用户行为。

A/B 测试在两个版本之间更改设计中的一个元素（例如按钮的颜色或标题的文本），以查看哪个效果更好。 多变量测试更改多个元素（例如整个页眉或页面上的所有副本）。 在这两种测试中，网站或应用程序的访问者会随机显示页面的不同版本，并记录分析数据。

持续运行 A/B 或多变量测试以改进设计可能会导致巨大的转化率增加。 例如，37Signals 在其主页上运行了各种 A/B 测试以确定最佳设计（有时会发现两个版本之间的差异超过 100%）。

使用行为流

行为流是用户浏览网站的方式，从他们第一次登陆的页面到他们在退出网站之前查看的最后一页。 在大多数情况下，用户体验专家有他们希望用户通过网站进行的特定流程。 如果实际行为流程与此相差很大，则表明用户体验存在问题。

Google Analytics 具有用于探索用户行为流的内置工具。 将这些数据与 UX 设计师为项目创建的理想行为流进行比较，可以深入了解设计是否真正实现了用户体验和行为目标。

用户研究

设计师可以采用多种用户研究方法来收集数据，这些数据可以帮助设计过程创造更好的用户体验并更有效地影响用户行为。

这些方法包括卡片分类、与实际用户的上下文访谈、焦点小组、调查和启发式分析等。 用户研究还包括创建角色和用例等内容。

用户研究是一种资源较多的数据收集方法，但也可能是最有价值的——尤其是对于没有现有主要数据源的新项目和产品。 有多种方法可以进行有效的用户研究，每一种方法都可以为流程添加自己独特的价值。

用户测试是用户研究过程的一个方面，它通常包括可用性测试以及前面提到的 A/B 和多变量测试。 具有成本效益的用户测试是设计过程的重要组成部分，应该在每个步骤中进行。

如何分析数据

收集数据只是数据驱动设计过程的一个方面。 定量数据，例如设计和用户体验分析，至关重要，但定性数据，例如从用户访谈中收集的数据，同样重要，甚至更重要。

定量数据让设计师了解网站或应用程序上正在发生的事情。 但是需要定性数据来阐明用户为什么要做他们所做的事情。 弄清楚用户为什么会以某种方式行事是用户体验理论和设计心理学的重要组成部分。

一旦收集了定性和定量数据，设计师就应该寻找数据中的趋势以及异常值。 异常值可以洞察用户可能遇到的潜在问题，随着流量的增加，这些问题可能会变得很重要。

创建数据可视化在处理大型数据集时很有用。 即使是简单的图表和图形也可以更轻松地分析可用信息。 这就是为什么包括谷歌分析在内的大多数分析程序都以可视方式显示数据，而不仅仅是原始数据。

随着新数据的收集，应持续分析数据。 设计变更、内容变更、搜索引擎算法变更以及其他发展都会影响用户体验和用户行为。 设计人员可以分析这些数据，以不断改进并对其产品进行新的迭代。

向利益相关者展示数据

除了分析数据之外，将其呈现给项目中的利益相关者通常对于让他们购买最佳设计解决方案也很重要。 直观地显示数据是呈现信息的最佳方式之一。

创建带有图表和图形的幻灯片通常可以在让客户或经理批准项目和在每个步骤中面临阻力之间产生差异。 数据可以支持设计师关于做出正确设计选择的“直觉”。

用数据做出决策

数据最好的部分之一是几乎总是可以收集更多。 数据驱动的设计决策过程是循环的：设计师应该收集和分析数据，根据它做出决策，然后通过收集和分析更多数据来测试这些决策。

不断设计基于数据而不是直觉或预感的改进的产品的新迭代，使设计师能够为使用其产品的人们创造更好的体验。 掌握可用数据可以让设计人员在用户体验和行为变化影响底线之前避免这些问题。

结论

了解数据驱动的设计过程是设计师的一项重要职业技能。 深入研究用户研究和测试过程，了解数据分析的工作原理，为设计师提供了额外的工具来支持他们的想法。 它还允许他们创建最好的产品，并使用支持该断言的数据。

数据驱动的 UI 设计既是艺术也是科学。 了解如何收集和分析数据并在此基础上实施设计对于初学者和专家设计师来说都是一项重要技能。

进一步阅读 Toptal 设计博客：

• 面向大众的 UX 测试：保持简单且具有成本效益
• 在不发疯的情况下将可用性测试数据转化为行动
• 用户体验研究方法和用户同理心之路
• 数据可视化 - 最佳实践和基础
• 从这些数据可视化中获得灵感