数据驱动设计和衍生式设计——概述

在伟大的设计和更好的用户体验的交叉点是两个相互补充的关键概念，同时它们的方法也不同。

数据驱动设计

“数据”一词的第一次使用是在 1640 年代。 根据一种普遍的观点，数据被收集起来，一旦经过分析，就会成为适合做出决策的信息。

分析的数据有助于揭示问题，提供有关这些问题的更多信息，并评估解决方案的有效性。 无论我们是在处理科学数据还是与设计相关的数据，都是如此。

“收集和分析数据是创造更好设计和用户体验的关键，”设计博客编辑 Cameron Chapman 写道。

因此，数据驱动的设计使用数据（定性和定量）在整个设计过程中为设计师提供信息。 由此产生的设计更具吸引力，并根据用户的偏好、目标和行为量身定制。

从整体上看设计过程，我们可以看到数据驱动设计适合的地方：

• 发现
  • 定义问题
  • 收集信息（数据驱动）
  • 头脑风暴和分析
• 设计
  • 开发解决方案（数据驱动）
  • 迭代
• 验证
  • 反馈（数据驱动）
  • 迭代

我们从哪里得到数据？ 数据可以来自多个来源，例如分析、用户测试、研究（初级、次级、生成）和可用性测试。 它可以在整个设计过程中以多​​种方式使用，因为没有一种规范的方式适用于每种情况下的每个人。 以下是在设计方面应用数据的一些技巧：

• 数字和背景——定量和定性数据很好地结合在一起讲述一个完整的故事。
• 各种数据——分析、客户服务日志、销售数据、访谈、调查、可用性测试和 A/B 测试是一些例子。
• 对人类经验敏感——谨慎使用平均值，多方证实，谨慎推断。
• 标准化共享——开发讨论和共享数据的方法，以便每个人都能共同了解基础知识。

一两条数据不会提供一组消息灵通的结果，并且由于目标是对日常经验有一个清晰的理解，因此最好考虑尽可能多的数据类型。

当我们根据用户研究、理论或流程创建设计时，是数据为我们提供了更可信的答案。 我们可以猜测并“凭直觉行事”，但这可能代价高昂且效率低下。 制定策略比猜测更有效。

一个警告。 过分简化和曲解数据很容易。 我们可能会专注于一个方面而忽略我们不感兴趣的东西，或者插入一种主观的观点，这可能会导致设计师和用户都走上一条狭窄的道路。 客观、开放的心态和考虑所有数据点是一种很好的方法。

用于数据驱动设计的工具

作为设计师，我们使用定性和定量数据来告知和塑造我们的设计，因此了解一些可以使用的工具很有用。 这绝不是所有可用技术工具或软件的详尽列表。

定量数据驱动的设计工具

这假设已准备好 Google Analytics、Adobe SiteCatalyst 等工具。

• Unbounce – 用于 A/B 测试各种页面布局的登录页面工具。
• Optimizely – 另一个登陆页面工具，还提供分析和多变量登陆页面测试。
• Google Optimize – 集成到 Google Analytics 中，Optimize 可帮助设计师了解如何改进网站。

定性数据驱动设计工具

• UserTesting – 一种用于用户研究的工具，提供可操作的见解。
• 可用性中心——端到端远程用户测试平台。
• Optimal Workshop – 用于网站和信息架构的在线可用性工具套件。
• Crazy Egg – 帮助理解和改进网站布局的热图工具。

数据驱动设计的最佳实践

当组织遵守所有设计团队的标准和实践时，数据驱动的设计效果最佳。 以下是成功的数据驱动设计的一些最佳实践：

• 实施更改后，使用定量数据跟踪进度，例如分析会话、跳出率和热图结果。
• 使用数据三角测量找到正确的问题/机会领域并缩小假设范围。
• 编写并记录可以衡量和验证的结构良好的假设。
• 制定可以广泛传播的测试策略。 它应该深入几层，但不要太多，并且应该定期更新。

数据虽然可以说对设计过程有用，但不应该专门使用。 很容易想象这样一种情况，即来自数据驱动方法的即时反馈可能导致项目最终结束，而无需考虑其他类型的输入。

生成式设计

数据驱动的设计是由定量输入驱动的，在较小程度上是定性输入，而生成式设计将信息引入自由流动和迭代的设计过程。

在制造业中，衍生式设计利用机器学习来模仿自然的进化方法。 设计参数被输入软件，算法探索解决方案的所有可能组合，通常会产生数百个选项。

衍生式设计是对可能组合的探索，在设计过程中称为迭代，即循环通过许多不同的“设计”以得出不同的解决方案。

在产品设计中，这个概念很像设计思维过程，只是人们在做迭代和构思，而不是软件。 设计是根据一组输入（想法、生活经历等）生成的。

在 1980 年代，作者 Bryan Lawson 提出了一套设计练习，设计师和建筑师以参与的方式并肩工作。 直到此时，设计师还没有看到需要将“外来者”纳入他们的流程。 虽然当时颇有争议，但这些练习的成功证明了早期的生成方法是正确的做法。

衍生式设计和设计过程

与数据驱动设计一样，衍生式设计发生在设计过程的所有阶段：

• 发现
  • 定义问题（生成）
  • 收集信息（数据驱动）
  • 头脑风暴和分析（生成）
• 设计
  • 开发解决方案（数据驱动）
  • 迭代（生成）
• 验证
  • 反馈（数据驱动）
  • 迭代（生成）

请注意，对于新设计，尚无数据可供借鉴，因此我们倾向于先进行衍生式设计。 一旦我们有一些想法要发布到世界上，我们就可以收集我们的定性和定量数据。

生成式设计和数据驱动设计相辅相成。 通过数据驱动的设计，由于输入的定量性质，我们得到了静态的解决方案。 然后，我们应用生成式设计，最终得到自由流动的结果，随着更多想法的提出，这些结果将被迭代和塑造。

衍生式设计可以发挥关键作用，使设计师能够解决他们可能无法解决的更大问题。 数据驱动的设计将确认这些问题已成功解决。

以下是衍生式设计过程的一些优点：

• 增加创造力——由于衍生式设计的迭代性质，形成了更多的想法。
• 包容性设计——在流程中加入不同的声音和输入，推动流程更具包容性。
• 增加成果——随着流程在设计阶段的继续进行，会产生更多的成果。

用于衍生式设计的工具

设计师用于衍生式设计的工具与我们用于数据驱动设计的工具大不相同。 通过衍生式设计，我们对帮助我们从定性角度迭代和更好地理解人们的工具感兴趣：

• 便利贴——产生想法的最简单方法。 便利贴用于头脑风暴会议，作为一种快速轻松地捕捉人们想法的方式。
• 白板——头脑风暴是一种包容性的练习，允许人们引入外部观点并作为一个整体进行构思。
• Balsamiq – 用于迭代和收集用户反馈的低保真线框图软件工具。
• Sketch – 一种流行的软件工具，可用于在设计过程的所有阶段进行线框图、原型制作和模型制作。

成功的衍生式设计

衍生式设计是一个持续的过程，是对人类经验的深思熟虑的检查，因为它与手头的设计问题有关。 以下是一些需要牢记的提示：

• 用户体验研究——尽早将以客户为中心的思维带入设计过程。 生成式设计依赖于以人为本的反馈
• 尽早测试设计——迭代测试是衍生式设计的重要组成部分，并且贯穿整个设计过程。
• 包容性设计——包括具有不同背景和经验水平的人有助于带来新鲜的、新的视角。

优化的未来

数据驱动设计和衍生式设计共存，通过设计创造更好的人类体验。 数据和数据驱动设计为我们提供了可用于分析问题的具体信息。

如果没有数据，我们将没有任何值得研究的东西。 一旦我们想到了一套解决方案，我们就可以注入生成式设计来帮助将这些解决方案塑造成结果。

在许多方面，这些设计过程的融合可能体现了设计的未来：弥合设计思维与传统设计之间的差距。

我们才刚刚开始触及这两种设计方法可以带给我们的表面。 如果数据驱动设计在世界上一些最具创新性的产品和服务中发挥了重要作用，那么将其与衍生式设计相结合可以获得很多好处。 也许这两者可以为解决复杂的设计问题铺平道路。

让我们知道您的想法！ 请在下方留下您的想法、评论和反馈。

• • •

进一步阅读 Toptal 设计博客：

• 设计原则及其重要性
• 最佳 UX 设计师作品集——鼓舞人心的案例研究和示例
• 探索完形设计原则
• Adobe XD 与 Sketch – 哪种 UX 工具适合您？
• 顶级设计师使用的 10 个 UX 可交付成果