數據驅動設計和衍生式設計——概述

在偉大的設計和更好的用戶體驗的交叉點是兩個相互補充的關鍵概念，同時它們的方法也不同。

數據驅動設計

“數據”一詞的第一次使用是在 1640 年代。 根據一種普遍的觀點，數據被收集起來，一旦經過分析，就會成為適合做出決策的信息。

分析的數據有助於揭示問題，提供有關這些問題的更多信息，並評估解決方案的有效性。 無論我們是在處理科學數據還是與設計相關的數據，都是如此。

“收集和分析數據是創造更好設計和用戶體驗的關鍵，”設計博客編輯 Cameron Chapman 寫道。

因此，數據驅動的設計使用數據（定性和定量）在整個設計過程中為設計師提供信息。 由此產生的設計更具吸引力，並根據用戶的偏好、目標和行為量身定制。

從整體上看設計過程，我們可以看到數據驅動設計適合的地方：

• 發現
  • 定義問題
  • 收集信息（數據驅動）
  • 頭腦風暴和分析
• 設計
  • 開發解決方案（數據驅動）
  • 迭代
• 驗證
  • 反饋（數據驅動）
  • 迭代

我們從哪裡得到數據？ 數據可以來自多個來源，例如分析、用戶測試、研究（初級、次級、生成）和可用性測試。 它可以在整個設計過程中以多種方式使用，因為沒有一種規範的方式適用於每種情況下的每個人。 以下是在設計方面應用數據的一些技巧：

• 數字和背景——定量和定性數據很好地結合在一起講述一個完整的故事。
• 各種數據——分析、客戶服務日誌、銷售數據、訪談、調查、可用性測試和 A/B 測試是一些例子。
• 對人類經驗敏感——謹慎使用平均值，多方證實，謹慎推斷。
• 標準化共享——開發討論和共享數據的方法，以便每個人都能共同了解基礎知識。

一兩條數據不會提供一組消息靈通的結果，並且由於目標是對日常經驗有一個清晰的理解，因此最好考慮盡可能多的數據類型。

當我們根據用戶研究、理論或流程創建設計時，是數據為我們提供了更可信的答案。 我們可以猜測並“憑直覺行事”，但這可能代價高昂且效率低下。 制定策略比猜測更有效。

一個警告。 過分簡化和曲解數據很容易。 我們可能會專注於一個方面而忽略我們不感興趣的東西，或者插入一種主觀的觀點，這可能會導致設計師和用戶都走上一條狹窄的道路。 客觀、開放的心態和考慮所有數據點是一種很好的方法。

用於數據驅動設計的工具

作為設計師，我們使用定性和定量數據來告知和塑造我們的設計，因此了解一些可以使用的工具很有用。 這絕不是所有可用技術工具或軟件的詳盡列表。

定量數據驅動的設計工具

這假設已準備好 Google Analytics、Adobe SiteCatalyst 等工具。

• Unbounce – 用於 A/B 測試各種頁面佈局的登錄頁面工具。
• Optimizely – 另一個登陸頁面工具，還提供分析和多變量登陸頁面測試。
• Google Optimize – 集成到 Google Analytics 中，Optimize 可幫助設計師了解如何改進網站。

定性數據驅動設計工具

• UserTesting – 一種用於用戶研究的工具，提供可操作的見解。
• 可用性中心——端到端遠程用戶測試平台。
• Optimal Workshop – 用於網站和信息架構的在線可用性工具套件。
• Crazy Egg – 幫助理解和改進網站佈局的熱圖工具。

數據驅動設計的最佳實踐

當組織遵守所有設計團隊的標準和實踐時，數據驅動的設計效果最佳。 以下是成功的數據驅動設計的一些最佳實踐：

• 實施更改後，使用定量數據跟踪進度，例如分析會話、跳出率和熱圖結果。
• 使用數據三角測量找到正確的問題/機會領域並縮小假設範圍。
• 編寫並記錄可以衡量和驗證的結構良好的假設。
• 制定可以廣泛傳播的測試策略。 它應該深入幾層，但不要太多，並且應該定期更新。

數據雖然可以說對設計過程有用，但不應該專門使用。 很容易想像這樣一種情況，即來自數據驅動方法的即時反饋可能導致項目最終結束，而無需考慮其他類型的輸入。

生成式設計

數據驅動設計是由定量輸入驅動的，在較小程度上是定性輸入，而生成式設計將信息引入自由流動和迭代的設計過程。

在製造業中，衍生式設計利用機器學習來模仿自然的進化方法。 設計參數被輸入軟件，算法探索解決方案的所有可能組合，通常會產生數百個選項。

衍生式設計是對可能組合的探索，在設計過程中稱為迭代，即循環通過許多不同的“設計”以得出不同的解決方案。

在產品設計中，這個概念很像設計思維過程，只是人們在做迭代和構思，而不是軟件。 設計是根據一組輸入（想法、生活經歷等）生成的。

在 1980 年代，作者 Bryan Lawson 提出了一套設計練習，設計師和建築師以參與的方式並肩工作。 直到此時，設計師還沒有看到需要將“外來者”納入他們的流程。 雖然當時頗有爭議，但這些練習的成功證明了早期的生成方法是正確的做法。

衍生式設計和設計過程

與數據驅動設計一樣，衍生式設計發生在設計過程的所有階段：

• 發現
  • 定義問題（生成）
  • 收集信息（數據驅動）
  • 頭腦風暴和分析（生成）
• 設計
  • 開發解決方案（數據驅動）
  • 迭代（生成）
• 驗證
  • 反饋（數據驅動）
  • 迭代（生成）

請注意，對於新設計，尚無數據可供借鑒，因此我們傾向於先進行衍生式設計。 一旦我們有一些想法要發佈到世界上，我們就可以收集我們的定性和定量數據。

生成式設計和數據驅動設計相輔相成。 通過數據驅動的設計，由於輸入的定量性質，我們得到了靜態的解決方案。 然後，我們應用生成式設計，最終得到自由流動的結果，隨著更多想法的提出，這些結果將被迭代和塑造。

衍生式設計可以發揮關鍵作用，使設計師能夠解決他們可能無法解決的更大問題。 數據驅動的設計將確認這些問題已成功解決。

以下是衍生式設計過程的一些優點：

• 增加創造力——由於衍生式設計的迭代性質，形成了更多的想法。
• 包容性設計——在流程中加入不同的聲音和輸入，推動流程更具包容性。
• 增加成果——隨著流程在設計階段的繼續進行，會產生更多的成果。

用於衍生式設計的工具

設計師用於衍生式設計的工具與我們用於數據驅動設計的工具大不相同。 通過衍生式設計，我們對幫助我們從定性角度迭代和更好地理解人們的工具感興趣：

• 便利貼——產生想法的最簡單方法。 便利貼用於頭腦風暴會議，作為一種快速輕鬆地捕捉人們想法的方式。
• 白板——頭腦風暴是一種包容性的練習，允許人們引入外部觀點並作為一個整體進行構思。
• Balsamiq – 用於迭代和收集用戶反饋的低保真線框圖軟件工具。
• Sketch – 一種流行的軟件工具，可用於在設計過程的所有階段進行線框圖、原型製作和模型製作。

成功的衍生式設計

衍生式設計是一個持續的過程，是對人類經驗的深思熟慮的檢查，因為它與手頭的設計問題有關。 以下是一些需要牢記的提示：

• 用戶體驗研究——儘早將以客戶為中心的思維帶入設計過程。 生成式設計依賴於以人為本的反饋
• 儘早測試設計——迭代測試是衍生式設計的重要組成部分，並且貫穿整個設計過程。
• 包容性設計——包括具有不同背景和經驗水平的人有助於帶來新鮮的、新的視角。

優化的未來

數據驅動設計和衍生式設計共存，通過設計創造更好的人類體驗。 數據和數據驅動設計為我們提供了可用於分析問題的具體信息。

如果沒有數據，我們將沒有任何值得研究的東西。 一旦我們想到了一套解決方案，我們就可以注入生成式設計來幫助將這些解決方案塑造成結果。

在許多方面，這些設計過程的融合可能體現了設計的未來：彌合設計思維與傳統設計之間的差距。

我們才剛剛開始觸及這兩種設計方法可以帶給我們的表面。 如果數據驅動設計在世界上一些最具創新性的產品和服務中發揮了重要作用，那麼將其與衍生式設計相結合可以獲得很多好處。 也許這兩者可以為解決複雜的設計問題鋪平道路。

讓我們知道您的想法！ 請在下方留下您的想法、評論和反饋。

• • •

進一步閱讀 Toptal 設計博客：

• 設計原則及其重要性
• 最佳 UX 設計師作品集——鼓舞人心的案例研究和示例
• 探索完形設計原則
• Adobe XD 與 Sketch – 哪種 UX 工具適合您？
• 頂級設計師使用的 10 個 UX 可交付成果