
做設(shè)計也要看數(shù)據(jù)?!大數(shù)據(jù)貫穿設(shè)計師全局
大數(shù)據(jù)在大家眼里,往往和科技、互聯(lián)網(wǎng)等結(jié)合在一起,而設(shè)計被大部分人認(rèn)為只是一種藝術(shù)相關(guān)的學(xué)科。他們的眼里,大數(shù)據(jù)除了可視化方面能和設(shè)計搭上點兒關(guān)系,還有什么呢?很多設(shè)計師從來不看數(shù)據(jù),要么是因為沒有數(shù)據(jù)可看,要么是根本不想看,但是也一樣把設(shè)計做的很好啊!設(shè)計本來就是有感性的一面,為什么非得要和數(shù)據(jù)扯上關(guān)系呢?
我們不妨先看看,設(shè)計的本質(zhì)是什么。
設(shè)計不同于純粹的藝術(shù),藝術(shù)源于藝術(shù)家對現(xiàn)實的觀察和思考,以及對這種觀察和思考的自我表達(dá);設(shè)計天生就是為別人在做事情,縱然同樣需要觀察和思考,但是這種觀察和思考不是為了表現(xiàn)設(shè)計師的自我,而是為了更好地服務(wù)于某個用戶群,因而設(shè)計師了解用戶就變得非常重要。尤其是要了解用戶的目標(biāo)、行為、態(tài)度等相關(guān)的情況,我們這里說的數(shù)據(jù)其實也就是對用戶的目標(biāo)、行為、態(tài)度等情況的量化,因此,通過對這些數(shù)據(jù)的分析,我們可以更好地挖掘用戶的需求,進(jìn)而為用戶提供更好地體驗。
簡單點說,設(shè)計是服務(wù)于用戶的,了解用戶才能更好地做設(shè)計,數(shù)據(jù)是了解用戶的一種途徑。
因此,大數(shù)據(jù)就體現(xiàn)出了它的作用:
設(shè)計前:數(shù)據(jù)幫你發(fā)現(xiàn)問題。
所有設(shè)計開始之前的研究和分析,都是為了更明確用戶的需求,明確為什么要做這個設(shè)計。從業(yè)務(wù)的角度來看,這個產(chǎn)品對公司有何價值,此次設(shè)計要達(dá)到什么目的;從用戶的角度來看,這個產(chǎn)品對用戶有何價值,此次設(shè)計要為用戶解決什么問題;在了解業(yè)務(wù)訴求和用戶訴求的過程中,我們難免要用到數(shù)據(jù),這個階段,數(shù)據(jù)的作用就是為了“發(fā)現(xiàn)問題”,看看設(shè)計可以解決什么問題,從而更佳明確設(shè)計的目標(biāo)。
當(dāng)然具體的工作中,多數(shù)設(shè)計師都比較糾結(jié),既要考慮業(yè)務(wù)訴求,又要考慮用戶訴求,如果這兩者不能完全匹配的時候,我們該怎么辦,是兩者的相加嗎?還是我們就只考慮用戶訴求,對業(yè)務(wù)訴求看看。我個人的理解是,現(xiàn)實工作中我們都不是在追求最完美的設(shè)計,更多的是在做平衡,如果是一個用戶型的產(chǎn)品,比如偏向于為用戶提供某個功能的平臺,本身就是完全從用戶的角度出發(fā),通過為用戶提供功能幫助用戶解決問題的,應(yīng)該向用戶訴求靠攏多一些;如果是一個商業(yè)型的產(chǎn)品,比如偏向于為用戶提供某些內(nèi)容的平臺,那么在為用戶提供主動查找的入口的同時,可以適度的向著業(yè)務(wù)發(fā)展需求傾斜,做適度的業(yè)務(wù)層面的引導(dǎo);當(dāng)然這個也不是絕對的,往往同一個平臺,同一個產(chǎn)品,在不同的發(fā)展階段也有不同的需求,如果是一個全新的產(chǎn)品,業(yè)務(wù)的生存就變得格外重要,這個時候設(shè)計應(yīng)該多一些考慮業(yè)務(wù)訴求,先幫助業(yè)務(wù)生存,否則,這個產(chǎn)品都要掛了,還怎么為用戶提供服務(wù)呢?
當(dāng)然,好的設(shè)計師總是能在業(yè)務(wù)和用戶之間找到巧妙的平衡,找到二者的交集,舉個例子,假如這個產(chǎn)品這個階段就是要做用戶規(guī)模,而用戶訴求是享受個性化的服務(wù),看似完全不關(guān)的兩個訴求,實際上我們完全可以通過更好的個性化服務(wù)提升用戶滿意度,獲得好的用戶口碑,再間接地借助用戶口碑提升產(chǎn)品的用戶規(guī)模,這二者之間并不是完全的不相干,更多的時候看能否找到他們的關(guān)聯(lián)性,抓住階段性的設(shè)計目標(biāo)。
設(shè)計中:數(shù)據(jù)幫你判斷思路。
因為設(shè)計師的個人經(jīng)驗不同,創(chuàng)造性思維不同,因此不同的設(shè)計師面對同一個問題,解決方案也很可能差別較大,即便是同一個設(shè)計師也會想到不同的解決方案,到底哪個方案更合適,有些情況下數(shù)據(jù)可以給你參考意見,為你提供“判斷思路”,協(xié)助你做決策;條條大路通羅馬,但是哪一條路才是當(dāng)前最合適的呢?很多大數(shù)據(jù)相關(guān)分析工具可以幫助此類決策。大數(shù)據(jù)魔鏡等新型優(yōu)質(zhì)的大數(shù)據(jù)分析工具為設(shè)計決策提供了無限可能。
通過一個具體的例子看看,如何利用數(shù)據(jù)來判斷思路?有一個批發(fā)類的電商網(wǎng)站的頻道首頁,我們發(fā)現(xiàn)用戶的轉(zhuǎn)化率很低,就去研究了數(shù)據(jù),然后結(jié)合了對典型用戶做的用戶訪談的結(jié)論,最后發(fā)現(xiàn)轉(zhuǎn)化率底的原因其實很簡單,這個頻道的首頁入口主要是來源于整個網(wǎng)站的首頁,而整個網(wǎng)站的首頁是一個全行業(yè)品類的頁面,用戶如果是女裝行業(yè)的買家,她從一個全品類的首頁點擊一個鏈接進(jìn)入另一個全品類的頁面,再艱難的找到女裝這個類目,再點擊進(jìn)入List頁面查看商品,這個路徑是非常深的,那么怎么解決這個問題呢?那就是要避免做女裝的用戶從網(wǎng)站首頁進(jìn)入這個頻道之后還要再次選擇女裝類目,才能看到女裝的商品!
解決這個問題的思路有哪些?可以在網(wǎng)站首頁增加入口,讓用戶直接點擊女裝類目進(jìn)入頻道首頁,給用戶展示女裝商品;可以在用戶進(jìn)入頻道首頁之后,根據(jù)行業(yè)偏好的個性化數(shù)據(jù)來推薦商品,推薦的不準(zhǔn)確,用戶也可以去定制;到底哪個更靠譜?兩個思路各有利弊,鑒于前一個思路需要有外部依賴,要改動網(wǎng)站首頁,所以我們內(nèi)心都很期望后一個思路能跑通,但是怎么知道這個思路行不行?首先我們需要知道行業(yè)的個性化推薦能覆蓋多大的人群,又有多少的人愿意去定制行業(yè)偏好?
對于普通的網(wǎng)站來說這個可能是一個不夠明確的問題,但是這個網(wǎng)站是一個會員用戶早就過億的B類電商網(wǎng)站,有著如此龐大的用戶規(guī)模,較高的用戶覆蓋率,這就意味著對用戶行為數(shù)據(jù)的積累,再者B類的用戶有一個顯著地特征就是在一個較長的時間里,行業(yè)的偏好相對比較穩(wěn)定,如果是一個主營女裝的買家,那么她的偏好一般會以女裝為主,不會超出服裝的范圍,最多會有少量的服裝周邊配套的采購。
設(shè)計后:數(shù)據(jù)幫你驗證方案。
我們的設(shè)計方案到底做的好不好呢?衡量標(biāo)準(zhǔn)就是看設(shè)計方案是否能夠達(dá)成設(shè)計目標(biāo)?這也需要數(shù)據(jù)來量化,通常會用GSM的模型來支撐設(shè)計的驗證。G(Goal)設(shè)計目標(biāo)、S(Signal)現(xiàn)象信號、M(Metric)衡量指標(biāo),所謂的設(shè)計目標(biāo),就是要確定設(shè)計要達(dá)成什么結(jié)果,要解決什么問題;衡量指標(biāo),我們不能憑空猜想,必須建立在設(shè)計目標(biāo)的基礎(chǔ)上,先假設(shè)設(shè)計目標(biāo)會實現(xiàn),那么會出現(xiàn)什么現(xiàn)象或信號呢?列舉出所有的現(xiàn)象或信號,選擇我們可以監(jiān)控的到的,然后對這個現(xiàn)象或信號產(chǎn)品進(jìn)行量化,自然就得到了衡量指標(biāo),但是指標(biāo)的波動幅度往往要依賴經(jīng)驗來定。
比如說,某個產(chǎn)品的設(shè)計目標(biāo)是通過設(shè)計的引導(dǎo),讓更多的買家產(chǎn)生購買,想象一下,如果設(shè)計目標(biāo)實現(xiàn)了,會有什么現(xiàn)象呢?可能會有更多的人有購買意愿,看了商品詳情頁,點擊了購買按鈕等等,最終也產(chǎn)生了購買,那么,衡量指標(biāo)是哪個?設(shè)計只是改變了商品信息的呈現(xiàn)方式,并不能改變商品本身的質(zhì)量或背后的服務(wù),所以我們應(yīng)該重點考察設(shè)計是否強(qiáng)化了引導(dǎo),提升了購買意愿,是否激發(fā)了用戶進(jìn)一步了解的行為,主要是指瀏覽行為,最典型的就是到達(dá)了商品列表頁或者商品詳情頁等,量化的結(jié)果就是看又進(jìn)一步行為的用戶的比例。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11