剑客
关注科技互联网

写给设计师的数据启示录

写给设计师的数据启示录

大多数设计行为是为了解决问题。怎么判断问题是否被解决了、解决得好不好?如果你的设计产生的影响是可被量化的,那么有一种相对客观的评价方式是:看数据。

怎样制订数据指标

如何有效利用数据验证设计,是一直以来困扰我的一个问题,我的主要疑惑在于:

  • 在设计前,如何知道需要监测哪些数据来辅助验证设计效果?
  • 到底怎样通过数据来判断一个设计是好是坏?

Google 用户体验研究员 Kerry Rodden 的一篇文章 给了我很大启发。在 Google,数据指标通过「用户体验质量」和「产品目标」两步来确定。「用户体验质量」简单来说即「你想要观测设计的哪些方面的效果」,「产品目标」则是基于你想要观测的这些方面,按照「目标 → 标志 → 指标」的顺序确定数据指标。根据这种方法来制订数据指标,思路清晰明了,总体过程会是这样一个矩阵:

写给设计师的数据启示录

表格左列代表着待考量的用户体验质量维度,Kerry 称之为「HEART 框架」,在实际运用中无需完全遵守,可根据项目需要有所侧重或增减。

表格横向的三个词语值得解释一下:

目标(Goal)

简单说就是,你希望设计上线后,在哪个方面达到什么样的结果。比如 Youtube 的搜索功能,在 Task Success 方面的关键目标是:用户搜索时更快速地找到最相关的视频或频道。

标志(Signal)

目标确定了,那什么信号标志着设计达到了或没达到目标呢?比如 Youtube 在 Engagement 方面的标志就是:用户在 Youtube 看视频的数量和所花费的时间。又比如搜索功能在 Task Success 方面失败的标志是:用户搜索后没有点击任何搜索结果。

能判断是否达到目标的标志可能有很多,这时候要结合实际情况取舍。比如这种标志追踪起来方便吗?它能随你的设计变动而观察到明显的变化吗?

指标(Metric)

指标比标志更加落地,它很接近我们获取到的原始数据。例如,「用户在 Youtube 上看视频的时间」这一标志用指标来体现就是「每日人均看视频分钟数」。

通过「目标 → 标志 → 指标」流程,结合 HEART 框架,就能清楚地知道要验证设计的哪些方面,需要关注哪些数据来达到目的。

两个启发式例子

被误读的数据实验

2010 年一位澳大利亚的设计师打算做两件事:一是写一本书,二是重新设计他的个人网站。设计网站时他想实践一把用数据指导设计决策,于是做了个 AB 测试。A 方案在网页上非常详细地介绍了将要写的这本书,然后留了一个可填写邮箱的地方;B 方案没有任何关于书的介绍,只写了「如果你是设计师,你应该对这本书感兴趣。填写你的邮箱」。

测试结果出人意料,A 方案只收获了 33 个邮箱地址,而没有任何介绍性内容的 B 方案却收获了 77 个邮箱地址。于是这位设计师又惊又喜地写了一篇博客,描述了他的实验过程,并感叹数据总能让我们惊讶,甚至能告诉我们与经验相反的东西。

可是,从这个实验结果可以推断出 B 方案更好吗?

看起来这位设计师衡量成功的标准是「收到更多邮箱地址」而不是「能卖出多少本书」。假如以销售量为标准,现阶段的数据是无法得到「B 方案比 A 方案更好」的结论的,因为你不知道未来给这两拨人发推销邮件时,哪一拨的购买率更高。

这个数据实验是不完整的。如果搞错了目标,再精确的数据统计也只能得到误导性的结论。

Medium 的衡量指标

当我们在谈论一家公司或一个产品是否够「大」时,基本是基于单一的数字,比如过去一个月的使用者数量,但我们很少细究到底什么是「使用」,这难道不奇怪么。

和那些盲目喊着要扩大用户数和规模的产品不一样,对 Medium 来说,有人在真正花时间阅读,才是一件意义重大的事情。因此它更关注人们的阅读时间而非访客数量或浏览量,通过衡量时间成本,它反映的是产品带给用户的价值。如果 UV 很高,但用户在网站上平均停留时间很少,几乎没有读什么东西,那么 Medium 并不觉得这是一件值得高兴的事。

KPI 式的价值观常常给人带来误区:数字即规模,规模就是一切。但我们可以看到,许多产品因用户数量的骤增曾备受瞩目,但最后大多以失败告终。就像 Ev Williams 说的,也许有时候,我们应该更加关注所创造事物的深度而非广度。数字很重要,用户数也很重要,但相比这些,我们更应该想清楚对于一个产品来说核心价值是什么、究竟什么才是最重要的。

不万能的数据

数据不是万能的。它就像问卷调查、用户访谈等任何用户体验研究方法一样有着其局限性。比方说:数据无法告诉你「为什么」,你需要结合其他的手段或方法来弄明白表象背后的东西。

Facebook 有一个功能可以让用户举报垃圾信息或滥用的照片,但他们统计发现,被举报的照片中只有很小一部分违反了社区规范,大多数是人们在派对上拍的照片,并且大部分举报照片的案例都是用户要求删除有他们自己的照片(因为派对上被拍到的照片通常比较囧,人们并不愿意被展示出来)。基于这个发现,Facebook 加了一项新功能:遇到类似情况时引导用户发消息给他们的朋友,要求删除照片。然而数据显示只有 20% 的人给朋友发了消息。进一步的研究发现,如果在提出删除要求的同时,也让朋友了解到被上传照片的人的心情,结果就会有所不同。改善后的功能在界面上的呈现是这样的:

写给设计师的数据启示录

加入了对被上传照片者心情的描述后,大约 60% 的人会去发消息,而且后续反馈表明,参与对话的双方都感觉良好。在这个过程中,设计师用了很多数据来支持他们的决定;但是,数据不会代替设计的直觉,更不会代替深入的研究、测试、同理心。

数据只能告诉你 What,却不能告诉你 Why。分享了这个案例的 Margret Gould Stewart 说的一句话令人印象深刻:

Data can only make a good design great, but can never make a bad design good.

总结

数据在设计中的重要性不言而喻,它让设计师对产品对用户有更宏观的认知,能让我们拿出更客观的理由证明自己的设计为什么好。

如果你不清楚怎样制订数据指标, Google 的这套方法 或许对你有用。按照「目标 → 标志 → 指标」的原则,结合 HEART 框架,就能确定应该验证设计的哪些方面,要关注哪些具体数据。

提防数据中的陷阱,有时候它会把我们带偏,要小心区分「观察到的现象」和「推断出的结论」。从这个角度来说,设计其实也是一门非常需要 Critical Thinking 的学科。另外,不管任何时候,数据都不应该是根本目的。要想清楚你的产品核心目标和价值究竟是什么,否则容易把力气使错地方。

最后,数据作为一种辅助设计的手段,也有它的局限性。它能告诉你发生了什么,却不会开口向你解释为什么会发生,设计师需要结合其他手段找到问题所在。

启示清单:

  1. How to choose the right UX metrics for your product
  2. Is Design Metrically Opposed?
  3. A mile wide, An inch deep
  4. Why We Should All Be Data Literate
  5. Margaret Gould Stewart: How giant websites design for you (and a billion others, too)
  6. Measuring the User Experience on a Large Scale: User-Centered Metrics for Web Applications
分享到:更多 ()

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址