交互設計師如何進行設計埋點，來驗證自己的設計？

12-31

在大公司，產品的統計數據一般由PM來追蹤和跟進，但設計師也需要關注數據來輔助設計。
除了大家都在關注的的網頁UVPV，頁面流程的流失漏斗模型；怎麼進一步研究頁面界面內的設計？
例如彈窗的設計效果（彈窗不是單獨的page）；
例如不同渠道對設計的影響（畢竟PV/UV是看到的總量）；
例如登錄/未登錄不同狀態對行為的影響；

產品上線時，設計師都需要進行怎麼樣的埋點（除了基本的PV/UV），才能充分檢驗自己的設計，進而發現和解決問題？

「驗證設計」的方法有很多，數據是最直接的一種。

關鍵不在埋點，而在

設計目標是什麼
哪些統計數據（多大程度上）可以驗證設計是否達到目標

用數據驗證的前提，是在設計時就已經理清「項目目標」（比如通過某個功能提升用戶活躍度）和「設計目標」（比如減少理解和操作成本，提升用戶發帖數量）分別是什麼。講不清楚設計目標，沒有跟產品經理或團隊對設計目標形成共識，數據怎麼埋點都沒用。

比如題主說的「彈窗設計效果」，彈窗的目的是？

又比如，「設計流暢的搜索使用流程」，是一個模糊的設計目標：

搜索是新增功能還是功能優化？
之前的問題是什麼？是沒有搜索，還是搜不出東西，還是搜索入口和需求不匹配，還是用戶不知道怎麼搜索
搜索「使用流程」是什麼？什麼數據可以反映最終結果
怎麼定義流暢使用？

設計目標確定以後，還會發現找到相應的數據統計項有困難。比如說，用日均搜索使用次數，可以完全反映搜索流程優化的交互設計效果嗎？熱詞有沒有影響？新增用戶數變化有沒有影響？搜索結果數有沒有影響？搜索匹配度有沒有影響？……

最後會發現，真正能夠用數據驗證的設計問題，只是一部分。這時候怎麼辦？

先驗證大的目標，比如項目目標，再看設計部分如何貢獻價值
用其他方法驗證，比如用戶反饋，比如競品對比
可能需要新增其他指標，比如用戶滿意度，輔助衡量整體（而不是某次具體涉及）的設計效果

要驗證設計的正確與否，首先需要明確：

1你設計的目標是什麼？
2.針對哪個場景下的哪類用戶做設計？

任何不談目標，不談場景和用戶的發言都是耍流氓！

重要的事情說三遍

以o2o為例，你的埋點需要起到的作用如下：

1.劃分用戶

活躍用戶，非活躍用戶

什麼品類的活躍用戶

什麼品類的新用戶

2.劃分場景

每周哪一天比較活躍？

每天哪一個時間段比較活躍？

特殊日子（節假日，月末月初，薪水發放日）前後活躍情況？

用戶所處城市水平

通過時間節點來預估場景發生的情況

3.合理制定目標

從自身平台的商業角度出發，制定一個大目標，併合理的將大目標分解為多個小目標

舉例，大目標是轉化率，確定轉化率定義

設定小目標為頁面轉化，流程轉化，及核心操作轉化

－－－－－－－－－－－－－這裡是分割線－－－－－－－－－－－－－－－－－－－－－

定量分析只能判斷某個具體問題的正確與否，但是並不能發現更多的問題

需與定性分析結合。

在需求開始前，就需要拿到定性和定量的結果，別將疑問帶進需求里

我覺得對於設計來說，要善用AB測試，不是說考慮一種方案就定稿了，而是從不同的視角出方案，然後去對比看最終的轉化效果。

推薦看看扎克伯格的這篇採訪文章：YC合伙人對話扎克伯格：把運營公司當做一場科學實驗_36氪

其中一段：

Sam：好吧，所以我想討論一個對於產品或者創業者來說很常見的問題，那就是如何決定該做什麼產品，怎麼知道什麼時候該對公司下賭注，怎樣做一些完全新的事情？我認為Facebook做的最好的事情之一就是找到該做什麼，並且能夠持續的這樣創新，這在我看來是做公司最難的事情。所以你的建議是什麼呢？

Mark：我覺得核心就是建立一個專註於快速學習的公司。公司本身是一個學習性的組織，你做的決定可以讓他學的更快或更慢。在很多情況下，建立一家公司也像遵從很多科研方法一樣，要不斷的嘗試大量的假設推論，如果你的實驗設計構建的足夠好，你就會學到下一步該怎麼做。我覺得這是一個很重要的哲學方法。

所以在公司內部我們會做非常多的決定，而每一個都充分授權給獨立的工程師。我們投資搭建的是這個巨大的實驗結構。在每時每刻，世界上都不只有一個版本的Facebook，世界上可能有成百上千個版本在運行，因為工程師們有權利嘗試不同的點子，並且讓也許1萬或10萬的用戶去嘗試，然後他們會得到一個結論，知道自己實驗結果的好壞，不管這個實驗是讓News Feed里的內容變得更好還是UI的變化或其他的新功能，他們都能夠用自己版本的數據結果去和一個基本版去比較，這裡比較的數據可能是分享量、營收、活躍度等Facebook內部在意的數據。

通過不斷地多次不同的實驗，和對每個人的授權，你可以想見比起每一個決定都要經過審批來說，這樣的進展要快上不知道多少。所以我認為構建一個學習的文化並且不斷向之努力是非常關鍵的。時間越長、幫助越大。

結合我自己經歷的一個例子：

對於產品經理，每天都要參與功能設計。即使一個功能的引導語，怎樣去表述，都可能對功能效果產生影響。在 2008 年我在百度知道做問題推薦時，就做過一個類似的測試。我們當時根據用戶回答過的問題，或者檢索過的詞、瀏覽過的頁面，給用戶推薦感興趣的待解決的問題。我們先不管推薦的內容如何，對於推薦欄目的引導語，是用「等待您來回答」，還是「我來幫忙解答」？哪個效果更好呢？我們當時分別抽了一些用戶進行不同的樣式展示，結果發現「等待您來回答」的點擊量要比「我來幫忙解答」高 15%。

當然，AB測試想要做好，還是需要工程師去配合的，可以和產品經理一起推動。

希望回答能有幫助。

同意已有答案「00」的觀點：埋點只是驗證設計的一種數據分析工具，關鍵在於你要驗證的是什麼（核心目標），以及如何組織數據來驗證（指標，標準，分析論證）。

我再補充些——

1.驗證的目標方面，盡量明確功能設計的總體目標是什麼（一般是業務需求）。

比如曾經我們探討在（運動類）app內增加一個小遊戲功能，大的目標是通過提高app可玩性，提高用戶活躍，刺激分享。那麼驗證的時候，大的方向就是用戶活躍和分享的提升，用戶活躍體現在玩遊戲的人app打開頻率、活躍時長；分享就是社交傳播。這些目標指導驗證中是什麼樣的標準，以及設置什麼樣的指標體系。

2.大的指標一般是反映整體交互效果的好/壞程度，指標體系則是解決為什麼好/壞、以及哪裡好/壞？

行為數據上一般用到用戶路徑分析（初級的就是設計漏斗模型、遍歷用戶訪問路徑，複雜的則會用到相應演算法），信息質量模型（多見於電商商品offer頁面，有關鍵頁面展示和按鈕點擊）。

主管感受方面則可以通過相應的可用性/易用性調研、用戶訪談、滿意度、NPS、後台反饋、客服反饋等實現。

所以這裡不僅僅會用到埋點了，還可能涉及到其他不同的評估方式。

另外，多數功能的設計，是有相應的目標人群的，細分之後會有更加詳細的發現，這裡就涉及到埋點和已有資料庫之間的打通。打通之後可以進行各種交叉分析，也可以直接找到相應的用戶訪談、調研。（然而現實是很多app埋點和已有資料庫是割裂的，）

數據是一種定量分析，流程漏斗可以將用戶操作過程中可能遇到的問題定位，至於用戶出了什麼問題，以及什麼原因導致的，這個可以通過用戶訪談等做定性研究。

純粹的埋點，只能證明事物時間的聯繫，代表不了原因。