寫給設計師的數據啟示錄

大多數設計行為是為了解決問題。怎麼判斷問題是否被解決了、解決得好不好？如果你的設計產生的影響是可被量化的，那麼有一種相對客觀的評價方式是：看數據。

怎樣制訂數據指標

如何有效利用數據驗證設計，是一直以來困擾我的一個問題，我的主要疑惑在於：

• 在設計前，如何知道需要監測哪些數據來輔助驗證設計效果？
• 到底怎樣通過數據來判斷一個設計是好是壞？

Google 用戶體驗研究員 Kerry Rodden 的一篇文章給了我很大啟發。在 Google，數據指標通過「用戶體驗質量」和「產品目標」兩步來確定。「用戶體驗質量」簡單來說即「你想要觀測設計的哪些方面的效果」，「產品目標」則是基於你想要觀測的這些方面，按照「目標 → 標誌 → 指標」的順序確定數據指標。根據這種方法來制訂數據指標，思路清晰明了，總體過程會是這樣一個矩陣：

表格左列代表著待考量的用戶體驗質量維度，Kerry 稱之為「HEART 框架」，在實際運用中無需完全遵守，可根據項目需要有所側重或增減。

表格橫向的三個詞語值得解釋一下：

目標（Goal）

簡單說就是，你希望設計上線後，在哪個方面達到什麼樣的結果。比如 Youtube 的搜索功能，在 Task Success 方面的關鍵目標是：用戶搜索時更快速地找到最相關的視頻或頻道。

標誌（Signal）

目標確定了，那什麼信號標誌著設計達到了或沒達到目標呢？比如 Youtube 在 Engagement 方面的標誌就是：用戶在 Youtube 看視頻的數量和所花費的時間。又比如搜索功能在 Task Success 方面失敗的標誌是：用戶搜索後沒有點擊任何搜索結果。

能判斷是否達到目標的標誌可能有很多，這時候要結合實際情況取捨。比如這種標誌追蹤起來方便嗎？它能隨你的設計變動而觀察到明顯的變化嗎？

指標（Metric）

指標比標誌更加落地，它很接近我們獲取到的原始數據。例如，「用戶在 Youtube 上看視頻的時間」這一標誌用指標來體現就是「每日人均看視頻分鐘數」。

通過「目標 → 標誌 → 指標」流程，結合 HEART 框架，就能清楚地知道要驗證設計的哪些方面，需要關注哪些數據來達到目的。

兩個啟發式例子

被誤讀的數據實驗

2010 年一位澳大利亞的設計師打算做兩件事：一是寫一本書，二是重新設計他的個人網站。設計網站時他想實踐一把用數據指導設計決策，於是做了個 AB 測試。A 方案在網頁上非常詳細地介紹了將要寫的這本書，然後留了一個可填寫郵箱的地方；B 方案沒有任何關於書的介紹，只寫了「如果你是設計師，你應該對這本書感興趣。填寫你的郵箱」。

測試結果出人意料，A 方案只收穫了 33 個郵箱地址，而沒有任何介紹性內容的 B 方案卻收穫了 77 個郵箱地址。於是這位設計師又驚又喜地寫了一篇博客，描述了他的實驗過程，並感嘆數據總能讓我們驚訝，甚至能告訴我們與經驗相反的東西。

可是，從這個實驗結果可以推斷出 B 方案更好嗎？

看起來這位設計師衡量成功的標準是「收到更多郵箱地址」而不是「能賣出多少本書」。假如以銷售量為標準，現階段的數據是無法得到「B 方案比 A 方案更好」的結論的，因為你不知道未來給這兩撥人發推銷郵件時，哪一撥的購買率更高。

這個數據實驗是不完整的。如果搞錯了目標，再精確的數據統計也只能得到誤導性的結論。

Medium 的衡量指標

當我們在談論一家公司或一個產品是否夠「大」時，基本是基於單一的數字，比如過去一個月的使用者數量，但我們很少細究到底什麼是「使用」，這難道不奇怪么。

和那些盲目喊著要擴大用戶數和規模的產品不一樣，對 Medium 來說，有人在真正花時間閱讀，才是一件意義重大的事情。因此它更關注人們的閱讀時間而非訪客數量或瀏覽量，通過衡量時間成本，它反映的是產品帶給用戶的價值。如果 UV 很高，但用戶在網站上平均停留時間很少，幾乎沒有讀什麼東西，那麼 Medium 並不覺得這是一件值得高興的事。

KPI 式的價值觀常常給人帶來誤區：數字即規模，規模就是一切。但我們可以看到，許多產品因用戶數量的驟增曾備受矚目，但最後大多以失敗告終。就像 Ev Williams 說的，也許有時候，我們應該更加關注所創造事物的深度而非廣度。數字很重要，用戶數也很重要，但相比這些，我們更應該想清楚對於一個產品來說核心價值是什麼、究竟什麼才是最重要的。

不萬能的數據

數據不是萬能的。它就像問卷調查、用戶訪談等任何用戶體驗研究方法一樣有著其局限性。比方說：數據無法告訴你「為什麼」，你需要結合其他的手段或方法來弄明白表象背後的東西。

Facebook 有一個功能可以讓用戶舉報垃圾信息或濫用的照片，但他們統計發現，被舉報的照片中只有很小一部分違反了社區規範，大多數是人們在派對上拍的照片，並且大部分舉報照片的案例都是用戶要求刪除有他們自己的照片（因為派對上被拍到的照片通常比較囧，人們並不願意被展示出來）。基於這個發現，Facebook 加了一項新功能：遇到類似情況時引導用戶發消息給他們的朋友，要求刪除照片。然而數據顯示只有 20% 的人給朋友發了消息。進一步的研究發現，如果在提出刪除要求的同時，也讓朋友了解到被上傳照片的人的心情，結果就會有所不同。改善後的功能在界面上的呈現是這樣的：

加入了對被上傳照片者心情的描述後，大約 60% 的人會去發消息，而且後續反饋表明，參與對話的雙方都感覺良好。在這個過程中，設計師用了很多數據來支持他們的決定；但是，數據不會代替設計的直覺，更不會代替深入的研究、測試、同理心。

數據只能告訴你 What，卻不能告訴你 Why。分享了這個案例的 Margret Gould Stewart 說的一句話令人印象深刻：

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

總結

數據在設計中的重要性不言而喻，它讓設計師對產品對用戶有更宏觀的認知，能讓我們拿出更客觀的理由證明自己的設計為什麼好。

如果你不清楚怎樣制訂數據指標，Google 的這套方法或許對你有用。按照「目標 → 標誌 → 指標」的原則，結合 HEART 框架，就能確定應該驗證設計的哪些方面，要關注哪些具體數據。

提防數據中的陷阱，有時候它會把我們帶偏，要小心區分「觀察到的現象」和「推斷出的結論」。從這個角度來說，設計其實也是一門非常需要 Critical Thinking 的學科。另外，不管任何時候，數據都不應該是根本目的。要想清楚你的產品核心目標和價值究竟是什麼，否則容易把力氣使錯地方。

最後，數據作為一種輔助設計的手段，也有它的局限性。它能告訴你發生了什麼，卻不會開口向你解釋為什麼會發生，設計師需要結合其他手段找到問題所在。

-

啟示清單：

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. How Google Improves User Experience with the HEART Framework
7. Measuring the User Experience on a Large Scale: User-Centered Metrics for Web Applications

推薦閱讀：