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:
- How to choose the right UX metrics for your product
- Is Design Metrically Opposed?
- A mile wide, An inch deep
- Why We Should All Be Data Literate
- Margaret Gould Stewart: How giant websites design for you (and a billion others, too)
- How Google Improves User Experience with the HEART Framework
- Measuring the User Experience on a Large Scale: User-Centered Metrics for Web Applications
推薦閱讀:
※啥?!資深UX設計師是高智商投機倒把分子?
※資源推薦(圖標、UI、交互設計)—靈感篇
※交互方法論之窮舉與歸納
※用戶體驗設計專業發展想法
※產品視覺升級很難?除了好看你還需要知道這些