一、做设计为何还需求看数据?
　　很多设计师历来不看数据，要么是由于没有数据可看，要么是底子不想看，可是也相同把设计做的很好啊!设计正本即是有理性的一面，为何非得要和数据扯上联系呢?大家无妨先看看设计的本质是啥。设计不一样于纯粹的艺术，艺术源于艺术家对实践的调查和思考，以及对这种调查和思考的自我表达;设计天然生成即是为他人在做工作，即使相同需求调查和思考，可是这种调查和思考不是为了表现设计师的自我，而是为了十分好地效劳于某个用户群，因而设计师了解用户就变得十分重要。尤其是要了解用户的方针、行动、情绪等有关的情况，大家这里说的数据本来也即是对用户的方针、行动、情绪等情况的量化，因而，经过对这些数据的剖析，大家能够十分好地发掘用户的需求，进而为用户供给十分好地体会。
　　简略点说，设计是效劳于用户的，了解用户才干十分好地做设计，数据是了解用户的一种途径。
二、数据在项目中的效果有哪些?
　　要了解这个效果，大家先回到设计师看数据的首要场景，总结起来无外乎两类：一个是由于项意图需求，经过数据的证明，让设计走得更沉着，有理有据，而不是设计师自个的YY;别的一个是平时监测的需求，自个做的商品，总要晓得大概有多少人在用，运用的情况怎样，用户的行动和预期是不是一致。也即是说要了解你的设计被运用的情况，否则你怎样晓得设计的好不好，是不是抵达了设计方针，是不是真的帮忙用户处理了疑问。
　　设计前数据帮你发现疑问
　　一切设计开端之前的研讨和剖析，都是为了更清晰用户的需求，清晰为何要做这个设计?从事务的视点来看，这个商品对公司有何价值，这次设计要抵达啥意图;从用户的视点来看，这个商品对用户有何价值，这次设计要为用户处理啥疑问;在了解事务诉求和用户诉求的过程中，大家不免要用到数据，这个期间，数据的效果即是为了“发现疑问”，看看设计能够处理啥疑问，然后更佳清晰设计的方针。
　　当然详细的工作中，大都设计师都比照纠结，既要思考事务诉求，又要思考用户诉求，假定这两者不能彻底匹配的时分，大家该咋办，是两者的相加吗?仍是大家就只思考用户诉求，对事务诉求看看就行了。我自个的了解是，实践工作中大家都不是在寻求完满的设计，更多的是在做平衡，假定是一个用户型的商品，比方倾向于为用户供给某个功用的渠道，本身即是彻底从用户的视点动身，经过为用户供给功用帮忙用户处理疑问的，应当向用户诉求挨近多一些;假定是一个商业型的商品，比方倾向于为用户供给某些内容的渠道，那么在为用户供给自动查找的进口的一起，能够适度的向着事务开展需求歪斜，做适度的事务层面的引导;当然这个也不是肯定的，一般同一个渠道，同一个商品，在不一样的开展期间也有不一样的需求，假定是一个全新的商品，事务的生计就变得格外重要，这个时分设计应当多一些思考事务诉求，先帮忙事务生计，否则，这个商品都要挂了，还怎样为用户供给效劳呢?
　　当然，好的设计师老是能在事务和用户之间找到奇妙的平衡，找到二者的交集，举个比如，假定这个商品这个期间即是要做用户设计，而用户诉求是享用个性化的效劳，看似彻底不关的两个诉求，实践上大家彻底能够经过十分好的个性化效劳提高用户满意度，获得好的用户口碑，再间接地借助用户口碑提高商品的用户设计，这二者之间并不是彻底的不相干，更多的时分看能否找到他们的关联性，捉住期间性的设计方针。
　　经过一个详细的比如看看怎样运用数据来发现疑问?数据代表的是用户的方针、行动和情绪，可是独自看一个数字是没办法发现疑问的，数据的比照是简略有效地手法。大家晓得买卖联系买家所发生的买卖对1688网站有着十分重要的意义，大家想提高买卖联系型买家的买卖体会，可是不晓得从何入手，因而做了很多的数据剖析。买卖联系买家是经过啥方法找到老卖家?不一样途径的转化率怎样?不一样用户查找方法与转化率有啥区别?
　　设计中数据帮你判别思路
　　由于设计师的自个经历不一样，创造性思维不一样，因而不一样的设计师面临同一个疑问，处理方案也很也许不一样较大，即便是同一个设计师也会想到不一样的处理方案，究竟哪个方案更适宜，有些情况下数据能够给你参阅定见，为你供给“判别思路”，帮忙你做决议计划;条条大路通罗马，可是哪一条路才是其时适宜的呢?
　　经过一个详细的比如看看怎样运用数据来判别思路?有一个批发类的电商网站(1688.com)的频道主页(ye.1688.com)，大家发现用户的转化率很低，就去研讨了数据，然后联系了对典型用户做的用户访谈的定论，终究发现转化率低的缘由本来很简略，这个频道的主页进口首要是来源于全部网站的主页，而全部网站的主页是一个全职业品类的页面，用户假定是女装职业的买家，她从一个全品类的主页点击一个连接进入另一个全品类的页面，再困难的找到女装这个类目，再点击进入List页面检查商品，这个途径是十分深的，那么怎样处理这个疑问呢?那即是要防止做女装的用户从网站主页进入这个频道以后还要再次挑选女装类目，才干看到女装的商品!
　　处理这个疑问的思路有哪些?能够在网站主页添加进口，让用户直接点击女装类目进入频道主页，给用户展现女装商品;能够在用户进入频道主页以后，根据职业偏好的个性化数据来引荐商品，引荐的不精确，用户也能够去定制;究竟哪个更靠谱?两个思路各有利弊，鉴于前一个思路需求有外部依靠，要改动网站主页，所以大家心里都很期望后一个思路能跑通，可是怎样晓得这个思路行不行?首要大家需求晓得职业的个性化引荐能掩盖多大的人群，又有多少的人情愿去定制职业偏好?
　经过职业偏好的个性化算法，大家追寻了一段时刻来访这个频道主页的用户数据，大家发现大概2/3的用户是有着十分清晰的职业偏好的，那么这底子能够断定做职业偏好的个性化引荐是靠谱的!可是剩余的1/3用户情愿去定制职业偏好吗?大家其时由于时刻缘由，无法直接从这1/3无清晰偏好的用户中去判别他们是不是情愿定制偏好，可是经过全部用户群的问卷抽样调查发现，大概3成的用户表示定制职业偏好是很好的效劳，根据这些情况，大家判定根据职业偏好的个性化引荐能够处理绝大部分用户的职业偏好疑问，提高了内容的有关性。这个方案终究上线后，实践上有大概10%的人真实找到定制进口并且发生了定制行动，70%的人不必定制，完成了默许的精准引荐。
　　设计后数据帮你验证方案
　　大家的设计方案究竟做的好不好呢?衡量标准即是看设计方案是不是能够达成设计方针?这也需求数据来量化，一般会用GSM的模型来支持设计的验证。G设计方针、S表象信号、M衡量方针，所谓的设计方针，即是要断定设计要达成啥成果，要处理啥疑问;衡量方针，大家不能随便猜测，有必要建立在设计方针的基础上，先假定设计方针会完成，那么会呈现啥表象或信号呢?列举出一切的表象或信号，挑选大家能够监控的到的，然后对这个表象或信号商品进行量化，天然就得到了衡量方针，可是方针的动摇起伏一般要依靠经历来定。
　　比方说，某个商品的设计方针是经过设计的引导，让更多的买家发生采购，幻想一下，假定设计方针完成了，会有啥表象呢?也许会有更多的人有采购志愿，看了商品详情页，点击了采购按钮等等，终究也发生了采购，那么，衡量方针是哪个?设计仅仅改动了商品信息的呈现方法，并不能改动商品本身的质量或背后的效劳，所以大家应当要点考察设计是不是强化了引导，提高了采购志愿，是不是激发了用户进一步了解的行动，首要是指阅读行动，典型的即是抵达了商品列表页或许商品详情页等，量化的成果即是看又进一步行动的用户的份额;
　　经过一个详细的比如看看怎样运用数据来验证你的设计方案是不是达成设计方针。曾经有一个找产地的功用模块，大家在设计前进行了调研，用户通知大家他们需求找产地，并且比照习气于用地图来找产地，大家欣喜若狂，照着这个方向做了个产地直达的楼层，大家深信用户通知大家的肯定是对的!可是这样的设计真的能抵达帮忙用户找产地的需求吗?来看下面的数据剖析。
　　用户的方针不是要找产地吗?还通知大家用地图找产地很符合他们的习气呢?为何上线后，用户却不怎样运用这个版块???我看到这个数据十分的意外，一时之间底子摸不着头脑，后来再去看了看这个板块的热力求，一会儿恍然大悟。经过数据剖析得出，地图即使符合用户习气，可是才这么狭小的地图上进行如此杂乱的操作，其功率是十分底下的，因而将地图找产地的功用保存下来，仅仅不作为默许的方法，采用了依照热门的、区域的、附近的、可查找的、地图的方法归纳承载，终究取得了较好的效果!
三、怎样运用数据做平时监控?
　　作为一个设计师，你的著作上线后，有多少人用?这些用户是谁?有啥特征?用户详细是怎样在运用你的商品的?你的设计是不是还有优化的空间?怎样才干为用户打造十分好的运用体会?怎样才干晓得这些数据好不好，有没有疑问呢?首要是靠比照、靠经历，靠对这个商品长期跟进发生的直觉，只有在对这个商品十分了解的前提下，你才有也许对数据的改变给予比照靠谱的解读。
　　平时监控中用于发现疑问的首要手法即是做数据的比照，可是怎样详细的作比照呢?首要有三种常用的简略的比照方法：a、横向比照，和相似的商品去比照，看相对的情况，进而估测出本身是不是存在疑问;b、纵向比照，和自个的曩昔比照，看看从前史的开展规律中是不是能得到某些启示，首要是看本身的改变趋势;c、用户细分，这个即是把用户依照不一样的剖析需求，拆分来以后来看数据，看看各个集体之间的区别在哪里，有没有一部分用户和其他用户表现出不一样的行动，进而找到疑问所在。当然除了这三种常用的比照之外，大家还能够做一些配套的定性研讨，进而把疑问搞得更透彻。一些统计学的工具有时分也能起到效果，比方说用SPSS做数据的因子剖析、聚类剖析等等，也能够有一些意想不到的收成。
四、数据不是核心价值，你才是!
　　说了这么多，我并不是要着重数据有多么的全能，可是在互联网范畴，任何一个具有必定用户量的的商品，你都不得不去了解数据，这些数据中有一些是微观的，作为设计师大家能够作为是背景常识，应当去了解了解，可是设计师更多的是应当重视用户的方针、行动和情绪等有关的数据，重视那些微观的、和用户、和设计方案息息有关的数据，这样才干十分好的了解大家的用户，了解用户对大家的设计方案的反应，以帮忙大家十分好的表现本身的价值!