大量的数据体现了用户对新功能的好恶、对公告的查阅量、页面结构改变后的适应程度。枯燥的数据能够切实有效地透过问题看本质，更客观的设计产品。

曾经，用户体验是玄学，靠得是设计师的直觉、品味和知识。而如今，优秀的互联网产品不断涌现，用户体验也逐渐落地，越来越多的人参与进来，建立更加完备的知识体系，越来越像科学，是主观思维的客观体现，因此设计师也要学会用理性思维来考量体验。

无论是否有资源去做用户访谈、调查问卷，我们都能够获得非常详细具体的数据。海量数据体现了用户对新功能的好恶、对公告的查阅量、页面结构改变后的适应程度，一次次抽丝剥茧。

如何让枯燥的数据说话，如何使用数据切实有效地透过问题看本质，更客观地设计产品？

一、度量设计

体验是很感性的存在，一千个读者心中有一千个哈姆雷特，同一个设计也有褒有贬。而冰冷的数据是最客观的，能直接反映优劣。感性与理性之间的难点在于如何度量，通过客观的数据量化主观的认知。

举个例子：足球场上，时常会听到对球员的评价，诸如：天赋异禀、球场领袖等等，但这些华丽的词藻都是感性的，没有明确的标准，什么样的天赋是异禀，什么样的表现算领袖？

所以我们总会拿一些数据来比对，过人成功率、拦截成功率、传球准确率、射门转化率等等。这样，通过这些数据就可以反映一个球员的作用，进而明确到底是媒体吹捧，还是真实实力。

用户体验也是一样，我们常会看到一些设计宣称操作压力小和记忆负荷低，但是并不明确其标准，此时就需要数据去度量：通过“点击次数少”、“操作时间短”等数据支撑其所宣称的压力小和负荷低。

因此，我们需要一些客观的数据支持，通过指标高低验证设计，进而衍生出体验的优劣。

二、数据的来源

根据笔者在工作中的经验，数据主要来源于以下几方面：

用户调研数据-包括用户访谈、调查问卷、可用性测试等。
竞品分析数据-包括页面结构、操作逻辑、UI等。
自发埋点数据-页面模块点击数、页面停留时间、转化率、PV、UV等。
三、数据和设计的关系 1. 设计前
用户调研数据：

从0到1的过程，能够指导挖掘用户需求和痛点，指导设计方向，是设计的起点。
在迭代中，通过用户调研数据，可以验证设计是否达到初衷，同时也可以挖掘新的用户需求。
自发埋点数据：迭代开始前，可以发现上一版本的问题，为迭代设计指引方向。

收集数据：调研、竞品分析、埋点。

2. 设计中

用户调研数据：在设计中不断通过数据修正设计对目标的契合度。

竞品分析数据：同类型产品的设计亮点，通过分析优劣，帮助提升设计与目标的契合度。

分析数据：发现体验的缺陷、痛点；分析和竞品的设计差异；根据埋点取舍、验证优化方案。

优化设计：修改设计缺陷、解决用户痛点。

3. 设计后

自发埋点数据：

通过数据的比较，验证设计是否达到初衷。
通过埋点设计对不确定的设计方案测试优劣，进而指导迭代的重构。
用户调研数据：通过用户调研，了解用户对新产品的设计反馈，积极反馈保留，消极反馈从设计的角度加以分析，作为迭代设计的基础。

数据再收集：通过新一轮的数据收集及分析发现新的缺陷、痛点；同时通过核心指标验证上一次优化设计是否解决问题。

四、数据驱动/验证设计的流程

产品上线后，一定会收集各种数据，通过数据可以知晓设计的优劣，进而确立改进目标，朝着目标的方向再设计。此时可以根据设计设置埋点以便验证，待产品上线后，根据埋点的数据度量改进设计的优劣，然后再根据数据设置新的改进目标…显然这是一个循环往复的过程。

五、这是一个笔者工作中的实例 1. 设计前

（1）收集数据

体验数据：操作至少三步才能完成购买（不包括充值流程），输入框不够明显，操作效率低。

（2）目标：优化购买流程和页面设计。

2. 设计中

（1）收集数据

竞品分析：主要分为两种购买流程，绝大多数平台使用2步购买的方式。

（2）分析数据：竞品分为两步购买的原因？

基于不同用户群：

老用户：基于对平台的高信任度，只筛选符合自身需求的标的购买，包括期限、利率、产品类型。
新用户：详细阅读产品详情，再判断是否购买。
设计差异、缺陷：

新老用户对应同样购买流程，没有差异。
购买金额输入框的样式没有差异，不易搜索。
（3）优化设计

3. 设计后

度量

使用不同购买流程用户的状态（新用户/老用户）：是否不同流程对应不同用户？
进入页面点击金额输入框耗时：输入框是否易搜索？
购买耗时：新的设计是否使购买更容易？
通过以上三项数据度量改进设计的是否达到目标。

用户数据如同深埋在地下的“金矿”，蕴含着巨大的信息。能够快速找到并挖掘，便能更加高效和准确的进行设计方案的制定，并且保证设计、需求和用户习惯的高契合度。