1 、做設計為什麼還需要看資料？
很多設計師從來不看資料，要麼是因為沒有資料可看，要麼是根本不想看，但是也一樣把設計做的很好啊! 設計本來就是有感性的一面，為什麼非得要和資料扯上關係呢? 我們不妨先看看設計的本質是什麼。設計不同於純粹的藝術，藝術源於藝術家對現實的觀察和思考，以及對這種觀察和思考的自我表達; 設計天生就是為別人在做事情，縱然同樣需要觀察和思考，但是這種觀察和思考不是為了表現設計師的自我，而是為了更好地服務於某個多使用者群，因而設計師瞭解多使用者就變得非常重要。尤其是要了解多使用者的目標、行為、態度等相關的情況，我們這裡說的資料其實也就是對多使用者的目標、行為、態度等情況的量化，因此，透過對這些資料的分析，我們可以更好地挖掘多使用者的需求，進而為多使用者提供更好地體驗。
簡單點說，設計是服務於多使用者的，瞭解多使用者才能更好地做設計，資料是瞭解多使用者的一種途徑。
2 、資料在專案中的作用有哪些？
要了解這個作用，我們先回到設計師看資料的主要場景，總結起來無外乎兩類：一個是因為專案的需求，透過資料的論證，讓設計走得更從容，有理有據，而不是設計師自己的 YY; 另外一個是日常監測的需求，自己做的產品，總要知道大概有多少人在用，使用的情況如何，多使用者的行為和預期是否一致。也就是說要了解您的設計被使用的情況，否則您怎麼知道設計的好不好，是不是達到了設計目標，是不是真的幫助多使用者解決了問題。
先來分析下專案中看資料的場景。幾乎整個設計的過程都可能會用到資料，概括起來可以把這個過程切分成三部分：
設計前資料幫您發現問題：所有設計開始之前的研究和分析，都是為了更明確多使用者的需求，明確為什麼要做這個設計? 從業務的角度來看，這個產品對公司有何價值，此次設計要達到什麼目的; 從多使用者的角度來看，這個產品對多使用者有何價值，此次設計要為多使用者解決什麼問題; 在瞭解業務訴求和多使用者訴求的過程中，我們難免要用到資料，這個階段，資料的作用就是為了 “發現問題”，看看設計可以解決什麼問題，從而更佳明確設計的目標。
當然具體的工作中，多數設計師都比較糾結，既要考慮業務訴求，又要考慮多使用者訴求，如果這兩者不能完全匹配的時候，我們該咋辦，是兩者的相加嗎? 還是我們就只考慮多使用者訴求，對業務訴求看看就行了。我個人的理解是，現實工作中我們都不是在追求的設計，更多的是在做平衡，如果是一個多使用者型的產品，比如偏向於為多使用者提供某個功能的平臺，本身就是完全從多使用者的角度出發，透過為多使用者提供功能幫助多使用者解決問題的，應該向多使用者訴求靠攏多一些; 如果是一個商業型的產品，比如偏向於為多使用者提供某些內容的平臺，那麼在為多使用者提供主動查詢的入口的同時，可以適度的向著業務發展需求傾斜，做適度的業務層面的引導; 當然這個也不是絕對的，往往同一個平臺，同一個產品，在不同的發展階段也有不同的需求，如果是一個全新的產品，業務的生存就變得格外重要，這個時候設計應該多一些考慮業務訴求，先幫助業務生存，否則，這個產品都要掛了，還怎麼為多使用者提供服務呢?
當然，好的設計師總是能在業務和多使用者之間找到巧妙的平衡，找到二者的交集，舉個例子，假如這個產品這個階段就是要做多使用者規模，而多使用者訴求是享受個性化的服務，看似完全不關的兩個訴求，實際上我們完全可以透過更好的個性化服務提升多使用者滿意度，獲得好的多使用者口碑，再間接地藉助多使用者口碑提升產品的多使用者規模，這二者之間並不是完全的不相干，更多的時候看能否找到他們的關聯性，抓住階段性的設計目標。
透過一個具體的例子看看如何利用資料來發現問題? 資料代表的是多使用者的目標、行為和態度，但是單獨看一個數字是沒辦法發現問題的，資料的對比是簡單有效地手段。我們知道交易關係買家所產生的交易對 1688 網站有著非常重要的意義，我們想提升交易關係型買家的交易體驗，但是不知道從何入手，因此做了大量的資料分析。交易關係買家是透過什麼方式找到老賣家? 不同路徑的轉化率如何? 不同多使用者查詢方式與轉化率有什麼差異?
先，透過多使用者群的細分，我們發現，交易關係買家透過搜尋支付訂單轉化率是搜尋整體支付訂單轉化率的 2 倍。因此, 在搜尋結果中增加老買 家標籤, 方便找到老賣家。
此外，我們還發現，普通會員、 1-2 星會員等級, 是提升交易關係交易的關鍵多使用者。
透過以上的資料分析，我們找到了目前主要的一些問題，圍繞著這些問題，後續做了最佳化方案。
設計中資料幫您判斷思路：因為設計師的個人經驗不同，創造性思維不同，因此不同的設計師面對同一個問題，解決方案也很可能差別較大，即便是同一個設計師也會想到不同的解決方案，到底哪個方案更合適，有些情況下資料可以給您參考意見，為您提供 “判斷思路”，協助您做決策; 條條大路通羅馬，但是哪一條路才是當前合適的呢?
透過一個具體的例子看看如何利用資料來判斷思路? 有一個批發類的電商網站 (1688.com) 的頻道頁 (ye.1688.com)，我們發現多使用者的轉化率很低，就去研究了資料，然後結合了對典型多使用者做的多使用者訪談的結論，後發現轉化率底的原因其實很簡單，這個頻道的頁入口主要是來源於整個網站的頁，而整個網站的頁是一個全行業品類的頁面，多使用者如果是女裝行業的買家，她從一個全品類的頁點選一個連結進入另一個全品類的頁面，再艱難的找到女裝這個類目，再點選進入 List 頁面檢視商品，這個路徑是非常深的，那麼怎麼解決這個問題呢? 那就是要避免做女裝的多使用者從網站頁進入這個頻道之後還要再次選擇女裝類目，才能看到女裝的商品!
解決這個問題的思路有哪些? 可以在網站頁增加入口，讓多使用者直接點選女裝類目進入頻道頁，給多使用者展示女裝商品; 可以在多使用者進入頻道頁之後，根據行業偏好的個性化資料來推薦商品，推薦的不準確，多使用者也可以去定製; 到底哪個更靠譜? 兩個思路各有利弊，鑑於前一個思路需要有外部依賴，要改動網站頁，所以我們內心都很期望後一個思路能跑通，但是怎麼知道這個思路行不行? 先我們需要知道行業的個性化推薦能覆蓋多大的人群，又有多少的人願意去定製行業偏好?
對於普通的網站來說這個可能是一個不夠明確的問題，但是 1688.com 是一個會員多使用者早就過億的 B 類電商網站，有著如此龐大的多使用者規模，較高的多使用者覆蓋率，這就意味著對多使用者行為資料的積累，再者 B 類的多使用者有一個顯著地特徵就是在一個較長的時間裡，行業的偏好相對比較穩定，如果是一個主營女裝的買家，那麼她的偏好一般會以女裝為主，不會超出服裝的範圍，多會有少量的服裝週邊配套的採購。
如上圖，透過行業偏好的個性化演演算法，我們追蹤了一段時間來訪這個頻道頁 (ye.1688.com) 的多使用者資料，我們發現大約 2/3 的多使用者是有著非常明確的行業偏好的，那麼這基本可以斷定做行業偏好的個性化推薦是靠譜的! 但是剩下的 1/3 多使用者願意去定製行業偏好嗎? 我們當時因為時間原因，無法直接從這 1/3 無明確偏好的多使用者中去判斷他們是否願意定製偏好，但是透過整個多使用者群的問卷抽樣調查發現，大約 3 成的多使用者表示定製行業偏好是很好的服務，基於這些情況，我們判定基於行業偏好的個性化推薦能夠解決絕大部分多使用者的行業偏好問題，提升了內容的相關性。這個方案終上線後，實際上有大約 10% 的人真正找到定製入口並且產生了定製行為，70% 的人不用定製，實現了預設的精準推薦。
設計後資料幫您驗證方案：我們的設計方案到底做的好不好呢? 衡量標準就是看設計方案是否能夠達成設計目標? 這也需要資料來量化，通常會用 GSM 的模型來支撐設計的驗證。 G(Goal) 設計目標、 S(Signal) 現象訊號、 M(Metric) 衡量指標，所謂的設計目標，就是要確定設計要達成什麼結果，要解決什麼問題; 衡量指標，我們不能憑空猜想，必須建立在設計目標的基礎上，先假設設計目標會實現，那麼會出現什麼現象或訊號呢? 列舉出所有的現象或訊號，選擇我們可以監控的到的，然後對這個現象或訊號產品進行量化，自然就得到了衡量指標，但是指標的波動幅度往往要依賴經驗來定。
比如說，某個產品的設計目標是透過設計的引導，讓更多的買家產生購買，想象一下，如果設計目標實現了，會有什麼現象呢? 可能會有更多的人有購買意願，看了商品詳情頁，點選了購買按鈕等等，終也產生了購買，那麼，衡量指標是哪個? 設計只是改變了商品資訊的呈現方式，並不能改變商品本身的質量或背後的服務，所以我們應該重點考察設計是否強化了引導，提升了購買意願，是否激發了多使用者進一步瞭解的行為，主要是指瀏覽行為，典型的就是到達了商品列表頁或者商品詳情頁等，量化的結果就是看又進一步行為的多使用者的比例;
透過一個具體的例子看看如何利用資料來驗證您的設計方案是否達成設計目標。曾經有一個找產地的功能模組，我們在設計前進行了調研，多使用者告訴我們他們需要找產地，而且比較習慣於用地圖來找產地，我們欣喜若狂，照著這個方向做了個產地直達的樓層，我們堅信多使用者告訴我們的肯定是對的! 但是這樣的設計真的能達到幫助多使用者高效找產地的需求嗎? 來看下面的資料分析。
多使用者的目標不是要找產地嗎? 還告訴我們用地圖找產地很符合他們的習慣呢? 為什麼上線後，多使用者卻不怎麼使用這個版塊??? 我看到這個資料非常的意外，一時之間根本摸不著頭腦，後來再去看了看這個板塊的熱力圖，一下子恍然大悟。透過資料分析得出，地圖縱然符合多使用者習慣，但是才這麼狹小的地圖上進行如此複雜的操作，其效率是非常底下的，因此將地圖找產地的功能保留下來，只是不作為預設的方式，採用了按照熱門的、區域的、附近的、可搜尋的、地圖的方式綜合承載，後取得了較好的效果!
3 、如何利用資料做日常監控？
作為一個設計師，您的作品上線後，有多少人用? 這些多使用者是誰? 有什麼特徵? 多使用者具體是怎麼在使用您的產品的? 您的設計是否還有最佳化的空間? 如何才能為多使用者打造更好的使用體驗? 怎麼才能知道這些資料好不好，有沒有問題呢? 主要是靠比較、靠經驗，靠對這個產品長期跟進產生的直覺，只有在對這個產品非常熟悉的前提下，您才有可能對資料的變化給予比較靠譜的解讀。
日常監控中用於發現問題的主要手段就是做資料的對比，但是如何具體的作對比呢? 主要有三種常用的簡單的對比方式：a 、橫向比較，和類似的產品去比較，看相對的狀況，進而推測出自身是否存在問題;b 、縱向比較，和自己的過去比較，看看從歷史的發展規律中是否能得到某些啟發，主要是看自身的變化趨勢;c 、多使用者細分，這個就是把多使用者按照不同的分析需要，拆分來之後來看資料，看看各個群體之間的差異在哪裡，有沒有一部分多使用者和其他多使用者表現出不同的行為，進而找到問題所在。當然除了這三種常用的對比之外，我們還可以做一些配套的定性研究，進而把問題搞得更透徹。一些統計學的工具有時候也能起到作用，比如說用 SPSS 做資料的因子分析、聚類分析等等，也可以有一些意想不到的收穫。
4 、資料不是核心價值，您才是！
說了這麼多，我並不是要強調資料有多麼的萬能，但是在網際網路領域，任何一個具有一定多使用者量的的產品，您都不得不去了解資料，這些資料中有一些是巨集觀的，作為設計師我們可以當做是背景知識，應該去了解了解，但是設計師更多的是應該關注多使用者的目標、行為和態度等相關的資料，關注那些微觀的、和多使用者、和設計方案息息相關的資料，這樣才能更好的瞭解我們的多使用者，瞭解多使用者對我們的設計方案的反饋，以幫助我們更好的發揮自身的價值!