数字优势–数据驱动设计概述 _数据驱动

本文概述

为什么在设计过程中使用数据？
使用什么数据
如何分析数据
用数据做决定
总结

设计通常被视为一门艺术, 而不是一门科学。实际上, 两者都是。设计艺术应受到数据和信息科学的影响。收集和分析数据是创建更好的设计和用户体验的关键。
数据驱动的设计可能会让不熟悉它的设计师感到恐惧。有些设计师甚至看不到为什么有必要, 或者只是有限地利用数据。对过程的了解使过程变得神秘, 并使设计人员可以从各个层次上访问它。
为什么在设计过程中使用数据？许多设计师认为他们无需进行任何类型的用户研究即可知道用户的需求。他们也倾向于迷恋自己的设计。但是在大多数情况下, 设计师不是用户。没有数据来支持有关如何创建最佳用户体验的决策, 设计师实际上只是在暗中dark刀。
数据使设计师具有洞察力, 因此他们可以为使用产品的人们创建最佳的设计。这些数据可以来自主要和次要来源的多种形式出现。对于设计师来说, 重要的是弄清楚哪些数据集值得用于设计, 而哪些数据集则可以忽略。
使用什么数据数据驱动的UI设计可能需要各种不同类型的数据, 以确定创建最佳用户体验的最佳方法。这些数据可以包括产品现有迭代上的网站或应用程序分析, 用户访谈, A / B和多变量测试结果, 行为流以及其他类型的UX研究。

文章图片
模拟和数字工具均可用于数据驱动的UI设计。
设计师收集的数据越多, 设计的早期迭代越好。当然, 对于某些类型的数据收集, 通常需要原型(例如A / B或多变量测试)。但是, 即使是那些早期的原型也可以依赖于行业数据或来自类似项目的数据(案例研究在这方面可能是非常宝贵的资源)。
使用设计分析
对于设计师来说, 分析可能是最丰富的数据源。如果要重新设计网站或应用程序, 而不是从头开始设计, 则设计人员可以利用现有的分析信息来确定有效的方法或无效的方法。

文章图片
数据分析仪表板可使设计人员和其他利益相关者更容易理解大型数据集。
查看网站上的热门网页, 平均页面停留时间统计信息较高或跳出率较低, 这是了解工作原理的好方法。但是, 查看那些退出率和跳出率较高或平均页面停留时间较短的页面, 可以深入了解需要帮助的页面。
较高的退出率和跳出率可能表示该网页不包含访问该网页的人正在寻找的信息。或者, 如果那里有信息, 则可能表明不容易找到或理解。
在更改设计时也要注意UX分析, 这也是关键。如果页面在重新设计之前表现良好, 请注意页面在之后的表现。积极指标的改进意味着重新设计是在正确的轨道上, 反之亦然。
【数字优势–数据驱动设计概述】最后, 行业分析基准可以提供有关网站或应用程序与同一行业中其他网站相比的性能的重要信息。单独查看时, 通常很难知道页面上平均2分钟的时间是好是坏。但是能够进行比较并发现行业平均为3分钟的平均页面停留时间, 这意味着可以改进当前的网站设计或内容。 Google Analytics(分析)具有内置的基准测试工具, 与行业平均水平相比, 可以轻松查看网站的运行情况。
使用A / B和多元测试结果
A / B和多元测试是密切相关的方法, 可用来查看网站或应用程序的不同版本之间的性能差异。它们可用于极大地改善用户体验和用户行为。
A / B测试在两个版本之间更改了设计中的一个元素(例如按钮的颜色或标题的文本), 以查看哪个元素的效果更好。多变量测试会更改多个元素(例如整个页眉或页面上的所有副本)。在这两种测试中, 网站或应用程序的访问者会被随机显示页面的不同版本, 并记录分析数据。
连续运行A / B或多变量测试以改善设计可导致转换率的大幅提高。例如, 37Signals在其首页上进行了各种A / B测试, 以确定最佳设计(有时两个版本之间的差异超过100％)。
使用行为流
行为流是用户浏览网站的方式, 即从他们最初登陆的页面到退出网站之前所查看的最后一页。在大多数情况下, UX专家会有一定的流程, 希望用户访问网站。如果实际的行为流程与此大不相同, 则表明用户体验存在问题。
Google Analytics(分析)具有用于探索用户行为流的内置工具。通过与UX设计人员为项目创建的理想行为流进行比较来探索这些数据, 可以深入了解设计是否真正实现了用户体验和行为目标。
用户研究
设计师可以采用多种用户研究方法来收集数据, 这些数据可以帮助设计过程创建更好的用户体验并更有效地影响用户行为。

文章图片
用户访谈是为数据驱动的设计收集信息的一种方法。
这些方法包括卡片分类, 与实际用户的上下文访谈, 焦点小组, 调查以及启发式分析等。用户研究还包括创建角色和用例之类的事情。
用户研究是数据收集中资源较多的方法之一, 但也可能是最有价值的-特别是对于没有现有主要数据源的新项目和产品。有多种方法可以进行有效的用户研究, 每种方法都可以为过程增加自己的独特价值。
用户测试是用户研究过程的一个方面, 通常包括可用性测试以及前面提到的A / B和多变量测试。具有成本效益的用户测试是设计过程中至关重要的部分, 应在此过程的每个步骤中进行。
如何分析数据收集数据只是数据驱动设计过程的一方面。定量数据(例如设计和UX分析)是至关重要的, 但定性数据(如从用户访谈中收集的定性数据)同样重要, 甚至不那么重要。
定量数据使设计师可以了解网站或应用程序上正在发生的事情。但是需要定性数据来阐明用户为什么要做他们的工作。弄清楚用户为什么以某种方式表现是UX理论和设计心理学的很大一部分。
一旦收集到定性和定量数据, 设计人员就应该寻找数据趋势以及异常值。离群值可以洞悉用户可能遇到的潜在问题, 随着流量增加, 该问题可能变得非常重要。
创建数据可视化在处理大型数据集时可能很有用。即使是简单的图表, 也可以使分析可用信息更加容易。这就是为什么大多数分析程序(包括Google Analytics(分析))都以可视方式显示数据, 而不仅仅是原始数据的原因。
收集新数据时, 应连续分析数据。设计更改, 内容更改, 搜索引擎算法的更改以及其他发展都会影响用户体验和用户行为。设计人员可以分析这些数据, 以不断改进产品并进行新的迭代。
向利益相关者展示数据
除了分析数据外, 将数据呈现给项目中的利益相关者通常对于使他们购买最佳设计解决方案也很重要。可视显示数据是呈现信息的最佳方法之一。

文章图片
以可视化方式将数据呈现给涉众可帮助你获得设计思想。
创建具有图表的图形幻灯片通常可以使客户或经理批准项目与在过程中的每一步都面临阻力。数据可以支持设计师关于正确的设计选择的” 直觉” 。
用数据做决定关于数据最好的部分之一是几乎总是可以收集更多数据。数据驱动的设计决策过程是循环的：设计人员应收集和分析数据, 基于数据做出决策, 然后通过收集和分析更多数据来测试这些决策。
通过基于数据而不是凭直觉或预感不断进行改进来不断设计产品的新迭代, 这使设计师可以为使用产品的人们创造更好的体验。掌握可用数据的最前沿, 设计师可以在影响底线之前避免用户体验和行为更改方面的问题。
总结对于设计师来说, 了解数据驱动的设计过程是一项重要的职业技能。深入研究用户研究和测试过程, 并了解数据分析的工作原理, 为设计师提供了更多工具来支持他们的想法。它还允许他们创建最佳产品, 并使用数据来支持该断言。
数据驱动的UI设计既是艺术, 也是科学。对于初学者和专家设计人员而言, 了解如何收集和分析数据以及基于数据实施设计是一项重要技能。
???
在srcmini设计博客上进一步阅读：