本节书摘来自异步社区《UCD火花集2:有效的互联网产品设计 交互/信息设计 用户研究讨论》一书中的第1章,第1.1节,作者 UCDChina,更多章节内容可以访问云栖社区“异步社区”公众号查看
第1章 设计的数据和分析
UCD火花集2:有效的互联网产品设计 交互/信息设计 用户研究讨论
![c6c35e3f5c9dd7e41a2d65133dcbeca00af59395](https://i-blog.csdnimg.cn/blog_migrate/266eaf92e15cc206adc2bf6ffc8cb030.png)
现如今做产品,已经不能再靠一家之言了,不管你有没有做过,现在都得试着用量化的数字来证明自己的观点。数据求索之路,才刚刚开始。
- 看不懂数据
- 设计中的数据分析
- 数据——判断淘宝店铺页面设计优劣的显微镜
1.1 看不懂数据
UCD火花集2:有效的互联网产品设计 交互/信息设计 用户研究讨论
文/白鸦 from 白鸦,以用户为中心的设计
一堆数据摆面前,数据背后有什么样的事情在发生,这些数据里面暗藏着什么样的用户需求,什么样的商业机会?看懂这些,将为未来产品设计的方向,用户需求的把握起到关键性的作用。
但,“看不懂数据”是一个普遍的问题,而且是一个永远存在的问题。基本上,我认为原因都出在看数据的人身上。
不配看数据
产品设计者对待数据的态度,不像一个市场分析者或者财务分析者。我们看数据,更多是需要了解数据背后用户的行为逻辑和期望需求。这就要求我们看到数据的时候,必须第一时间想象到用户是如何创造出这些数据的,为什么会创造出这样的数据。
作为一个产品设计者首先必须告诉自己:“I’m NOT a user”,如此同时还要再把自己模拟成一个平凡的用户,不停地反复地去用自己的产品,和同类产品。我向来认为,一个做移动互联网的产品设计师,不有事没事换手机玩,不是好的产品设计师;一个电子商务的产品设计师,不每周在网上买一件东西,不是一个好的产品设计师。
2006年中,在某个用户体验设计的会上,某知名教授大讲他所在公司搞到的Facebook的数据,说他的理解、他的分析,说Facebook如何没戏。刚开始听着蛮有根有据,后来越听越不对味,突然他冒出来一句“虽然我从来不用Facebook……”我当场昏厥。这种人,不配分析Facebook的数据,更不配去评论。
要想有资格去看数据,通过数据给产品设计提供有效的依据。方法很简单,也很有效:把自己当作一个平凡的用户,不停地使用。有,且只有这么一个方法。
为了看数据而看数据
和做可用性测试一样,测试之前不能说没有“关注点”,发现什么就是什么。那样什么也发现不了,即使发现了,价值也不大。数据拿到手里,没有目的的去看,不如不看。
在做产品设计的数据分析之前,首先应该搞清楚自己需要什么样的数据来说明什么问题。一个数据对于不同的产品、不同的环境、不同的用户类型,得到的结论应该是不一样的。传统的市场研究中,对于数据的分析往往是根据“硬属性”,比如他们对于用户的分析基本都是根据“人口属性”的数据,他们得到的结论也很少结合现实环境。这样的结论,对于(互联网的)产品设计基本上没有太大的参考价值,特别是如今个性化需求越来越强,用户行为越来越独特的时候,“人口属性”很不能代表用户背后的行为逻辑。
比如,想了解有购物搜索需求的网民具备的主要特征,这时年龄、学历、性别、收入、婚姻状况、消费能力、信息获取方式、上网条件等可能都是对我有参考价值的数据,但哪些才是最重要的呢?分析后很快就可以发现,比较而言年龄、收入、上网时间、上网条件都不是最重要的,而消费能力、信息获取方式在这里才是最重要的特征。这些数据背后才更能代表用户的行为逻辑和需求。
不去筛选数据
做一个优秀的设计者,首先必须善于提问。提问的水准和设计水平基本成正比。要什么样的数据,什么样的数据可以帮我解决这些问题和疑问?这个很简单,一罗列你可以想到很多很多。但事实上数据类型到达一定数量后,类型越多,反倒越不利于对于结论的判断。因为,不同数据类型之间会产生相互的干扰,有些时候次要问题可能会战胜主要问题,影响最终的结论。
在实际项目中,解决了主要问题,次要问题可能就会很自然地被稀释了。获取数据也一样,必须搞清楚什么样的数据最能说明这个问题?确定这些会使分析过程的精力更加集中。把主要的几个问题想穿、打透,其他问题很快就会迎刃而解了。
很多时候不是解决不了问题,而是想解决的问题太多;很多时候不是数据不够,而且想要的数据太多。还比如,想要了解如何解决“购物搜索”的需求,其实只要关注好“信息获取方式”、“消费能力”、“决定购买的因素”基本就能解决很多问题,盯着“用户是男是女,8岁还是80岁”,只能是耗费精力。
不去筛选数据,还有一个很大的危害就是:因为没有筛选,所以不能把关心的数据点看透彻。
比如,很多人都在夸开心网的推荐做得好,很多用户在上面找到了自己的“同学”,于是定论为“算法的技术好”。其实如果专注关心“开心网为什么打通用户关系这么快”的人,经过详细分析后是不会得到“技术好”这个结论的。根据我的观察,我比较赞成麦田的结论:“开心网把校友录的数据库用进去推荐算法里面了”,我甚至认为开心网的推荐里面不只是用了“校友录”的数据库,还有更多其他数据库(麦田对于数据的分析虽然是偏市场和运营性的,但其实对于产品设计的促进一样很大,而且他确实是一个观察数据很细,研究数据很深的人)。
不关注数据采集的方式和方法
当我们为某个项目寻找方向或者确定某个决策,需要一些数据的支持,以便了解状况并确定思路。这个时候,不仅需要给出“需要什么样的数据”这个需求,同时还应该包括如何得到这些数据。
很多时候,我们只提出需要什么样的数据,并不去提出要求如何得到这些数据的方式、方法,完全依靠调研者的经验去获取数据,这是不可取的。因为这样来的数据对结果的帮助是不准确的,甚至往往会出现误导。因为调研过程中不同的方式方法,得到的结果会不一样。
比如,还是要做一个购物搜索的网站,你给出的“需求”不应该只是“用户目前获取信息的方式”、“搜索的商品类型”等,还应该包括数据的来源以及获取的方法。现有搜索网站、问卷、电话……不同的方式、方法和渠道,得到的数据是不一样的。不同水平的人采集到的数据结果也是不一样的。
往往我很同情国内的同行,大家能找到靠谱的数据真的少得可怜。就拿行业数据来说,基本上国内没有一家第三方机构可以提供靠谱的数据。某些商业统计机构给出的数据丝毫不具备可信度。最根本的,我们可以去看看尼尔森在欧美的一些问卷,从问卷设计的逻辑、采集方式、统计方法,甚至包括“埋地雷”的方法,都高出国内这些数据提供商一大截。比如一个细节:试试访问尼尔森在欧美的一些问卷,如果你是玩的心态,很快就会被说“谢谢你参与调查”。因为,他们很快就通过“地雷”判断出你并非真正的采集对象,很快就把你踢走了,而国内的你可以随便玩。
有些时候,如果实在没有办法,去做小量的抽样数据,也比这些不靠谱的数据去分析强。
只用定量数据,没有定性数据
还说那个最老土的例子。沃尔玛每天最重要的事是“想尽一切办法,把货架摆好,让顾客更快的找到,更快的走掉”。事实上,当他们的MBA(商业数据分析)人员通过庞大的数据处理系统发现,啤酒和尿布的销售曲线惊人相似时(特别是在周末),他们其实只能得到一个“结论”。
但这些知识定量的数据,并不能挖掘出背后的顾客行为,以及为什么会造成这个现象。这个时候,如果靠分析、猜测是不能得到正确结论的,方法只能是去结合“定量”的研究,通过具体观察和调研了走到用户身边,最终才能了解到“因为,在美国一般都是男人去买尿布的,而在沃尔玛就算买1美元的东西也要排队半个钟头结账,男人们周五往往会待在家里看球,这个时候就顺手拿了啤酒犒劳一下自己”。
海量的定性数据,只能告诉我们结论,不能告诉我们背后的原因。同样,如果只有定性的数据,往往看到的现象可能是片面的,结论可能是有偏差的。
还有一些常见问题:只关心数据结果,不关心过程(比如,就知道那个广告的流量大,没注意那个广告比别的高出3倍);只看大数据,不看小数据(比如,只发现交易量疯狂增长了,没注意虚假交易疯狂上升了);只看数据表象,不看发展过程(比如,只知道现在的行业分布均衡,没发现曲线的前方已经出现裂痕)等。因为没有方便拿出来说的实例,所以这里不再一一絮叨。
其实,要看明白数据是个很简单的事情,但要真正懂数据背后的原因和逻辑,是一个很难的事情。自问,我依然只刚刚上路。
不过,可以肯定的是,随着对于用户的接触越多,对于用户心理模型的理解越透彻,对于业务逻辑了解得越透彻,一定会带来对于数据的理解能力越强。 共勉。