设计工作中，数据既是源头也是依据，更是工作效果的评判，设计师要看哪些数据？设计工作中如何系统化使用数据？怎么搭建与设计有关的数据指标体系？对数据的理解有什么误区？这里聊一聊这几个问题，希望给大家一些启发。

数据的误区

1、数据就是后台数据？

提到数据，大家想到的可能是PV、UV、CTR、CVR等这些后台“大”数据，可以把它们叫做全量后台数据，这些数据可以帮我们了解大盘用户怎么使用产品的。

除了这些，通过用户研究得到的数据对设计工作也很有帮助（用研工作本质就是信息数据的收集、分析提炼与转化过程），这些数据对场景、用户及态度的细节描述可以给设计很多启发，可以把它们叫做抽样的调研数据。把数据广义的拆分为两大类，全量后台数据包括用户、流量、交易这3个方面，抽样调研数据分为定性、定量两方面，数据应该是多方面的汇入。

2、数据是用来验证设计效果的？

经常有同学问我：“前段时间上线了XX，应该看哪些数据来衡量设计效果？”，发现大家对数据的使用还比较偏后期的效果评估。实际上，在接到设计需求启动设计时，就应该思考这个问题了，搞清楚为什么设计、为什么做这样的设计是看数据的前提，这些早已决定了最终要看什么数据。数据驱动设计应该是目标导向并贯穿整个设计过程的。

从最初启发思路发散创新形成设计方案，到方案判断对比取舍后的开发上线，再到评估效果验证设计方案，以及后续通过数据发现问题锁定原因进行迭代优化。

3、跟PM看一样的数据？

在一些复盘项目中看到有设计同学用“UV提升”、”访购率提升”等PM同学的KPI来评估设计工作，这样做可能不够细致。PM同学更关注宏观的业务数据，作为设计师需要了解，但具体设计执行过程中不够聚焦，且没有或很少涉及用户体验方面，比如UV会受运营影响比较大。

设计需求千差万别，设计目标也各有不同，同一个页面不同时期也会有不同的目标。需要区分具体问题具体场景，根据特定的设计目标，关注与设计方案“更有关系”的数据。

设计过程看哪些数据？

设计数据需要细分！Do or Die！（有本书翻译为不细分毋宁死），是说不细分的数据没有意义。

这是我常用的部分数据指标，大概写了一些。数据指标千千万，外部各种书和网站上有不少介绍，内部黑话也提及很多。有些同学虽然知道很多指标，但选取过程仍会有困惑，这么多到底看哪些？仅知道是不够的，因为真正跟某次设计有关系的指标并没有多少。熟悉但不要拘泥于指标，数据驱动设计过程不应为了看数据而看数据，更应有一套成熟方法作为思路指导。

系统化搭建指标体系方法

任何事物和现象都应该是可测量的，关键是要知道怎么去测量和解释，并能意识到我们所拥有的各种数据的用处。通过一定方搭建指标体系后，会发现我们可以用的数据比想象的要多，真正需要的数据也并没有想象的那么多，这里分享一个设计数据的使用思路。

1、GSM模型

GSM是Google提出的一种量化方法，主要思路是通过对目标的拆解，一步步推导得出最应该关注的关键数据指标(KPIs,Key Performance Indicators)。这种目标导向的推导过程，能更科学、系统化的搭建指标体系，经过推导得到的数据指标与设计工作关系更紧密，能更好的评估设计目标完成情况。

• 识别目标（Goal）：明确并同时考虑产品/页面/模块目标、用户目标、设计目标；
• 推导表现（Signal）：如果这些目标成功/失败了，用户会有哪些相应的行为表现发生、态度上会有什么表现。
• 选取指标（Metric）：根据第二步的用户表现，找出最相关的数据指标，有系统的制定和选取。

2、指标体系搭建过程

通过GSM搭建指标体系，用于特定场景的数据需求，更合理的使用数据驱动设计工作。

（1）识别并明确目标（Goal）

• 业务目标、用户目标、设计目标是什么？
• 用户要完成什么任务？我们希望他们按照什么路线走？希望他们执行什么操作？

（2）推导目标对应的表现（Signal）

• 什么用户行为/态度指示了目标达成？
• 什么样的感受与目标失败/成功相关？

（3）找出关键的数据指标（Metric）

• 考虑每个指标的价值，清楚它们的意义
• 少而精，重点关注3-5个最核心的
• 尽量简约避免同质（如UV点击率和跳失率）
• 更关注相对值，不过分关注绝对值
• 不拘泥于已知，一些情况下“创造”新的指标
• 与合作方充分沟通，确保口径及对象清晰无歧义

通过上面三步，推导得到关键数据指标体系：

来，看个例子，假设某次有两个目标：增强导流效果、提升页面吸引力，根据这两个目标推导数据指标过程如下：

其中，目标、表现、指标并不只是一一对应的关系，通常情况下，从某个目标可以推导出多个用户表现，某个用户表现也能找到多个对应的数据指标。看两个例子，目标1和目标2按照GSM推导数据指标的过程如下：

3、GSM扩展

如果GSM使用起来不够熟练，在改版项目中，可以将其扩展为GASM（增加优化点Action），方便快速搭建。

这种情况下，整个推导过程同GSM：

举个例子，某次设计为了提高页面的流量分发效率，对运营模块进行了优化，指标体系的搭建过程可以是：

4、一些思考框架

GSM推导过程中，从目标到信号可以参考一些思考框架来发散思考维度，更全面的考虑如何诠释目标，及更有针对性的选取合适指标。不同模型侧重点有所差异，这个过程注意区分维度和指标。

HEART模型：同时考虑商业指标和体验指标，是结合用户体验周期、用户主观态度与行为的全面体现，不同维度下的指标举例如下：

用户行为路径：从用户使用产品过程中涉及的行为路径进行划分，涉及4个关键行为阶段：访问、引导、转化、留存。

5、指标体系推进

指标体系搭建完成后，还需与产品、RD同学讨论明确涉及的模块及具体的指标定义，交付RD埋点。

举个例子，某次对猫眼选座页调研发现，这个页面最大的问题是选座过程中缩放效果影响用户选座效率，优化时根据GSM搭建了一套指标体系，形成下面表格，作为与相关同学讨论的对象和和后续埋点的基础。

后续还有很多细节工作，不再赘述。让数据说话，却不完全按数据说话，希望大家能有理有据的输出更多好的设计。

相关参考

Measuring the User Experience on a Large Scale: User-Centered Metrics for Web Applications

作者：周永杰

来源：微信公众号【美团UED】