一、什么是数据导向？
数据导向决策是指做出业务决定过程中将数据洞察与用户体验、用户研究和其他输入一并使用（摘自网络）。这个释义中没有将定性部分（如用户研究、用户体验）作为数据，但我理解这部分也算是“数据”。但是本文我想说的仅有定量数据（自动统计的数据）。
二、为什么要数据导向？
数据成为决策过程的重要输入部分。由于它有客观，用户统计量大，直观的优势刚好弥补了设计过程主观感性的、不好量化的劣势，让设计师更能够清晰地感受到设计带来价值。所以掌握数据导向的技能变得很重要。
三、如何做到数据导向？
在实践的过程中我认为包含以下4个方面：
1.前期准备：了解业务线的核心指标（北极星指标）、指标计算方式、指标在业务中代表的意义（比如线索转化代表用户和B端在平台上匹配成功），以及相互之间的关系（比如一个页面的商机转化率与分发效率，两者呈正相关，分发效率间接影响商机转化率），了解以后可以更好理解业务的价值，设计发力点也更明确
2.设计前：对产品数据指标进行预期校准——产品方案是否能提升数据，哪些设计点能够提升，哪些设计点不能提升（这类的设计点可能优先级会比较低），如果通过分析发现这个产品方案几乎跟指标没什么关系（这种情况要么是没有理解指标的计算方式，要么就是产品方案真的有问题）如果是后者那么这个需求就没有做的必要了，需要重新设计（这不又少了一个活）。
产品方案能提升多少指标？这个需要拆解指标的计算公式。比如产品方案企图在视频中增加一个点赞引导的气泡从而使得点赞率+1pp，点赞率=（通过点赞气泡点赞的人数+原来点赞的）人数/看视频的人数，而通过点赞气泡点赞的人数=气泡的展现次数*气泡点击率，需求还没上线，我们怎么能判断展现次数和点击率呢？如何来进行计算校准指标呢？——可以使用同场景历史的类似的功能得到的数据来计算，比如本案例中的气泡点击率预估时，我发现视频中做过类似气泡引导，当时的点击率是xx%，带入到公式中就可以得到新产品方案能带来的提升率，最后跟产品定义的预期达成指标做对比，看制定的指标是否激进或不足，然后调整。
此处还有一些行业沉淀的数据也需要了解。比如app首页的金刚位的第一个金刚位的点击最大是x%，那么产品提出了一个方案并且制定需要将点击率提升至（x+2）%点击率计算公式，那么这是不切实际的，可以直接怼回去。
3.设计中——寻找设计决策依据。不知道你们有没有遇到过这样的困境：
不知道该怎么从何处开始设计？设计了多个都可以满足用户需求和体验的方案不知道该选择哪一个？
这种情况肯定大部分设计师都会遇到，那可以尝试看看数据（其实就是了解用户行为）
举个，之前在设计搜索结果中的商品展示卡片时，我陷入了选择“左图右文还是上图下文的”纠结中，于是找来了用户的搜索数据，发现用户在百度搜索的商品类型更多是偏高价商品（3c、奢侈品、白酒等），来百度可能是为了“比价”，对商品长什么样，那么此时优惠信息/商品信息肯定比图片更“有价值”，因此选择左图右文的布局更稳妥。
用数据来决策更关键的一步是：判断哪个数据能帮助决策目标设计点，这无不使用了交互擅长的推导能力。
4.设计后——通过分析数据与设计的对应关系，数据能指导我们沉淀设计价值。当优化某个功能时设计了N个设计点（比如放大了按钮、加重了颜色等）以后数据得到了提升，对设计点与数据提升之间做控制变量后的映射关系，就能得到通用规律。比如在没有其他变量的情况下，在按钮右上角加了一个标签，导致点击按钮的数据提升/下降xx，那么乐意粗略得出对应的“设计方法”，下次设计时可直接复用这条结论。当这样的结论多了以后就变成宝贵的设计经验了。
写在最后：一味的“数据导向”一定好吗？
数据确实能反映很多问题，是很好的工具。有时候在设计时不免为了提升数据牺牲一些体验，毕竟产品要活着，但是我们也要时刻谨记观测体验数据（留存、DAU等）确保不要影响到整个产品。也应该能牢记用户来到我们这个产品、来到这个页面的核心任务，横向看待产品/功能，不要在不适合的场合加上不合时宜的功能仅仅为了收割数据。（比如微信消息列表是用户获取联系人消息的地方，业务推出了一款新产品叫：算八字测姻缘，非要加在消息列表的最上方还要大要显眼，要提升产品功能的渗透。如果按照这个目标来设计点击率计算公式，那么会对用户获取微信消息的效率以及消息阅读条数带来多大影响呢？）
其实有些类似“数据/商业收益”与用户体验的平衡，这是一段很长的路…
1、本站资源针对会员完全免费，站点中所有资源大部分为投稿作者付费教程，切勿轻易添加教程上除本站信息外的任何联系方式，谨防被割，如有疑问请随时联系客服。
2、本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
×