當資料驅動融入產品設計，會產生什麼樣的效果？目前，越來越多的網際網路公司都在用資料做設計決策，保留資料效果好的持續進行設計與實驗，無限尋找商業與設計的平衡點，資料究竟如何主宰產品設計？一起來看看本文分析。

2009年Google做了這樣一個試驗：用41種藍色作為連結色，呈現在搜尋結果頁中，追蹤它們帶來的點選率，最終色值#2200CC脫穎而出。據報道，該色值相較於其它藍色，每年多為Google帶來2億美元的利潤，可謂相當可觀。

資料結果顯示，連結色越偏向綠色效果也就是他們的核心資料越差，越偏向藍色效果效果越好。

這不是個例，全世界許多網際網路公司，包括58，都在做著類似的事情——用資料來做設計決策。線上同時跑著許多版控制變數的測試方案，制定一個核心資料指標，有可能是點選率、停留時長或是日活躍使用者數，保留資料效果好的那一版繼續設計與試驗，無限尋找並趨近商業與設計的平衡點。這便是資料驅動設計的一個縮影，它概括了資料在這類產品中的主宰地位。

一、提高與挑戰

看到Google的連結色試驗，結合日常工作中資料的地位，難免會提出這樣的疑問：為什麼不測試第42種藍色？為什麼只測藍色，而不測其它顏色？

下圖也是一個有關於顏色的案例，綠色與紅色兩個開始按鈕，進行AB測。綠色在國際上都與順暢透過有強烈的隱喻連線，而紅色往往代表著錯誤與禁止。但是最終資料顯示，紅色按鈕版本的轉化率要優於綠色21%。不知道這樣的結果，是否能支援了這個產品將紅色按鈕推全量。

為什麼公認的更好的設計方案，最終資料不一定好看？資料至上的大環境下，我們是否會逐漸失去對產品的直覺判斷能力？使用者的每個決策簡化為一個簡單的邏輯動作，這背後一定是科學正確、無懈可擊的麼？

要解答這些問題與挑戰，需要先搞清資料驅動設計的優勢所在。

二、生存的土壤

資料驅動設計之所以能夠有生存的土壤且不斷髮展，總結市面上的沉澱，有以下幾點：

1. 利於團隊理解

一般來講，產品的核心價值導向是抽象的，為產品制定核心指標的過程就是將它具象的過程。具體的核心指標，相比於一個抽象的價值觀，更有助於整個團隊的理解。

2. 擁有可操作性

核心指標制定後，能夠有相應的公式對指標進行拆分，而拆分後的指標可以指導團隊在各個環節去不斷最佳化，具有很強的可操作性。

3. 符合產品節奏

許多網際網路產品，由於市場環境也好、企業基因也好、產品生命週期也好，都希望小步快跑去快速迭代。資料驅動的產品，方便快速試錯，不斷調整方向。

4. 便於向上管理

廣義的向上管理，包括個人對leader的彙報、專案組對高層的總結，甚至創業公司對投資機構的宣講，這些場景有資料的加持，會使工作進展、專案成果、發展潛力更可被感知，從而爭取更多的資源傾斜。

三、資料陷阱

資料驅動固然有它的優勢，但這不意味著它是完美的理論。

1. 核心資料難制定

產品制定核心資料的過程，必然伴隨著近似與誤差。因為沒有絕妙的資料指標能夠完全等同於產品給使用者帶來的價值。

舉例來看，一款交友產品中「使用者在這兒玩得開心」是核心價值，那麼核心資料是使用者停留時長、互動資訊數量，還是App開啟次數？如果使用者停留時長高，但僅開啟過一次手機意味著什麼；如果使用者頻繁開啟手機卻沒來往過幾條資訊又是什麼場景；如果使用者資訊數量很多，但每天多次只打開不回覆社交資訊，那ta是怎樣的使用者？

可是這些資料乍一看都是「玩得開心」的近似代表，卻都有它們自己的侷限。這就告誡我們一定要注意資料陷阱。

2. 避免虛榮指標

設計工作中，會出現資料指標有所提升，但最終產品收益不大的情況。其原因可能在於虛榮指標。虛榮指標Looker創始人Lloyd Tabb把虛榮指標與明確指標的差異總結如下：

舉例，對於家服平臺來說，58到家App並不是像其它C端使用者一樣只要登入就可以，使用者需要線上完成購買服務的流程，才能稱之為活躍使用者：找服務、選服務、完成購買並完成線下服務。所以透過簽到領獎勵等運營手段帶來的開啟、註冊/登入行為只是一些資料，除了為當天增加一個日活外，沒有更多作用。所以App下載量、註冊登入使用者數便是58到家的虛榮指標，下單量才是精準指標。

3. 代入到更寬廣的層級

設計一樣東西通常需要把它置於它所屬的更大的環境中來衡量，這是我從建築師Eliel Saarinen的設計理念中學到的東西。網際網路短短髮展數十載，但是人們對於設計的探尋已經綿延千百年。建築學——更是集概念性、落地性與時間沉澱於一身的學科。非常值得借鑑學習。

建築學如此，網際網路產品的設計也如此。部分資料未能真實反應產品使用的情況，可能是因為沒有把小的設計環節放置在整個流程中 → 沒有把設計流程放置在整個產品的使用中 → 甚至，再進一步——沒有把產品的使用放置在使用者的日常手機使用中。如果我們在更長更廣的視角去看待設計環節的資料驅動驗證，很可能發現那個關鍵資料只是整個鏈條中的小小切片。它只能反應上下游關係，而無法真正地指導整套設計方案的產出。

舉例，58到家App首頁的feed模組，上線了雙欄內容穿插sku，與單欄場景化sku的灰度測試。預想中，後者能夠為目標不明確的使用者打造許多場景化的需求溫床，促使使用者根據場景提示來完成下單。

資料情況：之前該該環節的核心資料定為了點選率，這就沒有做到把這個小的設計環節放置到整個流程當中，也沒有選用最核心的資料——即訂單轉化率，來衡量這個設計的好壞。如果僅看點選率，後者效果不佳，但如果看訂單轉化便扳回比分。

再結合使用者體驗的直覺與經驗：場景化sku的使用者心智引領路徑過長，不適用於若干行列表的呈現方式，會造成使用者的疲勞感。相信後續針對後一版本的最佳化會取得較好的效果。

還有些情況，一個核心指標確實無法反映設計的好壞，可以嘗試增加二級指標，這也是代入到更大層級的一個方式。

舉例，假設58到家有20%的使用者是我們判斷的高價值使用者，他們貢獻80%的收入。那麼我們在針對與收入相關的核心指標做版本迭代時，會不斷向著20%的使用者傾斜。但是剩下80%的使用者，他們可能對於產品的增量擁有更大的想象空間，在最佳化核心指標的同時，可能會犧牲掉產品長遠發展的可能性。

所以增加並觀測有關80%非核心使用者的二級指標，爭取達到短期效益目標和長期增長目標的雙保險。

四、其它驅動

經過上面的分析，我們發現數據驅動設計這件事本身，有利有弊，如果要做得科學有指導意義，難度並不小。那現行條件下，是否有其它驅動能夠將其代替？假說驅動、理論驅動、直覺驅動以及神經營銷學等等都是與之並列的驅動方式。其中直覺驅動與資料驅動最為不同。

1. 直覺驅動

羅翔老師講刑法，說有些同學學了法之後，就失去了人性，失去了老百姓都懂的樸素價值觀。做設計一樣，我們判斷一個設計好壞的時候，如果代入了太多複雜的設計方法論、資料驗證理論、產品營銷思維，就容易忘掉最樸素的設計直覺與價值判斷。

2. 神經營銷學

有關神經營銷學，有一些耳熟能詳的典故，如可口可樂與百事可樂的盲測。推薦TED演講《神經營銷： 消費者決策的新科學 Neuromarketing： The new science of consumer decisions 》，內有詳實的案例。

3. 最重要的關卡

最後回到產出設計方案的人——設計師自己。在發出交付郵件的那一刻，是否感到驕傲；上線後的某一天是否會很開心看到自己的設計；年終總結時是否願意把它提交到團隊的設計年鑑當中。這些問題的回答如果都是肯定的，我想這個設計不會差。

寫在最後

回到最初的41種藍色，無獨有偶，2010年Microsoft的Bing也做了類似的試驗。最終確定了該搜尋引擎的連結色——#0044CC。據報道，如果把額外的廣告點選量和使用者參與度考慮在內，每年能增加8000萬美元的收入（考慮到Bing的市場份額遠小於Google，Bing連結藍的收益增長，從百分比來看要高得多）。

看到這裡，你是否對這兩個網際網路巨頭的試驗結果產生了一絲懷疑，Google與Bing的使用者，是否有如此大的差異，以至於這兩個冠軍藍色看起來截然不同？有沒有一種可能，人類的社會活動、心理狀態以及使用產品時輔助做決策的潛意識等等這些，根本無法用資料去概括與總結？那資料驅動設計的根基，是否不復存在？

這讓我想到老友記中，Phoebe讓Ross這個古生物學博士，對進化論產生了動搖。當Ross鬆口後，Phoebe對他說「How are you going to work tomorrow？」

回到設計，這篇文章充滿自相矛盾的假說與推演，既沒有自圓其說，也沒有明確立場。只是希望能夠信馬由韁地把有關資料的一些思考記錄下來。接下來，你將用什麼作為你的設計驅動？

作者：劉可心

本文由人人都是產品經理合作媒體 @58UXD 授權釋出於人人都是產品經理。未經許可，禁止轉載。

題圖來自 Unsplash，基於CC0協議。

該文觀點僅代表作者本人，人人都是產品經理平臺僅提供資訊儲存空間服務。