京公网安备 11010802034615号
经营许可证编号:京B2-20210330
搞设计,是听从直觉,还是听从数据_数据分析师
作者Braden Kowitz 是 Google Ventures 的Design Partner,曾领导设计多款Google产品,包括Gmail、Google Enterprise、Google Spreadsheets 与 Google Trends。
对于很多科技公司来说,设计已不再是随心所欲的事情,它往往需要与数据挂钩,通过用户行为分析来测算甚至是极其微小设计的效果。这种源源不断的数据流在决定新产品及其形式中的作用越来越大。那么,设计师自己的直觉还重要么?
搞设计时,用户数据与个人直觉总是相互对立,在过去,设计部门看重直觉,是因为在设计过程中评价其效果十分困难,产品不上市,设计师就不知道设计好坏。但如今像 Facebook 与 Google 这样的数字产品更加看重数据,因为他们完全能够一边设计一边获得用户反馈。
根据我与 80 多个产品团队工作的经验来看,数据意义重大,直觉不可替代,所以最大的挑战是,如何在用户数据与个人直觉间找到平衡点。
我在 Google 最初的几个项目之一就是设计“Google Checkout”按钮,它被用作网上购买物品及服务。设计按钮向来容易,但这次却大不同,因为用户能在几种支付方式中做出选择,所以该按钮必须在热闹的网页上吸人眼球。在每一次反馈中,我总被要求把按钮做得更粗、更大、更醒目、甚至看起来更加可以被点击。慢慢地,设计变得浮夸,直到最后,丑陋不堪。
值得一提的是,我的一名同事设计了可能是他想到的最吸引人的按钮:一个写有“FREE iPOD”的巨型 3D 按钮,火焰翻滚,下面附上极为细小的“Checkout for a chance to win”。
此举重启了我们的讨论:我们不仅要高点击率,更要对结果进行预告,与用户交流,增加熟悉度,建立品牌信任。
利用数据我们能很容易知道哪种设计带来了更多点击,并能依此选择最优解,但这样做却忽视了整体情况和其它的重要目标。
数据对增量式的改进甚为有用,但有些目标是难以被测算的,这时候,我们必须依靠直觉。
没有设计师生来就知道用户要什么,以及人们面对一个崭新设计时会作何反应,通过观察身边事物,直觉于后天习得。人脑是一个神奇的模式匹配机器,每当我们了解到一个新设计以及其效果时,直觉在无形中就被改造了。
设计师留心观察身边事物,留意缺陷——示意你推的门把手实际上却需要你拉,在开车时手机上的一个小按钮极其难找。相信我,对身边事物留意到如此地步确能让人厌烦,不仅对设计师还是对他们身边的人。但如此细心也会有好处。当设计师发现缺陷时,会思考为何会这样、这牵涉到了哪些设计、如何设计就能解决问题。像这样的每一次思考,都在慢慢构建个人设计理念,即所谓“直觉”。
但是,这种自省只能把设计师带到这么远,因为设计的受众在诸多方面跟我们不同:年龄、文化语境及其带来的期望上的差异。
即使在设计师认为用户与其相差无几时,也一定存在着一个不同点:设计师精通于他们自己的产品,而新用户对产品一概不知。既然无法忘却我们已经知道的东西,所以有必要进行用户研究。
观察用户使用产品绝对是发展直觉及防止错误的最好办法,用户研究其实就是一种定性的数据流,虽混乱,但宝贵。
直觉驱动 vs 数据驱动的黄金原则
当用户对产品设计不满意时,团队中从工程师到 CEO 的每个人都必须将其设计直觉发挥出来。但不要让直觉掌控了一切,关键在于判断何时该听从数据,何时该听从直觉。
想了解用户行为?听从数据。
任凭用户如何否认,数据是硬的。
提高产品质量?听从直觉。
设计中的单个细微改良无法从数据中获得肯定,但它们一旦融合,便能高端大气上档次。
在少量选项中选择最佳?听从数据。
想做增量式的改进,数据最有发言权。
在乎长远影响?听从直觉。
当你想实现长远目标时,比如建立产品信任度,那么请看看这个世界,多与人交流,相信直觉。
数据与直觉,看似壁垒分明,实则相通。数据统计让硬数据直观呈现,而直觉,对来自于日常观察生活所得的软数据做了同样的处理,所以,对于一个成功的产品,直觉与数据,缺一不可。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07