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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21