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
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30