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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 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 ...
2026-08-24 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 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19