google|什么是数据驱动设计？极品干货看这里( 二 )

数据响应让我们在数据的使用上拥有更宽阔的发展方向。我们能处理的也不仅仅是量化的数据。不同体验的 A/B 测试或结构化的可用性测试在数据响应中可能会失效。
数据感知让我们理解数据收集上的广泛性和局限性。我们可以根据不同的问题来判断哪种方法是最合适的。有数据感知能力的团队可能会发现，基于利益相关者研讨会、用户访谈、甚至 A/B 测试研究结果而做出的决策，具有同等的价值。
麻省理工学院数字商业中心的研究表明：“在通过数据驱动决策方面，处于行业领先地位的前三分之一的公司，其平均生产效率比竞争对手高 5%，盈利能力高 6%。”
我们发现增加评测的事物数量或提高评测的保真度，实际上并不能提升结果的准确性。数据结果并不因性能的优劣而发生鲜明的改变。它只能揭示更深层次的复杂性——性能优劣牵扯到更多的东西。因此数据实际上只是一种衡量标准。我们仍然需要依靠直觉。我们仍然要对成因的重要程度做出判决。
——Jon Wiley（谷歌沉浸式设计总监）
四、如何收集数据？How can we collect data？
文章插图
smart UX 的数据可视化
我们有很多收集定性和定量数据的方法。很多用户体验从业者认为数据就是数字，但这是一个误区，是一个谬论。
为了用数据驱动设计，我们需要定性和定量数据。定量数据会告诉你，用户在使用我们的产品时采取了哪些行为。而定性数据会告诉你，他们为什么这么做，以及更重要的——他们对整体体验的感受。所以，我们在制定设计决策时需要收集这两种数据。
1. 定量数据收集法定量数据的数据类型是数字、人物、事物、时间、地点。定量数据能显示程度，而不能说明原因。
我们能从 Google Analytics 、Google Tag Manager 、Google Optimize 和其他测量工具（例如：Hotjar、Crazy Egg、Optimizely、Usertesting）中获取许多关于网站或应用程序使用情况的定量数据。
1）A/B 测试
A/B 测试也被称为分组测试。Hubspot 将 A/B 测试定义为：
在（一个）实验中，’划分’ 出多个测试群体，测试一系列变量，并确定哪个变量表现更好。换句话说，你可以向一半的测试者展示版本 A，向另一半的测试者展示版本 B。
在进行 A/B 测试时，最重要的是尽可能确保每次只改变一个变量，并且使对照组和实验组的人数相同。你可以向我们一半的测试者展示 A 版本，向另一半展示 B 版本。测试的主要目标是在同等条件下，对不同变量进行比较。
2）解析
通过解析，我们可以知道谁来到了我们的网站，他们是如何到达那里的，他们在那里停留了多长时间，他们点击了什么。这类数据能有效整理出很多价值的指标，比如用户的平均会话时长、退出率等。
如果你想让应用程序或网站转化率得到提升，建议从用户流量大的页面开始解析，因为它们能让你更快地收集到有价值的数据。
我们还可以使用眼球追踪工具，比如热力图。热力图通过眼球追踪技术，了解用户在屏幕上所关注的位置。当来自多个用户的热力图展示出类似的模式，说明网站或应用程序更新的内容模块或设计迭代是有价值的。
3）调研
用户体验调研是用户体验研究中，定量和定性数据的重要来源。
一个好的调研需要精心设计好问题，确保问题没有引导性，并且目的明确。我们应该尽量控制问题的数量（不超过 10-15 个），以免用户中途放弃调研问卷。
2. 定性数据收集法定性数据能说明原因和发生过程。为什么不同组用户采取不同的行为？为什么不同的内容让用户在网站上停留的时长不同？定性数据提供了一个视角，不仅帮助我们了解发生了什么，还能让我们了解事件发生的原因以及过程。我们经常通过用户画像、体验旅程图或移情图来收集定性数据。