58UXD - 數據主宰下的產品設計－鑽石舞台

2009年Google做了這樣一個試驗：用41種藍色作為鏈接色，呈現在搜索結果頁中，追蹤它們帶來的點擊率，最終色值#2200CC脫穎而出。據報道，該色值相較於其它藍色，每年多為Google帶來2億美元的利潤，可謂相當可觀。

數據結果顯示，鏈接色越偏向綠色效果也就是他們的核心數據越差，越偏向藍色效果效果越好。

這不是個例，全世界許多互聯網公司，包括58，都在做着類似的事情——用數據來做設計決策。線上同時跑着許多版控制變量的測試方案，制定一個核心數據指標，有可能是點擊率、停留時長或是日活躍用戶數，保留數據效果好的那一版繼續設計與試驗，無限尋找並趨近商業與設計的平衡點。這便是數據驅動設計的一個縮影，它概括了數據在這類產品中的主宰地位。

看到Google的鏈接色試驗，結合日常工作中數據的地位，難免會提出這樣的疑問：為什麼不測試第42種藍色？為什麼只測藍色，而不測其它顏色？

下圖也是一個有關於顏色的案例，綠色與紅色兩個開始按鈕，進行AB測。綠色在國際上都與順暢通過有強烈的隱喻連接，而紅色往往代表着錯誤與禁止。但是最終數據顯示，紅色按鈕版本的轉化率要優於綠色21%。不知道這樣的結果，是否能支持了這個產品將紅色按鈕推全量。

為什麼公認的更好的設計方案，最終數據不一定好看？數據至上的大環境下，我們是否會逐漸失去對產品的直覺判斷能力？用戶的每個決策簡化為一個簡單的邏輯動作，這背後一定是科學正確、無懈可擊的麼？

要解答這些問題與挑戰，需要先搞清數據驅動設計的優勢所在。

數據驅動設計之所以能夠有生存的土壤且不斷發展，總結市面上的沉澱，有以下幾點：

1.利於團隊理解

一般來講，產品的核心價值導向是抽象的，為產品制定核心指標的過程就是將它具象的過程。具體的核心指標，相比於一個抽象的價值觀，更有助於整個團隊的理解。

2.擁有可操作性

核心指標制定後，能夠有相應的公式對指標進行拆分，而拆分後的指標可以指導團隊在各個環節去不斷優化，具有很強的可操作性。

3.符合產品節奏

許多互聯網產品，由於市場環境也好、企業基因也好、產品生命周期也好，都希望小步快跑去快速迭代。數據驅動的產品，方便快速試錯，不斷調整方向。

4.便於向上管理

廣義的向上管理，包括個人對leader的匯報、項目組對高層的總結，甚至創業公司對投資機構的宣講，這些場景有數據的加持，會使工作進展、項目成果、發展潛力更可被感知，從而爭取更多的資源傾斜。

數據驅動固然有它的優勢，但這不意味着它是完美的理論。

1.核心數據難制定

產品制定核心數據的過程，必然伴隨着近似與誤差。因為沒有絕妙的數據指標能夠完全等同於產品給用戶帶來的價值。

舉例來看，一款交友產品中「用戶在這兒玩得開心」是核心價值，那麼核心數據是用戶停留時長、互動信息數量，還是App打開次數？如果用戶停留時長高，但僅打開過一次手機意味着什麼；如果用戶頻繁打開手機卻沒來往過幾條信息又是什麼場景；如果用戶信息數量很多，但每天多次只打開不回復社交信息，那ta是怎樣的用戶？

可是這些數據乍一看都是「玩得開心」的近似代表，卻都有它們自己的局限。這就告誡我們一定要注意數據陷阱。

2.避免虛榮指標

設計工作中，會出現數據指標有所提升，但最終產品收益不大的情況。其原因可能在於虛榮指標。虛榮指標Looker創始人Lloyd Tabb把虛榮指標與明確指標的差異總結如下：

舉例，對於家服平台來說，58到家App並不是像其它C端用戶一樣只要登錄就可以，用戶需要在線完成購買服務的流程，才能稱之為活躍用戶：找服務、選服務、完成購買並完成線下服務。所以通過簽到領獎勵等運營手段帶來的打開、註冊/登錄行為只是一些數據，除了為當天增加一個日活外，沒有更多作用。所以App下載量、註冊登錄用戶數便是58到家的虛榮指標，下單量才是精準指標。

3.代入到更寬廣的層級

設計一樣東西通常需要把它置於它所屬的更大的環境中來衡量，這是我從建築師Eliel Saarinen的設計理念中學到的東西。互聯網短短髮展數十載，但是人們對於設計的探尋已經綿延千百年。建築學——更是集概念性、落地性與時間沉澱於一身的學科。非常值得借鑑學習。

建築學如此，互聯網產品的設計也如此。部分數據未能真實反應產品使用的情況，可能是因為沒有把小的設計環節放置在整個流程中 → 沒有把設計流程放置在整個產品的使用中 → 甚至，再進一步——沒有把產品的使用放置在用戶的日常手機使用中。如果我們在更長更廣的視角去看待設計環節的數據驅動驗證，很可能發現那個關鍵數據只是整個鏈條中的小小切片。它只能反應上下游關係，而無法真正地指導整套設計方案的產出。

舉例，58到家App首頁的feed模塊，上線了雙欄內容穿插sku，與單欄場景化sku的灰度測試。預想中，後者能夠為目標不明確的用戶打造許多場景化的需求溫床，促使用戶根據場景提示來完成下單。

數據情況：之前該該環節的核心數據定為了點擊率，這就沒有做到把這個小的設計環節放置到整個流程當中，也沒有選用最核心的數據——即訂單轉化率，來衡量這個設計的好壞。如果僅看點擊率，後者效果不佳，但如果看訂單轉化便扳回比分。

再結合用戶體驗的直覺與經驗：場景化sku的用戶心智引領路徑過長，不適用於若干行列表的呈現方式，會造成用戶的疲勞感。相信後續針對後一版本的優化會取得較好的效果。

還有些情況，一個核心指標確實無法反映設計的好壞，可以嘗試增加二級指標，這也是代入到更大層級的一個方式。

舉例，假設58到家有20%的用戶是我們判斷的高價值用戶，他們貢獻80%的收入。那麼我們在針對與收入相關的核心指標做版本迭代時，會不斷向着20%的用戶傾斜。但是剩下80%的用戶，他們可能對於產品的增量擁有更大的想象空間，在優化核心指標的同時，可能會犧牲掉產品長遠發展的可能性。

所以增加並觀測有關80%非核心用戶的二級指標，爭取達到短期效益目標和長期增長目標的雙保險。

經過上面的分析，我們發現數據驅動設計這件事本身，有利有弊，如果要做得科學有指導意義，難度並不小。那現行條件下，是否有其它驅動能夠將其代替？假說驅動、理論驅動、直覺驅動以及神經營銷學等等都是與之並列的驅動方式。其中直覺驅動與數據驅動最為不同。

1.直覺驅動

羅翔老師講刑法，說有些同學學了法之後，就失去了人性，失去了老百姓都懂的樸素價值觀。做設計一樣，我們判斷一個設計好壞的時候，如果代入了太多複雜的設計方法論、數據驗證理論、產品營銷思維，就容易忘掉最樸素的設計直覺與價值判斷。

2.神經營銷學

有關神經營銷學，有一些耳熟能詳的典故，如可口可樂與百事可樂的盲測。推薦TED演講《神經營銷: 消費者決策的新科學 Neuromarketing: The new science of consumer decisions 》，內有詳實的案例。

3.最重要的關卡

最後回到產出設計方案的人——設計師自己。在發出交付郵件的那一刻，是否感到驕傲；上線後的某一天是否會很開心看到自己的設計；年終總結時是否願意把它提交到團隊的設計年鑑當中。這些問題的回答如果都是肯定的，我想這個設計不會差。

回到最初的41種藍色，無獨有偶，2010年Microsoft的Bing也做了類似的試驗。最終確定了該搜索引擎的鏈接色——#0044CC。據報道，如果把額外的廣告點擊量和用戶參與度考慮在內，每年能增加8000萬美元的收入（考慮到Bing的市場份額遠小於Google，Bing鏈接藍的收益增長，從百分比來看要高得多）。