用腾讯文档的实战案例，帮你掌握数据化设计思路

2015 之后的中互联网，人口利、流利逐渐退场。2019 遭遇第一场资本寒冬，半投资总金额同比下降了 58.5%。也 2019 ，“精益创业”、“精益数据分析”、“增长黑客”等一系列数据思潮开始流行。而 UX 设计师作为半个产经，我们很容易将这股“数据热”迁移到自己身上：每个 UX 设计师都要数据分析了吗？数据和设计是么系？天天盯数据会限制设计师的想象吗？数据到要怎么？……

数据热

往，设计师一般不把“数据”挂在嘴边。我们提倡“以用户为中心，打磨极致用户验”，少考虑成和业效益。

通俗来说，就是产经负责“生意”，设计师负责“体验”。“鞋”为例子，产经做了场调研，决定要生产童鞋，设计师负责设计“适合 4-11 岁的童在城公园玩闹”的鞋子应该长么样、穿着它跑跑跳跳是是舒的。但是设计师需要担心鞋的销量，产经则要跟老汇报销量绩。

利消退、产品同质化严重速迭的多重压力下，UX 设迎了高的挑战：仅凭主观判断“好不好用、好不好看”打磨产品内体验，不考虑产品的存、增盈利，很难行业立足。与此同时，随数据采集具的日渐熟，数据以“客观”“便捷”两特点，帮我们获得“设的依据”。精益化设必然趋势，“数据分析”精益化设的手段之一。

沿用“设”的案例，UX 设师自己所领域思考：设调研的过程中，我们用什么数据指标衡这儿童好穿、好卖？行批产，我们数据资源支持我们研究父母/小孩对子外观的偏好、小孩运动时易受到哪些理伤害？如果条件行小范围的数据实验，我们如何设数据实验估好穿好卖？

数据的定义

“解任何事物都需要先对它进行定义，这样才够在头脑中清楚地知道正在讨论的是这个东西，而是他东西。”非美国经 Thomas Sowell 在《经的思维方式》里说的这句话。

如果我们对“数据”下义，那么产品设语境中的“数据”具体什么？数据怎么产的？

从数据采手段来看，互联网品数据来主要有 3 个：手资料数据、问卷调研数据和应用埋数据。

1. 二手资料数据

行业数据竞品数据一般通过二手资料获得，包括商业交易数据、用户群的态度意愿、用户舆论指数、竞品的用户规模盈利状况宏观数据。常用的搜索渠道：度指数、企鹅智酷、艾瑞、尼尔森、各科技资讯平台。

我们可以将这些理解为“市场数据”，在立项期品有定指导意义，能快速了解市场概况，也能帮助品思考异化定位问题。

以“腾讯文档为”项目为例，我们想腾讯档户创建档的成功率，通过模创建档是键路径之一。研究户通过模创建的路径时，想大概了解户模时可会在意么。于是我们尝试使百指数搜索“模”、“档模”、“PPT 模”、“Word 模”、“Excel 模”，从搜索量得知：PPT 模搜索量最，符合我们的推测；Word 模容中，简历、合同需求量较大，而分户只是想要好看的 Word 背景等等。虽然我们得到的有效信息多，但我们够通过二手资的方式，快速了解户需求的基本面。

2. 问卷调研数据

问卷调研数据是通过向目标户发放问卷获得的，侧重于收集人口信息、户自述的历史行为、观态或意愿，如户满意调查、流失户原因调查等。本质上是通过建立假设、再进行抽样统计的方法来得到户口述的答案。就是，问卷倾向于听户说了么、而看见户真正做了么。严谨的问卷分析会对后台数据，验户说的和做的是否一致，清洗无效数据。

3. 应用埋点数据

之问卷研数据，我们想看“用户做什么”，则通分析应用埋点数据获得。

“应埋点数据”叫“埋点数据”、“前端页面数据”，我们可简单解为“通过技术手获得户在应（、客户端、小程序等）的操作行为数据”。背后原是：户和界面发生交互，系统需要向务器发送请求和返请求，把这些请求预埋一计数代码，就得到页面的曝光数据和户的操作数据。

埋点需产品理或设师好数据指标的义，发程师提沟通，让发程师码中嵌入埋点。一埋点由多字段组，规范义字段，利于我们数据平台搜索埋点方便。当我们怀疑数据效性时，也方便排查埋点问题。

埋点类型可分曝光埋点、操作埋点时埋点：

• 曝光埋点可捕捉页面被展示的次数，可是针对整个页面，可是页面中的某个区域。即我们说的 PV、UV。
• 操作埋点则用户对页面某区域（按钮、卡片、提示条）行手势操作（点击、击、按、滑动）时，行打点记录。对应的，也称之某操作的 PV、UV。
• 时长埋是过标记以上两类埋、并计算时获。比如，我们记录用户选取模板耗费时长，可以过离开页时（t2）-进入页时（t1）计算。而离开页则用击左上返回按钮、击具体模板等“离开”操作来核算。

基于上 3 种原始数据，我们可算得点击率、功渗透率、人均点击次数、人均使时长等具有对值的数据。

较之于二手资料调研数据，埋点数据加贴近用户的真实表，作反馈指标的灵敏度高，可挖掘性强，也能作客观衡指标引入到每一次产品迭中。

设计师理解埋原理，有助于在数据采环节跟数据开发更好地沟，并提出合理数据需求。另，我们拿到组数据，也需要从根本原理上去判断数据信度和效度，确保数据没有质量问题再进下步分析。

数据之于设计

数据分析能力会在 UX 设计师岗位招聘要求被提及，除了电商和广告业数据化设计知识体系较为成熟，其他领域在探索。另，相比于市场销、品经理、品运等职能，设计师分析框架是相晚熟。

实际上，难从招聘广告中归纳“备数据析能力的计”长什，但期望这的计对数据的知力、析逻辑清晰、数据经验丰，对某个垂直领域的数据仪表盘了如指掌等等。

数据对 UX 设计有什么用？或者说，在设计链路的哪一个节，数据和设计才能生化学反应？

UX 设计常流程为：得到一个需求（需求评审/需求挖掘）——输出设计方案（设计决策）——验证设计方案（设计验）。顺着个流程，我们来看看数据在UX设计各阶段的用。

1. 需求评审：以提升最终业务数据为目标，评估需求的价值贡献和优先级

肖恩·凯斯在《增长黑客》开篇就提到“仓筒组织”个概念：职能组织有各自的 KPI，但未必对最终的业务目标有。比开人力有的情况下，产品经理想上新功能，市场运营想搞推活动，设计想做 UI 大改版做炫酷的动画——就像N匹马有N个方向，马车跑不快。

尤是当产进入成长期，我们会发现“做的事情真的太多了”！仅仅是来自老和产经的需求，每天都有户想你做产，竞争对手又上线了 N 个功等等。另外，当多个产经分管同务线，每个产经都会认为自己的需求优先级最。那么，ABCD 这几个需求，哪个更值得即刻实现？

目标导向本意识的设师，不会拿到 PRD 就始画稿，需求审。下次产品理给提需求，或者自己主动提案，不妨从下面几问题始思考效益。

如这个新功能上线或已有功能做这些优化：

• 向估：如果，能使哪些用户什么场景受益？用户会因此使用、消费、甚至推荐我们的产品吗？
• 负评估：如不做，是否会造成用户口碑变，甚至弃用我们品？
• 数据导向：预估这个需求对大盘数据（AARRR）有何贡献？如果无法在短期对大盘数据的直提升，应该取什的数据指标来评估其价值（GSM 模型）？
• 比对优先级：目前有 ABCD 四个需求，而人力资源有，当下最应该决哪个数据节的问题？

以腾讯文档的 Excel 按行填写功能为例，阐述如何在需求评审阶段就思考数据效益。

一开始，我们只是从用户吐槽中到在手机端使用 Excel 录信息的困扰：协人之间容易窜行误删误改别人填写的行，甚至把创建人输的表头信息给删掉。

我们模拟信息收集场景，摘 Excel 移端输入的体验节点，发现“在有限的屏幕处表格信息，需要来滚/缩放表格，再到自己的行再输入”这一点最容易发生错误，尤在没有冻结首行的情况。

我们有收集表功，支持表格转收集表，但是都依赖创建人使这个类/这个功。我们是否可在创建人干预的情况，直接把来滚的表格输入变成纵向的表单输入？

上都是从“感知”角发现和分析问题，确认了“存在这么一个问题”，然后了一个可行的想法。往往这个时候，我们容易为之兴奋。

但如果我们坚持精益的投入产出比，我们应当估“这不一优先解决的问题”，即估收益：改变 Excel 移动端的输入体验，能什么收益？

首先，我们做正负评估。

• 向估：如果，用户可以手机端顺畅录入信息，避免行删改的错误。虽然这不足以吸引新用户使用我们的产品，但这体验未竞品实，能形差异化的记忆点，也许能好的口碑。
• 负评估：如不做，手端 Excel 输入体验跟其他竞品，用户倒不会此流失，是创会为协作者犯苦恼，也许会此转为采用“IM 沟”来避免出。

然后设数据目标：如果这功能落到数据板，能作何贡献？

数据导：我们预期这个功能能够过提升手端输入体验，来避免用户出，降低创理数据负担，以提高用户留存（而预期这是个新功能）。并，设计假设正确，应该能过些数据指标看到用户为变化。

最后，比期提出几个品需求，评估优先级。

比对优先：假 Excel 按行填写的需求是 A（图中黄色点），同期有一个响文档安全享的需求 B。如果按照正负向评估去考量优先，将 AB 个需求都放在象限图，越外层越应该优先理，那就应该优先理需求 B。

以上是为了将思维可视化呈现给读者，实操更重要的是数据识和敏度。图示仅供参考，用何种形式表达不重要。

掌握一套清晰的需求评审思路，才有语权去讨论个需求是做还是不做、即刻要做还是延做。不仅仅是 UX 设计师需要具备的目标导向思和需求分析能力，而是整个团应该建立的数据意识和工流。也适用对设计师提案的自我审查，避免自娱自乐。

2. 需求挖掘：数据为产品健度的检指标，为设计圈定问题域

产品在不同的成长阶段关注的短期效益有所不同。初创期，产品先要验证其假设的需求是不是用户需求、业模式是否行。当产品展到一定的用户规模，我们以通对比关键数据指标，去判断现阶段是否符合预期。就像我们去医院抽血做检，血样指标以反映我们当前是否健。

如何检验产健康呢？我们首先注宏观的数据转是否符合预期，即 AARRR。海盗指标这一套，想必大耳熟详。但对设计师来说，难点在于如何将宏观数据转与具体的户使场景进行联，进而落实到具体的设计任务。

腾讯档为例，在线档的核心户值是“从创作到协作的多人多端无缝同步”，因此我们定义户的键路径是“创作→分享→协作”，即：

基于键路径，我们继续钻分析每一个环节，建立于监控“转质量”的行为漏斗。如在“分享”这一步，落到 APP 里，这个行为漏斗是：

我们发现仅 30%的创建人在分享档前设置了非私密权限——这个数据并符合我们的预期，因为这会导致创建人分享档后，协作人无法直接查看或编辑档。协作人需要进行权限申请，创建人则需要处相应的权限申请通知或更改权限，从“申请权限”到“审通过”的时间差降低了协作效率。

我们进一步联的数据指标，来确认“这给户成了困扰”——“有多户在档分享之后再返来设置权限”、“一个创建者平均要处多次权限申请”等等。

通过小范围的用户测试，我们了解到“权限设置”一视觉盲区。于，我们优化分享页的信息展示，改善“用户看不见权限设置”这问题。另外，当创建人处理权限申请的通知时，提供修改权限的入口，以避免重复处理同一文档的申请消息。

终，我们将“分享行权限设置”的转化提高到 80%——吹牛的，业务数据太敏感，无法以真实数据家分享，本文的数字皆脱敏数据。

这像个剥洋葱过程。先找到品核心价值和应主路径，再拆解到应多个用户任务流，关注微观某个环节转化是否有问题。利用数据诊断品健康度，然后继续用数据或其他研究法下钻，下钻到可以落地到设计层。

3.  设计决策：借鉴用户为数据，案进快速决策

2016 年听了白彰师在杭州现场分享，他“Design”理解常透彻。“Sign”是“标志”，应该是大家最共常识，像国旗是这个国家 sign。那“De”是什么？台下有回答“新定义”，而白彰很自信地说：“不，这是个否定词”。

于 UX 来说，理。设计都是否定，否定现有体验合理性，否定现有品、服务或某功能完全满足需求。反过来想，则是审问自己设计案：“否定”，真更好吗？

这举一个“需求”为例：腾讯文档 Excel 的 PC 端右键菜高度优化。笔者目前负责腾讯文档编辑模块的 UX 工作，日常就是多这的“优化”，其实这更加考验数据敏度和对“严谨”的坚持。

需求背就是用户反馈“右键菜单太长，小屏幕看不到菜单底部的内容”。

“展示问题”的解法有很多：

解法 1：用 UI 手段，降低单 menu item 的高度。

解法 2：重新归类，通过折叠缩短单。

解法 3：当单无法完整展示，重新锚其屏幕的坐标。

对比竞品，确实表格产品通过（2）去解决这问题，但我们捞数据发：右键单中，插入行列高频操作（色部分），点击次数比其他功能高 5～130 倍，且人均点击分别 3 次 2 次。我们决不去对增加行列行单折叠，因这样虽然我们解决了“单太高”的问题，但降低了点击效率。

接到某需求的“A 问题”，我们易一叶障目。但，会不会因我们解决了 A 问题引发 B 问题呢？数据帮我们速决策，避免 B 问题的出。谨慎对待每一次小设，因每一次小设都一次否。

4. 设实验：采用数据实验对设方案行择优或改

家对数据实验应该不陌，常用的方法 AB 测试灰度测试，一种控制变的抽样实验方法。

AB 测试是指过抽取等量用户样本进 AB 两个设计案投放，比两组数据，进案择优。这两个案异要严格控制在“仅有个素异”。这跟我们初做生物实验论证“棵小树生长需要阳”思路样：两组等量小树，组有阳，组没有阳，经历相时后比生长平均高度。、空、养分等其他条件要严格致。此大改版等“多变量”设计并不适用于 AB 测试去印证。

大改版则通过灰度测或拆变量去做 AB 测来确保效果。灰度测是指如果软件要在不久的将来推出一个全新的功能，或者做一次比较重大的改版的话，要先进行一个范围的尝工作，然后再慢慢放量，直这个全新的功能覆盖所有用户。也就是说在全量发布的黑之间有一个灰，所以这种方法也通常被称为灰度测。

设计师需要观察综合的数据指标，以腾文档为例常规的指标有：PV、UV、人均点击次数、功能渗透率、使用该功能的留存率等等。另外是渠道收集用户反馈，包括腾文档的“吐个槽”区、微博搜索关键词、随访身边的用户朋等。

结语

数据化设计不是对“精心打磨验”的否定。恰恰相反，对设计工匠来说，数据分析能力是一种新的“打磨工具”，提倡在设计施和决策程中更科学和客观。UX 和数据的关系，就像我们期望鞋子被量产之前能够有数据佐证“款鞋看穿卖”，而不是否定“看又穿的鞋子能带来更的销量”。

最后，“值-设计-数据”是一个态课题，必然随着界经验的沉淀和数据工具的发展，断迭代。留言区交流和指正 ?

得一看的参考目录：https://docs.qq.com/doc/DTVhzcWlBSE1sVVNu

欢迎关注作者微信公众号：「腾讯ISUX」