1 数据的收集和测试。

现在计划好了，可以进行测试和收集所需数据的了。

如果尚未考虑用户测试的参与者数量，现在是考虑这样做的好时机。

理想的样本量将根据您的时间和预算而有所不同，可以分为定量数据和定性数据。
定量数据（如网站分析、A/B测试、多变量测试、调查和热图）用于衡量性能，而定性数据（用户访谈、用户足迹、竞品分析和社交媒体反馈）揭示用户行为背后的原因。

例如，10 人的样本不足以为 A/B 或多变量测试得出任何可靠的结论。

另一方面，对于定性访谈，这是一个有价值的目标，可以从少数人那里获得丰富的见解，更不用说 10 人了。

一个好的一般经验法则是样本量越大越好。大样本可以更好地了解您的用户群，因此您可以对自己的结论更有信心。

2 定量数据

定量数据是数字的——这是大多数人在描绘“数据”时想到的，因为它适用于技术。示例包括流量级别、跳出率、点击次数、按设备类型或地理位置划分的流量份额等。

定量结果是绩效的客观指标，您可以使用它们来查看是否达到了目标。收集定量数据的方法包括：

• 网站分析：

您选择的网站报告工具可以跟踪任何相关的数据点——所有不断增长的网站都应该正确使用一个。

• A/B 测试：

A/B 测试是用于测试特定设计更改（如颜色更改或页面元素的位置）性能的实验。

在 A/B 测试中，您创建设计的两个版本，A 和 B，并随机分配一半的访问者查看设计 A，另一半分配给设计 B。然后，跟踪两次迭代的性能。有关更多详细信息，请参阅我们的 A/B 测试指南。

• 多变量测试：

此方法类似于 A/B 测试。但是，A/B 测试适用于更改一个设计功能，而多变量测试则用于测试对元素或页面的多个设计更改。

• 调查：

您可以在用户旅程的各个阶段（例如购买后、注册帐户后或在网站上花费一定时间后）在您的网站上放置指向简短调查的链接。调查可以要求客户对他们的体验进行评分，或者他们完成所需操作的难易程度。

热图：热图直观地指示用户在您的网页上的互动位置 - “热门”部分（红色）吸引最多关注：

调查：调查对于开放式回复非常方便。在您的网站上完成一个过程后，许多用户会对此形成意见。使用调查来捕捉这些新鲜的感觉。

• 采访：

面试可以采取多种形式，从结构化或半结构化对话到焦点小组，再到卡片分类和情境探究等活动。所有这些都可以更全面地了解典型用户的心态和思维过程。

• 用户流：

用户流是用户完成网站上的任务时必须遵循的一系列步骤和页面。如果您的文档中有流程图表示的流，请将它们与访问者的实际交互进行比较。您的设计是否减少了混乱并简化了任务？

3 定性数据

您可能认为定量数据已经足够使用，事实可能确实如此。
但是，如果你想了解用户为什么采取他们所做的行动，你也需要将定性数据纳入你的研究中。

定性数据是您无法直接用数字衡量的任何数据。它告诉我们用户在想什么，以及为什么他们在使用您的网站时会有某种感觉。

因此定性数据可以说明原因和发生过程。

这些知识与随附的定量信息一样重要。想象一下，将图像添加到您的 CTA 会增加点击次数——为什么会这样？

用户在看到预览后是否感觉更舒服？这张照片是否首先使CTA更加引人注目？

这些见解对于为未来的设计和测试提供信息非常宝贵。

以下是获取定性见解的一些方法，这些见解可为结果提供上下文：

现有网站可以评估其现有网站或暂存网站上的意见。如果建立一个网站，你需要分配时间来创建原型、数字和/或纸张。

• 1 用户足迹、流程图

记录用户的使用过程，创建用户使用模型是非常有帮助的方法。

从用户流程图中收集到的信息有助于确定潜在的薄弱环节，为 A/B 测试或用户访谈的深入调研打下基础。

• 2 竞品分析

找出竞争对手竞品弱点的附加方法。竞品分析通过调研竞品来找出类似产品的优势、劣势或有待改进的地方。

在进行竞品分析时，必须谨慎。一味地模仿竞品并不是一个有效的解决方案。相反，最好将竞品分析作为获取灵感的手段。通过对竞品的理解，我们可以取长补短。

• 3 用户访谈

用户访谈是收集用户定性数据的有效方法。
它通过开放式和封闭式的问题，较好地定位到用户核心问题。

同时，我们也要限制访谈对象的数量。
电话或面谈能够得到更深入的数据。

• 4 社交媒体和用户反馈

社交媒体反映了用户对体验的期望。通过了解用户共同的不满，能够确定产品需求的优先级。了解用户对产品的评价和反馈，也能获得更多的相关信息。

收集数据的方法需要根据项目的内容和需求而变化。
我们不应该只是基于数据进行盲目的决策，而是要对自己所做的决策知情知理。

数据驱动设计有助于提高产品性能，提高转化率，满足用户需求。
这能使得到更好的投资回报率。也有助于提高产品整体的使用率和复用率。

2 数据的分析和审查

• 审查和分析数据

将检验结果与假设进行比较：

定量结果是否达到了预期结果？

您的定性结果是否揭示了原因或原因？

即使是零结果也能提供价值——它们表明这种变化是无效的或无关紧要的，并且可以塑造未来的实验。

最简单的方法是什么？观想它！为团队成员和利益相关者绘制您的发现，以便更好地理解。

改进（或缺乏改进）的可视化表示比具有相同信息的普通数字表更具冲击力。

为了更客观地了解结果，请考虑运行统计显著性的测试。

这些将告诉您结果是否与您的设计更改相关，或者是否更有可能是由于偶然性。

您可以选择将任何结论保存在设定的时间点，例如，在实际运行测试一个月后。

或者，您可能更愿意无限期地进行测试并滚动评估结果。

但是，最好在整个测试过程中定期检查指标，以防设计更改导致需要尽快恢复的快速且有害的结果。

4 小结

如前所述，每个小的设计更改都是朝着发展网站的更大目标迈出的一步。

产品会改变，品牌也会改变，设计偏好和用户的偏好也会改变。

甚至整个技术也会发生变化，正如我们从搜索算法更新和移动浏览的兴起中看到的那样。

只要业务、用户和互联网不断发展，就可以从数据驱动的方法中提取解决方案。

因此，唯有继续假设、调整、测试和改进——但是结果是值得的。

参考

https://uxdesign.cc/data-driven-design-providing-optimal-user-experience-4fdd31d51a00