
数据思维
|
17
正如前言中所提,我们期望数据学家、设计师、用户研究院以及其他人能够参与用户
行为的对话讨论中。在设计中运用数据,并不是为了最终替代设计流程以及设计师擅
长的部分,而是提出一个不同的角度看待设计对用户的影响,提升设计的价值。
A/B
测试无法回答所有的问题,但针对一些其他方法或实践无法回答的问题,它却能给出
答案。实际上,
A/B
测试和其他设计评估流程非常类似。运用得当,它将是创造性的、
可持续迭代且能够提供价值。本书将帮助你通过这种方式着手实践
A/B
测试。
关于数据的三种思考
继续之前,我们想指出一些数据与设计的不同定位,介绍三个术语:
数据驱动
、
数据
启示
及
数据感知
。
数据驱动
与
数据启示
比较类似,但我们额外提出了一个术语——
数据感知
。关于
数据
驱动
与
数据启示
差异的最好描述之一来自于
Andrew Chen
,一位人气颇高的在线营销
写作的博主。他在一则“了解数据启示与数据驱动的差异”
注
1
的文章中,解释道:“在
我看来,它们的差异性在于你将数据看作混乱问题的一个部分,使用成千上万不断变
化的变量解决问题。尽管数据是具体的,但往往存在系统偏差。这个工具也不合适,
因为并非所有问题都是优化问题。仅考虑能够衡量的部分,通常会使你忽略问题最重
要的部分。”
从这个角度出发,我们给出了一些建议性的定义。
数据驱动
设计,指通过收集的数据来决定(换句话说,驱动)设计决策。在一些情况下,
这是正确的思路。实验收集的数据有时可以解答团队中不同类型的提问,而数据结果
则直接反映出一个明确的最佳设计决策。
假如你在清楚了解所面临的问题、目标,以及有一个明确希望获得答案的问题的前提 ...