在項目開發過程中，設計師需要考慮設計方案的最終結果，想要驗證設計結果，必須要一些數據作為依據支撐。
原因很簡單：在項目開發過程中，設計師需要對設計方案負責。
對設計方案的負責要求既要對開始的設計依據負責，也要對最后的設計結果負責。這時候我們需要依靠某些指標去支撐設計依據，以及驗證設計結果。
哪些可以成為指標呢？
設計的最終目的是為了提升產品價值，而對用戶行為的合理設計是產品價值提升的必要且核心手段。所以我們日常方案設計核心其實是用戶行為的設計。
用戶行為設計得是否合理，用戶最有發言權，他們往往會通過以下兩種方式告訴我們：
綜上，數據和用戶研究都可以成為我們的指標。
實際項目開發過程中，用戶研究受環境因素影響較大，公司資源的成本控制、項目迭代周期的節奏都對用戶研究產生某種程度的限制。
另外一方面，用戶研究存在一定的主觀性，用戶是人，有社會性，希望被人喜歡，他們在某個場景下給你的答案，不一定是你真正想要的。所以需要專業嚴謹的方法去獲得相對客觀的結果，這就關系到各種資源成本。
所以，在很多實際項目開發過程中，可能存在沒有條件去利用用研資料來支撐設計的情況。
比起用戶研究，數據的獲取成本相對較小。具有客觀真實、低成本、可持續、獲取周期短等特點，所以使用較為頻繁和廣泛。
這里并不是暗示哪一種指標更加高級，只是比較了兩種指標在應用場景上高低頻率而已。
所以，在實際項目開發過程中，我們較多利用數據去支撐設計依據，以及驗證設計結果。
下圖是我整理的講解思路，貼出來方便大家了解上下篇的文章脈絡，把控閱讀節奏。
確定有效的數據指標
數據指標是指項目上線后需要追蹤的數據集合。
我們往往通過某一標準去衡量或者判斷事物的好壞，同理，當我們完成一個項目的設計后，后期需要拿什么數據去驗證設計的價值或者去為下一版的迭代（也可能是其他數據相通的相關項目）提供依據呢？
那就要求設計師需要為設計方案設定好合理的且有價值的預期，而合理且有價值的的預期就是有效的數據指標。
我一般通過以下兩個方面確定有效的數據指標：
確定有效的數據
用戶在使用產品的過程中，其實是在完成產品本身所設計的一個個或大或小的任務流。
無論是日常的項目迭代還是全新的項目開發，我們產出的設計方案一定是關聯著某些任務流或者任務流中的一部分，而與設計方案相關聯的任務流所產生的數據，就是我們需要考核的數據。
舉個例子，虛擬需求概述：為商品列表篩選欄增加一項品牌篩選的類別。
哪些是需要考核的數據呢？
首先確定任務流，用戶從商品列表開始，有機會使用品牌篩選功能，所以我們可以從列表開始整理用戶的任務流：
商品列表（使用品牌篩選）->商品詳情->訂單詳情->待支付頁面->產生訂單（支付成功）
通過任務流，得到需要考核的數據，如下所示：
通?？己说臄祿S度包含：頁面瀏覽量（pv）、頁面瀏覽人數（uv）、頁面瀏覽路徑、使用時長、訪問深度、頻率和間隔、設定轉化漏斗（考察核心路徑用戶逐級留存狀況）。
如何從考核的數據中提取有效數據呢？要滿足兩個要求：
因為增加品牌篩選，所以會產生與品牌篩選相關的用戶行為數據，也就是品牌篩選功能的使用情況。即1是「增加的數據」，1是有效數據。
增加品牌篩選的目的是方便用戶更快捷高效的找到需要的商品，提高了瀏覽商品的可能性，會直接影響商品列表的點擊（進入商品詳情頁面），分母不變（商品列表頁面），分子在變化（商品詳情頁面），轉化率可能發生變化。所以即2是「被影響的數據」，2是有效數據。
我們再來看3，在2中的分子（商品詳情頁面）在3的數據中已經轉換了角色變為分母，當分母（商品詳情頁面）在變化，也會帶動本身3中分子（待支付頁面）的變化，當兩者都在往一個方向變化時，轉化率本身不會明顯波動。所以，3不是有效數據，同理4、5都不是有效數據。
最后看6，訂單轉化率的分子是訂單數量，分母是某一個購買功能入口的訪問量。由于2->5路徑的逐級轉化，可能帶動最后訂單數量的變化，當分母不變的情況下，分子在變化，訂單轉化率可能發生變化。所以即6是「被影響的數據」，6是有效數據。
為有效的數據建立指標
當確定完有效的數據，接下來就是為這些有效數據建立指標。指標一般包含兩部分：
目標可以理解為「項目上線后，我希望數據的趨勢是什么樣的」。
標志是「什么樣的數據，代表滿足了我希望的數據趨勢呢？」
以訂單轉化率為例，這個時候我需要建立目標：品牌篩選上線后，訂單轉化率提升（提升為數據趨勢）。那什么樣的轉化率代表提升呢？接著，我要制定標志：轉化率提升1%~2%（1%~2%是標志）。
具體數值的多少取決于設計師對于現有產品狀況的判斷。
確定了有效的數據指標后，接下來要解決的問題，就是如何得到這些數據？那就要求需要圍繞數據指標進行數據收集工作。
數據的收集過程其實就是整理數據需求并提供給開發的過程。
整理數據需求
每一個數據的計算都來自于具體頁面的操作事件，所以數據的收集其實是整理和數據有關的操作事件。
在整理數據的時候，我一般記錄兩個部分：
提前建立假設
在整理數據的過程中，我會提前建立假設：「如果數據指標沒有達到目標，我需要依靠哪些數據來分析原因？」。
這樣可以很好的防止后期分析數據的時候，數據缺失的情況。如果等到問題產生了，再建立假設，再開始收集這部分數據，會耗費一部分等待時間，導致問題存在的時間拉長，解決問題的效率降低。
講完了建立數據的方法，接下來說說如何將方法落實到實際工作中。
我在這里共享一下自己的做法，僅供參考。
我的交互方案都是借助 axure平臺完成的，當設計方案交付給開發或者視覺后，我會開始進行項目的數據工作。
我通常會在項目目錄單獨建立一個數據模塊，將設計方案內容拆分為多個任務流，將任務流分類編組，每個任務流組中都包含了建立數據和追蹤數據兩個頁面。
建立數據頁面中就包含了數據指標和收集數據兩個模塊。
下圖以「篩選欄增加品牌篩選操作」需求背景為例的建立數據頁面：
僅為部分截圖，部分虛擬數據已清除，存在的虛擬數據僅為示意，非真實數據，僅形式供參考。
方法只是一種手段，根據經驗、閱歷的增長，也許會不斷優化。核心是「捕捉到數據所帶來的關鍵信息，以提升產品價值為最終目的去利用數據」。
要想成為武林高手，既要有巧妙的招式，更要練就強大的內力。
參考
在線客服1號
微信公眾賬號