以量化數據驗證數位產品設計成效的四大學習面向
最近與 Productlife 內部的設計師聊到該如何用量化的方式輔助驗證設計,我根據我自己的經驗稍微整理出以下四點,感謝我們的設計師提供速記:
- 定義評估指標:去認識各類產品的常見顧客生命週期長什麼樣子,各個階段和不同的功能都會影響要看的數據是什麼,這可以從精實數據分析這本書了解
- 實驗設計:要知道自己要量測的東西是什麼、假設是什麼、該用什麼方式驗證,以及預期的結果是什麼。除了描述型資料,最好會利用統計學方式檢驗差異在統計上是否顯著,以及分析是否具有檢定力,以確認此次設計是真的有影響數據
- 數據工具:使用埋點(GTM)與分析服務(GA, Amplitude, Clarity, Excel),基本資料搜集不求人,如果知道怎麼跟後端溝通更好,因為有些流程還是需要後端的協助
- 取數溝通:與 PM/工程師合作拿到資料庫裡的使用者資料時,需說明你需要的數據與呈現規格,以及這些資料如何幫助設計。規格是指你的各個欄位名稱(Row & Colunm Name)、數據的單位與格式、時間範圍、時間間隔(每小時/每日/每週/每月)等等
這邊主要是講數據分析,但常見的「問卷」也會被運用在量化分析哦!這邊先不細談。
在實驗設計的部分我提到最好能學會用統計方法,個人認為這個是看情況,因為學統計對許多人(包含我)是一個非常痛苦的事;再來,分析的結果到底是不是可以直接採納,也有很多因素需要考量,如果能夠請團隊內對統計比較熟或本身就是分析師的人分擔會比較省事。蠻多公司可能沒有分析師的編制,因此網路上有一些工具就是設計來解決此困境,但要知道工具怎麼用、結果怎麼解讀,還是得具備基礎的統計觀念。
A/B Testing 應該是設計師最常想到的驗證方法,其中所需的基礎統計觀念和大致流程可以參考 Lucas Hsieh 的文章:
書單
- 推薦必讀:精實(精益)數據分析
認識顧客生命週期、產品生命週期,以及各個產品型態的關鍵指標,才能理解數據對產品設計的意義是什麼 - 部分推薦:善用數據幫你打造好設計
這本用的是大型科技公司的視角講數據分析(而且著重在 A/B Test),所以無論是數據量、團隊合作模式、執行規模,都是許多公司無法參考的,不過因為他全書用一個故事貫穿,可以比較輕鬆的吸收實驗設計的大致邏輯,所以有興趣還是可以看看 - 通識:商業思維 BUSINESS THINKING
這本其實我沒看完,但基本上算是給讀者一個為什麼要思考數據以及思考數據對企業的幫助是什麼的觀念 - 如果對量化分析想有更深入的認識:如何衡量萬事萬物
這本我也沒有全部看完,當成工具書來翻,許多量化分析的觀念在此都有淺白的說明,但他仍然不是一本統計教科書,並不會教你各種假設檢定的方法(這是大部分統計課在教的東西)
補充
兩種分析時的思考工具
- GoGet 整理的費米估計
費米估計常用於你沒有真實數字可以參考,卻需要一個數字來幫你做決策的情境,透過有邏輯的建立推論框架,可以估出一個「合理能接受」的數字 - GoGet 整理的架構式分析
大部分的參考資料會跟你說一個非常通用的指標,例如留存、互動、消費等等,但每個產品各自會有不同的影響因素,多數時候我們並不知道到底哪個部分會真的影響觀測的指標,因此就需要經歷提出假說與驗證假說的循環,此時透過架構式分析就可以有邏輯的建立初步的假說框架
參考文章(有很多,我只放了比較新的)
- 我之前的文章〈產品設計師怎麼應用管理顧問都在用的假說思考與架構式分析〉
- 白羽平 的文章〈初嚐數據驅動的產品開發流程〉
- Peter Su 的《產品指標系列:一、二、三+番外篇》(可優先看第二篇,與設計的層級比較相關)
如果上面的相關資源你都看過了,你大概會感覺,天阿怎麼「設計師的工作越來越往產品經理或產品分析師靠近」。其實了解這些不是要讓設計師成為這些角色,而是能夠理解這些角色與設計相關的任務,與他們溝通,這些絕對都對設計有幫助。
我並沒有提供數據分析工具的教學資源,因為我認爲在碰工具以前,知道自己該分析什麼與分析的邏輯架構才是更重要的。等到真的要開始學習時,基本上我認為最容易的方式還是做中學,會比考證照有用許多!之後我會再簡單分享近期整合一些工具(GTM、GA 、Amplitude 與 Google Data Studio)進行數據分析的經驗。
以上就是本次的筆記加簡單分享,大家如果覺得可以補充的歡迎留言補充或提供修改建議!
加入 Productlife
Productlife 正在招募新夥伴:UX Researcher、UI/UX Designer、Growth Lead 與 Growth Marketing Specialist,歡迎與我們一起打造全新的職涯成長與知識學習體驗!
有興趣的點此連結可以看到完整的介紹 >> 查看更多職缺內容