科学区分设计对错数据思维教你步验证

　　不管是在产品的成长初期探索方向，还是产品的成熟期商业化阶段，使用数据思维都可以帮助产品快速迭代，调整方向。
　　日常工作中，在产品原型设计阶段，很多时候产品经理和设计师评估设计方案，会存在隐忧：
　　设计方案的改进方向对吗，为什么一定要改掉旧版？契机到了吗？
　　设计方案一改再改，多个版本到底哪个方案更好？好在哪里？
　　这是因为设计师在处理设计方案的时候，大部分采用了用户访谈，竞品分析，可用性测试甚至直觉经验判断等定性的方式，即使使用定量问卷，也无法直接询问哪个方案更好？这种用户容易说谎的问题。这就使得设计方案的推导具有一定的主观性，在C端产品的设计中尤为容易遭受质疑。
　　体验设计要更科学，就要求设计师培养起数据意识，将体验设计当成一场实验，讲求从产品数据中发现问题，找到问题信息，并最终验证方案的有效性。
　　不管是在产品的成长初期探索方向，还是产品的成熟期商业化阶段，使用数据思维都可以帮助产品快速迭代，调整方向。如何进行数据思维的方案设计呢，可以归类为一个框架：
　　图1数据思维的框架
　　比如：微信信用卡还款是一个体量较大的成熟期产品，一方面用户养成了固有习惯，不适合大刀阔斧的进行版本优化；另一方面，小的体验改动也不一定会带来数据的提升。
　　因此就对应了文章开头所说的隐忧，这个时候采用数据验证的方式来进行一些设计方案的判断，是比较合适的方法。
　　下面我将结合最近在做微信信用卡还款分期还款改版的产品案例，按照上述框架，详细讲解一下进行版本ABtest和数据验证的过程。
　　（当然更大功能的迭代需要首先收集数据信息，进行数据分析，结合定性方法，再进行上线测试数据验证，越谨慎科学越好。因为分期还款流程简单，因此着重关注改版数据验证。）
　　一、明确目标
　　对于设计方案来说，明确目标是第一步的。这个目标可能脱胎于产品大的方向，比如拉新、活跃、商业化等等，对应到具体的产品流程中，可能就是提升转化率，提升客单价，提升用户粘性等等。
　　拿本次要改进的分期还款设计来说，分期还款既是一种为用户提供的还信用卡的补充方式（用户价值），又可以通过和银行合作获得分润（商业价值）。
　　分期的接入有一个过程，从2016年到现在，有一个银行递增的过程。功能搭建完成后，分润模式可以帮助我们明确分期方案的业务目标为：提升用户分期笔数。（至于目标设定的道德伦理和诚实设计，是另一个话题了）
　　图2分期还款银行不断接入
　　二、发掘问题机会点
　　明确目标之后，需要对产品流程进行分析，进行指标的进一步拆分。看一下流程中哪些指标的提升有助于目标的实现，比如在分期流程中，提升用户笔数可以拆分为：增加分期用户的数量和点击用户的转化率。也就是在流程中的第二、第三步是最容易完成目标的，缩小了问题的范围。
　　图3分期流程图
　　理想的情况下，针对第二步和第三步可以有很多种方案，针对关键信息进行排列组合直到找到最优解（如谷歌设计冲刺等方法可以提供帮助）。
　　但是在本次改版里，我们可以通过走查线上版本定位体验问题，提出改进假设。同时线上数据走查也为后续对比做准备。
　　图4线上分期还款页面走查
　　走查后，通过定性分析和点击数据总结问题如下：
　　入口弱分期还款放置在更多还款方式中，用户浏览量低；
　　金额不清晰页面中出现能分期的金额和每期要还金额手续费，且有可能与前一个页面中的本期要还款的总金额有差距（因为银行分期金额是由系统测算给出的）；
　　用户试算不便在选择分期的期数和金额对比之间存在间隔，多种分期期数是隐藏的。
　　三、提出假设
　　要提升的关键指标已经拆分：增加分期用户的数量和点击用户的转化率。
　　要解决的页面问题点也已经达成共识，此时就可以着手提供一个方案了也可以称之为一个假设。
　　方案假设需要关注以下信息：
　　（1）核心用户群（用户标签和分类）
　　在本次分期用户中核心用户群的提取不在此赘述，一是因为分期银行用户包本身有一个区分；二是由于时间问题没有提取完整用户画像，后续接入bi系统再进行仔细盘查。
　　（2）需要优化的变量
　　本方案中主要是对分期中用户最关心的变量期数和手续费的展示进行了优化。
　　（3）方案要实现的目标是什么
　　也就是方案设计之初，我们想得到什么结果。上文中已经提到了，增加平台的商业收入，为此要提升分期还款的笔数。
　　（4）方案设计的依据是什么
　　在设计方案的时候，制定了设计原则，如下图：
　　图5设计原则
　　设计原则是在第二步做问题定位的时候推导出来的，作为后续方案产生的依据。
　　图6界面元素规划
　　需要注意的是在A和B方案之间尽量控制变量，单一变量的差距越明显，结果越具有说服力；反之，多种变量导致的对比越模糊，结果就会越模糊，因为没有办法追溯到底是什么影响到了结果。
　　在本次分期还款改版中，我认为最需要对比的变量为：分期期数和金额的对比，它对用户的转化有直接影响。因此在设计方案的改进中，也着重优化了这块内容。
　　（5）观察什么测试结果（测量结果对比）
　　在本方案中观察的结果对比是分期试算页面提交按钮的点击量，以及最后整个分期转化率的对比。
　　图7方案改造前后对比
　　图8试算、完成、账单记录全面优化
　　四、上线测试
　　在此次方案上线的过程中，我们将新旧版本作为ABtest同时在线上进行灰度测试，用以对比单一变量分期期数和手续费不同展示情况下，对用户分期笔数的影响。
　　除了制定灰度策略，还需要控制AB方案用户包，限定测试时间，以保证在单位时间内，AB方案的用户质量、用户浏览量基本一致，这样的数据才具有对比性。还要避免在后期拉取数据的时候出错，或者数据差距太大失去可比性。
　　本次前端小伙伴先上线了针对两家银行的白名单，然后制定了10的灰度策略，全程监测无问题后逐步放量灰度直至各50，灰度一周后进行了数据收集对比。
　　图9上线的ABtest方案
　　五、结果分析
　　分期改版的结果如何呢？可以认为这是一个成功的改版，因为预期的结果（用户点击和转化提升）得到了验证。同时因为是商业化项目，转化率的提升意味着实实在在的业务收入增加。
　　图10界面数据提升和总的数据提升
　　关键结论：
　　入口从更多还款方式中提出来后，用户入口点击提升3。61倍；
　　用户试算分期方案页面点击转化提升24。20（同比）；
　　用户的分期笔数比上个月同期提升了5。92（同比，基数达到一万笔以上）。
　　同时进行了AB方案的热力点击图对比：
　　图11AB方案热力图对比
　　在热力图中可以看出：
　　A方案（旧版）用户点击页面较为凌乱，而且在很多不是操作区的地方也有点击；
　　B方案（新版）用户点击更为集中，基本上在分期期数和金额对比上。而且选择方案跟系统的推荐方案很接近。一开始的猜想得到验证。
　　六、总结和后续
　　数据验证设计，并不是说每个设计师都需要精通统计学，深入研究数学问题，而是尝试一开始用数据的思考方式来进行一个方案的目标设定、问题点分解、方案设计、上线验证。
　　可以称之为以终为始服务业务的一种方法。可以更好的帮助设计师与业务方沟通，证明设计的价值。
　　后续我也会更多的从已有数据的采集分析来进行设计推导，进行更科学的设计。总结以下几点经验可以给后续复用：
　　（1）ABtest适用于测试单一元素变量
　　如文案、操作、图片的场景，较长流程需要进行拆分测试，以准确定位到影响元素，找到最佳组合。
　　（2）少量数据依然有效
　　即使短时间内只产生少量转化，仍然能很快确定用户最喜欢哪个版本，同时要把控测试耗费时间、人力，不能滥用。
　　（3）成功元素具有可复用性
　　如使用ABtest找到为服务带来好的转化的表单或页面设计后，应该在后续复用，或进行升级。
　　（4）大大降低改版风险
　　在重大决策或意见分歧时，避免风险实现资源利用率的最大化。
　　最后
　　数据不是万能的，但是数据可以帮助我们。
　　我们发现一件事，增加你测量的东西的数量或者提升你测量的保真度，并不能带来确定性。因为它实际上并没有产生新的东西，来说明这个比那个好。它只是揭示了更深层次的复杂性，涉及到了更多的内容。然后它就变成了一种平衡。我们仍然需要有直觉，我们仍然需要判断什么是重要的，什么是不重要的。
　　JonWiley，谷歌沉浸式设计总监
　　参考文献：
　　Becomingadataawaredesignerhttps：uxdesign。ccbecomingadataawaredesigner1d7614ebc3ed
　　互金公司如何用数据验证产品设计？http：www。woshipm。comdataanalysis602540。html