大數據時代的互聯網產品設計決策初探

（江南大學 設計學院 214122）

移動應用、物聯網傳感器與可穿戴智能設備呈井噴式發展，使數據量以超出人們想象的速度快速增長，互聯網相關行業進入大數據時代。互聯網產品設計是一個迭代式的問題求解過程，是多環節、漸進式的，每一個設計環節都需要設計決策來推動設計有序進行，每個環節的設計決策都會影響產品的最終成敗。大數據時代，個體小數據通過各種網絡互聯匯聚成大數據，大數據具有體量大、種類多、速度快的特征，越來越多的信息蘊含其中，海量的數據資源和成熟的大數據分析方法所挖掘的數據價值能為決策者提供更為有力的決策支持。

一、 大數據與設計決策

1.大數據的概念

大數據的特點是數據的全面、豐富、深度和連接，通過打通各個垂直行業的數據之間的數據洞察數據背后的相關性，預測未來發展。專注于大數據分析與整合商業解決方案的天睿公司提出了IDA方法論，即通過對數據的整合、探索，使其轉化成為決策行動，最終幫助企業建立制勝未來的核心競爭力。

隨著互聯網與移動設備的普及，用戶在網絡上留下的痕跡愈發完整和豐富，將一個人的網絡數據串聯起來就能完整的還原出這個人。由個體小數據匯聚而成的大數據客觀、實時，覆蓋面廣，能夠更加廣泛的反映人們的認知、行為和情感訴求。大數據時代誕生了新的數據源例如地圖軟件中的事實定位數據、社交應用中的社會關系數據等，并讓多源數據打通成為現實，使得數據能夠產生更大的價值。

2.設計決策的概念

設計決策是將成熟的經濟學決策理論引入產品設計開發領域形成的方法論，國外學者從20世紀90年代開始進行深入研究，并構建了基于決策的設計方法體系（Decision-Based Design，DBD）。產品設計開發是產品性能設計與企業有限資源的權衡和博弈，產品設計的本質就決策活動，將設計過程視一系列決策活動已經成為共識。

二、基于大數據的互聯網產品設計決策過程

互聯網產品設計是一個漸進、迭代的過程，主要分為五個階段：用戶研究、需求分析、設計方案、方案開發、產品發布上線，這是一個非線性的周期循環過程，通過不斷的迭代優化來使產品具有自然的使用過程，愉悅的使用體驗。對于互聯網產品設計，每個設計節點及迭代都需要決策行為，每個階段的設計決策既是該階段的結束又是下一階段的開始（見圖1）。客觀理性的大數據能夠確保決策的科學性，推動設計循序漸進地達到目標，分為以下五個決策步驟。

圖1 互聯網產品設計決策過程

1.用戶畫像決策

充分了解用戶數據是以用戶為中心的互聯網產品設計的決策前提。用戶數據包括用戶的人口特征數據、行為數據和場景數據。人口特征數據用于描述用戶的性別、年齡、學歷、職業等基本情況；行為數據指用于描述用戶的行為狀態；場景數據反映了用戶的位置、時間、周邊環境等信息。通過對用戶數據進行過濾、聚合，決策者敲定代表目標用戶群體的特征的用戶畫像。大數據是多來源的數據的連接，具有十分豐富且細致的數據維度，通過大數據分析能夠高效準確的完成用戶畫像決策，具體步驟如下：（1）通過人口特征維度的反復交叉組合能夠找出特征最顯著的維度組合；（2）在這個維度組合里找到對該產品需求度最高的用戶類型就是目標用戶；（3）分析目標人群的行為數據，挖掘用戶偏好；（4）通過抽象用戶特征完成用戶畫像決策。

2.需求決策

用戶需求由用戶自己表達的顯性需求和根據用戶畫像洞察的隱性需求共同構成，需求搜集應全面細致。KANO模型是用于需求分類并識別需求重要度的方法，將用戶的需求類型分為五類：必備需求，期望需求，魅力需求，無差異需求和負面需求。決策者通過需求調研所得的調研數據（功能需求類型及功能需求度）、需求投資回報比和自身對目標用戶的理解，完成需求篩選、分類和優先級排序。大數據是個體小數據的集合，大數據分析的價值一方面在于發現用戶的個性化需求，在內容決策方面形成可增值的定制化內容服務，譬如淘寶首頁的千人千面服務，根據用戶的搜索、瀏覽數據預測用戶可能需要的商品進行商品推薦。另一方面，大數據分析能預測用戶自己都未曾感知到的隱性需求，通過梳理多個數據流之間的數理邏輯關系，以各種不同的方式混合數據，挖掘數據之間的潛在關系，捕捉和預測用戶的潛在期望，進而形成能夠擊中用戶興奮點的魅力需求決策。

3.設計方案集決策

借助大數據分析和 A/B test、可用性測試等方法所得到的測試數據對設計方案進行評價，決策者可以確定最合適的產品形態、信息架構、操作流程、信息布局、視覺風格、配色，形成一個最終投入開發實現的設計方案集。產品形態有APP、小程序、H5、網站、PC客戶端等，大數據時代，根據目標用戶群體的場景數據和競品數據能夠確定目標用戶使用該類互聯網產品的典型使用場景，進而確定一種或多種產品形態。交互設計是對用戶交互行為的設計，需要確保用戶操作的流暢性，在用戶研究和需求分析階段的數據分析的基礎上，根據用戶留在網上的大量的行為數據分析出目標用戶的行為規律進而預測用戶行為，結合測試數據，判斷最符合用戶認知和操作習慣并能引導用戶完成任務的信息架構、操作流程和信息布局。視覺設計需要確定視覺風格、配色滿足產品調性和用戶審美偏好，以數據分析得到的用戶風格偏好、色彩喜好輔助視覺風格和配色的決策。

4.產品發布決策

通過評審的設計方案經過技術開發、驗收合格后成為可對外上線的產品，接受市場和用戶的檢驗。產品正式發布上線前，決策者需要決定產品的上線時間、推廣策略來以最小成本獲取盡可能多的匹配度高的目標用戶。通過實時的大數據分析，可以判斷出一個用戶對現有產品的粘性尚未消退，但是用戶需求層次有提升趨勢的最佳時間節點，輔助進行新產品發布時間決策。

5.迭代優化決策

開爾文曾說過“不能度量，就無法改進”，體現了數據在產品迭代優化中的重要性。產品上線后，用戶可以觸達并使用產品，隨之會產生大量的操作行為數據。其中一類數據是產品中的定量數據，典型的有流量（某一段時間的訪問量）、轉化率（完成目標任務與總訪問量的比率）、跳出率（瀏覽了一個頁面就離開與總訪問量的比率）。另一類數據則是用戶在界面間的瀏覽日志留下的瀏覽行為數據以及用戶的點擊行為形成用戶的點擊行為數據。

定量數據能夠反映產品的定位、內容以及投放渠道是否契合用戶的當下需求，可以作為新增需求或顛覆現有設計的決策依據。用戶的瀏覽、點擊行為數據反映了用戶操作方式，可以作為產品信息組織優化的決策依據，例如根據用戶在不同界面間跳轉數據來改進產品的導航設計，根據用戶對某個按鈕點擊數據來調整按鈕的位置和尺寸。大數據分析為迭代優化決策方向的正確性提供了保障。

三、結語

設計決策對互聯網產品的成功與否起著至關重要的作用，大數據時代的到來使得決策思維走向智能化。大數據技術的發展為海量多源數據的獲取、清洗和分析奠定了技術基礎，通過大數據分析挖掘數據背后隱藏的用戶需求、行為和態度，能夠為互聯網產品設計決策提供更可靠的依據，降低決策風險，形成更細致的用戶畫像、更深入的需求分析、更匹配的設計方案、更合適的發布策略、更準確的迭代方向。大數據是一個輔助決策的工具，也與用戶隱私息息相關，所以要注意數據的監管，合法合理地使用數據。