高手都有的数据思维，用腾讯实战案例帮你学会！

扫一扫
官方手机版

扫一扫
AI创作程序

扫一扫
木子公众号

扫一扫
AI公众号

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：

△ 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，不适合大刀阔斧地进行版本优化；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 A/B test 和数据验证的过程。

当然更大功能的迭代需要收集数据信息，进行数据分析，结合定性方法，再进行上线测试数据验证，越科学严谨越好。因为分期还款流程简单，因此着重关注改版数据验证。

明确目标

对于设计方案来说，明确目标是第一步。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，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）

△ 分期还款银行不断接入

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。

△ 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。

△ 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。

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：

△ 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。

△ 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。

△ 方案改造前后对比

△ 试算、完成、账单记录全面优化

上线测试

在此次方案上线的过程中，我们将新旧版本作为 A/B test 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 A/B 方案用户包，限定测试时间，以保证在单位时间内，A/B 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。

△ 上线的A/B test方案

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。

△ 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 A/B 方案的热力点击图对比：

△ A/B 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。

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。可以更好地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. A/B test 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 A/B test 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。

参考文献：

• 《Becoming a data-aware designer》

欢迎关注「腾讯FITdesign」的微信公众号：