設計師為何要看數據？因為設計服務於用戶，數據是用戶目標、行為、態度的量化映射。本文拆解數據在設計三階段——設計前發現問題、設計中判斷思路、設計後驗證方案——的具體應用方法，並以 1688 實戰案例演示全流程閉環。

一、為什麼設計需要數據？

藝術表達自我，設計服務他人。了解用戶目標、行為、態度是設計前提，數據是最高效的了解途徑。無數據設計 = 主觀臆測（YY），有數據設計 = 有理有據的決策。

二、數據在項目三階段的角色

階段 1：設計前——數據發現問題，鎖定目標

對比是發現問題最簡單有效手段。1688 案例：
• 交易關係買家搜索支付轉化率 = 全站搜索轉化率 2 倍 → 增加「老賣家標籤」
• 普通會員、1-2 星會員是提升交易關鍵人群 → 針對性優化體驗

業務訴求與用戶訴求衝突時，尋找交集：如「用戶規模增長」與「個性化服務」看似對立，實則優質個性化 → 口碑傳播 → 規模增長，形成正向飛輪。

階段 2：設計中——數據判斷思路，決策方案

同一問題多種解法，數據做決策參考。ye.1688.com 頻道首頁轉化低，根因：用戶從全品類首頁進入，再找女裝類目，路徑過深。兩種思路：
A. 首頁加女裝直達入口（需跨部門協作，外部依賴強）
B. 頻道首頁個性化推薦女裝商品（內部可控）
數據驗證 B 可行性：
• 2/3 用戶有明確行業偏好 → 個性化覆蓋率高
• 問卷 3 成用戶願意定制偏好 → 兜底機制可行
決策：採用 B 方案。上線後 70% 用戶無需定制享精準推薦，10% 主動定制。

階段 3：設計後——數據驗證方案，閉環復盤

GSM 模型支撐驗證：
• Goal (目標)：設計要達成什麼結果？
• Signal (信號)：目標達成會出現什麼現象？
• Metric (指標)：對信號量化，設定閾值。
案例：找產地功能，用戶說習慣地圖找，設計「產地直達」樓層。上線後數據顯示：地圖交互率低、列表點擊率高 → 用戶說法≠真實行為。數據修正認知，後續迭代聚焦列表優化。

三、數據化設計避坑指南

• ❌ 單一指標決定論 → ✅ 多指標交叉驗證（如：轉化率+留存+滿意度）
• ❌ 信用戶自報行為 → ✅ 觀察實際操作行為（鏡像神經元原理）
• ❌ 數據替代設計判斷 → ✅ 數據輔助決策，設計師承擔最終責任
• ❌ 忽略樣本偏差 → ✅ 關注樣本代表性、統計顯著性

數據不會設計，但設計離不開數據。建立「假設→驗證→迭代」閉環，讓每個設計決策經得起數據檢驗，才是數據化設計思維的終極價值。