无论是对行业趋势的把握，还是对同行竞品的分析，我们之前一直在尽可能地收集外部信息，促使我们在UXD上“设计对的事”。现在，我们把眼光投向内部，以“数据驱动设计”来帮助我们开始收敛设计问题。无论如何，我们都是为了在设计中把握用户正真的需求，让产品/服务获得更多的市场占有率及利润。

那么何为“数据驱动设计”？直白地说，就是围绕我们的用户，采集相关的数据进行分析研究，以此帮助设计团队更清晰地把握用户画像，发掘用户痛点，以数据为基础确保设计方向的正确。

而且根据麻省理工学院数字商业中心的研究表明：“在通过数据驱动决策方面，处于行业领先地位的前三分之一的公司，其平均生产效率比竞争对手高5%，盈利能力高6%。“

尤其在UX设计中，本身围绕着提升用户体验进行的设计，以数据为基础对用户进行洞察更显必要。因为第一，任何设计师都无法准确无误地掌握用户的需求，数据驱动设计能够帮助设计师很好地验证他的设计假设，也为他的设计提供了客观有力的数据支持；第二，在数据收集和分析的过程中，也是设计师了解用户行为和状态的一个过程。这使得设计师可以准确客观地了解到用户痛点，从而通过产品/服务设计得到解决与改善；第三，很多人觉得数据驱动设计压抑了设计师的创新，其实恰恰相反，数据防止了设计师的想法太“出格”而无人受用，也能更好地说服客户去实施设计师的创新方案。 那么如何使用数据驱动设计呢？首先我们要收集到数据，数据一般分为定量数据和定性数据，两者是通过对应的定量调研和定性调研获得的。

定量调研是利用统计或者计算机辅助等方法来对指定的市场或者产品进行调研，以消费者的行为或者观点产生的数据作为基础，最终通过数学统计的方式来获取调研结果。它展现的数据类型是数字、人物、时间、地点、事物。定量数据能显示程度，而不能说明原因。

在定量调研中，除了传统的问卷调研获取数据，随着企业数字化程度的加深，我们也可以通过埋点对定量数据进行获取。每当用户与界面发生交互，能够获取用户信息的触点就是用户数据的直接来源，而建立这些触点的方式就是埋点。

目前比较科学合理的埋点方式分为：全埋点、代码埋点和导入辅助工具三类。埋点适合于产品运行过程或者创建设计模型对其进行验证时，能够通过埋点采集的数据及时反馈进行分析，对产品/服务进行迭代优化。

定性调研是指收集、分析和解释不能被量化的数据或不能用数字概括的数据，主要用于某个问题最初的洞察观点、意见和理解。比如为什么不同的内容会让用户停留的时长不同，为什么不同组用户会采取不同的行为，帮助我们了解发生了什么，以及事件发生的过程及原因。

定性研究的数据采集方式相对更丰富，我们可以运用访谈法、参与式观察、文本分析、话语分析、民族志等方式来进行。其中用户访谈比较普遍、有效。它可以通过开放式和封闭式问题，定位到用户的核心问题。

在UX设计中，为了理解用户与产品之间的交互，使用用户旅程图创建用户使用模型也是非常有用的方式，这样在采集数据的过程中，我们就能快速确定潜在的薄弱环节。

在拥有了数据之后，就需要运用相应的数据分析法对其进行理论推导，从而揭示用户行为的内在规律，以此辅助设计变得准确客观，贴合用户本身的使用过程。

在使用定量数据进行分析的过程中，我们可以运用漏斗分析、点击分析、分布分析等方式从不同维度和指标对数据进行运用分析。

在可有效运用于UX设计的数据分析里，点击分析是应用一种特色高亮的颜色形式，显示用页面组区域中不同元素点击密度的图示，包括元素被点击的次数、占比、发生点击的用户列表，从而呈现出用户热衷的区域。在界面设计的过程中无论是视觉色彩呈现还是内容形式的编排上，决策出更受欢迎的版本，或是进行有效的优化改版。

在UX设计的持续优化中，分布分析是用户在特定指标下的频次、总额等的归类展现。它会按时间、次数、事件、指标对用户进行筛选及数据统计。通过这种方式的分析，我们可以充分发掘用户分布、访问规律，以此与实际的设计策略做出结合，优化产品/服务的设计策略。

在使用定性数据进行分析时，我们一般会运用内容分析、专题分析、文本分析、话语分析这些方式来进一步辅助设计产生更多新的、不同的想法。

在内容分析中，我们可以在描述和分类定性数据中发掘出用户的常用词、短句与观点，从而使我们从另一个角度看待设计的产品/服务模型，从而产生更人性化的设计。

在文本分析中，我们可以通过检查文本的内容、结构和设计，来把握设计发展多年以来的趋势与变化，从而预判出接下来的设计趋势。

无论是定量/定性调研还是分析，这些数据模型都在帮助我们更加靠近用户，依靠数据建立起用户的画像，从而为设计师的设计提供客观的基础与有效的支撑。如果在设计之初想法太多的时候，不如根据数据分析建立起来的用户画像，理解用户需求，想象用户使用场景，剔除多余的想法路线，集中精力解决核心用户面临的问题。