很多设计师从来不看数据，有可能没有数据可看，也可能根本不想看数据，或者看了数据却发现对设计没什么作用，但也一样能把设计做得很好啊！设计本来就有感性的一面，为什么非得和数据扯上关系呢？

• 商业产品需要更理性的设计，数据是理性化的一种途径。

• 设计师是感性的，数据可以帮助设计师提升设计的正确率。

• 设计需要了解用户，数据是了解用户的一种方式。

数据虽然不是做好设计的充分条件，但是善用数据的设计师更有可能把设计做到极致。

在过去的几年里，1688UED团队在数据辅助设计方面做了很多尝试，建立了用户体验质评价的“5度”模型，沉淀了数据在设计中的一些应用经验，总结了数据应用的一些技巧，未来我们希望在用户体验的商业价值方面有更多的探索，仅以本文献给那些正在探索设计理性之光的小伙伴。

设计师看什么数据？

用什么数据来衡量用户体验质量呢？这是所有同行都在关心和探索的话题。从哪些维度来评价产品体验质量呢？不同的思路和应用场景下可能会产生不同答案。本文我们将介绍一种基于用户体验周期的多维度指标体系，从吸引度、完成度、满意度、忠诚度和推荐度这五个维度来评价用户体验质量，简称“5度”模型。

▲ 用户体验质量评价的“5度”模型

“5度”用户体验质量评价模型是一个普适性的数据指标集合，这些数据指标综合考虑了用户体验的通用设计目标，能用于一般产品的用户体验质量的评价。不同产品的用户体验设计目标有共性，但也存在差异，“5度”模型是用户体验评价的宏观指标，用户体验细节评价的微观指标应当根据产品特性、具体目标来设定。

接下来，我们从两个方面来具体介绍“5度”用户体验质量评价模型的由来与过程：

• 评价用户体验质量的具体数据指标有哪些，即用户体验数据指标的定义；

• 具体数据指标的结构化过程，综合用户体验评价的“四象”、用户体验周期的5个阶段，提出用户体验质量评价的“5度”模型。

用户体验数据指标的定义

我们平时经常看到UV、PV、转化率、蹦失率、退出率、停留时间等数据指标，这些数据指标代表什么意思？能说明什么问题？设计要看什么数据？这些都是设计师存在的疑问。

用什么数据评价产品的用户体验质量，这是由产品的设计目标决定的，设计目标决定用户体验质量的数据指标。

从设计目标如何推导数据指标，Google的用户体验团队提出了一种简单的方法：目标（Goal）→信号（Signal）→指标（Metric），简称GSM模型。

• 目标是指设计关系最为直接的设计目标，是通过设计能够实现的目标，既不是用户体验目标也不是产品目标，因为在用户体验目标和产品目标中，有很多目标通过设计是无法实现的。

• 信号是指设计目标实现后，会产生什么样的现象，这个现象一定是因为设计目标的实现而产生的。

• 指标是对用户现象的量化，将用户现象数据化。

▲从设计目标到数据指标的GSM模型

举个例子，假如我们要设计一张能提升睡眠质量的床，那么目标、信号和指标分别是什么？

• 目标：通过床的设计，提升用户的睡眠质量。

• 信号：假如我们设计的床能够提升用户的睡眠质量，那么用户会发生什么现象？这里为了说明问题举了几个典型的现象（并不包括全部）：

                                   ·在床上比以前更容易入睡；

                                   ·进入睡眠前的翻转次数比以前少了；

                                   ·用户自己觉得很好，然后推荐给他人使用。

• 指标：包括但是不局限于如下几点（具体的数值依据实际情况确定）：

                                   ·从开始睡觉到进入睡眠的时间；

                                   ·入睡前身体的翻转次数；

                                   ·在所有购买者中，通过他人推荐购买的用户比例。

从目标到指标的推导过程中，目标是指标的充分条件，只要达到这个目标，在其他因素没有变化的情况下，这个指标的数据将产生变化，假如提升商品list页面对买家的吸引力这个设计目标实现了，那么必然会有更多的买家在这个页面产生购买转化。但目标不是指标的必要条件，其他设计目标的实现或设计手段也可以实现这个指标数值的提升，购买此页面商品的买家比例上升了，可优化支付流程操作体验，提升支付流程的转化率。

用户体验评价的“四象”

根据“目标→信号→指标”的推导过程，总结了评价产品用户体验质量的所有指标，我们发现都可以从用户当前和长远、行为和态度来评价，而且这两个维度是对产品是非常重要的。对于一个产品只关注当前的用户行为、态度是不够的，用户再次回访或推荐新用户，对产品来说也非常重要，再次回访与推荐新用户可为产品带来免费的流量，降低网站的流量成本。从行为与态度角度来说，不仅要关注用户的操作行为，也要关注用户的态度，因为行为只是过程，主观感受（即态度）是影响用户会不会再次回访或推荐新用户的关键因素之一。

因此，根据当前/长远、行为/态度这两个维度，形成了当前态度、当前行为、长远态度、长远行为这4个象限，简称“四象”。

用户体验周期的5个阶段

用户体验周期是指用户与产品的关系差异性而形成的不同阶段。从总体上来说，用户体验周期可以分为“当前”“长远”这两个阶段，每个阶段可以细分为不同过程或表现。

“当前”阶段中，用户与产品的关系可分为3个过程：

• 触达：用户带着自己的目标来访问网站，既可以是新用户的第一次访问，也可以是老用户的再次访问；

• 行动：找自己感兴趣的内容并进行相关操作；

• 感知：操作完成后对产品形成的主观感受。

“长远”阶段，用户与产品的关系有2种表现：

• 回访：用户自己再次使用该产品；

• 传播：推荐其他人使用该产品。

根据“当前”阶段的3个过程与“长远”阶段的两种表现，构成了产品用户体验周期，分别为触达、行动、感知、回访、传播。再次访问时是老用户触达网站，推荐过来的新用户也触达网站，形成用户体验的闭环周期。

用户体验质量的“5度”模型

对于用户体验周期的5个不同阶段，每个阶段的目标是不一样的，触达、行动、感知、回访、传播这5个过程对应的核心目标分别是吸引度、完成度、满意度、忠诚度和推荐度。

• 吸引度：是指在操作前，产品能不能吸引用户过来使用、能不能吸引用户产生相应行为；相关的用户体验数据指标有（但不局限于）知晓率、到达率、点击率、退出率等。

• 完成度：是指在操作过程中，用户能不能完成产品目标对应的操作，以及完成目标过程中的操作效率，主要用户体验数据指标有（但不局限于）首次点击时间、操作完成时间、操作完成点击数、操作完成率、操作失败率、操作出错率等。

• 满意度：是指完成操作后，用户产生的主观感受和满意度，主要用户体验数据指标有（但不局限于）操作容易度、布局合理性、界面美观度、表达内容易读性等各个方面的主观评价。

• 忠诚度：是指完成一次使用后，用户会不会再次使用此产品，主要用户体验数据指标有（但不局限于）30天/7天回访率、不同平台的使用重合率等。

• 推荐度：是指用户会不会将此产品推荐给其他人，主要用户体验数据指标：净推荐值（NPS）。

用户体验质量评价的“5度”模型中，态度与行为是相对的，吸引度、满意度、推荐度主要受用户主观感受的影响，因此将这三个因素归属为态度，但这在吸引度、推荐度的具体数据指标中，可能也会有一些行为数据，如吸引度中的点击率、退出率等。

“5度”模型提供了较为适用于一般互联网产品的基础模型，为产品的用户体验质量提供一个方向，不同产品根据自己目标的差异进行具体的用户体验数据指标定义。以电商网站的导购页面为例子，列举了导购页面的用户体验质量数据指标：

在具体项目中，一个改版设计不会考核所有数据指标，而是根据改版设计目标选择适当的数据指标，有时可能就只有一个数据指标。

我们上面介绍了用户体验质量评价的“5度”模型，从吸引度、完成度、满意度、忠诚度和推荐度这5个方面来衡量用户体验质量。除了用于评价用户体验质量之外，数据在设计中还能怎么使用呢？接下来我们介绍数据在设计中的使用方法和经验。

设计师怎么使用数据？

在设计中怎么使用数据首先要看设计师的设计过程，不同设计师的设计过程可能会不同，不同公司的设计流程也可能不同，但一个成熟的、较广泛被认同的设计流程往往有着非常大的共同点。在1688UED团队中，经过多年的经验总结与实践，形成了一套Think-flow（设计思考过程），我们称之为五导家（详情见本书中五导家部分，本节不作具体说明）。

使用五导家进行设计时，可能会遇到以下问题：

• 通过业务诉求、用户诉求推导设计目标时，有没有充分了解用户诉求？

• 通过设计目标形成设计方案时，一般会有多个设计方案，哪个设计方案更加合理？

• 设计方案上线后，设计方案达成设计目标的程度如何？

• 

       ▲五导家设计过程会遇到的疑问

针对设计过程中存在的这3个疑问，数据能够起到相应的作用。因此，数据在设计过程中有3个作用：

• 设计前用于发现问题：通过数据的横向对比（和同类比，看相对大小）、纵向对比（和自己的过往比，看变化趋势）、人群对比（把用户群细分之后作比较，看群体差异），从数据角度了解用户诉求，发现产品存在的问题，为产品设计优化提供启发和突破口。

• 设计中用于判断思路：通过分析多个设计方案的核心差异所对应的数据，来判断哪个设计方案更加合理。

• 设计后用于验证设计：通过计算上线后的产品数据，对比设计前设定的指标数据，判断设计目标的实现程度。

• 

       ▲数据在设计过程中的作用

以上图文节选自《阿里巴巴UED体验设计践行之路》第三章，除本篇设计师需要了解哪些数据外，本章还针对于数据具体如何在设计中使用，用何种方法可以在设计前发现问题？如何在设计中判断思路，以及如何在设计后验证设计，阿里巴巴团队使用数据的经验技巧总结，均有较为详细的展开论述。