数据驱动方法的想法可能看起来令人望而生畏，特别是如果您几乎没有或没有研究用户和使用数据的经验。学习和掌握数据驱动设计当然会花费更多的时间和精力，但是任何设计师都可以通过一些实践来体验它的好处。在本节中，我将向您介绍一个适用于数据驱动方法的易于访问的分步框架。该框架将指导您完成从寻找主题到形成结论的整个过程。让我们开始吧。
确定一个重点领域
我们的数据驱动设计方法的第一步是找到您打算创建或更改的网站方面。 如果您运营的是一个已建立的网站并且还没有考虑到某个领域，请先查看您的网站指标。
是否有某些页面或 CTA 表现不佳？
用户是否遵循预期的路径？
他们认可了，还是跳来跳去？
一个流量段是否比另一个更活跃，为什么？
您是否收到过很多关于某事的支持请求？
没有太多过去见解的较新网站可能会将其指标与各自行业的平均值进行比较。如果您的指标（如 CTA 点击次数、注册或页面停留时间）低于平均水平，请在重新设计中将其作为目标。
设定目标
在确定要优化的区域后，设定您在设计过程中寻求实现的目标。 这个目标的初稿可能类似于“增加网站转化率”或“降低页面跳出率”。虽然这些目标是有效的，但它们代表了更大的、长期的挑战，包括随着时间的推移建立起来的更小的目标，并且很难在单个测试周期内实现。 此外，很难从站点范围的指标中提取见解，因为有太多因素可能有助于“更多转化”或“更好的参与”，而不是一次观察到的。 因此，请尝试更具体地确定您的目标，因为每个数据驱动的测试都代表了一个进步。 当您将目标指定为“将 X CTA 的转化率至少提高 X%”或“将移动用户在 X 页面上的跳出率降低 X%”之类的内容时，您将更容易确定应该收集和收集哪些类型的数据如何收集它。
定义您的测量和测试
到目前为止，我已经谈了很多关于数据的问题——现在是时候弄清楚您实际要收集哪些数据，以及如何获取这些数据了。您的数据应该是可测量的，并且将您的设计更改与您的假设直接相关联。在这个阶段有两种形式的数据需要考虑，定量和定性。让我们定义这两种数据类型，并列出一些收集每种数据类型的常用方法：
站点分析：您选择的网站报告工具可以跟踪任何相关数据点——所有成长中的网站都应该正确使用一个。
A/B 测试： A/B 测试是一种用于测试特定设计更改性能的实验，例如颜色更改或页面元素的放置。在 A/B 测试中，您创建两个版本的设计，A 和 B，并随机分配一半访问者查看设计 A，另一半访问设计 B。然后，跟踪两个迭代的性能。有关详细信息，请参阅我们的 A/B 测试指南。
多变量测试：这种方法类似于 A/B 测试。但是，尽管 A/B 测试可以很好地更改一个设计功能，但多变量测试用于测试对一个元素或页面的多个设计更改。 调查：您可以在用户旅程的各个阶段（例如购买后、注册帐户后或在您的网站上花费一定时间后）在您的网站上放置简短调查的链接。一项调查可以要求客户按比例对他们的体验或他们完成所需操作的难易程度进行评分。
热图：热图直观地指示用户在您的网页上的哪些位置进行互动——“热”部分（红色）最受关注
调查：调查对于开放式回答非常有用。在您的网站上完成一个流程后，许多用户会对它形成意见。使用调查来捕捉这些新鲜的感受。
访谈：访谈可以采取多种形式，从结构化或半结构化对话到焦点小组，再到卡片分类和上下文查询等活动。所有这些都有助于更透彻地了解典型用户的心态和思维过程。
用户流程：用户流程是用户在您的网站上完成任务必须遵循的一系列步骤和页面。如果您的文档中有流程图表示的流程，请将它们与访问者的实际交互进行比较。您的设计是否减少了混乱并简化了任务？
您可能认为定量数据就足够了。
但是，如果您想了解用户为何采取他们所做的行动，您还需要将定性数据纳入您的研究。 定性数据是您无法直接用数字衡量的任何数据。它告诉我们用户在想什么，以及为什么他们在使用您的网站时会有某种感觉。 这种知识与伴随的定量信息一样重要。
想象一下，将图像添加到您的 CTA 会增加点击次数——为什么会这样？
用户在看到预览后是否觉得点击更舒服？
图片是否首先让 CTA 更吸引人？
这些见解对于为未来的设计和测试提供信息非常宝贵。 以下是一些获得定性见解的方法，这些见解可为您的结果提供背景信息： 现有网站可以在其现有站点或暂存站点上评估意见。如果建立网站，您需要分配时间来创建原型、数字和/或纸张。
如前所述
每个小的设计更改都是朝着发展网站这一更大目标迈出的一步。因此，数据驱动设计不是一劳永逸的清单。这是一个迭代过程，每个实验都会影响下一个实验。
只要您的业务、您的用户和互联网不断发展，您就能够从数据驱动的方法中提取解决方案。因此，继续假设、调整、测试和改进——结果将是值得的。
