互联网产品设计决策初探范文

摘要：探究大数据时代的互联网产品设计决策内容及设计决策方式。研究大数据时代、互联网产品设计决策，分析互联网产品设计流程的五个阶段及其对应的五种设计决策，论述了基于大数据的用户画像决策、需求决策、设计方案集决策、产品决策和迭代优化决策。大数据能为决策者提供更为客观有力的决策依据，保证设计决策的准确性与科学性，推动互联网产品设计循序渐进地达到目标。

关键词：设计决策；大数据；互联网产品

移动应用、物联网传感器与可穿戴智能设备呈井喷式发展，使数据量以超出人们想象的速度快速增长，互联网相关行业进入大数据时代。互联网产品设计是一个迭代式的问题求解过程，是多环节、渐进式的，每一个设计环节都需要设计决策来推动设计有序进行，每个环节的设计决策都会影响产品的最终成败。大数据时代，个体小数据通过各种网络互联汇聚成大数据，大数据具有体量大、种类多、速度快的特征，越来越多的信息蕴含其中，海量的数据资源和成熟的大数据分析方法所挖掘的数据价值能为决策者提供更为有力的决策支持。

一、大数据与设计决策

1.大数据的概念大数据的特点是数据的全面、丰富、深度和连接，通过打通各个垂直行业的数据之间的数据洞察数据背后的相关性，预测未来发展。专注于大数据分析与整合商业解决方案的天睿公司提出了IDA方法论，即通过对数据的整合、探索，使其转化成为决策行动，最终帮助企业建立制胜未来的核心竞争力。随着互联网与移动设备的普及，用户在网络上留下的痕迹愈发完整和丰富，将一个人的网络数据串联起来就能完整的还原出这个人。由个体小数据汇聚而成的大数据客观、实时，覆盖面广，能够更加广泛的反映人们的认知、行为和情感诉求。大数据时代诞生了新的数据源例如地图软件中的事实定位数据、社交应用中的社会关系数据等，并让多源数据打通成为现实，使得数据能够产生更大的价值。

2.设计决策的概念设计决策是将成熟的经济学决策理论引入产品设计开发领域形成的方法论，国外学者从20世纪90年代开始进行深入研究，并构建了基于决策的设计方法体系（Decision-BasedDesign，DBD）。产品设计开发是产品性能设计与企业有限资源的权衡和博弈，产品设计的本质就决策活动，将设计过程视一系列决策活动已经成为共识。

二、基于大数据的互联网产品设计决策过程

互联网产品设计是一个渐进、迭代的过程，主要分为五个阶段：用户研究、需求分析、设计方案、方案开发、产品上线，这是一个非线性的周期循环过程，通过不断的迭代优化来使产品具有自然的使用过程，愉悦的使用体验。对于互联网产品设计，每个设计节点及迭代都需要决策行为，每个阶段的设计决策既是该阶段的结束又是下一阶段的开始（见图1）。客观理性的大数据能够确保决策的科学性，推动设计循序渐进地达到目标，分为以下五个决策步骤。

1.用户画像决策充分了解用户数据是以用户为中心的互联网产品设计的决策前提。用户数据包括用户的人口特征数据、行为数据和场景数据。人口特征数据用于描述用户的性别、年龄、学历、职业等基本情况；行为数据指用于描述用户的行为状态；场景数据反映了用户的位置、时间、周边环境等信息。通过对用户数据进行过滤、聚合，决策者敲定代表目标用户群体的特征的用户画像。大数据是多来源的数据的连接，具有十分丰富且细致的数据维度，通过大数据分析能够高效准确的完成用户画像决策，具体步骤如下：（1）通过人口特征维度的反复交叉组合能够找出特征最显著的维度组合；（2）在这个维度组合里找到对该产品需求度最高的用户类型就是目标用户；（3）分析目标人群的行为数据，挖掘用户偏好；（4）通过抽象用户特征完成用户画像决策。

2.需求决策用户需求由用户自己表达的显性需求和根据用户画像洞察的隐性需求共同构成，需求搜集应全面细致。KANO模型是用于需求分类并识别需求重要度的方法，将用户的需求类型分为五类：必备需求，期望需求，魅力需求，无差异需求和负面需求。决策者通过需求调研所得的调研数据（功能需求类型及功能需求度）、需求投资回报比和自身对目标用户的理解，完成需求筛选、分类和优先级排序。大数据是个体小数据的集合，大数据分析的价值一方面在于发现用户的个性化需求，在内容决策方面形成可增值的定制化内容服务，譬如淘宝首页的千人千面服务，根据用户的搜索、浏览数据预测用户可能需要的商品进行商品推荐。另一方面，大数据分析能预测用户自己都未曾感知到的隐性需求，通过梳理多个数据流之间的数理逻辑关系，以各种不同的方式混合数据，挖掘数据之间的潜在关系，捕捉和预测用户的潜在期望，进而形成能够击中用户兴奋点的魅力需求决策。

3.设计方案集决策借助大数据分析和A/Btest、可用性测试等方法所得到的测试数据对设计方案进行评价，决策者可以确定最合适的产品形态、信息架构、操作流程、信息布局、视觉风格、配色，形成一个最终投入开发实现的设计方案集。产品形态有APP、小程序、H5、网站、PC客户端等，大数据时代，根据目标用户群体的场景数据和竞品数据能够确定目标用户使用该类互联网产品的典型使用场景，进而确定一种或多种产品形态。交互设计是对用户交互行为的设计，需要确保用户操作的流畅性，在用户研究和需求分析阶段的数据分析的基础上，根据用户留在网上的大量的行为数据分析出目标用户的行为规律进而预测用户行为，结合测试数据，判断最符合用户认知和操作习惯并能引导用户完成任务的信息架构、操作流程和信息布局。视觉设计需要确定视觉风格、配色满足产品调性和用户审美偏好，以数据分析得到的用户风格偏好、色彩喜好辅助视觉风格和配色的决策。

4.产品决策通过评审的设计方案经过技术开发、验收合格后成为可对外上线的产品，接受市场和用户的检验。产品正式上线前，决策者需要决定产品的上线时间、推广策略来以最小成本获取尽可能多的匹配度高的目标用户。通过实时的大数据分析，可以判断出一个用户对现有产品的粘性尚未消退，但是用户需求层次有提升趋势的最佳时间节点，辅助进行新产品时间决策。5.迭代优化决策开尔文曾说过“不能度量，就无法改进”，体现了数据在产品迭代优化中的重要性。产品上线后，用户可以触达并使用产品，随之会产生大量的操作行为数据。其中一类数据是产品中的定量数据，典型的有流量（某一段时间的访问量）、转化率（完成目标任务与总访问量的比率）、跳出率（浏览了一个页面就离开与总访问量的比率）。另一类数据则是用户在界面间的浏览日志留下的浏览行为数据以及用户的点击行为形成用户的点击行为数据。定量数据能够反映产品的定位、内容以及投放渠道是否契合用户的当下需求，可以作为新增需求或颠覆现有设计的决策依据。用户的浏览、点击行为数据反映了用户操作方式，可以作为产品信息组织优化的决策依据，例如根据用户在不同界面间跳转数据来改进产品的导航设计，根据用户对某个按钮点击数据来调整按钮的位置和尺寸。大数据分析为迭代优化决策方向的正确性提供了保障。

三、结语

设计决策对互联网产品的成功与否起着至关重要的作用，大数据时代的到来使得决策思维走向智能化。大数据技术的发展为海量多源数据的获取、清洗和分析奠定了技术基础，通过大数据分析挖掘数据背后隐藏的用户需求、行为和态度，能够为互联网产品设计决策提供更可靠的依据，降低决策风险，形成更细致的用户画像、更深入的需求分析、更匹配的设计方案、更合适的策略、更准确的迭代方向。大数据是一个辅助决策的工具，也与用户隐私息息相关，所以要注意数据的监管，合法合理地使用数据。

参考文献：

[1]任英丽，范强.大数据在产品设计调研中的可应用性研究[J].包装工程，2015，36（20）：139-142.

[2]张芳燕，范俊伟，刘卓.基于效用理论的产品设计决策方法及实例研究[J].机械设计，2015（5）：109-113.

[3]刘晓东，宋笔锋.复杂工程系统概念设计决策理论与方法综述[J].系统工程理论与实践，2004（12）：72-77.

[4]李芳宇，张瑞佛.基于Kano模型的共享单车用户的需求重要性研究[J].包装工程，2018，39（08）：156-160.

作者：叶莹洁 吴祐昕 单位：江南大学