京公网安备 11010802034615号
经营许可证编号:京B2-20210330
互联网时代,大数据对设计行业的重要性
以前,无论你做什么设计,前辈们都会告诉你,设计师和科学家不一样,锁在「实验室」里的,单靠想象力,可出不了什么好设计,一定要走出去,做用户研究。现在,前辈们,还会多提三个字:大数据。
以用户为核心,做用户调研
关于「用户研究」,百度百科里是这么定义的:用户研究的首要目的是帮助企业定义产品的目标用户群、明确、细化产品概念,并通过对用户的任务操作特性、知觉特征、认知心理特征的研究,使用户的实际需求成为产品设计的导向,使产品更符合用户的习惯、经验和期待。简单来说,就是让你的设计尽可能满足企业本身和用户的双方需求。
有过经验的人都知道,做产品的用户研究,一般都会从「市场、用户、产品、品牌」这四个维度做定量和定性分析(不分先后),当然这四个维度各有细分版块。但无论怎样,最终都是要输出一个用户模型或者用户报告来辅助于设计。因此,我们常说「以用户为核心」的设计,一定不能缺少用户研究这一环节。
大数据与小数据
在互联网浪潮尚未到来之前,我们做用户研究,通常是定量的问卷调查、定性的深度访谈、焦点小组等方法来收集用户信息(我们称为「小数据」),进行研究分析但都有一定「拍脑子」下定论的作风,这种根据不完全数据的主观「拍脑子」的做法,可能会误导设计走向一条不归路。
如某天气类软件切入智能硬件领域,推出空气检测类产品外观漂亮有逼格,从工业设计的角度可以评价为一个成功完美的产品,但由于对用户的深度理解,其检设备只提供了监测功能但不具备解决方案类功能或相关建议,用户并不买账。在设计中偏执的追求高逼格,采用金属 CNC 工艺大大增加了产品成本,售价远高于用户价格承受范围。导致销量低迷,最终导致其后期产品及服务无法落实。
现如今,我们发现用户的个性化需求越加明显,一个在细节上的 Get 或许能让你的设计脱颖而出。为此需要在「小数据」研究的基础上纳入互联大数据,大数据对于市场数据的直观反馈使得用户研究员在制定产品策略的时候更加的贴近现实市场,更容易产生成功的产品,做更精准的设计,使其产品策略既能正确适应大众市场又能满足用户个性化需求。
用大数据怎么设计出一个杯子?
比方说,我们设计一款杯子,可以从以下多个方面应用大数据:
1、由市场反推产品机会
传统的用户研究及产品设计通常单从用户需求和痛点出发由设计师通过设计解决用户需求完成设计,并由研发选好工艺材料后评估成本,并以某种方式推向市场。此种方式对产品在制定价格策略时存在较强的被动性。而大数据的运用使的我们可以快速研究一遍市场情况,我们可以借助大数据检索工具,做出如下图所示的价格与造型,价格与销量的情况图:
你会发现,原来价格在 25-85 元的杯子销量最好,而这个价格的杯子市场普遍是这样的造型和功能,那我们在制定产品策略的时候可以更有针对性。这些产品特征也对接下来的设计阶段也有很其哪个的指导意义,结合用户需求,设计师可以通过差异化设计来区别同类产品,在此价格段脱颖而出。
2、通过大数据给予设计师一些设计规范
LKK 洛可可互联网用户大数据产品事业部总经理张欢曾表示,她带领的用研团队在做杯子的大数据研究时,惊人的发现 90 后喜欢的杯子,85 后一定会喜欢,但是 85 后喜欢的杯子,90 不一定会喜欢。「产品需要找到自己的核心用户,用户研究需要输出用户画像,以往我们通常会根据深访结论直接拟定一个感觉对的人群就开始设计,那现在我们可以通过大数据,精准找到产品目标用户群体,这样一来,研究就变得有意义了。而这也是互联网大数据对于设计而言最明显的益处。」
设计师在做产品设计的阶段一般都特别喜欢想象产品,而理性的大数据能给予设计师一些设计规范,打破这个右脑意淫出来的想法,感性与理性共存,在运用大数据的时候,我们可能会发现:有些产品在市场上这个形状或者那个材料都是有一定目的,比如,在 66 元以下的保温杯中大部分用户更倾向于购买 400-500ml 容量的保温杯,其次是 300-400ml 容量,这使得设计师在设计中有一定的限定规范,根据容量设计保温杯的比例关系,而不会拍「脑袋」做出一款 200ml 的保温杯。
保温杯各价格段容量偏好
3、通过互联网数据发现用户对产品的关注点和兴趣点
在纯销售数据定量的基础上,通过对电商平台的评论、论坛观点、用户评测及相关新闻等内容的自然语言分析,可以进一步得到用户对于产品的关注点。如下图所示,在电商评论中,66 元以下的保温杯大众评论中,更多的是集中于水杯味道、色差、掉漆现象、漏水拧盖声音等问题,而与高价格段评论相比,其反馈的以漏水问题高于味道问题。在低价格段如果我们产品能合理的解决这些问题即可获得用户的好评,同时在高价格段产品中出了解决异味问题还需着力解决漏水问题。
互联网评论更直观的反馈了大众用户对于相关产品的关注点和需求点。对用户定型研究和设计的定量标准,甚至后期的产品营销都有着及其重要的指导意义。
另外,京东集团其实也在将大数据运用在他们的服务中,其首席技术顾问翁志表示现在大数据应用基本渗透了京东各个方面(个性化服务、智能客服、智慧选址、用户和商品画像、JIMI 机器人还有那个牛叉叉的京东慧眼等),尤其是对用户的研究。像他们的小区画像,可以让他们可以预测,提前就近备货,提升用户对速度和服务的好感。
京东集团高级副总裁张晨曾举例,iPhone6S 首发的时候,很多用户可能都会迫不及待地想尽早拿到订购的手机。京东会根据小区画像事先布局,通过算法来预测消费者所处的小区对 iPhone6s 的潜在需求,并提前把响应数量的产品推送到最近的配送站。
2015 年钛媒体 T-EDGE 峰会
所以,互联网下的大数据,是运用千万级的用户需求来提升我们设计的精准度,不仅在量级和深度上都与小数据的研究是完全不同的。举个极端点的例子,在掌握京东丰富的大数据的基础上,运用京东大数据来研究目标对象,做出用户画像和小区画像,根据精准画像的特点,我们是能够做到,为某社区的用户来开发杯子和相应服务板块,相信这款杯子不仅在产品维度还是在后续服务维度都一定会满足该社区用户的各种需求。
那么,我们可以从哪来获取大数据呢?
1、巧妙的利用互联网工具,如「百度指数」、「淘宝指数」、阿里指数、微指数等公开数据平台;
2、购买深度定制化的市场数据,如淘宝生意参谋,第三方电商数据平台,如京拍档、魔镜等;
3、与大数据相关的第三方公司合作,如华院数据,协助我们做数据检索与呈现,帮助我们做用户相关评论检索分析;
4、打开互联网社交入口,如腾讯、新浪等 ;
5、充分利用自身数据,搭建专属于自己的数据库,如洛可可正在搭建属于洛可可的12年数据库;
6、搭建共享资源渠道,链接客户与客户的资源,实现数据共通,达到共赢的目的;
互联网时代下的大数据,是运用千万级的用户需求来提升我们设计的精准度,不仅在量级和深度上都补充了小数据的不足。从庞杂的数据背后挖掘、分析用户的行为习惯和喜好,找出更符合用户「口味」的产品和服务,并结合用户需求有针对性地调整和优化自身,就是大数据的价值,设计师应该学会和懂得利用大数据,做「以用户为核心」的设计。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16