文章从三个方面带我们走近设计中的数据，帮助大家理解数据是怎样对设计师、对设计成果产生价值的，并且有理有据的说明了，设计项目中改如何建立数据指标，以及有哪些切实可用的分析方法。

　　数据价值

　　数据的价值在于驱动产品优化。这里的优化体现在两点，辅助设计决策和量化设计效果。项目前期，了解数据发现问题关键点;后期，量化数据，有助于产品迭代，空口无凭，那就用事实说话。小胖老师举了一个58APP中IM有效会话漏斗的例子，一步步的来看到底是怎么驱动优化的。

　　怎样的过程称之为一次“有效会话”?C端用户进入详情页，点击IM入口，发送会话内容，B端用户给出回复并被C端成功看到，才为一次有效会话。从上图可以看出，这个过程涉及4个页面，页面跳转也就自然存在流失，由此可得到一个会话漏斗。

　　数据漏斗直观反应出3个主要问题：

　　C端用户发起会话路径流失大;

　　B端用户回复率低;

　　C端用户活跃度远高于B端用户。

　　推测问题可能原因(以二手房业务线使用场景为例)：

　　C端用户发出会话前需要组织语言，如询问哪些问题，此过程对于购房意愿不够强或不明确的用户成本较高;

　　C端用户不了解中介的服务情况，难以对回复产生预期;

　　B端用户同样不了解询问者的情况和需求，没有强烈的回复意愿，且其所处环境较复杂，大概率处于户外活动状态，难以及时回复等。

　　这时我们通过头脑风暴可以获得很多猜测，根据这些靠谱或不靠谱的猜测就能够推导出多个产品设计点、优化点，再评估优先级、可行性进行筛选，即达到了针对性优化的目的。真实项目中，优先进行尝试的是购房意愿单和经纪人服务评价功能(暂未上线)。

　　数据指标建立

　　设计方案确定后，如果设计师想通过数据来验证设计效果，如何梳理较为系统的量化指标呢?小胖老师介绍了一个数据指标建立的模型-Google的GSM(Goal-Sign-Metric)模型。

　　梳理思路：设计目标决定衡量的数据指标，从设计目标出发，推导相关可量化指标。

　　还是以IM “购房意愿单”为例，结合该项目，我们来看一下运用gsm模型为此功能搭建数据指标框架。

　　Goal 设计目标

　　前面提到说设计目标决定衡量的数据指标，所以第一步要明确我们设计的目标是什么，或者说是为了解决什么问题。那么，购房意愿单的提出，有两个主要目标：提高C端用户发起会话的意愿度;提高 B端经纪人回复意愿度。

　　Sign 现象信号

　　确定了目标，我们再假设，如果能够达到这些设计目标，用户会产生怎样的态度和行为。假设购房意愿单真是切中了用户的需求，他们会有怎样的反应呢?我们猜想：

　　C端用户觉得有用，填写意愿单的人多，填写完后发送的人也多;

　　C端用户很爱用，主动将已有意愿单发送给经纪人或者修改后发送给经纪人;

　　经纪人看到信息后，主动回复信息。这是正常目标达成情况下，用户可能会发生的反应。

　　Metric 衡量指标

　　现象信号中，有哪些是可以转化为数据指标的信息，这些就可能会成为衡量设计效果衡量的指标。还是对应之前的现象信号来看，可用的指标有：

　　1.1 填写入口功能的点击率;

　　1.2 填写后发送的转化率;

　　2.1 已有意愿单的点击率;

　　2.2 已有意愿单的修改率;

　　2.3 已有意愿单的再次发送率及发送次数;

　　3.1 C端用户发起会话转化率;

　　3.2 首次发起会话后B端回复率。

　　这样，我们就得出了一系列较为系统的功衡量指标，一定程度上验证功能优化的效果。

　　运用此模型要注意的是，不一定所有现象信号都能被量化。在建立数据指标过程中强调两点，首先重要项目中，设计师最好也独立进行数据指标的梳理，去和产品的关键数据指标相结合。形成一套完善的量化指标;其次不要只关注核心指标，最终上线效果会受很多因素影响，整体的体验很难通过单一功能优化获得明显提升。但是可以通过较为详细的数据指标，验证功能是否满足用户需求。例如，购房意愿单的用户使用频率、意愿单内容维护度，都可以验证此功能的需求满足度。

　　分析方法