图3为不同用户呈现不同设计界面

1.2 设计时-辅助决策

设计方案时，如果对于多个方向犹豫不决，则可以借助快速调研的方式获取数据，辅助设计决策。

举个栗子：我们在设计视频产品呈现模式时，对于浅色模式和深色模式各执一词：运营同学偏向于浅色模式，担心深色模式压抑，幼儿频道的小朋友们和家长会不喜欢。而设计师认为，深色模式内容和背景对比度小，视觉更舒适，看视频也更沉浸。双方都很难说服对方，于是通过快速问卷获得用户反馈：多数用户更偏好深色模式，且认为深色更护眼，从而就设计方向达成一致意见。

图4视频深色浅色模式对比方案

1.3 设计后-验证设计

通过灰度或正式上线数据，和预期数据的对比，判断设计目标的实现程度，并总结和沉淀相应的设计经验。

举个栗子：在收银台页面优化设计中，对于是否要增加大会员开通模块，项目组各执一词，最终决定上线两个方案，观察数据结果。从灰度数据结果来看，未展示大会员的方案1，支付点击率和成功率相比原方案都更高，说明设计优化效果显著；展示大会员的支付率则有所降低，最终决定上线方案1。经过这次灰度，大家也更加确信：在支付页，轻易不要增加设计元素和功能（避免视觉负荷和认知负荷，导致转化率降低）。

图5大会员优化方案

既然数据可以给设计师带来这么多好处，那设计师应该从哪些维度去了解数据呢？

在《产品经理数据修炼30问》中，作者提出了这样一个思路，笔者深感认同，也分享给你：可以从宏观、中观和微观三个维度，去构建产品的数据全局观：

图6如何构建产品的数据全局观

• 宏观的行业洞察：研究宏观的行业分析报告，帮助我们了解目标用户的体量，产品的行业格局和生态，进而帮助我们更好的理解产品相对竞品的优缺点。
• 中观的产品概览：梳理产品的数据体系，帮助我们了解产品的核心指标，指标现状及波动情况，指标意义和对商业的影响，以及指标和设计之间的关系，确认设计的发力点。
• 微观的数据洞察：把握每个核心功能的使用链路，了解核心链路上的转化率漏斗，帮助我们还原用户的使用场景，思考如何更好的服务用户及用户目标，做出更好的设计。

从宏观到微观，是设计师在心中重塑产品，建立产品设计全局观的过程，在这样的数据视野下，设计师对产品的现状会更加理性和客观。

行业里常见的数据模型是Google’s HEART模型（阿里设计团队在此基础之上迭代了国内更广为运用的5度模型，所以本文也主要为大家介绍5度模型）和AARRR模型。