引言：我们有这么多各式各样的工具,互联网给我们带来了这么多用户和数据,这是好事也有副作用。
世界上能访问用户数据,并根据数据做分析和改进的公司,大概 Google 是其中翘楚,这种 data-centric 的做法做过了头,也有悲剧发生:
Douglas Bowman 曾经是Google 的视觉设计主管,2009 年的一天,他受不了了
Yes, it’s true that a team at Google couldn’t decide between two blues, sothey’re testing 41 shades between each blue to see which one performs betterI had a recent debate over whether a border should be 3, 4, or 5 pixels wide,and was asked to prove my case.l can’t operate in an environment like thatI’ve grown tired of debating such minuscule design decisions.
当你的公司要你用数据来证明 41 种蓝色到底哪一种更好,或者为一个边栏宽度是3.4,或5 而争执不休,纷纷表示要拿数据来证明的时候,你怎么办?
下面是我的做法：
一、明确目标与问题
首先，明确此次数据证明的目标，是解决关于蓝色选择还是边栏宽度的问题。接着，深入了解争议的具体内容，例如不同蓝色之间的区别，或边栏宽度对用户体验的影响等。
二、收集与准备数据
1、对于蓝色选择：
1）设计实验：可以创建一个用户调研或A/B测试，展示不同蓝色的样本，并记录用户的反馈和选择。
2）收集用户偏好数据：通过问卷、访谈或在线测试等方式，收集用户对不同蓝色的喜好程度。
3）分析品牌与市场趋势：研究当前市场上相似产品或服务的蓝色使用情况，以及品牌调性中蓝色所扮演的角色。
2、对于边栏宽度：
1）进行A/B测试：设计两个版本（一个宽度为3.4，另一个为5），随机展示给不同的用户群体，并记录他们的交互行为和反馈。
2）监测性能指标：收集与边栏宽度相关的性能指标数据，如点击率、跳出率、页面停留时间等。
3）访谈与问卷：通过用户访谈和问卷调查，了解用户对边栏宽度的感知和体验。
三、数据分析与解释
1、对收集到的数据进行清洗和整理，确保数据的准确性和可靠性。
2、使用统计方法或数据分析工具（如Excel、SPSS、Python等）对数据进行深入分析，比较不同蓝色或边栏宽度的表现。
3、根据分析结果，提炼出关键发现和结论，解释为何某种蓝色或边栏宽度更优。
四、汇报与沟通
1、将分析结果以清晰、直观的方式呈现给相关人员，如制作PPT或报告。
2、在汇报过程中，重点强调数据的来源、分析方法和结论，确保信息准确传达。
3、准备好应对可能的质疑和挑战，用数据和事实来支持自己的观点。
五、持续监控与优化
即使有了初步的结论，也要保持对数据的持续监控。因为用户偏好和市场趋势可能会随时间变化，所以定期回顾和更新数据是非常重要的。同时，根据数据的反馈，不断优化产品或服务的设计，以满足用户需求和提高用户体验。
在整个过程中，关键是要保持客观和理性，用数据来驱动决策，而不是仅凭个人喜好或主观判断。同时，也要注重与团队成员的沟通和协作，共同推动问题的解决和优化。