編者按：完整的 UI 設計流程到底是怎樣的？從需求到產品上線，要經歷多少個階段，每個階段有哪些應該掌握的基礎知識，本次優設獨家專題為你從零開始梳理出 UI 工作流程，適合新手閱讀學習。

往期回顧：

• 《超全面的 UI 設計工作流程指南（一）：需求分析》
• 《超全面的 UI 工作流程指南（二）：原型設計》
• 《超全面的 UI 工作流程指南（三）：視覺設計》
• 《超全面的 UI 工作流程指南（四）：設計規范》
• 《超全面的 UI 工作流程指南（五）：設計評審》
• 《超全面的 UI 工作流程指南（六）：切圖標注》

什么是設計驗證？

當設計稿交付之后，設計師的工作看似已經結束，但在一個完整的項目流程中，還遠遠沒有完成。

除了落地后的視覺走查，設計師也可以關注下設計方案在上線后，是否達到了項目初期所設定的各項指標，如 PV、UV、IP 等。達到預期的，設計師可以總結設計經驗，用以提升未來的設計準確率。發現問題的，也可以分析方案的缺陷，在下次改版當中進行優化，而這樣的一個環節就是設計驗證。

數據檢驗

檢驗產品是否達到目標，數據分析是十分有效的方法。研究數據的價值，從目的來說，第一可以驗證我們的設計是否已經完成項目所預設的商業目標，第二也可以分析產品上線后功能有所遺漏的地方，以及未來新增功能方向的研究。

數據來源

用戶在前臺進行各種行為時，都會留下痕跡，有行為就記錄。由于用戶行為留下的數據較大，對服務器壓力較大，所以會把前臺的行為數據單獨存儲到日志服務器中。按照數據的存儲位置，大致會分成行為數據和后臺數據兩個類型。

常用的四類數據分析工具分別是：網站統計分析工具、自媒體分析工具、第三方分析統計工具以及我們常用的 EXCEL 表格。其中，第三方數據分析工具獲取的都是前臺的行為數據，因此我們在設計數據產品時，應該了解數據來源，并且將不同的數據來源進行對接。

常用的第三方數據分析工具有：百度統計、友盟、神策數據、Google Analytics（分析）、GrowingIO?等。

數據分類

由于產品類別的差異，獲取數據的類型也有一些差別。

1. PC產品

PC 產品可以獲取到的基礎數據主要有：

• 訪問終端 IP 地址：用戶訪問網站時使用設備的 IP 地址。不同設備有對應的 IP 地址，主要用于分辨地域，但是統計結果有較大誤差。
• 訪問時間戳：用戶訪問頁面的時間點，用于判斷用戶行為的時間順序。如用戶訪問頁面 A 時記錄時間點，訪問頁面 B 時記錄時間點，可以認為用戶在第二個時間點離開了頁面 A。
• 訪問地址路徑：可以理解為用戶訪問頁面 URL，用于分辨用戶訪問網頁的目的地，也就是訪問了 A 頁面還是 B 頁面。
• 訪問來源：來訪的來源信息，比如來自搜索引擎的搜索結果頁、直接訪問、外鏈網站等。
• 來訪者的其他信息：操作系統、瀏覽器、爬蟲等信息。這類數據是由來訪者表明身份獲得的信息，因此取決于來訪者的自覺性，有誤差。有些瀏覽器不提供給非合作者信息，非正規爬蟲也不會表明信息。

2.?APP產品

APP 產品獲取的基礎數據主要有：

• 終端信息：獲取終端（手機、平板等）信息用于識別用戶。
• 操作系統：iOS/Android/Win 等。
• 客戶端信息：APP 上傳的用戶信息。
• 客戶端時間：用于判斷用戶啟動或操作應用的時間點。
• 操作事件：APP 按照自定義事件所需，上傳用戶的操作行為和伴隨這個行為的客戶端信息。這是 APP 區別與 PC 的一類重要數據，其對用戶行為的跟蹤比網頁通過刷新獲取的數據更加精準。

用戶識別

如果我們想要分析的某個結果需要涉及不同的數據來源，那么數據與數據之間的關聯工作是最重要的。我們通過用戶識別的方式關聯不同來源和結構的數據（識別產品A 的用戶a 和產品B 的用戶b 是同一個用戶U），以下是三類用戶的識別方式。

1. 網站用戶識別

如果我們有兩個網站產品，我們如何知道，有哪些來訪者同時訪問了 AB 兩個網站呢？

Cookie 是網站以一小段文本的形式存放在用戶本地終端的信息，以便網站之后的讀取。Cookie 是目前網站識別訪客的主要手段。由于用戶禁止或對 Cookie 進行清理等問題，這個數據結果的誤差也會比較大。

2. APP用戶識別

APP 的識別方式類似網站，把信息寫入終端。由于手機發生信息丟失的情況（比如刷機）比較少，所以 APP 的用戶識別相對比較準確。我們可以知道每次啟動這個應用的訪客，是不是我們認識的那一個。

3. 產品用戶識別

如果同時有網站端和移動端產品，我們又想知道哪些用戶同時使用了網站和 APP。由于以上識別方式是基于設備，數據中就無法判斷用戶了。所以跨產品形態的用戶識別通常使用注冊用戶 ID，前提是推動用戶的注冊和登錄行為。

數據指標

對當前業務具有參考價值，可統計、可分析、可監測的指標稱為數據指標。以下是我們在產品數據分析中常用的指標。

1. 網站基礎指標

• PV（訪問量）：即 Page View，即頁面瀏覽量或點擊量，用戶每次刷新就被計算一次。
• UV（獨立訪客人數）：訪問網站的一臺電腦客戶端為一個訪客。00:00~24:00 內相同的客戶端只被計算一次。
• VV（用戶訪問次數）：當用戶完成瀏覽并退出所有頁面就算完成了一次訪問，再次打開瀏覽時，VV數+1。
• 訪問時長：即訪客的停留時間。。
• 訪問深度：訪客在一次訪問行為中，訪問了幾個頁面。
• 跳出率：跳出率是指訪客來到網站后，只訪問了一個頁面就離開網站的訪問次數占總訪問次數的百分比。跳出率=只訪問一個頁面就離開網站的訪問次數/總訪問次數。跳出率越低說明流量質量越好，用戶對網站的內容越感興趣。
• 退出率：針對網站內某一個特定的頁面而言，退出率是衡量從這個頁面退出網站的比例，通過一個頁面的退出次數除以訪問次數。
• 留存率：留存率通常指整個產品的留存，例如起始日進入網站的新用戶為 100 人，第二天這 100 人里有 50 人繼續訪問了，七日后，這 100 人中訪問網站的還有 2 人。可得出，周日網站的次日留存 50%，7日留存 2%。
• 轉化率：轉化率是指在開始任務的過程中，通過某個步驟的人數比例。如果一個任務有 abc 三個步驟，a步驟 100 人，這 100 人中 50 人開始了b步驟，則b步驟的轉化率是 50%。轉化率=轉化次數/訪問次數。

2. APP數據指標

APP 與網站的差別是 APP 并非以頁面為單位獲取數據，因此移動端最有價值的數據集中在對行為事件的統計上。

• UV用戶數：與網站相似，APP 中定義為啟動應用的人數。
• 新增用戶：即安裝應用后，首次成功啟動產品的用戶。
• 活躍用戶：即在特定的統計周期內，成功啟動過產品的用戶。
• 啟動次數：即統計時間段內，用戶打開應用的次數。
• 使用時長：即統計時間段內，用戶打開應用的次數。
• 留存率：即在某一統計時段內的新增用戶數中，再經過一段時間后仍啟動該應用的用戶比例。留存率=留存用戶/新增用戶*100%。
• 轉化率：網站中的轉化通常是監測從「頁面A–頁面B」的用戶數，APP 中由于自定義事件的存在，可以監測「位置A的按鈕A—位置B的圖片B」的用戶數。
• 流失率：指那些曾經使用過產品或服務，由于各種原因不再使用產品或服務的用戶。用戶流失率=某段時間內不再啟動應用的用戶/某段時間內總計的用戶量。

關于數據指標更多詳細的內容，鏈接指引：《高級設計師都在學習的數據指標，這篇文章幫你徹底掌握！》

檢驗方法

分清楚自己想要得到哪些數據之后，可以使用兩種比較常用的檢驗方法：灰度發布（A/B Test）和新舊版對比。

1. 灰度發布

灰度發布，或者灰度測試，是指在黑與白之間能夠平滑過渡的一種發布方式。在其上可以進行 A/B testing，即讓一部分用戶繼續用產品特性A，一部分用戶開始用產品特性B，如果用戶對 B 沒有什么反對意見，那么逐步擴大范圍，把所有用戶都遷移到 B 上面來。

△ Gabriel Su

灰度發布包括了 A/B Test。和灰度發布不同的是，A/B Test 一般針對兩種不一樣的設計方案，均分給兩個群體的人使用。如針對 A、B 兩種設計方案，50% 的用戶體驗到 A 方案，另外 50% 的用戶體驗到 B 方案。

使用灰度發布的好處體現在哪里？它可以確保同一時間內，由不具備明顯身份屬性差異的，隨機用戶來體驗同一個內容和排序下不同的設計方案，規避了時間因素、產品策略、用戶屬性、內容差異，這種情況下得到的數據是相對精準可靠的，灰度發布的驗證方式更加有針對性。

2. 新舊版對比

若沒有條件進行灰度發布或 A/B Test（人力、時間、技術等條件不允許），則可以通過新舊版數據對比。以發布時間為分界點，進行前后數據對比。

灰度發布確保了單一變量的對比，而新舊版對比則可能接受到很多因素的影響，正如上面所列出來的影響因素。但也是有辦法做到盡量嚴謹可靠的。

其中時間因素是影響比較大的，為排除時間影響，可遵循如下原則：

• 看同比不看環比；
• 看平均值不看峰值；
• 時間段內包含的周末數量一致；
• 去掉波動大的數據。

同時還需注意：我們的原則是每次驗證一個小點（單一變量），若存在多種變化同時發生，則結論無法保證嚴謹。所以多變量是我們在做數據檢驗時要規避的情況。

總結

產品的誕生是需要經歷許多努力的，而流程中的每一步都不是獨立存在的，環環相扣，息息相關。參考更多優秀的經驗與設計方法，能幫助設計師們在日常工作中做得更好。

參考來源：

• 《提高設計說服力！來學習這個騰訊內部的設計效果檢驗方法》
• 《數據的驗證價值：如何利用數據驗證你的想法及假設？》

注：本系列文章為優設獨家專題，請勿轉載。

歡迎添加作者微信交流：