科技: 人物 企业 技术 IT业 TMT
科普: 自然 科学 科幻 宇宙 科学家
通信: 历史 技术 手机 词典 3G馆
索引: 分类 推荐 专题 热点 排行榜
互联网: 广告 营销 政务 游戏 google
新媒体: 社交 博客 学者 人物 传播学
新思想: 网站 新书 新知 新词 思想家
图书馆: 文化 商业 管理 经济 期刊
网络文化: 社会 红人 黑客 治理 亚文化
创业百科: VC 词典 指南 案例 创业史
前沿科技: 清洁 绿色 纳米 生物 环保
知识产权: 盗版 共享 学人 法规 著作
用户名: 密码: 注册 忘记密码?
    创建新词条
科技百科——欢迎光临全球最大的互联网博物馆
  • 人气指数: 5083 次
  • 编辑次数: 1 次 历史版本
  • 更新时间: 2012-02-12
高兴
高兴
发短消息
相关词条
Qualtrics
Qualtrics
数据会说谎
数据会说谎
数据分析三部曲
数据分析三部曲
社会化数据分析
社会化数据分析
新版Analytics
新版Analytics
数据驱动业务
数据驱动业务
产品竞争分析的方法
产品竞争分析的方法
Facebook如何利用数据指导设计
Facebook如何利用数据指导设计
科技工作者
科技工作者
信息设计
信息设计
推荐词条
希拉里二度竞选
希拉里二度竞选
《互联网百科系列》
《互联网百科系列》
《黑客百科》
《黑客百科》
《网络舆情百科》
《网络舆情百科》
《网络治理百科》
《网络治理百科》
《硅谷百科》
《硅谷百科》
桑达尔·皮查伊
桑达尔·皮查伊
阿里双十一成交额
阿里双十一成交额
王健林电商梦
王健林电商梦
陌陌IPO
陌陌IPO
最新词条

热门标签

微博侠 数字营销2011年度总结 政务微博元年 2011微博十大事件 美国十大创业孵化器 盘点美国导师型创业孵化器 盘点导师型创业孵化器 TechStars 智能电视大战前夜 竞争型国企 公益型国企 2011央视经济年度人物 Rhianna Pratchett 莱恩娜·普莱契 Zynga与Facebook关系 Zynga盈利危机 2010年手机社交游戏行业分析报告 游戏奖励 主流手机游戏公司运营表现 主流手机游戏公司运营对比数据 创建游戏原型 正反馈现象 易用性设计增强游戏体验 易用性设计 《The Sims Social》社交亮 心理生理学与游戏 Kixeye Storm8 Storm8公司 女性玩家营销策略 休闲游戏的创新性 游戏运营的数据分析 社交游戏分析学常见术语 游戏运营数据解析 iPad风行美国校园 iPad终结传统教科书 游戏平衡性 成长类型及情感元素 鸿蒙国际 云骗钱 2011年政务微博报告 《2011年政务微博报告》 方正产业图谱 方正改制考 通信企业属公益型国企 善用玩家作弊行为 手机游戏传播 每用户平均收入 ARPU值 ARPU 游戏授权三面观 游戏设计所运用的化学原理 iOS应用人性化界面设计原则 硬核游戏 硬核社交游戏 生物测量法研究玩家 全球移动用户 用户研究三部曲 Tagged转型故事 Tagged Instagram火爆的3大原因 全球第四大社交网络Badoo Badoo 2011年最迅猛的20大创业公司 病毒式传播功能支持的游戏设计 病毒式传播功能 美国社交游戏虚拟商品收益 Flipboard改变阅读 盘点10大最难iPhone游戏 移动应用设计7大主流趋势 成功的设计文件十个要点 游戏设计文件 应用内置付费功能 内置付费功能 IAP功能 IAP IAP模式 游戏易用性测试 生理心理游戏评估 游戏化游戏 全美社交游戏规模 美国社交游戏市场 全球平板电脑出货量 Facebook虚拟商品收益 Facebook全球广告营收 Facebook广告营收 失败游戏设计的数宗罪名 休闲游戏设计要点 玩游戏可提高认知能力 玩游戏与认知能力 全球游戏广告 独立开发者提高工作效率的100个要点 Facebook亚洲用户 免费游戏的10种创收模式 人类大脑可下载 2012年最值得期待的20位硅谷企业家 做空中概股的幕后黑手 做空中概股幕后黑手 苹果2013营收 Playfish社交游戏架构

Facebook如何利用数据指导设计 发表评论(0) 编辑词条

目录

Facebook如何利用数据指导设计编辑本段回目录

Facebook的产品设计经理 Adam Mosseri最近做了一个非常棒的演讲: Data informed, not data driven(数据启示,而非驱动)

演讲以Facebook如何利用数据指导产品设计为主线,还涉及到Facebook的产品设计团队架构、不少的设计案例,以及Facebook是如何做产品设计决策等。 本文将其内容以译介形式总结如下(意译非翻译)。

1. 小而精的产品设计团队

“ It’s important to understand that, at Facebook, we believe in particularly small teams. ”
(有一点需要被清楚认识的是,在Facebook,我们特别认可小团队)

Facebook的产品设计团队通常只有6、7人,因为他们认为这个人数最高效率,且团队拥有的产品决策权很高,架构扁平( flat decision-making structure ),有的决策可以直接到CEO那里待通过。

一个产品设计团队的结构通常是这样的:

  • 一名设计师,负责交互、视觉,产品战略(product strategy),甚至一点前端
  • 一名用户研究员。两年前,Facebook只有为数较少的研究员,而且只负责大项目,如今,随着对于定性研究的重视逐步增加,基本上每个团队都配一名。
  • 一至四个工程师。
  • 一个项目经理(PM),项目经理通常相当于团队中的迷你CEO,需要对产品负责。不仅要保证项目的按时完成、资源协调,还要保证产品质量。

产品 设计团队之上,会有一个经理负责统筹管理。演讲者本人就担任这一职位,他负责着九个产品设计团队。另外,有专门的20人数据团队,一半是工程师,一半是数据分析专家。

2. Facebook如何利用数据

“ Data helps us understand how users use the product, which then in turn helps us understand how to optimize the product. ”
(数据帮助我们了解用户如何使用我们的产品,从而帮助我们更好地优化产品)

Facebook每天会采集到4TB的用户行为数据,这些数据能指导设计持续优化。例如 通过瀑布式分析、追踪交互步骤的转化/流失率,大量的A/B testing,观测行为使用模式 , 优化界面交互和操作流。

例1:照片上传器的改造

在新照片上传器刚上线时,有85%的用户每次只上传一张照片。针对这一痛点,对界面进行了优化,在用户选中一张照片后浮出了一个上传tips,虽然有点“扰民”,但结果数据每次只上传一张照片的用户数降到40%,平均每次上传数从3上升到11.

同样地,通过数据他们发现,用户在周日量达到平时的150%,这种行为模式的识别也为设计带来不少启示。

例2:What’s on your mind的位移

在推出Question这个产品后,原来的What’s on your mind需要调整位置。于是他们使用A/B testing的方式测试了 8个设计版本,但每个版本对于核心指标的影响都不具有统计意义上的差异,所以最终他们选择了最简洁的一个方案。

例3:注销页的改造

除了瀑布式的分析,数据还会用于回溯性式的分析、优化一些小页面。例如一个设计师发起了注销页的改造,他思考的是如何在用户即将离开之时将其挽回。最终他通过一种情感化设计改造了这个页面(图1),成功将注销率降低了7%,这对于Facebook的用户量来讲是非常了不起的数字(当时Facebook有7千万用户)。

3. 对数据过度利用的警惕

“…at Facebook, in product – we call product “product management and product design” – that there’s a healthy skepticism of being overly data driven ”

演讲者提到数据怀疑论的三个原因:

一组数据指标很难完整地代表你所重视的价值

影响产品决策的因素很多,除了定量数据,还有定性数据。Facebook的用户研究员会做大量定性研究,如可用性测试、眼动测试等。另外还有战略因素,用户需求,竞争产品,商业利益因素。

过度依赖于数据,可能导致“微优化”或“局部最大化”

对数据的变化过度敏感,可能导致所谓的“微优化”(micro-optimization),即过度着重、不断追求某一项指标的提升,而忽略了其他因素。尤其当Facebook规模不断扩大,各个团队更专一于自己的产品,就可能导致各自只从自己的指标出发,使得整体上出现冲突,没有了全局观。

例如 ,应用菜单的设计几经周折,位置从左边栏换到顶部,又换到底部,由于流量不见大增,还曾考虑使用蓝色大按钮的方案。虽然流量提高了5倍,但由于设计师自己都觉得很难接受,这个方案最终没有被发布。无论如何,直到一年后他们才发现,尽管朝着提高引导到应用的流量这一指标不断优化,却出现停滞不前、达到局部最大化(local maximization)的瓶颈。最终他们成立了一个菜单项目组,推翻之前的重新开始,设计了目前的版本——而这实际上有一半回归到菜单最初的样子。

另一个例子是相片上传器。相片团队花了好几个月朝着提高上传成功率的数字优化, 虽然数字有提升 , 但成功率已几乎稳定,不可能有什么新的变化了。如果一直围着这个指标打转,体验并不会有质的变化。

真正的创新通常会导致数据的变差 , 但这未必是坏事
“… real innovation invariably involves disruption. And disruption is usually – involves a dip in metrics ”

Facebook一个核心价值在于打破,甚至扰乱。这往往导致某些指标变差,但这也是创新的意义所在。他们曾经有不少无视民意无视数据的革新,比如新首页,就完全不是根据数据来的。当然,他们的革新有的成功(News Feed和Mini Feed),有的失败(如Beacon,将你在外站行为导入到FB的功能)。失败了,只要理解失败、承认失败,就能继续向前。不可能因为害怕数据变差而拒绝变革。但是, 变革有时候会因为扰乱用户而造成他们的反感,坚持变革,不代表不聆听。如演讲者提到他最喜欢的Facebook group是“我不由自主地讨厌新的Facebook首页”。需要学会如何更好地向用户传达革新的目的和意义。

4. 最大的冒险在于不敢冒险

“For us, the greatest risk is really taking no risk at all… at the end of the day we make decisions based on common sense, on interests, on strategic interests. And we use data. We acknowledge it’s important, but it’s really just a small piece of the pie. ”
( 对我们而言,最大的冒险在于不敢冒险……很多时候,我们最终依靠常识、洞见、战略意义做决策。我们使用数据,数据很重要,但这只是大饼的一小块)

源地址:http://piglili.blogbus.co……77069181.html

→如果您认为本词条还有待完善,请 编辑词条

词条内容仅供参考,如果您需要解决具体问题
(尤其在法律、医学等领域),建议您咨询相关领域专业人士。
0

标签: Facebook如何利用数据指导设计

收藏到: Favorites  

同义词: 暂无同义词

关于本词条的评论 (共0条)发表评论>>

对词条发表评论

评论长度最大为200个字符。