不管是在产品的成长初期探索方向，还是产品的成熟期商业化阶段，使用数据思维都可以帮助产品快速迭代，调整方向。
日常工作中，在产品原型设计阶段，很多时候产品经理和设计师评估设计方案，会存在隐忧：
设计方案的改进方向对吗，为什么一定要改掉“旧版”？契机到了吗？
这是因为设计师在处理设计方案的时候，大部分采用了用户访谈，竞品分析，可用性测试甚至直觉经验判断等定性的方式，即使使用定量问卷，也无法直接询问“哪个方案更好？”这种用户“容易说谎”的问题。这就使得设计方案的推导具有一定的主观性，在C端产品的设计中尤为容易遭受质疑。
体验设计要更“科学”，就要求设计师培养起数据意识，将体验设计当成一场“实验”，讲求从产品数据中发现问题，找到问题信息，并最终验证方案的有效性。
不管是在产品的成长初期探索方向，还是产品的成熟期商业化阶段，使用数据思维都可以帮助产品快速迭代，调整方向。如何进行数据思维的方案设计呢，可以归类为一个框架：
图1 数据思维的框架
比如：微信信用卡还款是一个体量较大的成熟期产品，一方面用户养成了固有习惯，不适合大刀阔斧的进行版本优化；另一方面，小的体验改动也不一定会带来数据的提升。
因此就对应了文章开头所说的隐忧，这个时候采用数据验证的方式来进行一些设计方案的判断，是比较合适的方法。
下面我将结合最近在做微信信用卡还款-分期还款改版的产品案例，按照上述框架，详细讲解一下进行版本A/B test和数据验证的过程。
（当然更大功能的迭代需要首先收集数据信息，进行数据分析，结合定性方法，再进行上线测试数据验证，越谨慎科学越好。因为分期还款流程简单，因此着重关注改版数据验证。）
一、明确目标
对于设计方案来说，明确目标是第一步的。这个目标可能脱胎于产品大的方向，比如拉新、活跃、商业化等等，对应到具体的产品流程中，可能就是提升转化率，提升客单价，提升用户粘性等等。
拿本次要改进的分期还款设计来说，分期还款既是一种为用户提供的还信用卡的补充方式（用户价值），又可以通过和银行合作获得分润（商业价值）。
分期的接入有一个过程，从2016年到现在，有一个银行递增的过程。功能搭建完成后，分润模式可以帮助我们明确分期方案的业务目标为：提升用户分期笔数。（至于目标设定的道德伦理和诚实设计，是另一个话题了）
图2 分期还款银行不断接入
二、发掘问题/机会点
明确目标之后，需要对产品流程进行分析，进行指标的进一步拆分。看一下流程中哪些指标的提升有助于目标的实现，比如在分期流程中，提升用户笔数可以拆分为：增加分期用户的数量和点击用户的转化率。也就是在流程中的第二、第三步是最容易完成目标的，缩小了问题的范围。
图3 分期流程图
理想的情况下，针对第二步和第三步可以有很多种方案，针对关键信息进行排列组合直到找到最优解（如谷歌设计冲刺等方法可以提供帮助）。
但是在本次改版里，我们可以通过走查线上版本定位体验问题，提出改进假设。同时线上数据走查也为后续对比做准备。
图4 线上分期还款页面走查
走查后，通过定性分析和点击数据总结问题如下：
入口弱 分期还款放置在“更多还款方式”中，用户浏览量低；
金额不清晰 页面中出现“能分期的金额”和“每期要还金额”“手续费”，且有可能与前一个页面中的本期要还款的总金额有差距（因为银行分期金额是由系统测算给出的）；
用户试算不便 在选择分期的期数和金额对比之间存在间隔，多种分期期数是隐藏的。
三、提出假设
要提升的关键指标已经拆分：增加分期用户的数量和点击用户的转化率。
要解决的页面问题点也已经达成共识，此时就可以着手提供一个方案了——也可以称之为一个假设。
方案假设需要关注以下信息：
（1）核心用户群（用户标签和分类）
在本次分期用户中“核心用户群”的提取不在此赘述，一是因为分期银行用户包本身有一个区分；二是由于时间问题没有提取完整用户画像，后续接入bi系统再进行仔细盘查。
（2）需要优化的变量
本方案中主要是对分期中用户最关心的变量“期数和手续费”的展示进行了优化。
（3）方案要实现的目标是什么
也就是方案设计之初，我们想得到什么结果。上文中已经提到了，增加平台的商业收入，为此要提升分期还款的笔数。
（4）方案设计的依据是什么
在设计方案的时候，制定了设计原则，如下图：
图5 设计原则
设计原则是在第二步做问题定位的时候推导出来的，作为后续方案产生的依据。
图6 界面元素规划
需要注意的是在A和B方案之间尽量控制变量，单一变量的差距越明显，结果越具有说服力；反之，多种变量导致的对比越模糊，结果就会越模糊，因为没有办法追溯到底是什么影响到了结果。
在本次分期还款改版中，我认为最需要对比的变量为：“分期期数和金额的对比”，它对用户的转化有直接影响。因此在设计方案的改进中，也着重优化了这块内容。
（5）观察什么测试结果（测量结果对比）
在本方案中观察的结果对比是分期试算页面提交按钮的点击量，以及最后整个分期转化率的对比。
图7 方案改造前后对比
图8 试算、完成、账单记录全面优化
四、上线测试
在此次方案上线的过程中，我们将新旧版本作为A/B test同时在线上进行灰度测试，用以对比单一变量“分期期数和手续费”不同展示情况下，对用户分期笔数的影响。
除了制定灰度策略，还需要控制A/B方案用户包，限定测试时间，以保证在单位时间内，A/B方案的用户质量、用户浏览量基本一致，这样的数据才具有对比性。还要避免在后期拉取数据的时候出错，或者数据差距太大失去可比性。
本次前端小伙伴先上线了针对两家银行的白名单，然后制定了10%的灰度策略，全程监测无问题后逐步放量灰度直至各50%，灰度一周后进行了数据收集对比。
图9 上线的A/B test方案
五、结果分析
分期改版的结果如何呢？可以认为这是一个“成功”的改版，因为预期的结果（用户点击和转化提升）得到了验证。同时因为是商业化项目，转化率的提升意味着实实在在的业务收入增加。
图10 界面数据提升和总的数据提升
关键结论：
入口从更多还款方式中提出来后，用户入口点击提升3.61倍；
用户的分期笔数比上个月同期提升了5.92%（同比，基数达到一万笔以上）。
同时进行了A/B方案的热力点击图对比：
图11 A/B 方案热力图对比
在热力图中可以看出：
A方案（旧版）用户点击页面较为凌乱，而且在很多不是操作区的地方也有点击；
B方案（新版）用户点击更为集中，基本上在分期期数和金额对比上。而且选择方案跟系统的“推荐”方案很接近。一开始的猜想得到验证。
六、总结和后续
数据验证设计，并不是说每个设计师都需要精通统计学，深入研究数学问题，而是尝试一开始用数据的思考方式来进行一个方案的目标设定、问题点分解、方案设计、上线验证。
可以称之为“以终为始”服务业务的一种方法。可以更好的帮助设计师与业务方沟通，证明设计的价值。
后续我也会更多的从已有数据的采集分析来进行设计推导，进行 更“科学”的设计。总结以下几点经验可以给后续复用：
（1）A/B test 适用于测试单一元素变量
如文案、操作、图片的场景，较长流程需要进行拆分测试，以准确定位到影响元素，找到最佳组合。
（2）少量数据依然有效
即使短时间内只产生少量转化，仍然能很快确定用户最喜欢哪个版本，同时要把控测试耗费时间、人力，不能滥用。
（3）成功元素具有可复用性
如使用A/B test找到为服务带来好的转化的表单或页面设计后，应该在后续复用，或进行升级。
（4）大大降低改版风险
在重大决策或意见分歧时，避免风险实现资源利用率的最大化。
最后
数据不是万能的，但是数据可以帮助我们。
我们发现一件事，增加你测量的东西的数量或者提升你测量的保真度，并不能带来确定性。因为它实际上并没有产生新的东西，来说明这个比那个好。它只是揭示了更深层次的复杂性，涉及到了更多的内容。然后它就变成了一种平衡。我们仍然需要有直觉，我们仍然需要判断什么是重要的，什么是不重要的。
——JonWiley，谷歌沉浸式设计总监
参考文献：
Becoming a data-aware designer——https://uxdesign.cc/becoming-a-data-aware-designer-1d7614ebc3ed
互金公司如何用数据验证产品设计？——http://www.woshipm.com/data-analysis/602540.html
