設計時不能單憑經驗和直覺，因為涉及到的目標人群、場景、操作習慣的不同。為了獲取更準確、有效的資訊去輔助、檢測設計，設計師會選擇定性（使用者訪談、焦點小組）和定量（調研問卷、網站資料分析）的方式進行使用者研究。其中“網站資料分析”這一方式不需要花費較長的時間及人力成本，同時避免了使用者及環境等不穩定因素對分析結果造成的干擾。只要具備精準及適用的資料，我們應優先選擇這一方法輔助設計。
通常我們可以獲取到哪些資料呢？
1、 網站資料
搜尋常見的資料如下：
Query – 搜尋關鍵字數
PV（Page View） — 頁面瀏覽量，頁面每一次重新整理即被計算一次
UV（Unique Visitor） — 使用者訪問數
Click — 頁面總點選數，每一個功能都會有相應的點選數
L->D — 搜尋list頁面到detail頁面的點選資料，即轉化率，不同頁面有不同的資料。
CTR — Click/LPL，LPV即搜尋list頁面上的瀏覽量，CTR即每次瀏覽的點選次數。
2、 使用者訪談、定性調研、焦點小組
3、 已有結論的報告
4、 線上測試(如A/B test，搜尋中常用內部開發的可以多方案上線測試的buckettest)
網站資料中可以瞭解到什麼資訊？
1、關鍵字流失率分析
圖1是使用者輸入“女鞋”相關的關鍵字及相應的UV流失率（即沒有在搜尋頁進行過任何操作行為的使用者數佔所有搜尋使用者的比例），從資料上看新增了真皮、廣州、時尚等屬性詞的關鍵字流失率相對低很多。
關鍵字描述越詳細，搜尋匹配到的產品越準確，使用者也就可以更快的找到目標產品。但讓使用者精確輸入關鍵字的成本較高（如使用者不知道用哪些描述詞更適合等）。如何降低這個成本？我們可以使用suggestion（關鍵字推薦）（見圖2）和SN區（類目屬性篩選區）（見圖3）給使用者恰當的推薦和引導。
2、快速篩選改版後資料分析
圖4是搜尋上的篩選項。搜尋的目標應該是更快、更準確的幫助使用者找到產品，篩選區便是其中一個重要的組成部分，讓使用者更快的找到篩選項以及簡單的完成篩選操作，是每次改版的中心目的。
各篩選項應該放在哪裡更合適，很大程度上取決於使用者在查詢產品的時候，更關注哪些維度的資訊。對於已經上線的功能，我們可以通過資料進行分析，如上圖是篩選區的CTR資料，可以發現使用者使用地區、排序、單價、經營模式操作較多，說明使用者對這方面篩選需求較大，也較關注這幾個維度的資訊，以此可以將篩選項調整到方便使用者查詢的位置，也降低了使用者的記憶負擔，因使用者一般都是從左到右瀏覽，所以可以將重要的篩選調整到首位或是用視覺突出。而一些資料較低的篩選，可以根據情況隱藏或是下線，也增加篩選區的擴充套件性。
圖5根據圖4的資料，我們對篩選項的位置以及排序按鈕互動方式進行了調整。
新版本上線兩週後我們發現使用者較關注的篩選項調整到左邊位置後CTR資料明顯上升（綠色為明顯資料上升，紅色則資料下降，其他資料小量上升）。
綜上所述，設計、迭代流程如下：
資料驗證，這個一次相對成功的設計。
3、對比功能上線後資料分析
同時，我們來看一個不合理的產品設計（見圖7）。圖上是阿里巴巴在去年上的對比功能，使用者勾選產品加入對比（圖7第1步）只佔整個搜尋CTR0.6%左右，而到最後點選了對比按鈕（圖7第2步）的轉化率只有其中的10%不到，對比功能的使用率很低。
根據這個發現，我們召集了5個測試者（1位產品經理、1位運營、3位使用者）進行了焦點測試，得到如下幾點反饋1、使用者只要看其中的幾個資訊，不需要那麼多維度的資訊對比。2、使用者更習慣通過點開detail進行對比。
很多垂直化的行業搜尋都有對比功能，如太平洋、中關村、淘寶的手機等，該功能通過對比資訊幫助使用者挑選出更符合目標的產品。但適不適合我們的網站，還需要多考慮一番。結合以上資料來看，對比功能更適合一些需要關注多維度資訊對比的垂直行業，而關注維度較少的，使用者通過短期記憶就可以達到。
運用資料檢測設計
一般在全量上線前會通過buckettest測試各方案，對比使用者行為資料檢測哪個方案更合理、體驗更好。
通過bucktest可以得到如圖8的對比資料，紅色為資料下滑，綠色為資料上漲。
運用buckettest測試，對於檢測設計是很有效的方法，特別是針對小細節的體驗優化。對方案調整處資料打點，就可以監測到相應的資料變化。例如按鈕調整，檢測調整後是否比原來的方案體驗更好，在測試前要求開發同學在監測資料時給這個按鈕打點，測試後就可以瞭解到按鈕調整前、後的對比資料。如你想了解按鈕位置調整是否能提升體驗，在設計時就要規避其他因素可能引起的影響如按鈕樣式等，以此來不斷優化設計方案。
總結
分析資料、讀懂資料、運用資料，可以很好的輔助我們去設計產品、改善體驗，這也是設計師需要掌握的一門必修課。
資料雖然很強大但是不要迷戀它，不要只關注資料的起落，而是要分析資料背後真實的使用者原因及需求，資料只是一個分析輔助工具。
不要任何設計都依賴測試及資料檢測，每一次測試所需的開發和時間成本太高。儘管設計師不能作出100%的正確判斷，但是結合有效的工作習慣及總結分析，還是能夠大大的提高設計的準確率及解決方案的有效性，這也是設計師的價值。