结构化思维做设计分析?让你有深度过稿快

从支持业务的接需求,到设计赋能的推项目,我们最初的起点,可能是一个PRD、一段描述、或者是一个方向有待设计探索。

那接到项目、了解背景后,你一般从哪里入手呢?大部分同学肯定会条件反射似的回答:先做分析啊。

其实比起各式各样的设计模型,比如八角模型、FBM模型,前期的设计分析更像仁者见仁智者见智,往往更灵活,但它对设计方向又有决定性作用,好的分析往往能事半功倍。

那么有没有系统性、普适性的设计分析方法呢?


在项目开始前,可能已经收到了PM、上级的看法和解决思路,甚至你的见过的竞品、你的设计经验都在告诉你可以直接这么做。

而设计分析的意义,是帮助我们升维看待问题。

它帮助我们不是从项目而是从问题本身出发,洞察出是否还有更优解,提升投产比和项目效果;而不是抓住已有的思路,陷入具体的执行中一路走到黑,做一个纯纯的设计工具人。

那该怎么做呢?

我结合个人经验和近年的项目沉淀,发现一些优质大项目的前期思考存在的共通之处,因此整理出了结构化设计分析公式:解构必要条件+重构解决系统。

结构化思维相信大家也比较熟悉了,是近年比较火的概念。它是一种以结构为思考对象,引导探索和解决问题的思考方法。它的解决框架往往更全面、更系统。
因此这个公式,兼顾了探索事物规律的优势,这帮助我们识别一些伪需求;也可以形成系统解决方案,便于在多方案中寻找合适的方向。

一、解构必要条件

新老产品的建立和迭代都会有一些产品方向,如“我们希望用户做到什么”、“我们希望提升什么数据”。

我们要做的,是从产品方向倒推,去拆分影响因素,发现其中的必要条件,也就是说,我们做到了哪些才可以实现产品意图。

就像要盖摩天高楼,屹立不倒由很多因素组成,而洞察钢筋支撑结构就是一项必要条件。

· 0到1多关注用户行为
新产品和新功能从0到1其实都是在已有的空间下树立新定位的过程,而定位本身是在从某一维度解决用户诉求。

因此新项目,往往更关注用户想要什么。

不管是通过定性定量的用研报告,还是5why法得出的同理心洞察,我们都可以拆解出一些行为假设,从而筛选出必要条件。如果这些不能一次都解决,可以从中选取几个成为设计重点。

例1:在为灵活用工打造的小程序中,我们希望求职者在平台找到合适工作。但怎么定义“合适”呢?

求职者可能想找工资高的、福利好的、距离近、公司有名的工作等等,我们拿着这些假设,对用户进行了定量调研。那些他们非常关注的因素,形成了影响“合适”的必要条件。

但前期的资源有限,怎么去定位设计重点呢?

我们拿着这些偏好数据,分别和全职用户做对比。我们注意到,零工用户对职位要求相对很低,因此全职非常看重的职位匹配度的相关因素,反倒不是他们最突出的特点;但他们工作时间又短又灵活,招聘方大多用工很急,因此怎么快速匹配各种起止时间的工作、怎么缩短用户报名上岗的决策路径,成为我们设计发力的起始点。

· 1到99多关注数据表现
这类项目一般具备数据获取的需求和能力,数据指标的提升往往也是项目价值的体现。一般确定了核心指标后,数据可以从“数据构成”和“行为路径”进行拆解。

拿某线上售卖的成交情况举例:

【数据构成】成交总额=入口点击量*转化率*客单价

【行为路径】购买转化率受到 入口点击率、下单转化率、支付成功率的影响

这些因素都构成必要条件。提升每一个因素,都可以提升整体的售卖效果。但这种拆解只能解决部分问题。在实际中,有些数据很难拆分,比如信息处理率、留存率,他们没有完善的构成公式,可能不太清楚什么在影响它。这时拆分必要条件更依赖假设,后续再进行验证。

例1:在招聘方简历处理流程中,想要提升“简历处理率”,但并不知道什么因素影响它。根据体验走查,总结出“功能入口深”、“处理操作难度高”、“想处理的简历难找”等一系列问题。根据这些假设,分别对入口、简历列表的信息、简历排序、简历筛选、简历操作方式等进行优化。而数据也证明我们的方向是非常正确的。
例2:比如在某运营活动中,想提升用户留存率,猜测和参与任务数、完成任务数等有一定关系。因此我们拉取了这些影响因素和对应留存率的关系。其中,发现从参与2个任务到参与3、4个任务,留存提升最快。因此可以假设参与2个任务后任务数VS整体留存率的正向关联关系,因此假设这是提升留存率的必要条件。在后续设计中,也设置针对性的机制,从而有效提升整体留存率。


二、重构解决系统

如果我们之前已经有解决思路,比如PRD上的产品原型,那么需要审视原解决思路能否解决必要条件带来的问题。如果不能较好解决,则是我们发挥设计驱动力的机会,进行方案改造或重新发散。

那么为什么是构建解决方案系统而不是单一解决方案呢?因为发散后问题往往不是唯一解。我们可以根据重要性和可行性评估哪些方案先落地,但好的方案往往需要市场和数据去验证成功的。因此解决系统是一张蓝图,它可以提供了方案落地的顺序,而且如果效果不太理想,也可以参考其他方案、探索优化方向。

这个过程也便于我们积累经验。经验提升是需要效果反馈的,积累多方案的优缺点和原因,逐渐产生自己的判断和心得,便于未来在多方案中凭借经验识别效果更佳的方向。

这个基于必要条件的重构过程,有2个常见方法。
· 收集分析信息

这其实就是我们熟悉的竞品分析+用户场景分析。但需要注意的是,通过竞品的设计模式可以洞察用户的场景,而用户的场景又影响设计模式,两者是互相补充完善的关系。而我们想要的解决系统,是竞品模式/用户场景经过我们的产品定位/用户群特征进行筛选的。

例:在直播交友礼物设计中,设计同学通过用户场景分析校准直播交友场景下的情感诉求范围,通过竞品分析获取情感诉求的排序与礼物属性价值建议。通过“角色演绎”脑暴125种意向,构建了礼物的意向库,为后续设计和收入提供了扎实的基础。

*设计师:梁晨曦,王楠

· 组织共创脑暴

如果真的没思路,可以邀请项目组的其他小伙伴一起脑暴,人多力量大。

脑暴的方式非常多,个人常用的包括“Crazy8”、“角色演绎”、“HMW”。

例:在兼职线下店服务设计中,我们希望提升进入门店的求职者的上岗率。通过前期的用户研究,我们提炼了3条必要条件,组织了2场脑暴会去发散解决方案。
其中,第一场脑暴会采用“Crazy8”,但由于参与的同学对服务设计不是特别熟悉,我们觉得还可以产生更多的亮点方案。于是第二场脑暴会,我们采用了“启发式脑暴”,即提供一些成功案例进行类比和发散,提升脑暴结果的质量。最终我们共脑暴了52个解决方案,也产生了很多有品牌特点的设计。


这就是我对设计分析的思考。这个设计公式“解构必要条件+重构解决系统”,很适合一些完整的高价值项目。如果是日常需求,可以根据实际情况进行删减,提升设计的投产比。

希望让大家设计工作中,不再迷茫和局限,让自己的产出更上一层楼!

 

原文:https://mp.weixin.qq.com/s/nRk3iw10NokaTKwINYWIgg

- Posted in: Blog

- Tags: ,

0 条评论 ,294 次阅读

发表评论

  1. 既然来了,说些什么?

Top