UGD（User Growth Design）即用户增长设计，主张「以用户为中心，以增长为导向」。
我的朋友刘津，硕士毕业于北京大学数字艺术系，有多年知名互联网公司的产品设计及管理经验，现为宜人UGD（User Growth Design）用户增长设计团队创始人及负责人，并曾担任阿里巴巴商家事业部交互设计专家、网易电商（北京）UED团队主管。
刘津在国内始终致力于UGD概念的践行和布道。她的新书《破茧成蝶——用户体验设计师的成长之路》已于日前上市，并在设计师圈内获得好评。我也为这本书写了推荐语。
今天这篇推送，摘录了《破茧成蝶》一书有关如何利用设计思维做增长的篇幅。希望能对有志于向UGD方向发展的设计师提供指引。
成熟期产品的优化策略
经过成长期大刀阔斧地优化，成熟期的产品已经可以初步宣告成功了。这个时候一方面我们需要考虑用户固定的习惯，所以不适合大幅改动产品；另一方面，你会发现，正常的改动已经很难再带来数据的提升了。
这是因为凡事都有限度，产品不会无止境的提升下去。在产品定位明确的前提下，随着时间的流逝，产品改进的空间会越来越小。
当成长空间还很大的时候，因为基础薄弱，所以随便怎么优化都容易有较大的提升，这个时候我们适合大刀阔斧地改进；但是当成长空间变得十分有限的时候，任何一个小小改动都可能造成难以预估的影响，这个时候如果还用之前的设计思路，不但不会有成效，反而还可能破坏前期的积累。
做个形象的比喻：如果说探索期我们需要的是一把锯子的话，成长期需要的应该是一把斧头，而成熟期需要的是一个小锉刀或者类似的工具。
不同阶段采用不同的方式这个小锉刀就是“测试变量”。有了它，我们可以精确的控制修改程度，不会由于“过度”设计而导致反效果；也使得设计结果更容易被量化。
举个例子，我们第一次优化某营销落地页的时候，通过A/B测试发现，数据完全没有得到提升。
虽然表面上看，第一个界面设计感很弱、也略显粗糙，但它的转化数据却是最好的。第二、三个界面做了大量的改动，效果却不及前者。可见在产品优化方面并不是做的越多越好，而是要掌握正确的方法和规则。
下面就通过“设计跨栏法”来帮助大家理解这一规则。
设计跨栏法
探索期的设计冲刺法（如同前文提到的锯子）可以帮助我们在非常有限的时间内产出理想的方案；
成长期的设计接力法（如同前文提到的斧子）通过拆分模块、逐步发布，帮助我们降低大版本迭代的风险，也使得设计方案更加有迹可循；
成熟期的设计跨栏法（如同前文提到的小锉刀）则通过拆分变量，帮助我们了解具体变量对提升数据的影响，一方面这是最有利于在成熟期快速提升数据的方式、另一方面这样可以帮助我们源源不断地积累测试经验。
设计跨栏法首先确定工作范围及价值指标，然后考虑所有能提升价值指标的假设，接下来拆分设计变量并完成设计，之后通过A/B测试的方式验证该变量的价值指标是否有所提升。如果提升了就在此基础上继续测试其它的变量。
就好像一个人本来直接跑一百米，现在变成了跨栏跑，跨完一个栏，才能接下来跨第二个栏，以此类推……
由于要跨栏，那么奔跑的技术也会和平跑不一样：平跑时就放开了跑就好了，但跨栏跑注重的是技术，比如刘翔当年就是通过“八步变七步”技术（正常人要十多步），大大的提升了最后的成绩。
这就是为什么平跑中国人不行，但是跨栏跑却能拿世界第一的原因。因为平跑看身体素质，那是黑人的天下；但是跨栏跑除了看身体素质外还要看技术，所以亚洲人才有可能获胜。
这也是设计跨栏法的意义所在：即便你不是天才，你也有可能通过过硬的技术帮助产品取得更好的成绩。
营销落地页面优化案例
回过头来说说刚才那个营销落地页面，后来我们通过设计跨栏法，在没有改变设计人员的前提下，把该页面从“转化0提升”变为“累计转化提升70%以上”，大幅降低了公司的营销成本。
我们具体是怎么做的呢？
第一步，确定价值指标：对于该页面来说，和总体增长指标最相关的指标是转化率，所以我们把“提升转化”作为该页面的价值指标。
第二步，围绕指标确定方向假设：由于之前整体优化了若干次，效果都不理想，所以这次决定减小颗粒度、把页面分成若干区域逐步优化。经过和运营人员讨论，决定先修改头图以下的区域，这样风险更小一些。
第三步，拆分变量：头图以下的区域占了页面的大半部分，是应该整体修改，还是只修改内容、或是只修改颜色、或是只修改图标？
很多人都问过我如何决定分解的颗粒度，我的建议是按照从大到小的原则。即先整体修改，如果数据效果不好再进行拆分。因为分的过大可能导致过度设计，分的过小又可能会影响效率。
当然也可以根据情况，使用组合变量。
就这个案例来说，为了提升测试效率，我们除了整体优化目标区域外（做出三套不同的风格），还额外选择了颜色这个变量进行试验（选择其中一个方案，用红、蓝两种颜色做对比）。
这样我们不仅可以看到不同风格的效果区别，还能额外了解到用户对不同颜色的喜好。
所以我们同时测试了四个方案（注意每个方案的样本量至少要过千才有意义）。
第四步，持续测试：我们选择了一个小渠道，用了将近一周的时间看效果（累计足够的样本量）。通过A/B测试看到，四个方案中表现最优的是方案3；红蓝方案对比，蓝色表现比红色要好。整体转化率提升了30%以上。
第五步，验证效果：通过实验得到的结论是，用户喜欢简洁干练的视觉风格。因此我们决定继续改进其余变量，转化提升依次为8%、4%、5%……经过40天的连续实验，注册转化累计提升70%以上。
从图中我们也可以明显感受到：随着数据的提升，设计质量也有了明显的提升。可见，在其它因素不变的情况下，设计质量与数据的提升是成正比的，数据可以真实地反映出设计质量的变化。
同时我们也可以观察到，最终的优化版本和原始方案相比，变化远不如失败的方案那么大。这也证实了通过设计跨栏法，我们可以在实验中找到最合适的修改尺度，有效避免过度设计，大幅提升数据。
可能有人会想：这样一次只测试一部分，效率岂不是很低？其实这是一件一劳永逸的事情，因为我们不仅可以通过这种方式不断提升数据，更重要的是，我们可以从方案的演变过程中发现规律、总结经验，并复用到其它页面上。
比如从营销落地页的改进中，我们沉淀出了特定的设计规律，并把这种规律复用到了其它营销页面及产品页面，转化均有明显提升（当然同样的规律未必适用于其它产品）。
当然，随着产品线越来越复杂、设计人员越来越多，后期我们会通过搭建DPL（Design Pattern Library）设计组件库的方式严格定义、批量复用该风格，做到真正的一劳永逸。
文：刘津/增长官（zengzhangguan）
首席增长官CGO荐读：
更多精彩，关注：增长黑客（GrowthHK.cn）
增长黑客（Growth Hacker）是依靠技术和数据来达成各种营销目标的新型团队角色。从单线思维者时常忽略的角度和高度，梳理整合产品发展的因素，实现低成本甚至零成本带来的有效增长…
本文经授权发布，不代表增长黑客立场，如若转载，请注明出处：https://www.growthhk.cn/cgo/13142.html
微信扫一扫 
支付宝扫一扫 
