网易UEDC – 李宁：设计作品源于设计师的自我发现、情感和创造，在日常工作中我们加入字体、颜色、空间准则来让我们感性的表达设计，在美学基础上更理性的表达设计思维。以上这些是众所周知的基本法则，是设计具备的基本能力；科学的、合理的为用户设计才是设计师价值的体现。那么如何让我们的设计更理性？
在长期跟一条产品线的工作过程中，我们会发现每天做着很多事情，不知道会不会有以下感觉：
感觉离用户很远。
感觉对用户数据的增长好像没有什么明显帮助。
那么用户增长和设计有什么关系？设计师该如何跳出感性思维进行科学的理性的设计产出？
下面举两个例子。
例1，Hotmail 情感化设计。
Hotmail 冷启动时在发出的邮件末尾签名处，增加了一行附言，「I love you.Get your free E-mail at Hotmail.」这一改动在仅仅几个小时之后，使 Hotmail 的用户注册曲线发生了戏剧性的变化，原本无人问津的服务，开始以每天 3000 个新用户的速度增长。
直至一年半后出售给微软之前，Hotmail的全球用户总量达到了惊人的 1200 万人，要知道当时全球的网民数量也才不过区区 7000 万人。
例2，Facebook 博客小挂件。
向用户提供带有个人 Facebook 基本资料的博客小挂件，用户可以将小挂件的代码粘贴到自己的公共主页或者博客上，对外展示炫耀。结果，这个看似不起眼的小挂件每月为 Facebook 带来了数十亿次展示量、千万次点击量和百万级的注册量。并且，随着用户基数的激增，更多人愿意在自己的博客网站上贴出小挂件，以争取更多的好友和互动。
如果第一个案例让大家觉得不可思议的话，第二个案例就相对容易理解。即：通过设计满足用户潜在诉求的情感共鸣。
Hotmail 通过一句情感独白让发送邮件从冷冰冰的工具变成用户情感之间的交流，在当时的大环境下脱颖而出。
Facebook 则通过头像挂件解决了新用户入场之后二度人脉扩张的诉求，试问进入社交软件发现没有好友会是多么的焦虑？即便你的设计再出彩（如 line 在国内仅火了萌宠大军，app 却无人问津）。
所以，我认为判断一个科学的体验设计场景标准为，「刚好你有需要，刚好我能满足」。
五步设计流程
不同的是 Hotmail 的案例可能是一次脑暴的结果，而 Facebook 则是用了 6 个月之久基于目标链路的用户行为数据诊断、结合业务需求深度剖析得出符合业务增长目标的「待发现用户诉求」，具备很强的科学性。那么在工作中如何建立科学的机制，在更深层次的产品用户体验设计中体现设计师的自我实现与自我价值？以我服务的产品「网易有钱」为例。
网易有钱是一款支持自动同步的全资产记账软件。目标定位：白领、骨干、精英用户（以下简称白骨精用户）愿景为年轻的渐富人群提供全方位的资产管理服务。 2015 年 6 月正式推出至今，已成为自动记账细分领域的领先者， 2017 年增长达到150%。网易有钱作为上线三年的产品相对功能趋于完善，任何功能的调整及增加都会对现有用户带来一定的影响，因此我们在进行3. 0 需求改版的时候结合以下五步设计流程来满足产品同学提出的业务需求。
Step1：明确战略目标及短中期业务目标
Slogan 是产品与用户的第一次接触，也是第一次情感的传递和共鸣，简短的文字直观的告诉用户我是谁，我能为你做什么？浓缩了某个产品在一段时间内的愿景和战略目标。kpi 则是中短期业务目标的直观反馈现阶段产品方向（ps：可参考 AARRR 模型“获取、激活、留存、传播和收入”）。
网易有钱现阶段战略目标
slogan：支持自动同步的全资产记账软件。
全资产记账：全资产记账除了需要登记资产账户的余额之外，也登记资产账户的变动和交易情况。如xx 股票账户个股购买时间、金额、区间涨跌幅、持仓补仓、交易及收益情况等为一个全资产链路。
自动同步：即用户添加资产后，如房贷，后续的记录及剩余贷款金额和还款日期等事情交给我们来做。
业务目标
结合 AARRR 模型，有钱的短期业务目标：获取用户、提高留存、引导传播。
以上两个目标可以帮助我们锁定设计思考的维度。设计方案能否在满足产品需求时更好的服务于用户？这需要我们制定科学的数据策略模型来定位用户问题及潜在的用户诉求。
Step2：制定数据维度分析策略模型
Hotmail 与 Facebook 的案例均是 Growth Hacking 的行为。Growth Hacking 以数据驱动产品增长策略的理念，用户在产品生命周期中各个阶段的重要指标的分析都可以让问题定位更聚焦，这非常适合网易有钱，精确的用户行为数据让我们做设计策略时有非常重要的参考价值。根据业务目标结合增长策略我们制定如下数据分析维度：
用户动态分析：核心功能用户行为发生了多少次，占比多少。
行为漏斗模型：关键行为是以什么样的形式发生的，每一步有多少留存和跳失。
用户活跃度：周期（日、月、季度、年）内用户活跃度的表现有什么不同。
单用户行为分析：用户进入 app 做了哪些事情，过程如何。
Step3：数据提取、整理问题
在核心流程上增加全链路埋点可以帮助我们了解各个模块之间的流量占比（用户行为数据提取），结合策略模型了解每一步流程的点击率、跳失率、转化率，做到心中有数。使我们在新增功能设计时可以告诉需求放什么样的方案是合理的。
例：添加资产流程全链路埋点，添加资产 btn — 资产选择 list — 账户登录 — 成功添加资产账户。
多维度整理问题，使其更真实精准的反应用户行为。数据观察+用户访谈，采用数据提取及访谈的方式，提取 7 日及 30 日活跃，观察用户的行为，同时邀请用户访谈双向维度比对得出问题：
