案例分析：国外运动社交平台 Strava 爆红，这是它们的设计增长实验

是一款专为运动爱好者设计的测速APP，同时也是当下爆红的运动达人社交平台。

公司总部坐落加拿大温哥华，由Mark和共同创办。截止2017年夏天，已累计获得7000万欧元的投资。

本文作者Paolo（产品设计师）将结合实际案例，跟你们分享是怎样通过增速实验，在运动达人圈中逐步扩大影响力的。

在，下降团队的目标是扩大这个世界上最活跃的运动员社群。

为了实现这个目标，从新用户了解，到她们第一次使用这个产品，我们的团队都要为她们的体验负责。我们的目的就是让用户相信，无论她们是谁，都是帮助她们实现运动目标的正确选择。

通过数据观察和研究，我们将团队的目标和具体的项目联系上去，之后通过实验不断检验我们提出的假定是否符合用户的实际使用情况，再不断迭代优化，逐渐缩小与目标的差别。

设计下降

与任何产品设计师一样，下降设计师一定是良好用户体验与高商业价值的积极推进者，但是，他会一直力求在两个目标之间达成平衡，这样就能确保设计的产品既具备可用性，又拥有市场。

下降设计师必须在项目中不断试验、摸索。我们通常会从一些小的设计着手，这样就能快速学习和检验假定。

在小范围的测试后，假如实验失败了，那就意味着这个失败的实验未能被推广到整个用户群体中。因而在设计时，我们会考虑怎样合理分配有限的时间和资源。我们经常问自己：在用户体验中设计某个具体环节对实验结果有正面的又可评判的影响吗？假如没有，我们会把这种环节的设计推迟到后期，等目前的实验成功后再做。这些方法确保了我们以最低成本的方法检验假定。

在做实验的同时，我们都会讨论数据，由于我们十分清楚设计的优劣必须是可以评判的。其实，不仅数据之外，我们也会通过定性反馈来验证实验的结果。在大项目中实验设计与分析，我们会举办用户采访实验设计与分析，获取定性数据；而在小项目中，我们在一开始都会做可用性测试来发觉用户在使用过程中可能会遇到的问题。这种做法保证了我们的设计仍然以数据为驱动，以用户为中心。

我们的设计流程1.提出假定

一般，我们的下降团队会以小组为单位提出想要验证的假定，以及希望通过实验提高的业务指标。

这种指标是依据公司的整体目标而定的，可以定量，也可以定性，又或则是二者相结合。

我们的假定如同指引方向的南极星，使我们脚塌实地专注于实现KPI，并确保我们的设计开发工作在原定范围内进行。

2.设计实验

在，每位项目都对应我们企图改善的特定指标。简单的指标包括下载和注册率，更复杂和常年的指标则包括用户存留率或活动上传率。

我们把每一次设计都当成一次实验，而实验的目的就是快速学习用户行为，并确认或推翻以前的假定。

为了说明这一点，我来举个反例——的活动标记功能（如右图）。

备注：

我们最初做这个改版实验时，就是想要验证这个假定：对于以前和自己一起锻练过但没有记录活动数据的男子伴（也可能是还没加入），用户有很高的意愿约请Ta一上去记录。

为了验证这个假定，我们首先推出了一个简化的功能，让用户能通过活动详情表中的本地共享列表，约请其他人加入社群。

备注：用户界面和复制测试致力降低功能使用频度和对外约请次数

当我们的初始假定通过了验证（经过了多次复制和用户界面测试），我们就推出了一个更精巧的版本：用户可以分享活动副本而不仅仅是发出约请。接收副本的用户收到提示后，可将副本保存到个人档案，并进行个性化处理。

紧接着，我们又推出了最新版本：用户不仅约请仍未加入的同学之外，还可以轻松添加其他用户。

3.进行实验

实验设计完成后，我们就开始在一部份用户中进行了小范围的测试。

在A/B测试或多变量测试中，我们就会将实验组（新版本）和对照组（旧版本）进行对比。在即将发布新的用户体验或功能之前进行检验，能让我们将新功能隔离下来测试，在结果与预期有差别时对该功能进一步迭代优化。另外，我们可以选择不同语言（比如法语）进行测试，因而跳过本地化的测试步骤，进一步推进测试进程。

备注：A/B测试的一个反例。我们的假定是，在应用程序加载后马上浮现注册窗口可以提升注册率，非常是通过。

其实，有些情况下，我们并没有将已有的用户体验环节作为对照组，例如当我们推出全新功能的时侯。活动标记功能就是一个反例。

我们推出该功能的假定是：与普通约请相比，让用户约请和自己一起锻练但没有记录运动行为的男子伴，可以促使更多的“邀请行为”。这是一个新的功能，没有历史数据可以做对比。不过，我们可以将该功能与旧版的普通约请功能进行比较，由于它们使用的KPI（新注册用户数）相同。

最终，在测试期间，与普通约请功能相比，活动标记功能让发出的约请数下降了五倍。

备注：对两个具有相同KPI（发出约请次数、新注册用户数）的功能进行对比

4.评估实验

我们会在实验独立运行一段时间（一般是两周），或则达到数据明显性以后回到实验本身，以小组为单位深入研究数据、分析结果。

在个别情况下，达到数据明显性须要几个礼拜，甚至几个月，例如测试一些较少被用户使用的功能时。此时我们会选择A/B测试而不是多变量的测试，因而将用户的浏览或流量分布限制为双变量分布，这有助于我们推动学习进程。

5.决定功能是否推广

基于积累的认知，我们会再决定实验的新功能是否推广，成为用户体验的一部份。

假如实验成功，假定被验证，这么，我们都会把新功能推广到整个用户群体中。假如实验失败，我们会在产品剖析师的帮助下，对数据进行深入挖掘。产品剖析师会剖析实验结果不如预期的缘由，为我们后续改进设计提供有用信息。其实，我们也会回顾最初的研究和可用性测试，希望从定性的角度，获取这些就能帮助我们确切理解定量数据的信息，进而更全面地把控整个项目。

6.发挥量化数据的杠杆作用

在，我们的方式不总是纯粹量化与科学的。

我们会进行初期用户研究，用定性方式验证我们的假定并搜集一些初期的“信号”，这种“信号”能告诉我们目前的项目是否具备潜力驱动下降团队最关心的指标。若果没有，我们会考虑把项目所有权转交给其他团队，或则确保我们以后将工作精力集中在产品最有下降潜力的部份。这么一来，下降团队觉得无效的假定，对于有不同商业目标的团队来说仍然十分有价值。

再举个反例吧。我们的下降团队从一个实验中了解到：与对照组相比，对手机页面展示内容的方法做一处特殊改动，能让用户约请好友的次数翻番。因而，当相关领域的团队着手更新产品时，她们充分借助了下降团队获得的定量数据和其他定性研究成果，让产品性能最大化。

推论

以下降为导向的产品设计方式能确保你快速且有针对性地检验假定。你可以从想要检验的假定着手，确定实验想要改善的指标。记住，让设计尽可能简单，不断思索什么功能和环节对目标指标有直接影响，并优先设计这种部份。没有直接影响的部份可以置后考虑，但注意不要以损伤用户体验的可用性或清晰度为代价（例如：防止设置用户圈套）。

实验设计完成后，在一部份用户中举办实验。要保证测试群体足够大，能够让你在最短的时间内（例如两周）达到统计学上的明显性。假如你的用户群体不大，请选择A/B测试而不是多变量测试。你的最终目标应当是，以最快的速率和最经济的手段验证你的假定，之后把成功的实验功能推广到整个用户群体中，最大限度地优化产品表现。

原作者：Paolo（产品设计师）