On the surface, design practices and data science may not seem like obvious partners. But these disciplines actually work toward the same goal, helping designers and product managers understand users so they can craft elegant digital experiences. While data can enhance design, design can bring deeper meaning to data.
This practical guide shows you how to conduct data-driven A/B testing for making design decisions on everything from small tweaks to large-scale UX concepts. Complete with real-world examples, this book shows you how to make data-driven design part of your product design workflow.
Understand the relationship between data, business, and design
Get a firm grounding in data, data types, and components of A/B testing
Use an experimentation framework to define opportunities, formulate hypotheses, and test different options
Create hypotheses that connect to key metrics and business goals
Design proposed solutions for hypotheses that are most promising
Interpret the results of an A/B test and determine your next move
Rochelle King is Global VP of Design and User Experience at Spotify where she is responsible for the teams that oversee user research and craft the product experience at Spotify. Prior to Spotify, Rochelle was VP of User Experience and Product Services at Netflix. where she managed the Design, Enhanced Content, Content Marketing, and Localization teams at Netflix. Collectively, these groups were responsible for the UI, layout, meta-data (editorial and visual assets), and presentation of the Netflix service internationally across all platforms. Rochelle has over 14 years of experience working on consumer-facing products. You can find her on Twitter @rochelleking.
Dr. Elizabeth Churchill is a Director of User Experience at Google. Her work focuses on the connected ecosystems of the Social Web and Internet of Things. For two decades, Elizabeth has been a research leader at well-known corporate R&D organizations including Fuji Xerox's research lab in Silicon Valley (FXPAL), the Palo Alto Research Center (PARC), eBay Research Labs in San Jose, and Yahoo! in Santa Clara, California.
Elizabeth has contributed groundbreaking research in a number of areas, publishing over 100 peer-reviewed articles, coediting 5 books in HCI-related fields, contributing as a regular columnist for the Association of Computing Machinery's (ACM) Interactions magazine since 2008, and publishing an academic textbook, Foundations for Designing User-Centered Systems. She has also launched successful products and has more than 50 patents granted or pending.
Caitlin Tan is a User Researcher at Spotify and a recent graduate from MIT.
评分
评分
评分
评分
这本书的实操价值远高于其理论探讨的篇幅,它真正做到了理论指导实践。我发现书中提供的那些“设计检查清单”非常实用,每当我要发布一个新图表时,都会对照检查一遍,确保没有遗漏关键的清晰度要素。它非常务实地讨论了在资源有限的情况下(比如在移动设备上展示复杂数据)如何进行取舍和优化,这一点在很多只关注“完美展示”的书籍中是看不到的。作者对“迭代”过程的强调也让我印象深刻,设计不是一次性的活动,而是一个不断测试、反馈和调整的过程。通过书中的实例,我学会了如何系统地获取反馈,并将其转化为下一步的设计改进方向。这本书就像一位经验丰富的前辈,耐心地手把手教你如何在现实世界的复杂约束下,做出最清晰、最有影响力的设计决策。
评分这本书的文字风格非常流畅且具有启发性,读起来完全没有学术著作那种枯燥感。作者似乎有一种魔力,能把最抽象的概念也描述得生动有趣。比如,它用“视觉的节奏感”来描述序列化数据的呈现方式,这个比喻非常贴切。我尤其喜欢它对“故事弧线”在数据叙事中的应用的讲解,它教会我如何构建一个引人入胜的数据旅程,而不是简单地罗列数据点。书中包含的许多设计师的“最佳实践”案例分析,不仅提供了视觉上的灵感,更重要的是揭示了这些设计背后的决策逻辑。这对于那些初入行业,正在摸索如何将技术能力转化为有效沟通能力的新手来说,简直是及时的雨露。它帮助我跳出了单纯追求“美观”的表层,深入到“有效”的核心。
评分这本书简直是视觉传达和信息设计的教科书,作者把“好看”和“有用”这两者之间的平衡点拿捏得恰到好处。我特别欣赏它在讲解复杂概念时所采用的类比和案例,尤其是关于如何通过排版和色彩来引导读者的目光流线,那一章我反复看了好几遍。它不只是告诉你“应该”怎么做,而是深入剖析了为什么这么做会产生特定的心理效应。比如,书中关于“数据墨水比率”的讨论,让我对信息冗余有了全新的认识,以前总觉得信息越多越好,看完后才明白,清晰度才是王道。而且,书里提供的设计原则不是僵硬的教条,而是灵活的指导方针,鼓励我们在不同的情境下进行创造性的应用。对于任何想让自己的报告、演示文稿,甚至是日常图表看起来更专业、更有说服力的人来说,这本书都是一个宝藏。它教会我的,是如何用视觉语言讲一个好故事,而不是简单地堆砌数字。
评分我对这本书的结构安排感到非常惊喜,它采取了一种螺旋上升的学习路径,从基础的感知心理学切入,逐步过渡到更高级的交互式数据可视化技术。书中对“认知负荷”的探讨尤其深刻,作者用大量篇幅解释了人类大脑处理信息时的局限性,并据此提出了优化信息展示的策略。我试着将书中的“分层设计”原则应用到我正在做的项目报告中,效果立竿见影——原本晦涩难懂的指标,在进行了合理的视觉分组和对比后,核心信息一下子就突出了。更值得称赞的是,作者没有局限于传统的静态图表,书中对动态可视化和叙事流的构建有独到的见解,这在很多同类书籍中是比较少见的。它不仅仅是关于“画图”的技术指南,更像是一本关于“思考”和“沟通”的哲学读物,对于提升整体设计素养非常有帮助。
评分坦率地说,这本书的理论深度超出了我的预期。起初我以为它会更偏向于软件操作指南,但事实是,它构建了一个坚实的方法论框架。我尤其赞赏它对“数据伦理”这一块的关注。在信息爆炸的今天,如何诚实、透明地展示数据,避免误导性的视觉陷阱,这本书给出了非常明确的警示和规范。书中对不同类型图表(柱状图、散点图、热力图等)的优缺点分析细致入微,它没有盲目推崇某一种“万能”图表,而是强调“匹配性”——数据和目标受众决定了最佳表现形式。这种严谨的态度,使得这本书不仅仅是一本工具书,更是一本能塑造设计师职业观的参考书。阅读过程中,我不得不经常停下来反思自己过去的一些设计决策,看看是否无意中落入了某些视觉偏差的圈套。
评分应用层面阐述了,如何用实验设计去推动产品更新
评分面向A/B实验执行者的一本书,介绍了实验的理论基础和框架,并穿插了许多真实案例。 推荐阅读中文版:《数据驱动设计》。
评分面向A/B实验执行者的一本书,介绍了实验的理论基础和框架,并穿插了许多真实案例。 推荐阅读中文版:《数据驱动设计》。
评分应用层面阐述了,如何用实验设计去推动产品更新
评分应用层面阐述了,如何用实验设计去推动产品更新
本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度,google,bing,sogou 等
© 2026 book.quotespace.org All Rights Reserved. 小美书屋 版权所有