在前一篇文章[D10]了解需求的價值，用數據驗證效益中，我們探討了利用數據來驗證需求的效益。然而，很多人在實施的過程中首先遇到的困難，通常是不清楚應該收集哪些數據，以及如何去收集。

什麼樣的數據是重要的？

在需求設計的過程中，首先必須明確該需求所希望實現的目標。這通常涉及與公司內部相關部門進行深度溝通。問題的提出經常會以「為什麼」作為出發點，以確認這個需求是否與公司的整體價值觀相符。然後，問題便是如何將這個商業價值量化。

從商業角度來看，如果需求目標是增加用戶停留時間，則相關的關鍵指標可能包括平均停留時間和用戶活躍度等。若需求是提升轉換率，則需要細致分析購買流程的各個階段，以及用戶在這些階段的行為。

基本的用戶行為數據（例如，網頁瀏覽率、註冊人數、APP下載量等）通常相對容易收集。這些數據反映了產品的曝光和受眾接受度，而收集這些數據通常可以通過如Google Analytics等工具。

如何深入瞭解用戶行為？

除了基本數據，特定功能的使用情況也值得關注。比如，如果一個功能的位置不顯眼，或者對使用者來說不夠實用，我們應如何知道？

這就需要更精細的數據收集手段。

例如，使用 Microsoft Clarity 可以捕捉用戶在網站上的互動行為，從而了解哪些區域最受點擊，或者哪些區域的點擊效果不佳。 Google Tag Manager 也是一個非常有用的工具，能夠記錄用戶在網站上具體的點擊行為。

進階的數據蒐集

對於更複雜的需求，如理解用戶購買行為或喜好，通常需要工程師來設計專門的數據收集機制。

以過去開發的電商平台為例，我們建立了一個事件驅動的用戶標籤系統。每當用戶點擊某個商品，系統就會觸發相應的事件，並依據這些數據為用戶添加相應的標籤。

舉例來說，『使用者A』今天登入平台時，查看了『商品YYY』，而這時候我們就會發送一個『使用者查看商品』事件，然後裡面就會包含了使用者資訊與商品資訊一同丟給接收事件的服務，它就會幫我把使用者貼上一個標籤，『商品YYY』，甚至可以根據這個商品的特性分類，也把這些屬性貼在使用者身上，這樣後續我們在查詢，喜歡『商品YYY』的使用者時，就能從這個資料群裡面找出，並且也可以加以利用在不同的場景之中。

這種方式不僅有助於更好地了解用戶和商品之間的互動，也方便後續進行更精確的個性化推薦。

工程師最需要去思考怎麼去建置一個更適合公司產品的數據收集機制，幫助公司建置更數據中心，讓公司可以依照這些數據來去創造更有效益的產品，這也就是工程師能創造商業價值的方法之一。

總結

數據驅動的需求開發是一個持續優化和迭代的過程。首先需要明確需求的商業價值和相關的量化指標，然後選擇合適的工具和方法來收集這些數據。最後，將這些收集到的數據整合進數據系統中，以便進行更深入的分析和創造更符合用戶需求的產品。