工作多年之後，我發現，只要有系統性地思考，解決問題往往是容易被訓練的能力。但最困難的部分在於如何發現問題。身為產品設計師，我們最大的挑戰就是在混亂中找出真正的問題所在。

作為設計師，我們通常知道哪些地方有問題需要修正，但當所有地方看起來都有問題時，該如何選擇呢？以下是我在工作中的一個具體範例，展示了我如何從數據中發現問題並做出改進。

我通常會請公司的 PM 定期傳送使用者回饋，並將這些回饋整理成數據。舉例來說，我會統計每週收到多少抱怨，然後將這些抱怨細分為不同類型，例如針對使用者體驗、會員系統或是方案的抱怨。當數據累積到一定程度後，我們就能很快看出哪些問題被反覆提起。

有了這些數據後，我們就能預先解決那些常見的問題。

舉個例子，最初我們的會員頁面主要著重於點數和觀看紀錄的設計，其他功能則被隱藏在較深的層次中。但做了競品研究後，我發現，雖然大家的功能多數藏在第二層，但我們的介面設計和按鈕排序卻存在問題，導致使用者找不到他們需要的功能。

同時，我分析了每一條回饋，並將這些文字標註和分類，發現大多數的問題集中在「找不到某些功能」。雖然這些入口本來就有設計，但因為設計不夠直觀，使用者無法輕鬆找到。

在分析回饋時，我還發現使用者雖然不常使用「帳號設定與方案」這個功能，但它對他們來說非常重要，這部分的抱怨也佔很大比例。這就是為什麼設計師需要同時看數據和質化資料。數據能告訴我們頻率，但質化資料告訴我們功能的重要性。

我們在設計中加入了更多追蹤數值，並在新版本上線後對比數據。結果發現，每個功能的使用率大幅提升，最高的提升達到 61 倍，這說明許多使用者之前根本不知道這些功能的存在。

不僅如此，使用者回饋中的問題數量也大幅下降，幾乎降到零。

這就是為什麼建立系統性的數據分析不僅能幫助我們設計更友好的產品，還能大幅降低使用者研究的成本。在商業產品中，這樣的數據驅動設計變得越來越重要。值得一提的是，我們使用的工具是 Firebase，並且已經整合到 GA4，這些工具都是免費的。