數據流

Properties2
tags狀態/草稿
aliasesData Flow（UX 三刀流）, 數據流（UX 三刀流）

閱讀時間約 6 分鐘

數據流

一句話定義

UX-三刀流 三大能力之一：透過科技與數據量測系統與用戶狀態、運算個人化需求、掌握商業與營運流動方向的能力。

核心要點

  • 核心信念：UX 設計不能只靠直覺，需要數據支撐；但也不該完全依賴數據——數據是輔助設計決策的工具，不是終極答案。
  • 應用場景：
    • 衡量產品系統裡用戶的實際狀態與行為
    • 量化用戶需求並排序優先級
    • 量測使用性、做 A/B 測試
    • 個人化推薦、AI/UX 結合
    • 精準掌握商業與營運流動方向
  • 推薦系統的雙面性：社群推薦演算法 可用行為資料提升內容匹配效率，但也可能形成 興趣泡泡，把使用者的短期情緒需求誤判為長期偏好。
  • 意圖資料的行動化：行動引擎 顯示 AI 產品可能把使用者的自然語言意圖、偏好與任務脈絡轉成實際服務調用、交易或工作流。
  • 三階段實戰地圖中的角色：
    • 在「需求分析」階段量測與排序需求
    • 在「設計與開發」階段驗證評估指標
    • 在「市場與優化」階段做數據證據蒐集、迭代驗證
  • 「該量什麼」的 sub-工具：Goal-Signal-Metric 框架——先想商業目標（樹幹）→ 推導觀察訊號（樹枝）→ 落地可量測指標（樹葉），再讓 RD 進行事件埋點。避免「能埋什麼就埋什麼」的數據過剩。
  • 軟性經驗要硬化成指標：資料科學 場景中，使用者說「常常」「很廣」「一直聽」時，數據流要能把它們轉成頻率、廣度、深度等量化座標；否則資料只是一堆事件，無法支援模型訓練或產品決策。
  • 行銷場景的對位：行銷5.0 / 資料行銷 把同一個「先定義目標，再判斷資料重要性」原則放進市場行銷；資料不是越多越好，而是要能支援顧客剖析、預測、場景回應與人機分工。

與其他概念的關係

  • 是 UX-三刀流 的「第三刀」，也是新手最常忽略的能力。
  • 與 用戶流 互補：用戶流靠定性研究找方向，數據流靠定量檢驗答案。
  • 與 商業流 互補：商業流規劃策略，數據流驗證策略是否奏效。
  • 與 社群推薦演算法 相關：平台把行為資料轉為內容分發決策，會反過來塑造使用者看到什麼、創作者生產什麼。
  • 與 頂級聚合者 相關：當平台能用資料替使用者比較供應、分派任務與完成行動，資料責任與平台權力都會上升。
  • 與 Goal-Signal-Metric：G-S-M 是數據流「該量什麼、怎麼量」的具體 sub-工具；在 PRD 第 5 部「產品指標」段中作為標準框架。
  • 與 行銷5.0：數據流是 UX 能力，行銷5.0 是行銷科技框架；兩者共享「數據輔助決策，但不能取代判斷」的基本紀律。
  • 與 資料行銷 / 預測行銷：前者是資料生態系與目標界定，後者是資料流進入模型後的未來推估。
  • 與 資料科學：資料科學的前置問題是「這是否能成為量化問題」；數據流則是在產品 / UX 語境中把這個量化能力落到事件、指標與決策。

相關來源

備註

本頁專指 UX 三刀流框架下的「數據流」，與計算機科學中的「data flow / data stream」（程式或系統內的資料流動）概念無關。

反向連結