资源介绍
视频数量：41个
总时长：12小时16分
课程介绍：
让设计提案真正推动决策
方案改到第九版，界面已经足够精致，功能也塞得满满当当。可当产品经理追问“它能带来什么业务价值”，你却只能回答“体验会更顺畅”；当高管问“投入这么多资源，回报是什么”，会议室突然安静下来。好设计常常卡在这里：不是做得不够好，而是没有把设计判断翻译成别人关心、听得懂、愿意据此行动的理由。
这套41节、总时长12小时16分的课程，处理的正是设计师最难补上的一课：如何用业务目标、数据证据和清晰叙事，让设计提案从“看起来不错”走向“值得批准”。
一、先把设计语言翻译成业务语言
课程从企业真正需要什么切入。企业判断设计是否成功，看的通常不只是用户满意度，还会关注收入、转化、留存、效率等可衡量的结果。讲师用马拉松作比喻：只知道自己在跑，却没有终点线，任何努力都很难证明方向正确。
随后进入数据知情设计流程，共五个步骤：对齐业务目标、追踪设计决策、理解数据、分析数据、采取行动。这里并不是让数据替代设计，而是教你用数据补强判断，让每个设计选择都有清楚的理由。
指标阶梯技术会把用户体验指标、产品指标与业务指标逐层连接。目标、信号、指标也会被拆开说明，帮助你区分“希望发生什么”“通过什么迹象判断”和“具体看哪个数值”，避免汇报时只说些无法验证的目标。
二、在设计之前，先说清什么叫成功
第二个工作坊把重点放在设计前期的定义工作：先确定成功标准，再决定要做什么。课程会讲如何追踪变化，判断设计是否真的产生效果；如何划分用户群体，避免把性质不同的人混在一起；如何梳理工作流程，找出哪些页面或环节会影响目标指标。
你还会完成一次初始判断，把现有设计与某个业务结果暂时联系起来。哪怕最初只是有根据的猜想，也能据此继续验证。穿插的答疑环节，则帮助消化指标拆解、流程梳理和案例练习中容易卡住的地方。
三、找到真正值得改变的核心问题
到了第三个工作坊，课程追问一句常被忽略的话：“所以呢？”信息很多，并不等于洞察明确；设计报告罗列了用户反馈，也不等于别人会因此改变决定。
核心挑战这一部分，会训练你说明为什么当前设计必须改变，而不是泛泛地说体验不好。随后学习怎样从信息走向洞察，找出数据背后的原因，并识别四类可能推动决策的变革推动者。怀疑者练习会模拟不肯轻易认同方案的 stakeholders，让你在真实阻力出现前先经历一次。
第四个工作坊进一步聚焦如何把问题讲到无法忽视。你会学习向数据提问，用查询结果揭示规律，再把核心挑战转化为数据可视化钩子，并使用数据可视化工具完成第一版图表草稿。图表不只是装饰，而是用来突出变化、差距和机会。
四、从洞察走向可执行的设计建议
第五个工作坊关注如何面对不同听众组织表达。一个可信的洞察，还要转化为具体设计建议，并说明这些建议为什么比现有方案更值得投入。
面对同一个问题，团队往往会拿出多个解决方案。课程介绍基于影响程度、信心、工作量和投入等因素进行排序的RICE方法，同时练习估算每项方案可能产生的影响。这样一来，你推荐的就不只是“个人更喜欢的方案”，而是有优先级、有取舍依据的设计决策。
五、用人工智能搭建会思考的第二大脑
第六个工作坊把人工智能带入提案准备。你可以为项目建立第二大脑，把相关数据、背景资料和用户角色持续加入其中，让它围绕一个明确假设提供反馈。
课程会拆解提示语该包含什么，展示两种迭代回答的方法，并指导你验证人工智能给出的判断是否贴合真实项目。它适合希望借助人工智能整理复杂信息、预演质疑、加快方案推演的设计师。不过重点不是让工具替你做决定，而是借助它发现论证中的漏洞。
六、搭建一条能推动决策的论证主线
第七个工作坊讲结构。讲师给出一个可通用的五分钟用户体验故事，让复杂项目能在短时间内讲清背景、问题、证据、方案与预期结果。你还会根据产品经理和高管的不同关注点调整内容：前者通常需要实施细节与协作逻辑，后者更关心业务影响、风险和资源回报。
面对常见质疑时，不必临时解释或立刻退让。课程会提供应对思路，帮助你承认合理担忧，同时守住证据和判断，用有准备的回应延续讨论。
七、按项目状态选择表达框架
最后一个工作坊处理不同场景下的表达方式。对于正在推进的项目，可以使用问题、激化、解决这一框架，把问题的严重性讲透，但避免夸大或制造焦虑。对于已经完成的项目，则可使用为什么、是什么、怎么做这一结构，说明当初为何行动、交付了什么、结果如何。
完成这些内容后，你会发现，设计师的提案能力不再只是画面表达，还包括定义问题、组织证据、评估方案、处理异议和调整叙事。适合需要频繁参与评审的产品设计师、体验设计师、设计负责人，也适合希望提高数据意识与商业沟通能力的设计团队成员。
课程中的工作坊、练习、模板和答疑环节都围绕真实提案展开。学过之后，你应当能带着一个清晰目标走进评审室，说清设计为何值得做、证据支持什么、优先级如何确定，也能让不同角色听懂并采取下一步行动。