數(shù)據(jù)自己本身或許不會(huì)說謊，但解讀它的人卻各有不同。正所謂“一千個(gè)讀者，就有一千個(gè)哈姆雷特?！钡?，做產(chǎn)品時(shí)，是否一定要看數(shù)據(jù)？本文作者將對(duì)此問題進(jìn)行闡述，一起來看看。

常常看到這樣的疑問“做產(chǎn)品時(shí)，一定得看數(shù)據(jù)嗎？”，本文將對(duì)此來嘗試探討：

減少風(fēng)險(xiǎn)不等于消除風(fēng)險(xiǎn)

我們做和產(chǎn)品有關(guān)的決策時(shí)的各種方法，無論是定量數(shù)據(jù)、還是定性研究（例如觀察、部分用戶的主觀評(píng)論等），其作用都在于幫助我們減少?zèng)Q策的風(fēng)險(xiǎn)，幫助我們?cè)诟鞣N不確定性下更有把握，并且，更能說服別人，讓團(tuán)隊(duì)保持一個(gè)方向

注意是“減少”而不是消除。

現(xiàn)實(shí)不是應(yīng)用題！

我們每個(gè)人都喜歡數(shù)字，從中小學(xué)做應(yīng)用題時(shí)開始，我們就喜歡給出幾個(gè)輸入，就有確定的輸出。但是做產(chǎn)品不是做應(yīng)用題，更多的情況下，我們面對(duì)的不是線性的、能夠明確看到數(shù)據(jù)并100% 確定的結(jié)果，我們所碰到的往往是一些不可解、或者以我們掌握的有限數(shù)據(jù)很難解出的非線性方程。

北京剛剛推行公交卡時(shí)的狀況很多人可能還記憶猶新。那是相當(dāng)混亂… 三環(huán)上車堵的那個(gè)嚴(yán)重，上車下車需要分不同的門、刷卡也不習(xí)慣，一大堆公交車在車站排隊(duì)… 地鐵里也是 n 多工作人員在引導(dǎo)混亂的人群。這個(gè)階段統(tǒng)計(jì)的數(shù)據(jù)，大家覺得會(huì)是什么樣？但看此時(shí)的數(shù)據(jù)很可能就改回以前的方式了… 但是現(xiàn)在，情況大家都知道了，不再有人質(zhì)疑公交卡的使用。

回到 IT 業(yè)，對(duì)應(yīng)的例子可以想到很多了。經(jīng)典的一個(gè)是 Office 2003 到 2007 的轉(zhuǎn)換，因?yàn)榻缑娴拇蠓日{(diào)整，用戶罵聲一片，很多人抱怨找不到想用的功能，甚至有了轉(zhuǎn)回 2003 菜單方式的插件。但是現(xiàn)在呢？過了這個(gè)用戶體驗(yàn)的臨界點(diǎn)，Ribbon UI 也成了標(biāo)準(zhǔn)。當(dāng)時(shí)去看數(shù)據(jù)也并不會(huì)樂觀。

還有很多數(shù)據(jù)可能會(huì)“說謊”的例子，參加知乎的其他問題。

定量數(shù)據(jù)是一把雙刃劍

用的好的是高手，用的不好的只傷到自己。最可怕的、也最常見的不是沒有數(shù)據(jù)，而是我們“聽風(fēng)便是雨”，用一些過于簡(jiǎn)化的模型，去解釋原本復(fù)雜的現(xiàn)象，還自己為正確，因?yàn)橛袛?shù)據(jù)的支撐。拉些數(shù)據(jù)來說個(gè)結(jié)果很多人都會(huì)，但是真正能從復(fù)雜性中找到問題核心的卻不多。

實(shí)際上，數(shù)據(jù)自己并不說謊……只是我們解讀數(shù)據(jù)的方式，我們?cè)O(shè)定的模型，我們的自變量、控制變量的選擇……

時(shí)間、成本對(duì)定量數(shù)據(jù)的影響也不可忽略

并不是所有決策都需要數(shù)據(jù)支撐的。

很多交互設(shè)計(jì)，一個(gè)有經(jīng)驗(yàn)的設(shè)計(jì)師在依靠可用性知識(shí)和領(lǐng)域經(jīng)驗(yàn)的基礎(chǔ)上，完全可以給出快速、合適的設(shè)計(jì)。如果一定要細(xì)究出 123 就抓不住主要矛盾了。曾經(jīng)要調(diào)整產(chǎn)品中某個(gè)界面的預(yù)設(shè)狀態(tài)，負(fù)責(zé)相應(yīng)工作的工程師一定要問我要數(shù)據(jù)，讓他知道百分之多少的用戶會(huì)這么做，百分之多少的會(huì)那么做，然后才能改……這種細(xì)節(jié)問題如果去抓數(shù)據(jù)就別想做什么事了，最終的結(jié)果是找他的經(jīng)理，告訴他們這種問題上必須相信設(shè)計(jì)師的判斷，就像在編程上需要相信工程師一樣。

定性數(shù)據(jù)的作用不要忽略

你有沒有觀察你的用戶是如何使用產(chǎn)品的？有沒有對(duì)用戶進(jìn)行有計(jì)劃性的訪談……這些所涉及的用戶數(shù)量可能都不會(huì)太多（一般 30 個(gè)以下沒有統(tǒng)計(jì)意義），不會(huì)給你漂亮的數(shù)字看。

但是千萬別小看，這些是你的原料，而加工的機(jī)器是你的頭腦。你不是喬布斯，也不知道如何成為喬布斯，別指望學(xué)禪、頓悟（某一天你成功了，可能有很多可以挖掘的年少軼事或者精神追求），現(xiàn)在減少不確定性的可行方法之一就是咀嚼這些原料，讓自己更好的理解用戶，當(dāng)然也包括自己大量的嘗試。

定性研究有很多方法，不一一講了，無論如何，方法只是方法，核心還在于如何使用來達(dá)到目標(biāo)。但是也要小心，很多時(shí)候我們所犯的錯(cuò)誤就是將簡(jiǎn)單的事情想到復(fù)雜，卻又將復(fù)雜的事情想的簡(jiǎn)單。

當(dāng)你在汽車發(fā)明前跑去問人們需要什么時(shí)，大家可能會(huì)告訴你需要更快的馬。我在很多用戶訪談中都發(fā)現(xiàn)過這樣的問題，用戶會(huì)直接給你一個(gè)他認(rèn)為自己最需要的解決方案，但實(shí)際上不是，滿足他的目標(biāo)其實(shí)有更好的方法，這個(gè)就得靠你自己的挖掘、消化和輸出。在工作中也是一樣的道理，有些人老板/客戶要求什么就做什么，而另一些人則分析他們這些要求背后的目標(biāo)是什么，哪些是可以變通的、哪些有更好的解決方案。

總結(jié)一下

1. 單純的感覺靠不住

除非你是喬布斯二世，或者讓大家相信你是，或者你是 Big Boss，否則憑什么你自己的感覺就是對(duì)的。當(dāng)然，如果大家都愿意相信你，那也不錯(cuò)（這樣的團(tuán)隊(duì)至少方向是可以一致的）。

2. 數(shù)據(jù)很有用，但是要用的對(duì)

別搞錯(cuò)因果關(guān)系、遺漏重要影響因子、在做比較時(shí)沒有保持其他條件不變等等。

3. 定性研究要重視，多“吃”點(diǎn)定性數(shù)據(jù)做原料

用定性數(shù)據(jù)來武裝自己，給自己的感覺加點(diǎn)“料”。

#專欄作家#

馬力，最美應(yīng)用創(chuàng)始人&CEO，人人都是產(chǎn)品經(jīng)理專欄作家。擅長(zhǎng)互聯(lián)網(wǎng)產(chǎn)品設(shè)計(jì)、需求挖掘、流量和用戶體驗(yàn)。微信公眾號(hào)：可能性與大設(shè)計(jì)

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。