做產(chǎn)品時(shí),一定得看數(shù)據(jù)嗎?
數(shù)據(jù)自己本身或許不會(huì)說(shuō)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(wèn)題進(jìn)行闡述,一起來(lái)看看。
常??吹竭@樣的疑問(wèn)“做產(chǎn)品時(shí),一定得看數(shù)據(jù)嗎?”,本文將對(duì)此來(lái)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(wú)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(shuō)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(guò)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(lè)觀。
還有很多數(shù)據(jù)可能會(huì)“說(shuō)謊”的例子,參加知乎的其他問(wèn)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(guò)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(lái)說(shuō)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(wèn)題核心的卻不多。
實(shí)際上,數(shù)據(jù)自己并不說(shuō)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(wèn)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(wèn)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(wèn)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(wàn)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(wú)論如何,方法只是方法,核心還在于如何使用來(lái)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(wèn)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(guò)這樣的問(wèn)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(lái)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。
怎么覺得標(biāo)題和內(nèi)容說(shuō)的不是一回事