做产品时,肯定得看数据吗?

2017-07-28

  每每看到如许的疑问“做产品时,肯定得看数据吗?”,本文将对此来尝摸索究:

  淘汰危害不即是消除危害

    我们做和产物有关的决议计划时的种种方法,无论是定量数据、照旧定性研究(比方视察、部门用户的主观批评等),其作用都在于资助我们淘汰决议计划的危害,资助我们在种种不确定性下更有掌握,而且,更能说服别人,让团队连结一个偏向细致是“淘汰”而不是消除。


  现实不是应用题!

    我们每小我私家都喜好数字,从中小学做应用题时开始,我们就喜好给出几个输入,就有确定的输出。但是做产物不是做应用题,更多的环境下,我们面临的不是线性的、可以大概明白看到数据并100% 确定的效果,我们所遇到的每每是一些不行解、大概以我们掌握的有限数据很难明出的非线性方程北京方才推行公交卡时的状态许多人大概还影象犹新。那是相称杂乱… 三环上车堵的谁人严峻,上车下车必要分差另外门、刷卡也不风俗,一大堆公交车在车站列队… 地铁里也是 n 多事情职员在引导杂乱的人群。这个阶段统计的数据,各人以为会是什么样?单看此时的数据,很大概就改回曩昔的方法了… 但是如今,环境各人都知道了:不再有人质疑公交卡的利用。

    回到 IT 业,对应的例子可以想到许多了。经典的一个是 Office 2003 到 2007 的转换,由于界面的大幅度调解,用户骂声一片,许多人诉苦找不到想用的功效,乃至有了转回 2003 菜单方法的插件。但是如今呢?过了这个用户体验的临界点,Ribbon UI 也成了尺度。其时去看数据也并不会乐观。另有许多数据大概会“撒谎”的例子,到场知乎的其他题目。


  定量数据是一把双刃剑

    用的好的是妙手,用的欠好的只伤到本身。最可骇的、也最常见的不是没有数据,而是我们“听风便是雨”,用一些过于简化的模子,去表明本来庞大的征象,还本身为准确,由于有数据的支持。拉些数据来说个效果许多人都市,但是真正能从庞大性中找到题目焦点的却未几。现实上,数据本身并不撒谎……只是我们解读数据的方法,我们设定的模子,我们的自变量、控制变量的选择……时间、本钱对定量数据的影响也不行纰漏并不是全部决议计划都必要数据支持的。许多交互计划,一个有履历的计划师在依赖可用性知识和范畴履历的底子上,完全可以给出快速、符合的计划。要是肯定要细究出 123 就抓不住重要抵牾了。曾经要调解产物中某个界面的预设状态,卖力相应事情的工程师肯定要问我要数据,让他知道百分之几多的用户会这么做,百分之几多的会那么做,然后才气改……这种细节题目要是去抓数据就别想做什么事了,终极的效果是找他的司理,报告他们这种题目上必须信赖计划师的果断,就像在编程上必要信赖工程师一样。


1501204087840423.jpg


  定性数据的作用不要纰漏

    你有没有视察你的用户是怎样利用产物的?有没有对用户举行有计划性的访谈……这些所涉及的用户数目大概都不会太多(一样通常 30 个以下没有统计意义),不会给你美丽的数字看。但是万万别鄙视,这些是你的质料,而加工的呆板是你的头脑。你不是乔布斯,也不知道怎样成为乔布斯,别指望学禅、顿悟(某一天你乐成了,大概有许多可以发掘的幼年轶事大概精力寻求),如今淘汰不确定性的可行方法之一便是品味这些质料,让本身更好的明白用户,固然也包罗本身大量的实验。定性研究有许多方法,不逐一讲了,无论怎样,方法只是方法,焦点还在于怎样利用来到达目的。但是也要警惕:许多时间我们所犯的错误便是将简朴的事变想到庞大,却又将庞大的事变想的简朴

    当你在汽车发明前跑去问人们必要什么时,各人大概会报告你必要更快的马。我在许多用户访谈中都发明过如许的题目:用户会直接给你一个他以为本身最必要的办理方案,但

现实上不是,满意他的目的实在有更好的方法,这个就得靠你本身的发掘、消化和输出。在事情中也是一样的原理,有些人老板/客户要求什么就做什么,而另一些人则阐发他们这些要求背后的目的是什么,哪些是可以变通的、哪些有更好的办理方案。


  总结一下

    1. 单纯的觉得靠不住

    除非你是乔布斯二世,大概让各人书赖你是,大概你是 Big Boss,不然凭什么你本身的觉得便是对的。固然,要是各人都乐意信赖你,那也不错(如许的团队至少偏向是可以同等的)。

    2. 数据很有效,但是要用的对

    别搞错因果干系、遗漏重要影响因子、在做比力时没有连结其他条件稳定等等。

    3. 定性研究要器重,多“吃”点定性数据做质料

    用定性数据来武装本身,给本身的觉得加点“料”。


上一篇:弹窗计划总结:弹窗的利用机遇与计划原则

下一篇:你要知道的记忆和定律