一堆數(shù)據(jù)擺面前，數(shù)據(jù)背后有什么樣的事情在發(fā)生，這些數(shù)據(jù)里面暗藏著什么樣的用戶需求，什么樣的商業(yè)機會？看懂這些，將為未來產(chǎn)品設計的方向，用戶需求的把握起到關鍵性的作用。
但，“看不懂數(shù)據(jù)”是一個普遍的問題，而且是一個永遠存在的問題。 基本上，我認為原因都出在看數(shù)據(jù)的人身上。
1、不配看數(shù)據(jù)
產(chǎn)品設計者對待數(shù)據(jù)的態(tài)度，不像一個市場分析者或者財務分析者。我們看數(shù)據(jù)，更多是需要了解數(shù)據(jù)背后用戶的行為邏輯和期望需求。這就要求我們看到數(shù)據(jù)的時候，必須第一時間想象到用戶是如何創(chuàng)造出這些數(shù)據(jù)的，為什么會創(chuàng)造出這樣的數(shù)據(jù)。
作為一個產(chǎn)品設計者首先必須告訴自己：“I’M Not User” ，如此同時還要再把自己模擬成一個平凡的用戶，不停的反復的去用自己的產(chǎn)品，和同類產(chǎn)品。我向來認為，一個做移動互聯(lián)網(wǎng)的產(chǎn)品設計師，不有事沒事?lián)Q手機玩，不是好的產(chǎn)品設計師；一個電子商務的產(chǎn)品設計師，不每周在網(wǎng)上買一件東西，不是一個好的產(chǎn)品設計師。
06 年中，在某個用戶體驗設計的會上，某知名教授大講他所在公司搞到的facebook的數(shù)據(jù)，說他的理解、說他的分析，說facebook如何沒戲。剛開始聽著蠻有根有據(jù)，后來越聽越不對味，突然他冒出來一句“雖然我從來不用facebook”… 我當場昏厥。這種人，不配分析facebook的數(shù)據(jù)，更不配去評論。
要想有資格去看數(shù)據(jù)，通過數(shù)據(jù)給產(chǎn)品設計提供有效的依據(jù)。方法很簡單，也很有效：把自己當作一個平凡的用戶，不停的用。有，且只有這么一個方法。
2、為了看數(shù)據(jù)而看數(shù)據(jù)
和做可用性測試一樣，測試之前不能說沒有“關注點”，發(fā)現(xiàn)什么就是什么。那樣什么也發(fā)現(xiàn)不了，即使發(fā)現(xiàn)了，價值也不大。數(shù)據(jù)拿到手里，沒有目的的去看，不如不看。
在做產(chǎn)品設計的數(shù)據(jù)分析之前，首先應該搞清楚自己需要什么樣的數(shù)據(jù)來說明什么問題。一個數(shù)據(jù)對于不同的產(chǎn)品、不同的環(huán)境、不同的用戶類型，得到的結論應該是不一樣的。傳統(tǒng)的市場研究中，對于數(shù)據(jù)的分析往往是根據(jù)“硬屬性”，比如他們對于用戶的分析基本都是根據(jù)“人口屬性”的數(shù)據(jù)，他們得到的結論也很少結合現(xiàn)實環(huán)境。這樣的結論，對于（互聯(lián)網(wǎng)的）產(chǎn)品設計基本上沒有太大的參考價值，特別是如今個性化需求越來越強，用戶行為越來越獨特的時候，“人口屬性”很不能代表用戶背后的行為邏輯。
比如，想了解“有購物搜索需求的網(wǎng)民”具備的主要特征，這個時候“年齡、學歷、性別、收入、婚姻狀況、消費能力、信息獲取方式、上網(wǎng)條件、..”可能都是對我有參考價值的數(shù)據(jù)，但那些才是最重要的呢？分析后很快就可以發(fā)現(xiàn)，比較而言“年齡、收入、上網(wǎng)時間、上網(wǎng)條件”都不是最重要的，“消費能力”、“信息獲取方式”在這里才是最重要的特征。這些數(shù)據(jù)背后才更能代表用戶的行為邏輯和需求。（如果不是很明白這個結論，稍后再《Desing IT.》第8篇左右會談到產(chǎn)品設計上如何區(qū)分用戶屬性）
3、不去篩選數(shù)據(jù)
做一個優(yōu)秀的設計者，首先必須善于“提問”。“提問”的水準和設計水平基本成正比。要什么樣的數(shù)據(jù)，什么樣的數(shù)據(jù)可以幫我解決這些問題和疑問？這個很簡單，一羅列你可以想到很多很多。但，事實上數(shù)據(jù)類型到達一定數(shù)量后，類型越多，反倒越不利于對于結論的判斷。因為，不同數(shù)據(jù)類型之間會產(chǎn)生相互的干擾，有些時候次要問題可能會戰(zhàn)勝主要問題，影響最終的結論。
在實際項目中，解決了主要問題，次要問題可能就會很自然的被稀釋了。獲取數(shù)據(jù)也一樣，必須搞清楚什么樣的數(shù)據(jù)最能說明這個問題？確定這些會使分析過程的精力更加集中。把主要的幾個問題想穿、打透，其他問題很快就會迎刃而解了。
很多時候不是解決不了問題，而是想解決的問題太多；很多時候不是數(shù)據(jù)不夠，而且想要的數(shù)據(jù)太多。還比如，想要了解如何解決“購物搜索”的需求，其實只要關注好“信息獲取方式”、“消費能力”、“決定購買的因素”基本就能解決很多問題，盯著“用戶是男是女，8歲還是80歲”，只能是耗費精力。
不去篩選數(shù)據(jù)，還有一個很大的危害就是：“因為沒有篩選，所以不能把關心的數(shù)據(jù)點看透徹”。
比如，很多人都在夸開心網(wǎng)的推薦做的好，很多用戶在上面找到了自己的“同學”，于是定論為“算法的技術好”。其實如果專注關心“開心網(wǎng)為什么打通用戶關系這么快”的人，經(jīng)過詳細分析后是不會得到“技術好”這個結論的。根據(jù)我的觀察，我比較贊成麥田的結論：“開心網(wǎng)把校友錄的數(shù)據(jù)庫用進去推薦算法里面了”，我甚至認為開心網(wǎng)的推薦里面不只是用了“校友錄”的數(shù)據(jù)庫，還有更多其他數(shù)據(jù)庫。 （麥田對于數(shù)據(jù)的分析雖然是偏市場和運營性的，但其實對于產(chǎn)品設計的促進一樣很大，而且他確實是一個觀察數(shù)據(jù)很細，研究數(shù)據(jù)很深的人）
4、不關注數(shù)據(jù)采集的方式和方法
當我們?yōu)槟硞�項目尋找方向或者確定某個決策，需要一些數(shù)據(jù)的支持，以便了解狀況并確定思路。這個時候，不僅需要給出“需要什么樣的數(shù)據(jù)”這個需求，同時還應該包括如何得到這些數(shù)據(jù)。
很多時候，我們只提出需要什么樣的數(shù)據(jù)，并不去提出要求如何得到這些數(shù)據(jù)的方式、方法，完全依靠調研者的經(jīng)驗去獲取數(shù)據(jù)，這是不可取的。因為這樣來的數(shù)據(jù)對結果的幫助是不準確的，甚至往往會出現(xiàn)誤導。因為調研過程中不同的方式方法，得到的結果會不一樣。
比如，還是要做一個購物搜索的網(wǎng)站，你給出的“需求”不應該只是“用戶目前獲取信息的方式”、“搜索的商品類型”等，還應該包括數(shù)據(jù)的來源，以及獲取的方法�，F(xiàn)有搜索網(wǎng)站？問卷？電話？…
不同的方式方法，渠道，得到的數(shù)據(jù)是不一樣的。不同水平的人采集到的數(shù)據(jù)結果也是不一樣的。
往往我很同情國內(nèi)的同行，大家能找到靠譜的數(shù)據(jù)真的少的可憐。就拿行業(yè)數(shù)據(jù)來說，基本上國內(nèi)沒有一家第三方機構可以提供靠譜的數(shù)據(jù)。XX統(tǒng)計局就不說了，比如商業(yè)機構艾瑞，他的數(shù)據(jù)絲毫不具備可信度。最根本的，我們可以去看看尼爾森在歐美（不要看國內(nèi)的尼爾森，那是同樣的不靠譜。跟他們合作過一次，東西做的一塌糊涂）的一些問卷，從問卷設計的邏輯、采集方式、統(tǒng)計方法，甚至包括“埋地雷”的方法，都高出國內(nèi)這些數(shù)據(jù)提供商一大截。（比如一個細節(jié)：去尼爾森在歐美的一些問卷試試，如果你是玩的心態(tài)，很快就會被說“謝謝你參與調查”。因為，他們很快就通過“地雷”判斷出你并非真正的采集對象，很快就把你踢走了，而國內(nèi)的你可以隨便玩）
有些時候，如果實在沒有辦法，去做小量的抽樣數(shù)據(jù)，也比那這些不靠譜的數(shù)據(jù)去分析強。
5、只用定量數(shù)據(jù)，沒有定性數(shù)據(jù)
還說那個最老土的例子：
沃爾瑪每天總重要的事是“想盡一切辦法，把貨架擺好，讓顧客更快的找到，更快的走掉”。事實上，當他們的MBA（商業(yè)數(shù)據(jù)分析）人員通過龐大的數(shù)據(jù)處理系統(tǒng)發(fā)現(xiàn)，啤酒和尿布的銷售曲線驚人相似的時候，他們其實只能得到一個“結論”。但，這些知識定量的數(shù)據(jù)，并不能挖掘出本后的顧客行為，以及為什么會造成這個現(xiàn)象。這個時候，如果靠“分析”、“猜測”是不能得到正確結論的，方法只能是去結合“定量”的研究，通過具體觀察和調研了走到用戶身邊，最終才能了解到“因為，在美國一般都是男人去買尿布的，而在沃爾瑪就算買1美元的東西也要排隊半個鐘結帳，男人們這個時候就順手拿了啤酒犒勞一下自己”。
海量的定性數(shù)據(jù)，只能告訴我們結論，不能告訴我們背后的原因。同樣，如果只有定性的數(shù)據(jù)，往往看到的現(xiàn)象可能是片面的，結論可能是有偏差的。（關于定性研究，稍后章節(jié)詳細解釋）
還有一些常見問題：只關心數(shù)據(jù)結果，不關心過程（比如，就知道那個廣告的流量大，沒注意那個廣告比別的大三倍）；只看大數(shù)據(jù)，不看小數(shù)據(jù)（比如，只發(fā)現(xiàn)交易量瘋狂增長了，沒注意虛假交易瘋狂上升了）；只看數(shù)據(jù)表象，不看發(fā)展過程（比如，只知道現(xiàn)在的行業(yè)分布均衡，沒發(fā)現(xiàn)曲線的前方已經(jīng)出現(xiàn)裂痕）；等等。 因為沒有方便拿出來說的實例，不再一一絮叨 …
其實，
要看明白數(shù)據(jù)是個很簡單的事情，但要真正懂數(shù)據(jù)背后的原因和邏輯，是一個很難的事情。自問，我依然只剛剛上路。
不過，可以肯定的是，隨著對于用戶的接觸越多，對于用戶心理模型的理解越透徹，對于業(yè)務邏輯了解的越透徹，一定會帶來對于數(shù)據(jù)的理解能力越強。 共勉
PS： 《Design IT.》接下來的兩篇是，“Design IT. (4)，團隊和決策 ”、“Design IT. (5)，有什么可做？”。
粵公網(wǎng)安備 44010402000282號