减少风险不等于消除风险
我们做和产品有关的决策时的各种方法，无论是定量数据、还是定性研究（例如观察、部分用户的主观评论等），其作用都在于帮助我们减少决策的风险，帮助我们在各种不确定性下更有把握，并且，更能说服别人，让团队保持一个方向 注意是“减少”而不是消除。现实不是应用题！
我们每个人都喜欢数字，从中小学做应用题时开始，我们就喜欢给出几个输入，就有确定的输出。但是做产品不是做应用题，更多的情况下，我们面对的不是线性的、能够明确看到数据并100% 确定的结果，我们所碰到的往往是一些不可解、或者以我们掌握的有限数据很难解出的非线性方程。 北京刚刚推行公交卡时的状况很多人可能还记忆犹新。那是相当混乱… 三环上车堵的那个严重，上车下车需要分不同的门、刷卡也不习惯，一大堆公交车在车站排队… 地铁里也是 n 多工作人员在引导混乱的人群。这个阶段统计的数据，大家觉得会是什么样？但看此时的数据很可能就改回以前的方式了… 但是现在，情况大家都知道了，不再有人质疑公交卡的使用。 回到 IT 业，对应的例子可以想到很多了。经典的一个是 Office 2003 到 2007 的转换，因为界面的大幅度调整，用户骂声一片，很多人抱怨找不到想用的功能，甚至有了转回 2003 菜单方式的插件。但是现在呢？过了这个用户体验的临界点，Ribbon UI 也成了标准。当时去看数据也并不会乐观。 还有很多数据可能会“说谎”的例子，参加知乎的其他问题。定量数据是一把双刃剑
用的好的是高手，用的不好的只伤到自己。最可怕的、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型，去解释原本复杂的现象，还自己为正确，因为有数据的支撑。拉些数据来说个结果很多人都会，但是真正能从复杂性中找到问题核心的却不多。 实际上，数据自己并不说谎……只是我们解读数据的方式，我们设定的模型，我们的自变量、控制变量的选择……时间、成本对定量数据的影响也不可忽略
并不是所有决策都需要数据支撑的。 很多交互设计，一个有经验的设计师在依靠可用性知识和领域经验的基础上，完全可以给出快速、合适的设计。如果一定要细究出 123 就抓不住主要矛盾了。曾经要调整产品中某个界面的预设状态，负责相应工作的工程师一定要问我要数据，让他知道百分之多少的用户会这么做，百分之多少的会那么做，然后才能改……这种细节问题如果去抓数据就别想做什么事了，最终的结果是找他的经理，告诉他们这种问题上必须相信设计师的判断，就像在编程上需要相信工程师一样。定性数据的作用不要忽略
你有没有观察你的用户是如何使用产品的？有没有对用户进行有计划性的访谈……这些所涉及的用户数量可能都不会太多（一般 30 个以下没有统计意义），不会给你漂亮的数字看。 但是千万别小看，这些是你的原料，而加工的机器是你的头脑。你不是乔布斯，也不知道如何成为乔布斯，别指望学禅、顿悟（某一天你成功了，可能有很多可以挖掘的年少轶事或者精神追求），现在减少不确定性的可行方法之一就是咀嚼这些原料，让自己更好的理解用户，当然也包括自己大量的尝试。 定性研究有很多方法，不一一讲了，无论如何，方法只是方法，核心还在于如何使用来达到目标。但是也要小心，很多时候我们所犯的错误就是将简单的事情想到复杂，却又将复杂的事情想的简单。 当你在汽车发明前跑去问人们需要什么时，大家可能会告诉你需要更快的马。我在很多用户访谈中都发现过这样的问题，用户会直接给你一个他认为自己最需要的解决方案，但实际上不是，满足他的目标其实有更好的方法，这个就得靠你自己的挖掘、消化和输出。在工作中也是一样的道理，有些人老板/客户要求什么就做什么，而另一些人则分析他们这些要求背后的目标是什么，哪些是可以变通的、哪些有更好的解决方案。总结一下
1. 单纯的感觉靠不住
除非你是乔布斯二世，或者让大家相信你是，或者你是 Big Boss，否则凭什么你自己的感觉就是对的。当然，如果大家都愿意相信你，那也不错（这样的团队至少方向是可以一致的）。2. 数据很有用，但是要用的对
别搞错因果关系、遗漏重要影响因子、在做比较时没有保持其他条件不变等等。3. 定性研究要重视，多“吃”点定性数据做原料
用定性数据来武装自己，给自己的感觉加点“料”。本文原创作者马力。
【转载说明】 若上述素材出现侵权，请及时联系我们删除及进行处理：8088013@qq.com
