定量数据分析和定性研究

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。

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不需要电话时,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”

  1. Pingback: 索引 | Bri 用户体验Bri 用户体验

  2. UCD并不能带来100%正确的设计,但它可以帮助我们减少决策的风险。面对定量数据,忌讳用一些过于简化的模型,去解释原本复杂的现象,要从复杂性中找到问题核心。而面对定性研究的结果(用户的直接反馈),要仔细思考是否有更好的解决方案,来达到用户背后的目标。最后,并不是所有决策都需要数据支撑的,有些问题上需要相信设计师的判断。#苹小果UX托腮思考# @Ma_Li