爲什麽神奇的「大(dà)數據」并不能指明産品設計的方向？

多年以前，當我(wǒ)(wǒ)們剛剛開(kāi)始頻(pín)繁聽(tīng)到「大(dà)數據」這個詞的時候，很多企業和團隊的負責人開(kāi)始認爲，這是他們所缺少的東西，是讓産品和企業重振雄風的藍(lán)色小(xiǎo)藥丸。直到今天，大(dà)多數人仍然相信，大(dà)數據能夠比我(wǒ)(wǒ)們人類自己「更懂人類」，并且提供更優的解決方案。但是，很遺憾的是，即使大(dà)數據相關的技術已經越發的成熟，但是我(wǒ)(wǒ)們的産品和服務并沒有達到想象中(zhōng)的峰值。

這到底是爲什麽呢？

對我(wǒ)(wǒ)而言，最有趣的情況是，我(wǒ)(wǒ)們認爲借助邏輯可以作出正确的決策。過去(qù)的數據能夠幫我(wǒ)(wǒ)們更好确定未來會發生(shēng)什麽。更通俗的說，就是「我(wǒ)(wǒ)們從過去(qù)搜集數據以預測未來」。

其實這裏存在一(yī)個重要的問題：我(wǒ)(wǒ)們無法真正有效地處理我(wǒ)(wǒ)們所獲得的大(dà)量數據，它所揭示的真實信息到底有哪些，又(yòu)或者我(wǒ)(wǒ)們僅僅隻是拿其中(zhōng)的一(yī)部分(fēn)來支撐我(wǒ)(wǒ)們自己的已有的觀點甚至偏見，僅此而已。面對着海量數據，我(wǒ)(wǒ)們可能錯過了真正的機會。

量化偏見——對于可量化數據的盲目相信。

人們對于量化數據的偏好，使得對于其他的非量化内容視而不見，即便你可以展示明确的證據。人們對于量化數據是上瘾的，當我(wǒ)(wǒ)們沒有辦法來掌控一(yī)件事情的時候，很容易陷入量化偏見，想盡辦法也要找一(yī)個量化的依據來證明自己。你所需要的未來，可能會藏在海量數據中(zhōng)的某個角落，當你正在忙于找到這個可能的未來的時候，背後的龍卷風可能已經悄然襲來。

圖中(zhōng)的計算，在數學上可能是正确的，但是在市場營銷、經濟學甚至設計等學科當中(zhōng)，從來都不遵循相同的規則。7張低素質的插畫是不等同于一(yī)張高質量的插畫。

很多東西看起來合乎邏輯，但事實并非如此。而且，僅僅因爲某些東西看起來合乎某些數據邏輯，也并不意味着它是有用的。在嘗試拿來計算的時候，你可能就已經背離(lí)了它原本的用途。—— Rory Sutherland

環境對于我(wǒ)(wǒ)們行爲的影響

當我(wǒ)(wǒ)們看到消費(fèi)行爲發生(shēng)的時候，不應該直接假設這是用戶喜好的直接反映。

因爲很多因素影響着用戶決策。一(yī)家酒吧對于自家的飲品随意定價，如果一(yī)小(xiǎo)杯Johnnie Walker 的威士忌定價30美元，并且希望客人毫不猶豫快樂地下(xià)單，這肯定是不現實的，因爲大(dà)家都知(zhī)道一(yī)瓶酒差不多也就這個價格了。可是，一(yī)種大(dà)家從來都沒見過的酒，假設它的名字是 Chateaux de Burgundy ，看起來也挺不錯，進貨價是 10美元一(yī)箱，一(yī)箱20瓶，在酒吧内定價爲100美元一(yī)瓶，這種情況下(xià)，你「折價」買30美元一(yī)瓶，想必大(dà)家會很樂意享受這樣的優惠吧？這種效果無疑是「定價設計」和環境的雙重影響下(xià)的結果。

過去(qù)的數據并不能推導出未來的創新方向，也無法作爲決定今後成敗的指标。相反，如何設計和影響用戶行爲才更加重要。對我(wǒ)(wǒ)而言，人類作爲社會生(shēng)物(wù)這一(yī)點是最有趣的，無論是創造産品，還是在生(shēng)活中(zhōng)做決策，都離(lí)不開(kāi)人的社會屬性和行爲模式。

Netflix 和 「一(yī)次看完」模式

如今大(dà)家對于 Netflix 旗下(xià)各路劇集獨特的「一(yī)次看完」模式應該已經很熟悉了。Netflix 在2014年2月進行過一(yī)次調研，這次調研數據表明，73%的用戶更加傾向于「一(yī)次看完2~6集電視劇，甚至一(yī)次看完整季」。

其實，在開(kāi)啓這種新的播放(fàng)模式之前，Netflix 已經搜集了大(dà)量的有待處理和使用的調研數據了，在那個階段，用戶已經開(kāi)始享用Netflix 的推薦系統的紅利了，同樣的，這種基于用戶觀看曆史的推薦系統最終也使 Netflix 獲得了不少好處。因此，他們甚至不惜給出100萬美元的懸賞，讓人來提供更好的算法，不過，最終實際的結果是，這種數據算法上的改進，隻能一(yī)步一(yī)步慢(màn)慢(màn)地推進，并沒有帶來翻天覆地的改變。

有一(yī)天，Netflix 聘請了一(yī)位人種學研究學者（主要針對人和文化系統進行研究），他們透過研究發現人們對于狂歡的熱愛，對于「一(yī)次性看完」的偏好。并且，用戶并不會在這種模式下(xià)産生(shēng)負疚感。Netflix 的數據研究團隊已經能夠拓展并驗證這些數據了，并且他們決定做一(yī)些簡單但是有影響力的事情。因此，他們決定向用戶推薦不同題材的相同類型的節目，并且重新設計了整個觀看體(tǐ)驗，鼓勵用戶進行狂歡式的觀影。這就是爲什麽會有用戶會在周末失蹤，甚至失蹤整周來追劇。

我(wǒ)(wǒ)們都以爲 Netflix 的新模式來源于數據，但是數據僅僅隻是作爲驗證和支撐，真實的方向來源于其他的地方。

信奉大(dà)數據的 Nokia

人類學研究學者 Tricia Wang 在她的 TED 演講中(zhōng)揭示了大(dà)數據本身所存在的陷阱，在她看來，我(wǒ)(wǒ)們應該将重點放(fàng)在「厚數據」上——那些來自一(yī)線人員(yuán)的有價值的、無法量化的真實見解。這些東西才是真正用來作出正确商(shāng)業決策的内容。

大(dà)約在2009年的時候，iPhone 問世還不算太久， Android 正在發力。身爲華裔的 Tricia 剛剛移民，一(yī)邊從事人類學和技術的研究工(gōng)作，一(yī)邊在網吧打工(gōng)掙生(shēng)活費(fèi)，她在生(shēng)活中(zhōng)搜集了許多有用的數據，最令她印象深刻的一(yī)個現象是，即使是收入最低的消費(fèi)者，也願意購買昂貴的智能手機。

但是，在那個移動端智能設備尚未定性的時期，依然還有很多現實而聰明的人認爲，智能手機隻是一(yī)種時尚，諸多不可控的影響因素都會導緻它的衰落甚至消亡。通常大(dà)家會認爲：「誰會想攜帶一(yī)部笨重而續航差的智能手機呢？更何況它還那麽脆弱。」

在向 Nokia 展示了低收入民衆對于智能手機的追捧的狀況和相應的調研數據之後，她建議 Nokia 加大(dà)力度生(shēng)産智能手機。當時依然處于一(yī)線品牌的芬蘭國民企業 Nokia 并沒有重視 Tricia 的建議，因爲她的建議「并沒有大(dà)數據支持」。并且 Nokia 認爲他們所獲得的數據也沒有支持這一(yī)觀點的迹象，而 Tricia 的調研樣闆僅僅隻有100人，相反 Nokia 的調研樣闆高達100萬人。

但是，調研和調研的差異，并不隻是數量級上的差别。Nokia 的調研非常直接，直接詢問用戶是否願意擁有或者購買智能手機。在那個智能手機尚未普及，概念都不夠清晰的年代，絕大(dà)多數的用戶壓根不清楚調研所指的手機和他們自己所用的手機有何區别，大(dà)多數用戶面對這樣廣泛而粗略的調研，回答非常簡單，沒有興趣。

Nokia 在2013年被微軟收購，随後又(yòu)被抛棄。

一(yī)些公司傾向于認爲較大(dà)的調研樣本所帶來的數據比一(yī)些小(xiǎo)樣本調研得出的數據更有價值。——Tricia Wang

我(wǒ)(wǒ)們現在有更好的工(gōng)具，毫無疑問。我(wǒ)(wǒ)們所需要做的是學會更好地使用他們，不是單純地利用數據，根本上還需要和人類本身的行爲結合起來，才有可能發現新事物(wù)，改善生(shēng)活，創造新的可能性。