经验主义的陷阱:谈谈需求探索中的认知偏差

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

编辑导语:经验主义亦称“经验论”,是一种认识论学说。与“理性主义”相对。经验主义认为感性经验是知识的唯一来源,一切知识都通过经验而获得,并在经验中得到验证。在日常工作中,我们往往需要警惕调入“经验主义”的陷阱中。本文作者为我们列举了一些常见的认知偏差,并且分析了应该如何消除认知偏差。

经验主义的陷阱:谈谈需求探索中的认知偏差

一、从蒙眼狂奔谈起

设想一个场景:你打开车门,坐上驾驶位,系上安全带,打开发动机,环顾四周,然后带上眼罩;接着你放下手刹,松开脚刹,踩下油门,汽车驶出。

请问上述场景出现交通事故的可能性?

几乎是百分之百。显然,以上场景极少在现实生活中发生,因为所有人都知道,在川流不息的公路上,蒙眼狂奔的后果,撞到人或者被撞到,无异于送死。

但是如果我们将公司或者业务比作一辆正在高速飞驰的汽车的话,这种现象似乎并不鲜见,用百度搜索「蒙眼狂奔」,我们将会得到以下结果:

经验主义的陷阱:谈谈需求探索中的认知偏差

乐视的崛起让「蒙眼狂奔」变得家喻户晓,很多公司由此对这种快速行动的业务模式,备受启发,甚至趋之若鹜。

但是乐视的衰亡却没有让这些急于发展而没有仔细考虑公司战略和业务模式的公司警醒,这些「蒙眼狂奔」的公司在业务快速膨胀的同时,也带来了巨额的亏损。

从游戏直播到虚拟现实,从共享单车到知识付费,每一个资本试图催熟的行业风口,都掩埋着累累白骨。它们无疑是「蒙眼狂奔」的受害者,而台上一将功成,只要还在场中,便要继续狂奔。

一般情况下,这些公司会在开始阶段做些市场调查和研究,准备工作就此打住,整个公司进入战备状况,各部门开动马力,直接开始设计和开发新产品。

很多公司甚至都不需要最初的市场调研,这些公司通常从以下两个场景开始:

  1. 最主要的场景:听从「深耕行业数十年」的行业专家的计划,行业专家对行业有着深刻理解,无须和客户交流;如果你向他们询问市场调研,他们会告诉你没有人比他们更懂市场。
  2. 另一个常见的场景:基于管理者的猜测和假设的。有些时候,公司的整体战略方向变更可能仅仅源自老板在早餐时的灵光乍现或者是晚餐时的灵机一动。

尽管媒体们在介绍成功的公司和产品时,极力渲染创始人的无所不能和未卜先知,塑造了一个个在世乔布斯。

但是幸存者效应告诉我们,亡者无法发声。很多时候,产品之所以失败,正是由于管理人员对于需求探索时所采取的怠惰态度,太过依赖经验和直觉,仅仅凭借先入为主的观念就武断地做出决策。

显而易见,对于需求的认知偏差就如同蒙蔽双眼的眼罩。只有尽量消除由于各种原因对市场认识不足所导致的认知偏差,才能真正理解市场,了解用户的需求。

下面我们罗列一些在需求探索的过程中,一些相当常见的认知偏差。

二、常见的认知偏差

1. 经验效应:我们的领域问题专家无所不知

有些公司,培养和雇佣了很多人才。他们在这些特定行业有着多年工作经验,对于产品和市场有着深入的了解,我们将这些人才称作领域问题专家,有时产品经理就是领域问题专家。

很多时候,对产品经理来说,我们可以不假思索地说出客户的需求,即使用户还未曾向我们真正开口,很多同侪将此引以为傲,自诩为有「产品 Sense」。事实上,所谓「产品 Sense」不过是基于经验的条件反射。

在一个快速变化的世界中,过于依赖经验,并不是好事。

——我们将上述基于经验做出快速反应的现象称为「经验效应」。

经验效应是指公众个体在对对象进行认知时,总是凭借自己的经验对对象进行认识、判断、归类的一种心理活动方式。也就是说,人们在对他人或他物认识时,常常会自觉不自觉地根据自己的经验产生一种心理准备状态,并基于这种准备状态对对象作定势分析。

诺奖得主、行为经济学大师丹尼尔·卡尼曼对经验效应有着更加深入的说明,在其著名的科普著作《思考,快与慢》中,向我们介绍了两种思维模式:反应迅速的经验系统和深思熟虑的思维系统。

经验主义的陷阱:谈谈需求探索中的认知偏差

前者基于模式识别,仅仅需要有限信息,即可做出快速决策,快速但不准确,适合解决极端和突发的问题。后者基于分析推理,往往需要大量信息和推演,才能获得答案,准确但不及时,适合解决抽象和复杂的问题。

在大多数情况下,我们的思维系统是由经验系统主宰的,即使接收到极为有限的信息,我们的大脑会根据既往经验快速产生结论。这是我们祖先用以保命的绝技,也正是我们在没有和客户交流的情况下可以的快速产生结论的原因。

对于我们的祖先来说,将一头温顺的未知动物视作猛兽而撒腿就跑显然没有问题。但是如果将自己的观点视作理所当然,假定客户的需求必定一如过往,那么最终结果可能是产品的最终失败和市场份额的不断丢失。

如果产品经理经常和用户经常交流,并不断更新其对市场的认识,在突发情况下,他的经验系统可以产生很大作用,快速做出合理的判断。

但如果只是囿于旧有的知识和经验,拒绝和用户沟通,在整个需求探索过程中持续用经验代替知识,用直觉取代思考,最终设计出产品必定会出现问题。

在这个不断变化的世界中,事实往往违背直觉,超乎经验。

2. 确认描述:我们已经和用户沟通过了

经验主义的陷阱:谈谈需求探索中的认知偏差

显而易见,与目标市场用户沟通非常重要,但事实上,并不是所有市场调研都是以正确的方式进行的,很多时候,市场调研不过是对于已知观点的重复和重新确认。

事实上,用心理学名词描述的话,这种现象叫做「确认偏误」,是指人只会相信那些支持自己观点的证据,而忽视那些更有说服力的相反观点的证据。

确认偏误是一种在搜索信息、解释现象、选择立场、回顾案例等信息处理过程中选择支持自己之前观点和立场的行为偏好。

确认偏误的常见场景为:选择性的收集信息和记忆,或者偏向性地解释信息。

在很多人眼中,用户研究意味着向用户询问产品需求和向用户确认希望产品所能实现的功能,但是这种方式并不奏效,在亲眼看到产品之前,客户并不清楚希望产品所拥有的具体功能。

当然,我们需要和用户交流。

但是当你和用户讨论具体需求时,最好尽可能围绕用户的使用场景提出问题,多去了解用户在特定环境下的行为模式和具体原因。随着问题的不断深入,我们将逐步发现用户的行为方式和关键问题,并最终完成用户使用场景模型的搭建。

3. 唯技术论:我们的规则和算法一定正确

从Excel 工作表中的计算公式到各种人工智能框架中的机器学习、深度学习算法 。

我们有太多的工具可供用于假设与预测,从基于这些工具我们往往能得到很多相当有用的结论,有时这些计算结果被寄托了过高的信任,虽然机器比人类更加理性。

但是由于算法设计,数据选择等问题,会导致某些结果会以超过实际的比例频繁出现,这种现象被称为「算法偏见 (Algorithmic bias)」。

算法偏见描述了计算机系统中导致不公平结果产生—例如为一类用户赋予特权,而忽视其他用户的一种系统性的可重复错误。

错误的产生来源于多种因素,包括但不限于算法设计方面或未计划和未预期的用户使用场景,以及数据的编码、收集、选择过程以及作为样本产生机器学习模型的训练过程。

过分依赖公式和算法并不可取,将不可信的计算结果精确到到五位小数精度并不能真正增加预测的准确性。那些在办公室冥思苦想,埋头苦干数月所产生的商业计划和算法模型中,所预测的未来,常常会在现实的实证中遭遇惨败。

我并非贬低规则和算法在需求和产品管理过程中的作用,相反,好的数据和算法结合可以帮助我们指明需求探索的方向和路径。我只是试图指出唯技术论的误区所在,事实上,不管是显性的规则。

我们需要多花些时间去和用户沟通,尝试去理解他们的业务背景,和潜藏其中的底层需求。在你最终了解用户的问题,及其业务价值和潜在成本之后,再去设计业务模式。

三、应该如何消除认知偏差

1. 从假设到知识的演进

下图非常清晰地像我们展示了从猜测和假设到知识和事实的演进过程

经验主义的陷阱:谈谈需求探索中的认知偏差

首先,我们从左下角的不觉未知区域出发:此时,对于我们所遇到的问题,我们有一些有趣的想法和猜测,甚至认为我们可以借此解决问题。

在这个阶段,我们对等待在我们面前诸多未知毫无准备,甚至有些自以为是,此时我们处于「盲目乐观期」。

慢慢地,随着我们对于问题有着更加深入的了解,我们终于开始发现所处理问题的复杂性,对于解决方法陷入困境,一筹莫展。

此时我们来到了已觉未知区域,虽然此时我们的自信正在遭遇挑战,心态濒临崩溃,但至少我们已经开始意识到自己的无知,可以问出正确的问题。

我们继续做了很多探索和研究,这些工作正在帮助我们加深对于问题的认知,但是我们似乎还没有真正理解事情的来龙去脉。这时我们处于已知未觉区域,虽然已经形成对问题概念的基础认识,但是却没有建立一套自洽的解释体系,可以行之有效地表述问题。

我们在继续深入,逐渐有了越来越多的发现,那些孤立的细节的原点终于连缀成线,线最终交织成网,而这张网就是我们所指的知识,我们所探索的概念和细节,最终被我们的问题牵引,形成了彼此联系的知识结构。

此时我们到达知识的终点:已知已觉区域。

相应地,我们各自需要经过四个不同的阶段:

  1. 探索:不设限的开放式对话,充分发掘我们所不知道的问题的所有细节;
  2. 验证:对于我们基于经验产生的初始假设,针对性地进行研究和验证,校验其正确性;
  3. 解释:仔细分析研究的结果,试图挖掘概念之间的关联关系;
  4. 确认:越来越多的关联关系最终被建立起来,我们可以借此解释问题和要素间的因果关系。

2. 现有问题会激发新问题

如果不断重复上述从猜想到知识的演进流程,我们将得到一个不断精进的动态模型,每一个现有问题的探索都会触发更多新的问题,我们可以通过聚焦于核心问题来限制潜在问题的最大规模。

经验主义的陷阱:谈谈需求探索中的认知偏差

随着主要问题被逐渐穷举,新的核心问题将不会产生,而随着已知问题的不断解决,问题规模最终收敛,趋近于目标值——最终我们建立了一个自成体系的超大型知识网络,一个更完备的领域知识模型。

如果将该模型运用在我们的需求探索过程中,我们将从多个侧面不断趋近用户需求的本质,发现潜藏其中的根本动机,并找到更好的解决方案。

3. 谨记在心

  1. 不要过于轻易地听从直觉,你的经验系统喜欢偷懒,总是太快就出结论;
  2. 我们必须调动分析系统,确保有确凿的证据可以支持现有结论;
  3. 不要总是假定自己了解客户的真实需要,多和你的用户沟通,但是不要期望用户帮你设计产品;
  4. 不要过分相信那些来自于精美的报告,表格或者其他文件的信息,要基于这些信息所关联的证据判定信息的价值,而非承载信息的媒介;
  5. 从猜想到知识的思维过程总是困难重重,但这是构建成功产品的最好方式。那些仅仅基于设想,假设和臆测的或者是管理层拍脑袋的想法的产品最终难免失败。

 

本文由 @遍历分形 翻译发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自 Pexels,基于 CC0 协议

给作者打赏,鼓励TA抓紧创作!

随意打赏

提交建议
微信扫一扫,分享给好友吧。