編者按：本文來(lái)自微信公眾號“人人都是產(chǎn)品經(jīng)理”（ID:woshipm），作者：詩(shī)劍天賦，36氪經(jīng)授權發(fā)布。
用戶(hù)在使用產(chǎn)品時(shí)，我們經(jīng)常會(huì )發(fā)現一些界面提醒或者功能會(huì )給我們帶來(lái)一些不同的看法或情緒，比如我們看到某個(gè)提示，但卻沒(méi)有告訴我們正確做法時(shí)，我們會(huì )有一些抵觸情緒；本文作者分享了關(guān)于產(chǎn)品設計中的三大偏見(jiàn)，我們一起來(lái)了解一下。
在開(kāi)始之前，講個(gè)真實(shí)的段子。
我之前公司的一個(gè)產(chǎn)品妹子媛媛（化名），顏值能打，但是沒(méi)有工作經(jīng)驗，我招進(jìn)來(lái)是打算好好培養成接班人的（雖然后來(lái)被我親手開(kāi)了）。
有一次我們要開(kāi)一個(gè)新產(chǎn)品線(xiàn)，做預研。我帶著(zhù)她做用戶(hù)研究和競品分析等一系列偏用戶(hù)端的調研，同時(shí)我們運營(yíng)團隊做偏市場(chǎng)端調研。由于新產(chǎn)品線(xiàn)的目標用戶(hù)跟我們已有產(chǎn)品的目標用戶(hù)高度重合，所以產(chǎn)品這邊的壓力其實(shí)是不大的。
——此為背景。
某個(gè)陽(yáng)光明媚的周一早上。
我問(wèn)她：“媛媛，前幾天調差問(wèn)卷回收情況怎么樣？”
媛媛：“回收率6%左右，其中有15%左右的問(wèn)卷是都答完了的?！?/p>
我心里一涼——這個(gè)回收率這么高？
雖然之前跟她強調過(guò)，針對于 Surveys 做用戶(hù)體驗設計的唯一目的就是提高 Response Rate，但是6%這個(gè)數據還是出乎我的意料。我之前自己做的歷史數據沒(méi)有超過(guò)3%的。
后來(lái)整個(gè)調研結束后我們做case study，發(fā)現她發(fā)送問(wèn)卷的手機號庫，是來(lái)自于我們產(chǎn)品內嵌入的用戶(hù)反饋平臺“騰訊兔小巢”。
這里面涉及到三個(gè)偏見(jiàn)，她一個(gè)都沒(méi)有意識到。
這是本案涉及的第一個(gè)偏見(jiàn)，負面偏見(jiàn)，還有一個(gè)名字叫消極偏見(jiàn)；意思是說(shuō)，人們會(huì )對負面的信息、情緒和體驗印象更深刻。
負面偏見(jiàn)是寫(xiě)在我們的基因里的，因為那些能夠威脅我們生命安全的危險信息，我們必須要時(shí)刻警惕。
如果用戶(hù)能夠正常地使用產(chǎn)品，他們并不會(huì )在意這個(gè)產(chǎn)品好不好，更不會(huì )在“兔小巢”中反饋問(wèn)題；但是如果產(chǎn)品流程與用戶(hù)的預期（expectation）不符，或者用戶(hù)無(wú)法簡(jiǎn)單地完成任務(wù)，那這個(gè)負面的信息會(huì )在他們的腦海中持續很長(cháng)時(shí)間，他們也會(huì )因此變得對產(chǎn)品更“挑剔”。
所以“曾經(jīng)在兔小巢中反饋過(guò)問(wèn)題的用戶(hù)”對我們的產(chǎn)品是有負面偏見(jiàn)的。
那我們如何減少用戶(hù)的負面偏見(jiàn)呢？
遵守設計準則（友商已經(jīng)驗證過(guò)的流程，蘋(píng)果的user interface guidelines，谷歌的design guidance等）。
多與用戶(hù)進(jìn)行語(yǔ)言上的溝通（而非文字上的溝通）和面對面溝通，了解用戶(hù)的心智模型（mental model）和預期（expectations）。
需要注意的是：我們無(wú)法通過(guò)數據了解用戶(hù)的想法，我們只能通過(guò)數據了解用戶(hù)的行為；想要了解他們是怎么想的，只能混在他們之中。
預測用戶(hù)可能會(huì )產(chǎn)生疑慮的點(diǎn)，并且在疑慮產(chǎn)生之前給出解決方案；比如 Apple 官網(wǎng)的這個(gè)設計，是在七彩 iMac 的圖片上方寫(xiě)的“4月30日接受預定 | 5月中下旬發(fā)售”；而用戶(hù)是看到七彩 iMac 的時(shí)候產(chǎn)生的想買(mǎi)的沖動(dòng)。所以蘋(píng)果在你產(chǎn)生“怎么買(mǎi)”這個(gè)疑慮之前，就告訴你“現在沒(méi)法買(mǎi)，5月才能買(mǎi)”。
如果錯誤無(wú)法避免，則錯誤提示要寫(xiě)的清楚且有用；比如知乎的這個(gè)提示違反了“清楚”的原則，“如果你在使用中遇到了問(wèn)題，可通過(guò)「查看幫助」或直接反饋給我們?！笨墒沁@個(gè)彈窗里哪兒有“查看幫助”？？？
可用性測試、測試、再測試。
測試是提升可用性的最佳途徑，如果有條件的話(huà)盡量找真實(shí)用戶(hù)的來(lái)做可用性測試，而不是產(chǎn)品經(jīng)理自己在那里點(diǎn)點(diǎn)點(diǎn)；原因是，產(chǎn)品經(jīng)理對于整個(gè)流程非常熟悉，公司其他人員也對于公司業(yè)務(wù)非常熟悉，所以這些人的心智模型與真實(shí)用戶(hù)的心智模型是不一樣的，他們對于產(chǎn)品的預期也跟用戶(hù)不一樣。
內部人員只能發(fā)現部分問(wèn)題，作為前期的測試是可以的；但是最后一定要找到真實(shí)用戶(hù)來(lái)參與測試。
這是媛媛在執行問(wèn)卷調查中的一個(gè)偏見(jiàn)，選擇偏見(jiàn) ( selection bias )，還有一個(gè)名字叫幸存者偏差。
會(huì )在兔小巢中主動(dòng)留言向我們反饋問(wèn)題的用戶(hù)，往往對我們產(chǎn)品有負面的印象；他們的想法并不能代表我們全部用戶(hù)的普遍想法。就好比你找一群綠媒的人讓他們分析臺灣和大陸的軍事實(shí)力，他們認為臺灣的手槍能打出原子彈，這沒(méi)法玩。
只要你有選擇（不選擇的情況，比如所有用戶(hù)全都參與進(jìn)來(lái)），則選擇偏見(jiàn)是無(wú)法避免的，我們只能最小化其影響：
多個(gè)人商量著(zhù)來(lái)，比如在選擇調查問(wèn)卷的發(fā)送用戶(hù)群體時(shí)，湊三個(gè)產(chǎn)品經(jīng)理，每個(gè)人都說(shuō)一下自己的意見(jiàn)；雖然人人都有偏見(jiàn)，但是每個(gè)人偏見(jiàn)的點(diǎn)可能并不相同（這就是為什么需求評審非常重要的一個(gè)原因），所以綜合多個(gè)人的意見(jiàn)可以有效地降低選擇偏見(jiàn)，你的偏見(jiàn)可以被別人發(fā)現（雖然你自己很難發(fā)現）。
采用正確地隨機方法，從而保證研究對象真的是隨機出來(lái)的；比如某汽車(chē)加油服務(wù)與100加油站合作，95家在深圳，5家在廣州。那么在做用戶(hù)研究的時(shí)候，是應該隨機選擇95%的深圳用戶(hù)+隨機選擇5%的廣州用戶(hù)，還是在用戶(hù)群里隨機抽取100個(gè)用戶(hù)呢？
回應偏見(jiàn)是指，參與者大范圍地、主動(dòng)地選擇不回答、不準確地回答、甚至是錯誤地回答問(wèn)題。
比如問(wèn)卷有一道題目是：“你認為我們網(wǎng)站的導航是否清晰”，80%的用戶(hù)選擇了非常清晰，但是可能他們中一半以上的人連什么是導航都不知道。
但是他們能告訴你，你網(wǎng)站的導航非常清晰。
而你，也天真地認為：自己的網(wǎng)站導航設計得巧奪天工。
調研回復偏見(jiàn)主要有三類(lèi)：
默許偏見(jiàn)，簡(jiǎn)單地說(shuō)就是人們在面對問(wèn)題列表的時(shí)候，有選擇同意的傾向。
比如在這個(gè)量表中，用戶(hù)傾向于選擇 agree (4分) 或者 strongly agree (5分) 選項，從而讓你得到一個(gè)正面的用戶(hù)調研結果。
這也是為什么應用市場(chǎng)評分3星的應用其實(shí)就是差評了。
受訪(fǎng)者為了令人產(chǎn)生正面印象，傾向在調查中“以不實(shí)意愿取代其真實(shí)意愿，以符合社會(huì )期望”；例如過(guò)多申報自己的“良好行為”，或過(guò)少申報自己的“壞行為”、或不受歡迎的行為，這種傾向嚴重影響研究的效度。
你可以看一看你的簡(jiǎn)歷，有沒(méi)有一些你不愿意寫(xiě)上去的經(jīng)歷？
這就是社會(huì )期許誤差。
比如這個(gè)問(wèn)題：你每天平均使用幾個(gè)小時(shí)手機？如果這道題是移動(dòng)端產(chǎn)品經(jīng)理的考試題，或者某手機游戲社群的測試題，則人們可能會(huì )傾向于夸大自己使用手機的時(shí)長(cháng)；但如果是初中生入學(xué)測試題，則學(xué)生們可能會(huì )傾向于少報自己使用手機的時(shí)長(cháng)。
綜上：
不同背景下，被認同的行為 (Desirability) 是不一樣的；在實(shí)際操作中，我們要留意，在我們的場(chǎng)景中，哪種行為是被認同的。
有一些多報或少報的行為，是刻意的，比如你潤色你簡(jiǎn)歷的時(shí)候；有一些是非故意的，因為用戶(hù)對于自己的認知本來(lái)就是有偏差的。
其實(shí)不只是Surveys，很多量化和質(zhì)化的數據都有這個(gè)問(wèn)題，比如訪(fǎng)談中、有腳本的可用性測試（人們會(huì )為了完成腳本而付出比日常生活中更多的努力，同時(shí)也會(huì )更專(zhuān)注）、焦點(diǎn)小組等等，都存在社會(huì )期許誤差。
我們的短期記憶的容量是非常有限的。
近因效應描述的是一種認知傾向：
人們更容易記住最近發(fā)生的事情
最近發(fā)生的事情對于人們的影響比較大
所以問(wèn)卷參與者們更傾向于依據最近他們對產(chǎn)品的體驗來(lái)回答問(wèn)卷上的問(wèn)題，而非他們全部的使用體驗。
偏見(jiàn)是無(wú)處不在的。有三點(diǎn)建議可供大家參考：
1）問(wèn)卷調查 (Surveys) 并不用來(lái)評估用戶(hù)的客觀(guān)行為和表現，而是用來(lái)評估用戶(hù)的主觀(guān)想法。
2）正是因為回應偏見(jiàn) (Response Bias) 的存在，所以我們才需要大量的樣本。更大的樣本可以消除更多的無(wú)關(guān)變量，從而有更大的概率能夠代表全部的用戶(hù)群體。
3）你知道了這些偏見(jiàn)的存在，并不意味著(zhù)你可以解決這些偏見(jiàn)。承認自己有偏見(jiàn)、注意這些偏見(jiàn)的影響并從錯誤中學(xué)習，可以讓你更準確地評估你的研究發(fā)現，從而設計出更好地產(chǎn)品。
該文觀(guān)點(diǎn)僅代表作者本人，36氪系信息發(fā)布平臺，36氪僅提供信息存儲空間服務(wù)。
聯(lián)系客服
