80小说网

手机浏览器扫描二维码访问

第四章 怎样探索用户的心智（第10页）

概率思维与01思维

假设我们产品的一个功能，有95%的概率不会出问题，这是一个好功能吗？在一些限定条件下，我们会认为这是一个好功能，比如是预测消费者即将买什么商品的功能，或者判断用户病症的通用逻辑，准确率已经非常高了。

但是对于用户来说，这是一个好功能吗？未必。

因为对于用户来说，他并不是从整个平台视角理解产品的，而且关键在于，他遭遇到的并不存在95%这个数字，对于他来说，只有0和1，只有正确和错误。

因此这要看01思维在用户使用产品时，会是怎样的需求和场景。

更重要的是，一旦失败，造成的后果如何。

比如我们是一个搜索引擎平台，提供医疗广告信息，那么对于一些患重大疾病的用户，我们平台的广告就是决定他们生死的因素，不能儿戏。

这时候，概率视角下哪怕我们做到99%的准确性也不一定够，因为用户如果以亿计数，1%的用户就意味着几百万人可能会受错误的广告误导。

如果我们是一个即时通信工具，发送信息失败的概率可能是1%，失败之后我们可以重新发送，这种成本就是相对可接受的。

这是我基于一系列关于概率的认知偏误总结出的。

严格来说，这些不能算是用户或者我们的认知偏误，应该说是我们与用户视角认知有很大不同，不能单纯拿我们的概率思维逻辑来认知用户的心智。

曾经服务过美甲师群体、外卖员群体和司机群体的我，对此印象深刻，用户在我们的数据库里，是一个个数字，但每次我们施加的影响，落在他们身上，都是有关他们能不能很好地在平台上通过劳动获取收入的重要问题，从细枝末节的文案到一个核心的策略变化，背后影响的都是几百万甚至上千万个家庭。

要牢记：我们做功能时用的是概率思维，而对用户来说，只是0和1的关系。

知识的诅咒

在概率思维与01思维背后，还有一个波及范围更大的偏误，也就是知识的诅咒（curseofknowledge），这个像是从《哈利·波特》里走出的名词，其实很好地形容了偏误的要点：知道得越多，反而越容易做不好。

这个偏误来自斯坦福大学心理学博士论文中的一个实验：把测试对象分成两组，给A组的学生一个清单，都是一些大家耳熟能详的儿歌。

A组学生要做的事情就是拍桌子，在桌子上把这个节奏给打出来，然后让B组的测试对象猜他们敲打的节奏到底是什么歌。

对于B组的测试对象来说，这个猜的过程并不容易，120首歌，B组仅猜出了3首。

从概率上来说，只有2.5%，但A组的学生认为B组能猜中一半，也就是50%。

这个实验非常精确地描述了知识的诅咒现象：我们了解的知识越多，就越会丧失在不了解的视角看问题的能力。

在产品决策中，避免这个现象至关重要。

前面的注意力偏误引起的问题，就是一个典型例子。

用户由于注意力偏误并没有了解到在订单结束页面其实是可以停止接单（收车）的，但我们设计产品的时候以为所有用户都已经知道这个功能了，假设用户跟我们一样，对产品非常了解。

当我们看到数据显示许多司机经常取消订单时，不会意识到是司机并不知道有在结束订单时休息的功能，他们着急回家，只好取消订单，而会认为出现了其他问题，这样最终的推理决策都会有问题。

在产品方面，我们作为产品经理可谓“全知”

的存在。

虽然我们知道产品的各种细节、存在什么功能、有哪些策略，但我们做任何功能，都要假设用户的信息是缺失的和不完整的，而且缺失和不完整的部分也经常不一样。

这其实极其困难，困难到真的会觉得像诅咒一般痛苦。

有时用户缺失的信息让人震惊：有很多司机并不知道每天有什么奖励活动，不知道在平台上可以购买保险；有很多乘客其实也不知道可以买优惠套餐出行，这样更加便宜；等等。

在真正发现问题之前，我们还会下意识地以为这些司机和乘客对活动和策略不满意。

摆脱知识的诅咒的第一步，就是先意识到自己是“全知”

的，而用户的认知程度参差不齐。

有许多产品经理认为，只要同理心足够强，那么用户想什么就都知道了。

同理心当然非常重要，但要真正认识到用户的想法，要体验他们的视角，并不是仅有同理心就能搞定，用户会从什么视角认知，在摆脱知识的诅咒之前，很难意识到。

这就只能依靠频繁地与用户沟通，获取用户的想法来保障了。

峰终定律

峰终定律（peak-endrule）也是丹尼尔·卡尼曼提出的经典理论，经常运用在服务业。

这个定律的核心结论是：高峰（不管是正向，还是负向）时与结束时的两个感觉，是未来最容易让人回忆起的体验。

映射到产品和用户，也就是说，不管整体流程如何，用户使用产品后对产品评价优劣，往往源自他在最高峰期间的体验如何，以及在结束时的体验如何。