2006年，Facebook推出了它的新闻Feed功能——天哪，人们讨厌它吗。当时，该网站1200万的小用户群引起了轩然大波，足以成为头条新闻。谈到2010年的推出，Facebook高管亚当•莫塞利（Adam Mosseri）表示，他的团队之所以坚持己见，是因为他们的经验和直觉告诉他们，这是一个不错的策略——即使在缺乏支持数据的情况下，加上用户的强烈反对。他们的信念当然得到了回报：newsfeed成为网站流量和参与度的主要驱动力，并帮助Facebook在全球范围内发展到超过20亿用户。这个故事说明了数据通知而不是数据驱动的重要性。数据驱动与数据通知：有什么区别？当你进行任何类型的研究时，你通常会综合运用数据和经验（你和你的同龄人）。过分依赖个人经验和直觉会导致有偏见的结果，这就是为什么任何领域的学者都会用数据和同行的既定发现来支持他们的研究。当然，学术研究需要很多年甚至几十年的时间，而且商业决策必须经常迅速做出。在决策过程中，很容易赋予数据更多的权重，优先考虑经验和直觉。这就是所谓的数据-被驱使。正在数据通知意味着在经验和数据之间找到一个令人愉快的媒介，并将两者结合起来做出决策。下面是一些原因，为什么这种方法会导致更好的决策，并最终导致更好的产品。数据不是唯一的变量想想你通常是如何预订机票的。你只根据价格预订吗？当然不是。"当你把这些变数的成本加起来时，那些需要过夜、收取托运行李费或从遥远的机场出发的"甜蜜交易"其实并不那么甜蜜。像大多数旅行者一样，你要根据价格和其他许多变量来决定要预订哪一个行程。同样的，产品设计应该不仅仅受数据的影响。问问你自己和你的团队：商业环境怎么样？您的产品是否有正面或负面的用户反馈？你的竞争对手在做什么？你在跟上吗？虽然考虑到这些事情可能看起来很明显，但重要的是要确保它们不会被低估而有利于数据。谨防指标滞后对数据给予绝对信任有时会冒依赖错误指标的风险。你可能最终会根据更容易衡量的滞后指标做出决定，但在事后才真正告诉你你是否做出了正确的决定。假设您想要启动一个新的产品特性，但是早期的用户反馈表明，这使得产品很难导航。您在一周内运行了一个快速的a/B测试，但没有看到会话发生任何变化，所以您将更新实时推送。但几个月后更新率仍保持稳定。怎么了？A/B测试的会话数据是一个滞后的指标，一周的时间不足以真正评估更新的效果。在这种情况下，最初的负面用户反馈是一个先行指标，在启动更新之前应该给予更多的考虑。达到局部最大值数据分析公司RJmetrics（现为Magento所有）的创始人罗伯特·摩尔（Robert Moore）在2014年撰文讲述了他们如何选择第一个标题网站：他们让数据决定。搜索引擎优化研究显示，"电子商务分析"这个词有高流量和低竞争，所以他们决定采用它。然而，他们没有考虑这种选择最终会如何影响企业的身份。在接下来的一年里，他们的受众严重偏向电子商务，疏远了他们市场的主要部分。一个数据驱动的决策导致了一个需要数年时间才能纠正的结果。这就是所谓的"局部最大化"（local maximum）——这是一种改进，但无法优化长期业务目标。采用基于数据的方法意味着部分基于数据做出决策，但要在市场、用户偏好和竞争对手基准的更大背景下进行，以便全面了解产品可能性和业务影响。过于狭隘地关注特定指标可能会导致错过机会或代价高昂的课程修正。基于数据的产品设计方法固执地专注于优化的数据驱动团队可能会陷入局部最大值，因为他们在追求数据驱动决策时放弃了创造力。数据可以预防创造性带来的固有风险的想法很诱人，但这是一个错误的承诺。在产品生命周期中，经常会出现这样的情况：迭代是不够的，只有颠覆性的更改才能将产品带到下一个层次。没有创造性的创新，这种颠覆就不可能发生。因为"数据如此说"可能会让人觉得安全和实用，但只会降低产品的真正潜力。约会应用程序Hinge很理解这一点。通过将Mixpanel用户分析的定量数据与来自焦点小组和调查的定性数据相结合，铰链重新设计了这款应用程序，以改进其匹配度。数据显示，无休止的刷卡并不会导致很多约会。这一观点为新产品提供了一个新的关注点，即通过有意义的关系而不是随意的约会来联系人们。结果，这款应用摆脱了广受欢迎的个人资料浏览功能，引入了扩展的用户档案和"内容喜好"，这样用户就可以更好地展现自己的个性。这项基于数据的重新设计有助于Hinge的市场差异化，因为该应用程序关注的是长期关系，而不是联系。数据通知>数据驱动从根本上讲，获得数据信息是在经验和指标之间取得平衡，这有助于团队从数据中汲取见解，激发他们的创造力和创新精神。获得数据信息使您的团队能够交付有价值的产品，这些产品不仅有数据支持，而且有其带来的宝贵和独特的体验作为后盾。