最近，我注意到，无论是处于初创阶段的企业，还是已经成立的组织，都对产品设计研究表现出了更大的热情。企业已经接受了这样一种理念：有意义的创新需要把客户理解为生活复杂的个体。
当然，随之而来的神话、误解和偏见也会让人摸不清状况。下面这篇简单的文章就是为大家解释一些错误的观点，并总结了在产品设计实践中需要注意的 9 大原则，旨在广泛传播和分享。
一、拥抱不确定性（Get comfortable being uncomfortable）
“我只知道我一无所知。”
——苏格拉底
一直以来，我们都被传统教育培养成重视答案和害怕问题的人。我们在学校因为正确的答案而得到奖励，我们在工作中因为聪明的想法而得到奖励。难怪这么多人都在找理由避免做研究，特别是定性研究。
因为定性研究常常显得“缺乏高级知识理论”，会让人产生焦虑。定量的东西至少有各种标准化测试，能带来熟悉感，令人舒适。我们经常沉迷于标准化的方法以及各种数字指标，因为那是我们熟悉的领域，看上去也十分高大上。
保持一种研究心态意味着要意识到偏见是普遍存在的，确定性是一种幻觉，任何答案的保质期都很短。从长远来看，一个好问题更有价值。除非你承认你没有答案，否则你不能问好问题，也就是说你不能学习。
二、先提问，再做原型（Ask first, prototype later）
“如果我们只测试开瓶器，可能永远不会意识到顾客更喜欢螺口瓶。”
——维克多·隆巴迪（Victor Lombardi）《设计败道：来自著名用户体验案例的教训》
当然，我们确实需要一个快速完成的可测试原型。但是，原型是一个具体答案，它是有形的，即使它只是一张纸上的草图。这很舒服，比只是问问题舒服得多，即使这相当于烧一大笔钱，或者花费大量工作。对于那些想要通过快速、明显的进步来展示自己价值的人来说，只是简单提问题就像浣熊洗棉花糖一样徒劳无功。
图：爱干净的小浣熊，吃棉花糖前先洗一洗
但是，过早开发原型的危险在于，将资源投入到没有人问的问题上，而忽略了机会成本。测试一个原型可以帮助你完善一个已经很好的想法，而不是告诉你是否在解决正确的问题。而且人们很容易将原型的打磨效果等同于创意的质量（比如那个忽悠失败的 Juicero 榨汁机），研究报告中粉饰的亮点也容易被误认为是具有价值的洞察。
图：Juicero 榨汁机产品，外表光鲜的机器其实毫无技术含量
提出正确的问题可以帮助你更快地识别和根除不好的点子，而不是保留和捍卫薄弱的想法，你需要足够坚强去拥抱和接受错误。
三、了解目标（Know your goal）
只有你事先了解做某件事的原因，问问题才不是浪费时间。你必须公开发誓：你的动机不是“为了证明自己正确”。
通常，出于对研究的一腔热情，团队会在没有明确和一致目标的情况下开始与客户交谈。之后，他们觉得自己浪费了宝贵的时间，却不知道如何运用所学，来提供解决方案，没有任何东西可以拿出来。于是经常会听到这种说法“我们去年做过研究，那是浪费时间。”然后，团队又回到了创建原型和测试原型的舒适圈。或者，他们对听到的内容有不同的理解，结果又因谁对谁错开始争论不休。
在大公司机构中，有时大家都有心照不宣的目标：“让产品负责人做他想做的事，表现出我们在尽力做研究。”这听起来可能有点讽刺，但我与许多在资金充足的研究部门工作的资深研究者交谈过，他们撰写的宏伟报告对决策没有任何影响。承认这个事实，是阻止它发生的第一步。
绝佳的起点应该是“让我们设立一种共识的方法，来快速理解他人的观点”，不要在事后附加其他目标。
只有当你确定了一个目标，才会知道你需要了解什么。在选择如何回答之前，你必须知道你的问题是什么。
四、在重大问题上达成一致（Agree on the big questions）
“从本质上讲，所有商业活动都是在人类行为上押注。”
——华尔街日报：《“厚”数据的力量（The Power of ‘Thick’ Data）》
问题的质量决定了结果的效用。提出错误的问题，与用原型解决错误的问题结果相同，它们都会给你一些不想要的东西。从优先级最高的问题开始。如果你在重大问题上有错误的假设，或者直接忽略，风险是最大的。
重要的研究问题是你想知道什么，而不是你在访谈中问什么。事实上，直接抛出你的研究问题是最糟糕的方法。人们通常不知道或不愿意承认自己的真实行为，但每个人都很擅长编造答案。
设计研究总是与用户研究混为一谈。解决高优先级问题有很多方法，与典型用户访谈只是其中之一。你需要知道的，并非都是与用户相关。
通常最关键的问题是“基于证据，我们对客户/竞争/内部能力真正了解多少?”这可能是一个非常可怕的问题，恐怕不会得到完全诚实的回答，但你必须在短时间内回答它。
五、时间和资金总是够用的（There is always enough time and money）
当研究被定义为设计之外的一种工作时，人们很容易将收集证据当作额外的事情，并找理由不去做它。
通常，团队必须得到权威领导层的许可，才能完成属于研究范畴的工作，问问题本身就威胁着权威。如果你曾经和一位不同意为百万美元项目开展定性研究的领导者合作，问问你自己，他们在购买一辆 5 万美元的汽车前，会不会自己做做研究？口头上提出反对意见，心里往往只是害怕自己的想法被破坏，被证明错误，或者不那么有效。
如果你对自己的目标和高优先级问题是清楚而坦诚的，你可以在任何时间和预算内学到一些有用的东西。比如上网查找资料、午饭时到外面去观察别人、去测试人家的产品、要有创意。
只要不是做正式调查就行。
六、不要指望数据能改变想法（Don’t expect data to change minds）
“当一个人靠着对某件事的不理解来拿薪水时，要让他理解这件事是很困难的。”
——厄普顿·辛克莱（Upton Sinclair）
这对于训练有素的专业研究人员来说通常很难接受，即使研究已经证明这是真的。如果你习惯了与一群重视某种数据的人一起工作，你可能就没有足够的能力去说服那些不接受这种数据的人。数据不足会让人觉得自己的专业能力受到了侮辱。
收集证据的全部意义在于基于证据做出决策。如果这些证据破坏或违背了有权做出决策的人的信念，他们就会找到理由拒绝或忽视这些证据。这也是为什么定性研究人员在一些工程驱动型组织中处境艰难的核心原因。擅长和熟悉数字的人就是想要用数字来回答问题，即使这个答案其实需要更多的描述性。
因此，在尝试用数据去影响决策之前，你必须了解你的同事和领导的个人特点和他们所处的环境，了解他们是怎么做决定的。
七、接受混乱带来的不完美（Embrace messy imperfection）
“我们是善变的，愚蠢的物种，有着糟糕的记忆和自我毁灭的巨大天赋。”
——苏珊·柯林斯（Suzanne Collins），《饥饿游戏：嘲笑鸟》
人类的生活是混乱的。如果人们没有问题，就不需要产品和服务来解决问题，我们也就没有工作了。为人们找出解决问题的最佳方法，需要在现实的、混乱的世界中花些时间，并放开一定程度的控制。虽然有必要采取一种合乎伦理的、足够严格的方法，但并不存在绝对纯净的定性环境。一个明确的目标和一个好的问题可以承受各种不可预测的情况。
正因为现实很混乱，人们更喜欢规整、有条理的东西，并且（尤其对于非专业人士而言）特别希望专业知识看起来像是可见的，可感受到的。人们更喜欢舒适有序、显得专业的活动。所以类似焦点小组、可用性实验室、眼动跟踪、正式调研和光鲜的报告等这类形式大于内容的方法经常会被不恰当地使用。事实上，一些不那么正式的东西会更有效。
将证据纳入设计决策本身就是一个学习过程。你永远不会找到正确的答案来解决问题，因为现实世界没有完美解决方案。如果这个过程是有效的，即使不完美，你也会在做决策时信心备增。
八、致力于合作（Commit to collaboration）
每个人在做相同工作时，都会面对相同的现实。对产品做出决定的人必须是最了解情况的人。如果知识只存在于某一个人的脑海中，那么知识有多好就无关紧要了。
没有协作的研究意味着，一组人在学习和创建报告，供另一组人认可或忽略。在这种环境中工作，即使是最用心的团队，也会让知识流失。如果合作中缺乏证据和共识，意味着每个人都默认了，赢家是因为个人偏好，而不是正确的知识。这两种方法都不是最有效的。
直接让产品设计和开发人员参与提问和回答是最有效的方法。而且很有趣。根据公司组织的不同，实现的方法也不同。提出问题的关键是建立一个共同的决策框架，以便更快更好的做出决策。我为此开了一个研讨会。它改变了生活。
九、找到纠正你偏差的伙伴（Find your bias buddies）
“我们可能对显而易见的事情视而不见，也可能对自己的盲目视而不见。”
——丹尼尔·卡尼曼（Daniel Kahneman), 《思考，快与慢》
所以，你做了这项工作，你找到了一些答案。现在你需要决定它们是什么意思。在解释研究结果时，合作变得尤为重要。每个人类大脑都背负着偏见的包袱，也没有办法去客观了解自己。我们都知道什么最符合我们现有的信念。所以，我们必须参考一个外部标准（包括预先设定的目标和问题），并互相检查。
这和你有多聪明、消息有多灵通没有关系。一旦你接受了这一点，而且只要你在一个相互尊重的团队中工作，识别偏见并指出它们可能是一个有趣的游戏。
维基百科页面上有一个很好的列表，还有认知偏见法典，可以打印出来贴在你的墙上。
十、也许，这就是正确的设计
总之，当我们谈论设计研究时，我们说的是基于证据的设计。创造、批评和探究都是设计过程中不可或缺的一部分。将它们分开会导致出于无知、自我恐惧而去优化错误的产品。
设计是价值的交换。在将任何东西投入市场之前，你必须问问人们真正需要什么、看重什么，以及你希望得到什么商业价值作为回报。
只要的方法符合道德，诚实对待自己，并致力于一个有价值的目标，那么，你提出的问题和你找到答案的方式都无关紧要。正确的方法并非只有一种，正确的答案也并非只有一个。享受不确定性吧！它永无止境。