Slack如何通过用户反馈来打造令人尖叫的产品（下）
编者按：本文来自First Round Review，他们的文章既讲故事，又向创业者提供具有很强操作性的建议，以助力打造优秀的公司。如何通过获取和利用有价值的用户反馈数据信息来改善产品？大部分创业者都会为此头疼。本文中，堪称史上发展最快的 SaaS 公司 Slack 的首位产品经理分享了 Slack 获取和利用有价值的用户反馈信息、从而打造一款令用户尖叫的产品的经验。
本文上篇：Slack如何通过用户反馈来打造令人尖叫的产品（上）
了解你可能存在的偏见并努力加以遏制
偏见是无法避免的，不管我们思想多么开放，我们都或多多少存在一定的偏见。这些偏见将影响我们如何解读用户反馈的数据。我们在意识到这一点的同时，还要知道如何遏制一些常见的偏见。
- 选择偏见
在搜集和评估产品反馈数据时，Berger遭遇最多的就是这种偏见。例如，产品的支持请求通常只来自那些最活跃的用户，了解这一点很重要。如果你只和这些用户沟通交流，那么你就将所有的非活跃潜在用户都排除在外了，更不可能从他们那里获得有价值的数据。
你可能会进行产品的可用性测试。进行可用性测试时，很多人的做法是从Craigslist上招募测试志愿者，这看似是很合理的做法。不过你需要时刻记住的是，通过Craigslist找到的测试志愿者并不能代表绝大部分的潜在用户。你要了解这种方法可能存在的局限，因为你找到的测试者都是一些经常参与测试的专业测试者，和大部分用户还是不一样的。因此你要意识到，你在测试中获得的数据的一部分可能是无用数据，要学会排除这些数据，然后继续。
- 确认偏见 or 观察者偏见
大家倾向于在数据中只看那些自己想看到的数据，或是想看自己之前预测的结论，这很自然。这其实也是一种偏见，我们需要努力抑制这种偏见的发生。不妨想象一下，同样一组数据，可能支持一种假设，也可能同样能支持另外一种假设。它可能符合你所想的，也可能完全不符。总之，不要只去看那些自己想看的数据，在这方面一定要极力克制。
实际上，在Berger看来，处理上面这类数据偏见的过程是在一家创业公司工作非常激动人心的一部分。那些曾在大公司工作的人会习惯利用数据做一些细微方面的修正和调整——例如在A/B测试中，主页上的哪个词起到了一点作用。如果你是在一家成立不久的创业公司，你跟数据打交道的过程就会更加曲折，利用数据做的事情也会重要很多。要尽可能快地积极参与到这个过程中。它可以帮你学到很多关于产品和用户的新东西。
- 报告偏见
观察者偏见主要指在一堆数据中只看你想看到的部分，而报告偏见主要指只关注那类最让你觉得舒服的数据。这意味着对于那些比较难获取、分析起来较为复杂以及难以量化的数据，就不会给与太多的关注和重视。在就不同的产品决策做出取舍时，这种偏见表现得尤为明显。你可能有一组很容易定量分析的数据，所以你会优先分析这组数据，这组数据可能可以说明一个产品决策的正确性。但同时可能会有很多定性的分析来证明这个产品决策的错误。例如，你们产品的用户增长数据可能非常不错，但用户满意度如何呢？
你经常要去面对和衡量来自不同渠道的用户反馈数据，并需要从不同的角度来评估产品决策，这些工作量虽然繁重但都是值得的。对于任何在产品决策中所面对的赞同意见和潜在的反对观点，都要保持清晰的头脑。数据的来源渠道是多种多样的，认识到这一点可以帮你获得更为清晰的视野。这已经帮助我们在Slack做出了很多明智的决策，例如之前提到的邮件营销，在我们从全局的角度来分析邮件营销所取得的效果时，我们才知道做邮件营销是不划算的。
融合定量数据和定性数据，让他们共同发挥作用
在你确定假设并对其进行验证时，你就需要从那些你认为比较有价值、有启发性的数据入手。你确定了哪些用于验证假设的问题？有哪些搜集反馈信息的渠道？又如何正确地开展这项工具？定量反馈和定量反馈的区别在哪里，Berger总结出来的经验是：定量数据可以帮你了解某件事情的对或错，而定量数据则可以告诉你它为什么是对的或错的。
当你在对你手中的反馈数据资源进行优先级划分时，你是否还需要去获得其它的数据。换句话说，在一个任何数据都可以获取的世界里，是否有必要去获得所有的数据，有备无患？
其实在通常情况下，获取数据并非完全免费的，是需要获取一定的成本的，有时是显性成本，有时是机会成本。有时数据即使可以“免费”获得，但我们仍要考虑是否值得我们花心思去获得这些数据，因为里面通常会含有隐形成本。
现在获取信息是非常容易的，正如你可以很容易浏览用户在产品官方Twitter上的反馈。你在工作中总会去搜集一些相关反馈信息，有时是定量数据，有时是定性数据。不过如果你有清晰的目标，并知道如何通过假设验证来实现你的目标，你就不会因为有一个用户不喜欢某项功能就匆忙地去改动你的产品。你需要知道哪些数据适合用作测试使用。
你需要详细地了解并清楚你的数据来源，这比其它所有事情都要重要，但这并不是说你不需要关注其它事情。如果你认为新上线的产品功能非常重要，但用户的普遍反馈却一般，这时你就需要倾听用户的声音了。不过你不能对所有反馈数据都一视同仁的对待。
搜集你手里没有的数据
通常情况下，如果定量数据反馈暴露了产品中存在一个问题，你可以一眼就在分析仪表盘上发现。定性数据反馈就不同了，它分析起来更加复杂和棘手。还记得上面说到的“选择偏见”吗？和网站流量数据和留存率数据不同，当你浏览产品支持反馈或是社交媒体上的反馈信息时，你通常只会本能地看一些局部信息，无法看清全貌。要想获得可直接使用的实用的定性数据，你需要主动走出去积极搜集相关数据。
Berger加入Slack时，他面临的是一个貌似令人艳羡的问题：产品反馈都非常正面。“开始的时候，我就对自己说：‘如果在Slack官方Twitter账号下留言的人都说Slack是一款很棒的产品，那么我加入Slack是干什么来了？我怎么才能为Slack创造价值？'。
所以Berger开始努力走出去接触那些还没有对Slack发表过评论亦或是还没用过Slack的人群。他知道Slack的下一步战略是为规模更大的团队提供服务。所以Berger开始拜访他能找到的规模最大的那些团队。这次团队拜访工作是非常有价值的，因为这些大团队使用Slack的体验和那些经常在Twitter上给Slack留言的活跃用户（这些团队的规模通常和Slack自己差不多）的体验是非常不一样的。
Berger在用户拜访中发现，Slack确实给这些规模较大的团队创造了很多价值，但Slack的有些地方却并未能很好地满足他们的需求，给他们造成了很大的困扰。而他们所遇到的问题其实是可以很快解决的，只是Slack之前一直没发现而已。“只通过一种渠道了解用户反馈当然很简单，而且这些反馈大都是正面的—似乎每个人都喜欢Slack！但这么做从长远来看是存在问题的。”
搜集这种定性数据似乎和在分析监控面板上舒服地了解定量数据的方法是彻底背离的，其实并非如此。搜集和研究定性数据时，你同样需要首先作出假设，然后确定指标和验证流程。
“我的假设是我们的产品并没能很好地服务好规模较大的团队。所以我决定从离公司较近的旧金山湾区的一些使用Slack的大公司入手，在拜访这些公司的过程中，我问了他们很多问题，主要围绕他们的团队是如何使用Slack的。”我问的这些问题非常直接：你是如何使用Slack的？公司内部哪些人在用？他们主要用Slack干什么？他们还在用其他什么工具，Slack是否能和这些工具实现互补？
举个例子，Slack最初内置有一定比例数量的默认通知和通知偏好的切换功能。所以当你在团队中工作的时候，你每天会收到一定量的有关其他同事工作动态的邮件或桌面通知。这个对小团队非常有用，因为这些通知可以帮助他们实时了解其他同事的工作进展。但同样的消息通知机制对于大团队来说就是一个灾难。
Berger听到很多大团队在抱怨这个问题，最后Slack专门为大团队提供了一套不同的默认通知功能。新功能按比例减少了每天收到的桌面通知数量，同时为他们提供了了解团队全部动态信息的功能选项。这个功能对于大公司太实用了。
定量反馈数据分析起来很方便，但类如“我每天收到的通知太多了”这样的定性反馈你如何分析并和团队分享呢？
很多人不知道如何使用定性数据。例如你出去拜访5个用户，你可能会想：‘只拜访5个用户，我怎么知道该注意哪些东西，或者这访问到底有没有意义？’ 。这个时候就会发现前期准备工作的重要性了，因为你并不是访问随机选出的5个用户，你要清楚你的假设是什么，并知道应该访问哪些用户去验证你的假设。如果你拜访大团队，你只能做出和大团队相关的结论；如果你只和高度活跃的用户交流，那么你只能获取和活跃用户相关的有用数据。
有时候，你收到的有些用户反馈并不需要去测试验证，因为你一看就知道怎么回事。有时你会碰到一个用户以一种非常不正常的方式使用你的产品，极少有人这么用，所以即使他在使用的过程中遇到问题，你也可以不用管，因为一般用户是不会这么用的。还有些时候，有用户在使用Slack时遇到了了严重的问题，这时你不需要了解其他用户的使用情况就能知道，每个人在使用Slack时都会遇到这个问题。
走出办公室去拜访用户虽然很辛苦也很难，但它真的是非常值得的，因为你可以从中了解你的产品需要有哪些值得改进的地方，让你知道产品下一步的开发重点是什么。
Berger建议早期的创业公司不要过多地担心自己是否知道如何利用用户反馈数据。“要小心谨慎地选择你的假设，然后选择适合的用户群去拜访，获得有价值的反馈数据来验证自己的假设，你自然而然就能知道接下来该做什么。”
