作者: 刘飞
出版社: 中信出版集团
出版年: 2019-6
页数: 256
定价: 59.8
装帧: 精装
ISBN: 9787521703504
什么是错误的用户描述？我们先看以下几个描述：
- 我做的是校园金融产品，这个产品提供分期付款服务，我的用户是所有已成年的大学生；
- 我做的是××手机系统里的便笺工具，我的用户就是用××手机系统的人；
- 我做的是国民级的产品，我的用户不分男女老少，中国人民都是我的用户；
- 我做的是VR（虚拟现实）眼镜的RPG（角色扮演游戏），我的用户还不存在，我要发掘我的用户；
- 我做的是微信小游戏，特别简单易操作，谁都能成为我的用户。
这些认知用户的描述都是有问题的，我们都应该知道我们的用户到底是谁、究竟在哪里。这个“到底是谁”“究竟在哪里”，其实就是用户画像想要解答的问题。
我们先看看下面这些单个典型用户的画像是不是好的用户画像。
- 美甲用户：女，31岁，北京人，服装店老板。
- 外卖用户：男，24岁，福建人，互联网公司工程师。
- 滴滴用户：男，54岁，河北人，滴滴快车司机。
不能否认，的确能有一些简单的概念，大概知道每种用户的典型特征，但这些特征是保留在数据层面的，根本没办法有感性的认知。
我们再来聊几个典型的用户。
- 媒体公司的白领小慧，女生，25岁，老家是河北，来上海读书，本科毕业后工作。毕业刚几年，还是单身，不过朋友挺多的，大都是以前的同学。有了一定的收入，对生活品质也有了一些要求，刚搬到一居室的新家，房租不便宜，占工资的一多半，还自己做了很多装饰，买了很多小家具。平时的工作朝九晚五，晚上回家会看美剧。周末跟朋友出去逛街，吃东西，偶尔会去酒吧。喜欢用黄油相机和美图秀秀来拍照，修图，也会用keep（自由运动场）和Instagram（照片墙）来发健身和吃东西的照片。购物基本都是在淘宝和京东，比较擅长研究各种信用卡和优惠券的使用技巧。
- 在杭州工作的小伙子李东，从浙江海边的农村来，23岁，高中文凭。学历虽然不高，但是愿意折腾，在工地上搬过砖，当作餐厅服务员，做过保安，也摆摊做过生意。最近刚找了一份送外卖的工作，因为勤恳又机灵，当上了组长，接下来希望能争取当上公司在西湖区的主管。他跟老乡们住在比较偏远的郊区，群租房，平时没事儿就一起打牌，或者联机玩《王者荣耀》。许多吃穿用品都是从淘宝或者拼多多买的。
- 下岗的大叔建设，北京人，中专文凭，48岁，家里有刚读大学的女儿和开小服装店的老婆。原本是工人，工厂倒闭后就自己打些零工，现在也有相对稳定的收入了。平时喜欢遛鸟逛街，跟邻居们下棋、打牌。偶尔也会在电视、手机上看一些国产剧或者球赛。女儿还没有财务独立，所以日常生活里会格外省吃俭用，极少下馆子或者去娱乐场所。周末有时候会开车载着老婆去郊区的水库玩。
有了这样的用户画像，我们就能让一个有真实感的用户停留在我们的脑海中，在需要判断的时候让这个有真实感的用户帮助我们。
为什么这种有真实感的用户画像是好的呢？因为我们在设计产品的时候有许多判断需要经过用户检验，用户画像就是第一关。
用户画像的种种特征和描述，延伸出来的是用户生活工作的环境，是他们日常的心理状态，也有他们的认知能力等。
比如，如果我们发现有一类美甲用户，大都住在群租房，并且居住环境比较差、面积小，那上门美甲的感受就会很差，因为没有合适的位置提供给美甲师，占用公共空间也容易引发矛盾。或者美甲用户是全职太太，家境阔绰，也有大把大把的闲余时间，根本不需要上门服务来节省时间，需要的是高端美甲店的高品质服务，那她们也同样不在上门美甲的用户范畴内。
再比如，我们发现大部分外卖配送员都是年轻人，对智能手机已经非常熟悉了，而大部分快车司机都是中老年人，对智能手机的熟悉程度有限，而且还有视力下降的问题，那么我们在做类似的接单功能的时候，要考虑的就完全不同了，要让司机的接单流程和界面布局更加谨慎且易于学习。
我和老张的讨论
老张：你觉得用户画像是必需的吗？我觉得你说的用户画像要基于复杂业务形态的产品才更有价值。
刘飞：我前面已论证了，不管什么样的产品都要认知用户，用户画像需要抽象。
老张：举个例子，我就是想做一个天气工具，也不涉及用户的收入水平、居住情况、兴趣爱好等，用户就是来看天气而已，干吗要对用户有那么深的认知呢？
刘飞：这的确跟产品占据用户心智的程度有关系。如果滴滴司机端对于大叔来说代表着收入来源，那大叔对这个产品的认知和需求就全然不同，我们也需要对大叔有特别深入的认知，用户画像要特别详尽。如果看天气的工具对于大叔来说就是10秒钟完成的一件事，占据的心智是极小的一块，那我们对他的认知确实不需要多复杂。
老张：感觉都不是很复杂，其实特别简单的工具压根儿不需要用户画像吧？甚至可以说“正常人类”这样的用户画像是不是就够了？
刘飞：也未必。比如天气工具，我们要进行商业化的一个途径是售卖皮肤插件，谁会买？大叔肯定不会买，他没有购买虚拟物品的习惯；过得比较糙的男生估计也不会买；可能就是小女生会买，那么这些小女生在什么情况下会买？这背后代表的依然是她们的生活状态、收入情况等。
老张：那我还是要说，对于许多产品，用户画像在刚开始可以不需要那么深入，随着产品复杂度的提升，或者出现新的需求和场景，产品经理才需要继续优化和丰富用户画像。
刘飞：这么说也可以。我也说过用户画像是产品决策的试金石，刚开始可能简单一些，直到试不出来的时候，就要考虑这块试金石是不是需要再打磨了。 老张：还有个问题，就是有没有替代用户画像的方法？比如你说的试金石的功效，我是不是也可以直接做一个产品出来，做用户可用性测试。
刘飞：也可以，本质其实就是效率高低的问题。比如我们既然能够获取用户画像，并且在前期方案阶段就能做出相对精准的判断，那后续命中率就高得多，成本也会很低。但我们前期全靠猜测，最终都用可用性实验，或者A/B实验去做，那就相当于把宝全都押在碰运气上了。
老张：好，最后一个关键问题，我们该怎么判断谁是我们的典型用户呢？比如做美甲产品，用户五花八门，好像除了都是女性，别的都找不出更好的特征，遇到这种问题该怎么办？
刘飞：这是个好问题。当产品用户规模还比较小的时候，比如我之前刚创业的时候，是可以随机走访一些人的，多聊几个基本就有大概的判断了，她们有很多共性，可以找到最具有代表性的用户。但当用户规模特别大的时候，比如已经有十万、百万甚至千万用户的时候，就不能这么去了解用户了，要用一些统计学上的判断，然后确定比较典型的用户。这涉及用户群体特征的理念，就是接下来我们要探讨的。
用户群体及特征能帮我们区分哪些是我们的真实用户，哪些是潜在用户，哪些是我们的核心用户，哪些是边缘用户。不需要有太深的了解（也不可能），我们就能根据用户群体及特征判断出到底哪些人是美甲师小慧，哪些人是外卖员李东，哪些人是司机建设，这是根据特征划清界限。要对边界内的用户有深入认知，需要深入他的心坎和生活状态，理解他的心理和场景。只有这样，才能做出好的判断，这还要借助用户画像。
建立客观数据与画像描述之间的关系，要基于产品的特征和我们的认知判断。
如果我们做社区类产品，那么可以参照用户参加的群组以及给自己贴的标签：参加了“高端信用卡交流”或者“私立幼儿园交流”群组的用户，很有可能是收入水平高的人群；参加了“携程里程积分兑换经验”或者“各地酒店推荐”群组的用户，很有可能是经常出差的人；参加了“新番动画推荐”或者“手办海购交流”群组的用户，很有可能是二次元爱好者。
如果我们做出行类产品，那么就可以从出发地和目的地做一些间接的判断：出发地往往是高档小区的，目的地经常是高档会所的，用户很有可能是收入水平高的人群；出发地经常不在同一个城市而且是酒店的，用户很有可能是差旅人群；目的地偶尔在漫展的，用户很有可能是二次元爱好者（不容易判断，毕竟宅男的出行数据原本就很少）。
为什么人们总说作为电商平台和支付平台的阿里有最完整的行为数据乃至最完整的人群画像，那是因为根据生活消费的商品和服务，几乎能够推断一个人全部的特征，而越是习惯网上购物的用户，衣食住行都用同一个支付手段的用户，就越能够被电商和支付平台完整描述。
对于高收入人群，我们通过他是否加入了“高端信用卡交流”群组或者是否从高档小区出发来判断，是比较间接的，数据的准确度会由于以下原因降低：
- 召回率低，并非所有高收入用户都会加入群组或住高档小区；
- 频次低，高收入群体大都有私家车，用出行产品打车的频次原本就很低；
- 现实场景有误差，加入群组可能是帮别人查东西，出发地为高档小区也可能是为方便打车，但实际住在别处。
假如是通过平时的各种消费习惯判断呢？甚至通过理财习惯和账户余额判断呢？准确率显然会高出好几倍。
更不用说二次元宅男这种用户群体画像了。宅男平时点外卖的消费，充值有版权动漫的会员，在淘宝上买周边等，全都记录在平台上，获取到的行为数据十分完整，且具有很高的准确度。
具体来说，数据跟画像之间应该怎么建立关联呢？这需要我们赋予冷冰冰的数字一个所谓的特征标识，这些特征聚焦的就是用户人群，每个人群都有一个画像。
比如，我们看到有许多加入群组的行为数据，这些数据意味着什么呢？单看数据没有任何意义，我们要看有哪些群组能够赋予特征含义。对于“加入高端信用卡交流”这个行为来说，我们就可以赋予其“高收入”的特征含义。许多“高收入”特征的聚集，就能够聚焦一些用户。
所谓聚焦往往就是建模的过程。
建模是最有效的方法，不过并非每个团队都有这么好的资源做建模。如果没有条件做建模，我们也不需要对特征和用户的关联准确度有太高要求，只需用比较粗糙的加减法做判断就可以。
不管用什么方式，我们打通了可量化数据、用户特征与用户群体画像的一个通路。这个通路可能比较简单，也可能比较复杂，但都能够让我们从数据里分辨人群，进行有效的人群划分。
在产品刚刚萌芽时，更多的是寻找潜在用户的群体特征，以及判断当下核心用户的特征。对于这种单一用户的群体特征，可能是指向性很明显的一个维度，例如上门美甲的用户，就是25岁左右有一定消费能力的都市女性。这需要典型的用户画像，就像前文所述的河北女孩。这样我们就能够通过特征快速寻找我们所需的属性，不管是在做运营活动时要选取地点（目标用户工作和居住的聚集地），还是在做功能和服务时要做判断，都能够有一些参考，可以专门满足这些用户群体的需求。
在逐步发展到一定规模后，就有能力提供更丰富的功能和服务了，这时，就需要做人群划分。比如25岁的女性与30岁的女性在许多层面的认知和需求就不太一样，她们需要的样式有差别，对服务品质的要求有差别，对智能手机的使用方式也可能有差别，都应区分对待。住在市区和住在郊区的用户，也有不同，住在市区的用户比较集中，提供服务的成本和难度小一些，而住在郊区的用户比较分散，合理进行订单分派就比较困难。能够有针对性地做不同人群的拆分，原本让大家都体验到的60分服务也许就会变成80分。
首先，我们要识别哪些是真实用户。不同的产品也有很大的差异。比如，对于许多社交产品来说，注册往往只代表第一步，这时候用户在“潜在用户”和“真实用户”之间徘徊，直到他们完成了一些操作，代表他们真正留在了平台上，出现有规律的行为后，才能算真实用户。
这在硅谷被称为“Aha moment”（顿悟时刻），比如脸书就认为用户有了7个好友就是过了这道坎儿，很有可能成为真实用户。对于脸书来说，真实用户就是拥有7个好友的用户。
那么接下来，我们再看潜在用户。我们仍然以脸书为例，能够使用脸书的人，在国籍（哪些国家开放注册）、年龄（排除低龄儿童和高龄老人）、居住地（网络畅通的地区）等方面，是有明确特征的，依照这些特征，可以聚焦许多尚未成为真实用户的人，他们就是所谓的潜在用户。
为什么要先区分新老用户？因为新老用户的认知和需求差别非常大。对于新用户来说，他们的预期还不稳定，对产品的认知还比较少，有很大的不确定性，这时需要关注他们的各种诉求，让他们能够成为老用户。对于老用户来说，需求已经转变了，未必要做太多预期上的管理、功能上的介绍等，更多的是让老用户持续留在产品上，产生更多的商业价值。
如前文所述，老用户也会离开产品，成为流失用户。我们对流失用户也有个定义，就是长期不使用产品的人群，比如连续半个月都没有登录过的人。
于是现在人群划分就是：
- 潜在用户：在国籍、年龄、居住地等方面适合的从未注册的用户人群；
- 新用户：注册但没有7个好友的用户人群；
- 老用户：有了7个好友的用户人群，半个月内有登录行为；
- 流失用户：连续半个月没有登录过的用户人群。
用户生命周期的划分是为了区别不同的人群，对这些人群做需求分析，然后提供精准的功能或服务。
在运用生命周期做决策的过程中，会有两个陷阱。
- 生命周期的划分不是源于数据聚类，不是源于已有的方法论，而只源于对用户的认知。
- 生命周期这种划分方法是平台视角的，不是用户视角的。在划分出人群后，该做什么，依然要根据每类用户的需求来推断。
“用户生命周期是为了更好地认知用户和创造价值”比“用户生命周期是为了更好地做用户转化”。
我和老张的讨论
老张：识别用户群体的特征，看起来比较理想。大部分产品很难有能力搜集这么多用户特征。像上次聊的，我就是要做一个天气预报的工具，用户怎么会愿意提供性别、收入之类的信息呢？
刘飞：这确实是一个问题，我们都会遇到这种边界的限制。电商产品、支付产品和资讯产品的确能建立极佳的数据平台，毕竟从消费什么商品和什么内容推断个人属性特别容易，其他的很多产品就相对困难得多。
不过话说回来，我们还是要看最终目的：我们为什么要做特征分析和群体分析？像你说的天气工具，假如只是看看天气这一个极普遍的需求点，区分群体的意义并没有那么大。
如果说要做天气工具的优化，可以基于设定的优化方向来做定向研究。比如，发现一线城市的用户人群比较关注雾霾指数，那么可以做雾霾相关信息的优化；发现有的小姑娘希望有个性化的定制皮肤，也可以做皮肤商店，探索商业模式。不过这些都像之前讲用户画像一样，并不需要太复杂、太精确的特征分析，可以根据实际情况进行调整。
老张：所以其实用户画像和用户特征分析，都是有适用范围的。
刘飞：那当然了。我一直强调的理念就是，所有这些产品上的方法论，肯定都有自己的适用范围，一味地拿通用的方法论不做区分地用到自己的产品里，一定是吃力不讨好的。
老张：那再说说用户生命周期，貌似从运营嘴里听到的比从产品经理嘴里听到的要多。
刘飞：是的。过去，一旦提到用户生命周期，就会讲用户生命周期运营，因为当时大家的认知还比较简单，获取用户、沉淀用户、让用户付费等，用的几乎都是运营手段，不管是做奖励活动，还是做营销宣传。
而互联网产品已经逐步进入深水区，做产品也不只是当年做做表面用户体验那样，已经更多地涉入业务。就像我提到的，通过创造价值，让用户认可并转化，远比用许多粗暴的运营手段让用户转化有价值。
老张：能举个具体的例子吗？比如你在滴滴是做司机方向的，新司机向老司机转化，除了用奖励补贴让他们更多地接单，还有哪些手段呢？
刘飞：滴滴的用户拆分没那么简单，我们就拿一个颗粒度更小的转化说吧，怎么让一个刚注册的司机迈出第一步，愿意接第一单，成为“首单司机”。
运营的手段可能是，对于首单有奖励，比如在注册后的半个月内，完成第一单就奖励20元钱。这是一种吸引，不过会消耗成本。产品的手段是什么呢？我们要先分析在这一步转化过程中，用户的心理和场景。
我们通过调研、访谈和一些间接信息了解到，许多刚注册的司机，有三个常见的没有接第一单的场景。第一个，他们不太会操作，担心接到订单不会处理。第二个，心理门槛特别高，从来没有做过服务行业，想到要接送一个陌生人，就会比较焦虑；第三个，感觉订单的收入并不高，觉得不太划算。
对于前两种新司机，当然做好功能说明和接单指引会有一定效果，但毕竟接单流程不是单纯线上体验，涉及许多线下场景，我们没有办法只在线上让司机体验到真实的流程。那么有没有低成本的方法，让司机快速学习和体验一次接单呢？其实是有降低门槛的方法的，比如我们可以给新司机相对容易的订单，订单距离很短，不会去偏僻的地方，甚至让司机选择自己比较熟悉的区域。在真实接单过程中，再给新人足够的引导，这样效果就会好很多。
对于第三种司机，还要进行更精细的拆分。可能对于部分司机，我们能提供的订单收入远低于他们的预期，那这些用户就很难成为目标用户。哪怕现在用高额奖励的方法把他们吸引来，未来也迟早会流失。而的确有一部分司机的预期并不高，但他们对订单收入情况一知半解，我们需要让他们有更直观的感知，比如详细说明订单计费方法，或者讲一些具体实例，比如怎样接单就能够赚到多少钱等。另外，可能这些司机对接单的熟悉程度不太高，那我们也可以做一些接单攻略或者接单计划这样的指引，让司机快速学会接单，能够让收入符合自己的预期，等等。
在点我达做外卖配送产品时，我们遇到过这样一件事。平时工作日，产品经理、程序员和设计师都在反复测试外卖配送的流程，其中的一个步骤是，接到订单后有一句特别嘹亮清晰的播报声音：“您有新的外卖订单，请注意查收。”这个播报声音在手机中是强制最高音量，连续播放4次，并且不可手动打断。这个声音在办公室里此起彼伏，从不间断，对想安心工作的同事来说不胜其扰。
于是产品经理跟设计师讨论这个强制功能的必要性。是不是至少可以手动打断，或者可以手动降低播放音量？看起来，用户体验至少是没有折损的，似乎没有太大问题。
有人提出，还是要去现场看一看。大家穿上配送员制服，骑上电瓶车，去跑了几单，很快就达成了共识：维持原状是更佳的做法。
实际的场景跟办公室的环境差别巨大，同事们是坐在安静舒适的办公桌前，手机平放在桌子上，而外卖员是在嘈杂的街道上，大多数情况是在路上或者在饭店里走动。如果声音可以调低，或者不是连续播放4次，或者可以打断，那么外卖员就很可能错过订单，或者因为走动的时候误触打断播报，这样造成的损失对用户来说是巨大的（取餐晚点和送餐晚点，都要面临惩罚），而声音比较吵，在外卖员的日常环境中并不重要，甚至不存在。
这件事让我记忆犹新，也让我深刻理解了“到现场去”这个做产品的经典座右铭。
什么是用户场景分析呢？这就是典型的用户场景分析：考虑到产品使用的外部环境，不仅对用户有判断，对外部环境也要有判断。整体考虑到的需求，才可能是最真实的需求。
在正常舒适的环境中，大多数场景并不需要特殊考虑。比如用户在客厅、卧室使用手机，或者在办公室使用手机。这时不管是光线，还是用户的操作难度，都不存在问题。
需要考虑的是一些不算舒适的环境。例如，在开车时，手机的物理环境就发生了变化。屏幕会抖动，且手机往往会挂在或放在远处，许多平时手持手机容易完成的操作这时就变得很难，这就要求对整体视觉效果进行调整，字体要更大，可操作范围也要更大。
再比如，一些需要紧急处理的情况。像紧急求助客服甚至报警的操作，对于用户遭遇的场景来说就要极其方便。此时，用户可能遇到了很棘手的情况，操作路径比较长，步骤比较多，或者点击按钮不明显等，都会让用户错失良机。
什么是社会场景？
“让用户尴尬”就是一类常见的场景。比如之前网上热议过的“老板键”功能，就是让电脑的所有当前界面瞬间消失，切换成桌面或者已经设定好的软件界面。
客观环境和社会环境是外部因素，用户的心理状态会受这些外部因素影响而变化。用户心理状态的变化，是我们设计产品时更需要重点关注的课题，我们把用户在特定心理场景下的状态，称为心流。
试看以下两个场景：
- A.今晚你打算看一场票价200元的演唱会，在出发前发现丢了200元现金，这时你还会不会打算去看？
- B.今晚你打算看一场票价200元的演唱会，在出发前发现门票丢了，再买一张还是需要200元，这时你还会不会打算去看？
大多数人都会在A场景下选择仍然要去看，B场景下则选择不去看了。虽然实际损失都是200元，但在心理账户里，B场景是在这场演唱会上花了400元，算下来就不值得了。
我们先来看下面几个描述：
- 用户需要娱乐；
- 用户都喜欢便宜；
- 用户愿意花200元买一个狂鼠（《守望先锋》的游戏角色）的皮肤；
- 用户会买一卷用不上的卫生纸。
这些描述是对的还是错的？可以说它们都是对的，因为这些描述都会在一些情况下生效；也可以说是错的，因为这些描述又会在一些情况下无法生效。
脱离场景去说，根本无从判断对错。不做区分地把这些描述当作指导产品设计的原则，无视实际场景，很容易做错判断。
用户的确需要娱乐，但用户不是不分时间、地点、场合地需要娱乐，需要娱乐的场景要在用户的心理账户（这里指的是时间账户）里属于工作之外的休闲时间。比如，我们要做娱乐类的产品或者做游戏产品的推荐，给用户手机上发一个消息通知，如果不分场景很可能会赶上用户正工作、开会或有重要事情处理的时间，消息触达的效果就会极差，用户可能只会瞥一眼。
用户都喜欢便宜吗？当然。经济学上经典的例子是，水对于普通人来说没什么价值，价格也很低，而对于沙漠中口渴的人来说，则是珍贵无比的，这个人也许愿意花掉一半的财富来换一杯水。
用户愿意花200元买一个狂鼠的皮肤吗？这个描述已经有了一些限定条件，不过仍然没有说明场景。大多数情况下，多数玩家也许不愿意为一个游戏角色的皮肤花这么多钱，但是如果心理账户从“自己的游戏娱乐”转化为其他账户呢？比如，这个皮肤是送给特别喜欢狂鼠的女朋友的，那这个心理账户就变成了“给女朋友的礼物”，额度也许就有所提升；又或者，用狂鼠已经出神入化的玩家，希望在游戏中显得更酷、更有范儿，这个心理账户就变成“社交荣誉感”，额度也会发生变化。这两个特殊的场景，用户的心理就会发生变化。
用户会买一卷用不上的卫生纸？这句描述看起来很无厘头，用户为什么要买用不上的卫生纸呢？在多数场景下也许不会生效，可我们总能找到有效的场景，比如，用户在电商网站把一批商品放进购物车，在结算的时候发现没有到满减运费的条件，就差5块钱，而运费是8块钱，于是放了5块钱的卫生纸进来，就省了3块钱，哪怕未来不会用这卷卫生纸。这个需求并非源于卫生纸本身的价值，而源于“凑单”的场景。
我和老张的讨论
老张：用户场景应该是外部条件吧？你后面讲的用户心理状态的变化和心理账户，怎么看都像用户心理分析。是不是本章叫用户心理比较合适？
刘飞：叫用户心理也没错，不过本章强调的还是用户随着外部世界的变化，一些临时状态的变化，强调的是“场景影响”的部分。在研究这一块的用户心理时，我们关注的是外部，比如用户是不是被老板批评了，情绪不太好，是不是在跟女朋友约会，所以情绪高涨，又或者用户是不是在旅行，用户是不是在逛街。我们要先看哪些外部环境在影响用户的心理认知。
而用户心理关注的是内部的用户心智，外部的环境影响施加到用户心智上，才产生各种各样的用户认知。同样被老板批评，承受能力强和承受能力弱的人的情绪就不同；同样是在旅行中消费，有不同心理账户的用户对消费的认知也不同。
本章我们以外部因素切入，下文我们会探讨用户固有的心智。
老张：另一个问题，好像之前也问过类似的，所有的产品都需要判断用户场景吗？
刘飞：这个问题以后可以不用问了，我早就讲过，所有这些产品上的方法论，肯定都有自己的适用范围。产品差异太大了，用户差异也很大，根本没有一成不变的标准方法。
不过可以补充的是，判断用户场景有一个极佳的效用——可以作为产品主打的品牌形象。被讲烂了的“收礼就收脑白金”和“怕上火喝王老吉”的经典营销案例就是让产品的场景深深植入用户心智，用户的心理账户是“给长辈送礼”和“吃东西败火”要比“买保健品”和“喝饮料”更具价值。
如果产品在用户场景上定位清晰，是非常容易宣传和推广的。这样不仅可以单向获取用户心理账户来满足需求，还可以反向影响用户心智。
我们知道编程语言里最常见的就是函数，函数的内容可大可小、可长可短，最简单的函数比如加法，就是
F(x,y)=x+y
有了这个函数，每次输入x和y的值，就会得到它们的和。真实工程里的函数复杂得多，它们能够解决各式各样的问题。我们把一个问题的固定解法封装起来，下次再使用时，只需要简单输入，答案就会计算出来，不用每次都反复处理其中的逻辑关系。
对于用户的核心判断，也是这样一个函数：
想法= F(x,y,z...)
如果我们知道用户有哪些思维逻辑，并且把它们封装成函数，就可以把一些用户当下的感知和场景，作为参数，比如x、y、z等通通输入这个函数，得到一个用户认知结果。对于产品经理和创业者来说，认知用户的价值，不仅仅是每次都知道用户当下的想法是什么，更重要的是知道用户的心智函数（F）是什么。F是对用户的深入理解，可以帮助我们在条件有限的情况下快速准确地判断用户，这是产品从业者的核心竞争力。
同理心指的并非是简单地“切换为用户视角”的能力，这个能力其实比较简单。比如我们每个人都是许多产品的用户，我们在认知这些产品的时候有各式各样的想法，但要说清楚这些想法，其实并不难，难的在于，你能够切换为跟你差异比较大的用户的视角。你如果是男人，是否能切换到女人的视角？你如果是高收入用户，能否切换到低收入用户的视角？这种难度是陡然提升的。我经历过的每个产品，用户都是不太容易换位思考的，尤其像美甲消费者这种用户，我花了许多时间体验、思考和总结她们的心智，仅去美甲店和美容院的次数，都会让身边的人惊讶。
在社会学中，影响一个人的塑造因素，主要是社会地位和社会资源。它们包括哪些因素呢？
物质或经济资源，即一个人拥有的财产或者资产。简单来说，穷人和富人在许多事情上的判断和认知差异很大，且不讲道德和价值观层面的差别，由于贫富差异带来的外部影响依然很大，从生活环境、消费习惯到文化程度和价值观，都受物质资源影响。社会资源，即一个人认识谁，他的社交网络，以及在社交中的影响力。一方面是他是否有能力影响别人，另一方面就是别人对他能施加多大的影响力。比如一个人要是物质条件充裕，但极容易受他人影响，那他的消费习惯和价值认知，就更容易偏向自己社交圈子的常见情况；反之，则会更有自己的主意。文化资源，即一个人的文化程度，知道哪些事情，是否有自己的价值观和想法。知识的多寡决定了一个人能否理解产品的价值，或者从什么维度理解产品的价值。一个文科生和一个理科生，哪怕都受过良好的文化教育，在认知一个产品的价值时，也会有不同的判断。价值观往往都是在从小到大的耳濡目染中形成的，受学校和家庭教育影响，也会受所在的社区（大院）、邻居、亲朋好友的影响。
三个资源相互影响，最终施加到一个人的方方面面。在把他们当作用户认知的时候，我们要关注的，是他对于各种事物的认知程度，以及核心价值观，重点包括但不限于以下几个方面。
生活方式。用户当下的生活方式、预期的生活方式，以及过去的生活方式。一个人通常要花很长时间才会习惯全新的生活方式，旧有的生活习惯会延续很久。大的生活变量也会造成剧烈的影响，比如一个大学生毕业进入职场，或者一个青年刚刚成为父亲，这种生活方式的巨变会引起许多连锁反应。消费心理。消费心理被不同的生活方式影响，也由价值观决定。我们可以大致猜想到收入高的群体消费意愿也强，但受不同环境影响，也有例外：西二旗的程序员虽然收入也很高，但囿于生活方式和价值观，消费意愿很弱。经常有人说，西二旗的程序员是每个月拿着50 000元的工资，花着5 000元的钱。文化程度。与文化程度直接相关的是学历，同时也有家庭教育和成年后受到的教育。文化程度一方面代表的是知识和信息的存量，它们会影响用户怎么认知产品，怎么理解产品的每一个功能甚至每一句文案；另一方面代表的是逻辑判断的方法，受过逻辑训练的理科生能更好地分析客观价值，而其他人往往会侧重感性认知。价值观。经济资源、社会资源和文化资源会影响一个人的生活方式、消费心理和文化程度，这些要素综合起来，就塑造了一个人的价值观，也就是认知所有事物的价值判断方法。西二旗的程序员每个月只花5 000元钱，穿比较质朴的衣服，不是因为他们缺乏认知或者不知道怎么消费，本质上是他们认为在穿着打扮上费心思和时间并不值得。反过来看，大多数互联网从业者在购买游戏机、电子数码设备以及虚拟电子商品的时候都更舍得花钱，他们更认可这类娱乐方式为生活带来的价值。这在另外一些人看来也同样很难理解。
第一，社会心智是相对固定的。
对于一个用户来说，他的心智是相对固定的。比如我的朋友老张，他在周末要跟家人共度时光，这在他的生活方式中是不可或缺的重要组成部分。他的这个习惯坚持到现在，除了要出差之类的特殊情况，不会经常变化。
第二，社会心智是很难用外力改变的。
社会心智的形成过程很漫长，价值观的塑造不是一朝一夕的事，要改变十分困难。另外，只要生活环境和影响社会心智的要素不发生大的变化，一个人的社会心智也没有改变的诱因。
比如老张跟家人过周末这个心智，是他从小耳濡目染看到自己的父母的行为，受到的关于家庭生活的教育，以及日常接触的许多影视剧和综艺节目在家庭生活价值观方面的宣导共同塑造的。
我们若是做一个知识付费产品，给老张推荐一些周末的职场课程，会不会让他变成一个特别追求职场成就的人？几乎不可能，因为他的心智不会因为一个陌生的产品发生改变，而会更受刚刚提到的要素影响。
第三，社会心智很受社交圈影响。
就如前文所述，社会心智很受自己所处的社会环境影响。比如，如今的大多数年轻人远离故乡，往往都是独立生活，与家庭的连接并没有那么多。尤其是在一、二线城市的年轻人，工作繁重，很少有在线下与朋友聚会和交流的机会，平时的社交关系往往都在网上的社区，心智就很容易受此影响。
许多人的消费观念，在过去会被电视广告影响，如今则经常被朋友圈刷屏的文章、网络综艺和直播文化影响，因为这些也是身边的朋友和同事共同喜好的内容。如果能够基于这些新的观念来设计产品，自然就会更受这些人欢迎。
第一，理解用户的社会心智可以判断用户特征。
用户心智是用户表现出来的行为的根据，因此在遇到数据分析、特征分析瓶颈的时候，可以试着判断用户在心智上的差异。
比如，我们做的是出行平台，区分出了两批用户，一部分是高收入用户，一部分是低收入用户。对于高收入用户，我们希望用比较高级的专车服务来满足他们，但试验结果是，总有一些用户完全无法打动，他们还是在用更便宜的出行服务。这时，该怎么区分他们呢？
高收入与享受更好的服务是相关联的，这没有疑问，不过考虑到用户心智，会发现有类用户，就是这个认知之外的存在。我们在接触这些用户后发现，他们有的是在农村或者乡镇长大的，从小家境比较贫寒，直到现在消费心智也没有太多改变，依然极其节约，他们对出行的消费心智就是能够快速到达目的地就可以了，不需要多高端的服务，那样过于浪费。
第二，理解用户的社会心智可以判断用户成本。
10年前，大家对于游戏和软件没有什么版权意识，大都是从网上下载免费的或者买盗版的来用；10年后，大家已经有了很好的版权意识，花钱在网上看电影，玩游戏，这在过去看起来很不可思议。这就仰赖于这些年年轻人消费能力的提升和全社会对于“购买正版可以帮助行业更好地发展”这一点的认知，“买正版的虚拟产品”已经深入年轻人的心智。
买正版也许是要倾全社会之力去改造的用户心智，成本当然会比较高。我们面临的许多用户心智，未必是非常难扭转的。
比如，前文提到的在出行方面不愿意接受高端服务的那些人，心智上不愿意尝试，但也许我们想办法让他们免费体验几次，他们就能够感受到高端出行服务的优势，会慢慢扭转心智。这个“免费体验几次”的成本，就是扭转用户心智，让用户成为真正目标用户的成本。
第三，通过影响用户的社会心智来建立产品认知。
互联网产品大都是持续、长效的服务，尤其像打车、外卖等O2O（线上到线下）服务，有许多触点，而并非只有购买消费这一个触点。我们要试图在每个触点，让用户感知完整的心智感受。
比如，网约车出行平台就会遭遇许多心智感知问题。作为乘客，主打智能出行和大数据出行的网约车平台，如果没有体现出这些高新技术在打车上的优势，那么他们就感知不到快车比起出租车的优势。假如我们有一个新的功能，可以预测乘客打到车的时间，出错率非常低，我们要不要上线呢？还是谨慎为好，因为哪怕1%的出错率，覆盖的乘客数都不是小数目，每次出错都会对用户心智造成负面影响，乘客会失去信任，对“网约车=高科技=高准确率”的心智是一个损害。虽然出错率是1%，但在用户心智里却会扩大好几倍甚至几十倍，这种负面感受的积累后果不堪设想。
在心智方面，有一个核心假设是这样的：我们的大脑思考有多个系统。要简单描述系统1和系统2的区别，记住这三句话就可以了：
- 系统1是无意识的、快速的思维方式；
- 系统2则需要注意力集中，做复杂的运算；
- 我们通常倾向于用系统1思考，遇到麻烦，系统2再出面解决。
科学家实验的结果是：损失带来的负效用为收益正效用的2~2.5倍。
丹尼尔·卡尼曼的实验如下。
第一组实验：被实验团体先行持有1 000单位的现金。在此基础上做出选择。
A.50%的概率将持有的现金增加至2 000。
B.100%的概率将持有的现金增加至1 500。此实验中，被实验团体中16%的人选择了A，84%选择了B。
第二组实验：同实验团体先行持有2 000单位的现金。在此基础上做出选择。
C.50%的概率损失1 000单位现金。
D.100%的概率损失500单位现金。此实验中，同实验团体中69%的人选择了C，31%选择了D。
了解了这个认知偏误，我们就知道，“赠送给你一张200元额度的优惠券”和“不领取优惠券将损失200元的优惠额度”，用户会对后者的表述方式更敏感，更容易受其影响。
面对同一个问题，在使用不同的描述后，人们会选择乍听之下比较有利或者更顺耳的描述。框架效应的基础正是损失厌恶。
下面有一个经典案例。
情形一：美国即将爆发一种不寻常的疾病，预计疾病会侵袭600人。设想你有权在两个治疗方案中做选择。
方案A：你能拯救200人。
方案B：1/3的可能性拯救600人，2/3的可能性一个人也救不了。
情形二：美国即将爆发一种不寻常的疾病，预计疾病会侵袭600人。设想你有权在两个治疗方案中做选择。
方案A：400人会死。
方案B：2/3的可能性600人会死，1/3的可能性一个人都不会死。
大多数人会在情形一中选择A，在情形二中选择B，但实际上你会发现，两个情形中的方案是一模一样的。
可锚定的通常都是价格，有时还会有例子中提到的功能、质量等。总之，一旦你建立了初始锚定认知，后面的认知就会基于这个初始参考物来做判断。
- 测试对象在5秒内计算1×2×3×4×5×6×7×8或8×7×6×5×4×3×2×1。由于测试对象没有足够的时间计算，所以只能尝试估计答案。由小数字开始的测试对象估计是512，由大数字开始的测试对象估计是2 250（正确答案是40 320）。
- 一款新饮料，在超市里被摆放到可口可乐和百事可乐中间，哪怕价格很高，也能被消费者接受。反之，如果把它跟价格很低的饮料摆在一起，哪怕也很便宜、性价比超群，也很难被消费者接受。
- 询问“乌克兰人口有两亿吗”的答案，平均值是1.75亿。询问“乌克兰人口有500万吗”的答案，平均值是1 000万。
例如，你的产品提供送餐服务，如果你刚开始告诉用户预计30分钟送到，而25分钟就送到了，跟你告诉用户预计20分钟送到，结果25分钟才送到，用户的感知差别会非常大。
认知心理学把这个现象称为“看不见的黑猩猩现象”，指的是当测试对象观看一个主要内容是几个白衣工作人员传球并计数传球次数时，大部分人居然没有看到一只黑猩猩从工作人员背后经过。
滴滴司机经常会遇到一个问题：当决定回家时，由于上一单的终点在闹市区，因此结束订单时，很容易被派一个新订单，导致没有办法回家。实际上，在结束上一单的结束页面左下方，有一个很明显的“休息”按钮。也就是说，司机在上一单结束时不想接单是完全可以人工操作的。这个功能，绝大多数司机在我们反复宣传和提醒之后，居然还是不知道。甚至之前连我身边的一些同事都并不知道这个功能，还来质问我为什么体验特别差。回顾反思，主要原因还是司机每天都接很多订单，每次的操作流程就是点击那个最明显的橙色按钮进入下一步。就像刚刚提到的“黑猩猩现象”，他们只关注橙色按钮在哪儿，然后就点击了，其他信息就变成了“黑猩猩”，导致他们哪怕每天都在使用司机端，却不知道存在一个“休息”按钮。
另外一个很典型的“黑猩猩现象”，在互联网时代我觉得可以称为“用户协议现象”。我们在注册每个App时都会有一个同意协议的过程，有的是阻断式的，要求我们必须阅读才能进入下一步，还有的只是勾选，是否阅读是可选的。不过不管是否阻断，几乎没有人看用户协议。这种大段的文字，用户都是视而不见的，因为对用户来说，它并不是当下关注的重点。
结合“黑猩猩现象”，我总结了几条设计原则：
- 主线流程之外的信息和功能，要默认用户不了解；
- 大段的文字和小字体的文字，也要默认用户不会阅读；
- 有重要的流程步骤、信息传递，就需要更突出，或者阻断式提醒。
在做了美甲师、外卖骑手和司机群体的产品之后，我觉得最有趣的一件事，就是会收集到许多坊间传闻。
比如能不能接到更多的订单，是他们最关心的事情。关于怎么接到订单的传闻就有以下这些：
- 如果没有订单，反复开关蓝牙，就能接到订单；
- 如果没有订单，就打客服电话骂客服，骂完就有了订单；
- 如果没有订单，就重启一下App，然后就能有订单。
这是为什么呢？
- 前面提到的这些用户的确很少了解科技产品的原理，并不熟悉派单系统是如何运作的，于是会有许多猜想，这些猜想是符合他们的“个性心智”的，受环境影响。
- 他们主观上会做一个假设，这是我们倾向于用系统1来思考问题导致的，这个假设会偏向一种简单的可以解决的逻辑。
- 就引出我们本节要讨论的问题了：用户在有了主观判断后，收集的各种信息，都会经过处理补充进这个判断，这会加重和坐实自己之前的判断。
这时，可能会发生以下三个偏误。
主观验证（subjective validation）。一个人如果认为某个观点或者判断特别重要，会主观上把许多无关的信息作为支持这一观点的论据。- 如果外卖骑手或者司机认为系统派单与开关蓝牙相关，就会主观上对与蓝牙相关的信息非常敏感。身边一旦有关于蓝牙的只言片语，哪怕不是特别相关，也会在他们心中加重对自己观点的支持。
证实偏见（confirmation bias）。当有了一个假设后，我们会偏好能够验证假设的信息，而不是那些否定假设的信息。- 当外卖骑手或者司机听说，有人通过开关蓝牙来接单并不起作用时，他们不会认为这个就否定了自己的假设，而是认为操作方法可能有误，甚至这是条假信息。从另一个视角看，也由于外卖骑手或者司机需要更多比较确信的假设来让自己在接不到单时有事可做，可以尝试解决办法，因此也更偏向相信假设信息。
逆火效应（backfire effect）。这是一种更严重的证实偏见，即当假设被相反的信息否定后，我们反而更加深信自己原本的假设。- 外卖骑手或者司机听到其他用户、客服或者平台官方提供的证实他们的猜想是错误的信息后，有不少人反而会觉得“他们都是不清楚真相的”或者“官方的辟谣肯定心里有鬼”，继而更加深信自己的猜测是正确的。
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。
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。
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。
在概率思维与0/1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（curse of knowledge），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%。
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。
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。
我们拿打车出行为例，整个过程有很多与产品的触点，主要的有输入地址、叫车、等车、上车、行程中、下车、支付。在这些过程中，最高峰的体验如果是冬天寒冷气温下等待时间太久，那么这就会形成用户的固有印象。又或者在车上与司机发生一些纠纷和不愉快，也会让用户留下很差的印象。当然如果碰到一个很不错的司机，服务体验很好，乘客也会留下很不错的印象。这些印象作为峰值体验，与下车时和支付时的结束体验，会抹除其他体验记忆，最终形成用户的固有印象。
宜家效应（IKEA effect）是由一位行为经济学家、《怪诞行为学》的作者丹·艾瑞里提出的。听名字就能判断出，这指的是宜家家居生产的那些常见的需要用户自己组装的产品。
“高估自己劳动所得”在许多产品和营销策略中会有不少帮助，例如，通过完成一些小游戏让用户感觉到“这些奖品是我自己赢得的”，于是特别珍视。如果奖品是优惠券，那用户会更倾向于在截止日期之前用掉，因为他们会高估奖品的价值。
另外，宜家效应还能提醒我们：对于用户花费时间和精力得到的权益或者虚拟物品，在做削弱它们或者导致它们贬值的事情时，要特别谨慎。比如在产品内有个会员体系，用户通过简单的打卡和完成任务来升级，这时要做调整，取消会员权益，哪怕是权益并不多，哪怕可以补偿一些现金，用户也会强烈反对，因为在他们的认知里，付出了这么多的劳动不能白费，哪怕换算下来实际的价值并不高。
一个网络游戏的产品设计者在新版本里加入了新的战斗机制，这个机制略有一些复杂，需要玩家去学习。对于这个学习策略，设计者提出了以下几种方案（假设分阶段学习不影响游戏体验），你觉得哪种方案的效果会最好？
- 给出一次性完整的教程，要求用户一次学完，早学完早省心；
- 给出阶段性的教程，不过要在三天内集中学习；
- 给出阶段性的教程，不过可以用10天时间慢慢学习。
在这个例子中，可以运用两个心理学效应。一个是间隔效应（spacing effect），即比起无间隔的重复接触，有间隔的重复接触会有更好的记忆和学习效果。
另一个效应是延迟效应（lag effect），即比起短延迟时间的多次重复接触，长延迟时间的少次接触有较好的记忆与学习效果。也就是说，延迟时间更长，更有利于学习记忆。
我和老张的讨论
老张：感觉用户心智其实就是用户画像，只不过描述的是一些固有的心理和价值观等。
刘飞：没错，这么讲也可以。不过用户心智是更深层次的发掘，去探索用户一些言行背后更本质的原因。越本质的东西通常越准确，也越有复用性。比如有许多用户心智的通用特点，就是我经历了很多用户群体才感知到的，像概率思维和0/1思维。
老张：那么问题来了，道理我都懂，可是假如我要成为一个认知用户心智的专家，就要读很多书，让自己变成社会学专家和认知心理专家吗？你总结的这些认知偏误只是常见的，要全部掌握得花些日子吧？费那么大劲儿，最终用得上吗？
刘飞：问得很好。用户心智的认知，我在本章给出的关键还是理念，不是完整的方法论。我试图告诉读者，用户处于社会环境中，存在社会心智，我们要把他们当成社会中的节点。另外，用户还存在许多认知方面的偏误，我们要时刻警惕。当有了这种意识之后，需要建立的是初步的知识框架，就是“我的用户通常有怎样的社会心智和认知行为心智”，而不是大而全的“全人类通常有怎样的社会心智和认知行为心智”，后者是科学家研究的，我们要学习理解的是前者。另外，不清楚用户心智未必就完全无法做用户认知，粗浅的、表面的认知也能帮我们做产品决策。用户心智可以让决策更加准确，这属于锦上添花，而非雪中送炭，因此肯定不是成为产品经理或者设计师、决策者的必要条件。
只是，产品决策者在一个产品乃至一个企业中的价值，会通过决策能力体现，能够认知用户到什么程度，也间接决定了产品决策者的层次和水平。
第一条原则要点题，就是需求的定义。
有朋友会说，那乔布斯开创的智能手机时代呢？对iPhone的需求可不是现存的，对移动互联网的需求也不是现存的，它们怎么就能让用户买账呢？
这是个非常好的问题，有这种想法本质上仍然是对需求的定义理解不足。我们提到了需求是“需要解决的问题”，而不是“某一个产品”。在这个问题中，用户需要的并不是“某一个产品”，比如智能手机，用户需要的是“解决我的问题”。这个问题包括快速获取和分享信息、移动办公、碎片时间的娱乐…… 这些问题在功能机时代无法得到有效解决，但iPhone能够有效解决。这是乔布斯对用户需求的现状有了天才般认知后设计出的产品，恰恰不是凭借对未来的想象创造的产品。
苹果的另一款产品牛顿就是如此，同样出自苹果的手笔，这款在目前来看仍然很优质的产品在当时就没有满足用户的需求，从糟糕的手写识别到很慢的数据传输速度，最终无法解决用户提升效率的需求，成为苹果历史上最失败的产品之一。
再次是“问题”。问题不分大小，不分场景，只要是用户需要解决的问题，就是需求。这里就可以运用“痛点”“痒点”或者马斯洛模型等作为参考，它们可以协助我们定义问题的大小，即严重程度。
最后是“需要解决的”。有许多问题并不需要解决，有的源于我们对用户认知的不足，比如我们认为凡是胖子都应该减肥，但肯定有许多胖子会觉得这不是他们的问题；又或者我们发现单身青年特别多，于是就觉得婚恋产品肯定有市场，却没发现越来越多的人觉得单身挺好的，成了不婚主义者。这些都属于我们强加给用户的需求，不是真实需求。
一些问题源于用户个人能力所限，也会认为暂时不需要解决。比如还在攒钱还房贷、平时工作很辛苦的上班族，他会有娱乐需求吗？他是不是也需要一个豪华家庭影院来放松？存在需要放松这个问题，不过对于他来说，是不是当前就要解决，可能就不确定了。由于经济能力所限，他可能会觉得这是10年后要考虑解决的问题，现在将就一点，玩玩手机就可以了，这时家庭影院就不是他的需求。
需求是当下要解决的问题，不是随时都需要解决的问题，与此同时，需求也不是无限制需要满足的。超过一定的边界后，用户的边际收益会骤降，甚至降到零（也就是没有意义了）。
对于外卖平台而言，用户最关心的是餐品完善程度和送达时间。对于前者来说，假如用户喜欢吃汉堡，那么3~5种汉堡店也许就能满足这方面的需求了，提供200家汉堡店根本没有意义；对于后者来说，用户满意的送达时间如果是20分钟，那么从40分钟做到20分钟和从20分钟做到10分钟，对用户的价值显然是不同的。
绝大多数情况下，越过这个满意的边界，用户的满意度不会一点儿都不变，但变化程度会非常小。无限制地满足用户需求的价值会变小，我们可以称这个边界点为“用户体验边界”。
“人们不知道他们想要什么，直到你把产品拿给他们”。-乔布斯
这句话本身的含义价值极大，它讲的道理有三个：
大多数人的需求和“要解决的问题”都是需要抽象和梳理的。例如，“用户需要的不是马，而是更快的交通工具”，所以需求是交通工具。
大多数人在没有掌握或者没有刻意使用抽象和分析能力时，对于许多事情的认知都是很粗浅的。比如对于搜索引擎的使用体验，我们在平时不会总结搜索体验究竟如何定义，若是问一些用户如何定义搜索引擎体验，他们也许会说界面更好看、信息排版更舒适等。
人们其实无法准确表达在真正使用产品时的需求，往往都是直接给出一个解决方案，而这不是他们背后的需求，比如用户不会要求“更快的交通工具”，而会要求“更快的马”。
怎么验证用户不知道自己想要什么呢？唯一的验证方法就是让用户使用产品。
第四个原则很简单，一读就懂。这里面有两层含义：
- 我们要考虑清楚需求的主体；
- 我们不需要考虑所有用户的需求，而是要找出目标用户。
这里强调的实际上是我们在关注需求时要看物理环境和社会环境，还要看用户的心流和心智。需求需要有主体，于是我们要关注目标用户的画像和心智。需要有其时空约束，于是我们要关注用户的场景和心流，也要关注用户的认知偏误。
许多互联网公司在提到自己的市场规模时经常会以用户数量作为标杆，这通常也是投资市场最关心的数据之一。不过在简单的用户数量背后，还要关心这些用户对产品的价值，以及反过来说，产品对于这些用户的价值。只看获取到的用户数量，不看用户与产品之间的紧密程度，通常也会出问题。这个所谓的紧密程度，就是认识到我们覆盖的用户需求究竟是什么。
假设微信的用户数量是10亿，另一个手电筒工具的用户数量也是10亿，这两个10亿背后代表的用户是一样的吗？很显然，大家直觉上都知道微信的用户更能创造价值。因为微信掌握的、覆盖的需求，是用户生活中的社交需求，以及社交延伸出的信息资讯、消费和游戏的需求，对比用户仅仅使用手电筒的需求，两者是天壤之别。我们可以把微信不同需求（社交、内容、支付、生活服务、游戏）的用户叠加，这样微信的实际用户数量会是20亿、30亿甚至40亿，这是更真实的用户数量。
于是我们可以用另一个更准确的标准衡量用户质量，就是使用时长。产品的
用户总在线时长=产品覆盖的用户数量×每个用户的平均使用时长
根据2017年中金公司的数据显示，微信当时的人均单日使用时长约为81.5分钟，而支付宝的人均单日使用时长仅为6.4分钟，相差近12倍，根本不是一个量级。因此，在线下场景中，微信支付在哪怕看似很严峻的线下支付中很快也开辟出了一大块市场。
我们占据的用户时间是用户从自己的心理账户里挤出的时间，我们覆盖的需求也只是用户的一部分需求。这个心理账户时间，或者这块需求，不是因为产品形态而变化，而是因为用户心智而变化。
抖音、快手看似是陌生人的社交娱乐，却挤占了原本刷朋友圈的时间。吃鸡游戏、《王者荣耀》看似应该跟其他手机游戏竞争，但在用户的心智中也是抖音和快手的敌人，很多人在开始刷抖音后就放弃了吃鸡。
我们看待用户，应该把他们看作需求的集合，把我们面向的需求看成“碎片化的娱乐”，不能看成“游戏”或者“社交”。如何看待用户和需求，决定我们如何认知竞争对手，也决定我们如何占据用户心智。
对这些需求的拆分其实并没有固定的方法论，无非就是多问一句“他为什么需要这个？”据说有一个产品经理思考问题的法则，就是无论任何事情，都连问6个为什么。倘若有时候你觉得“他居然会这样想，不可思议”，一般就是因为对用户需求的拆解没有那么清晰。在认知用户需求时，要做到意料之外，情理之中。意料之外是由于我们只看到了用户的表面需求，情理之中是由于我们看到了这个需求背后的原因。
我和老张的讨论
老张：我首先想提出质疑的是，用户需求都有边际收益递减的阈值吗？按照我的认知，用户的欲望是无穷的，这不也是经济学的基础吗？过去的人总说温饱最重要，现在大家的温饱问题已经解决了，接下来要吃得更好，住得更好，这不会停止吧？
刘飞：从宏观视角讲，人的欲望自然是无穷的，能活80岁肯定不会愿意只活60岁，能吃山珍海味肯定不会吃快餐汉堡。在宏观群体视角里，整体的欲望是在逐步增大的，但不同年代的微观欲望不会脱离时代，自己膨胀。比如这个年代平均年龄是80岁，对于大多数人来说，活到80岁就是一个很明显的阈值，超过这个阈值，依然有收益，但由于会有“已经可以寿终正寝了”以及“同龄的好朋友反正也都不在了”之类的想法，80岁后的人再活下去的收益就会递减。
这其实就是我们讨论过的社会心智在起作用。每个人的欲望还是受环境影响的，需求对比的永远都是身边的人，需求满足程度比身边大多数人好一点，这就是心理收益最大的时刻，再好出几倍，其实就没有太大意义了，感知不明显。
老张：另一个问题，就是你举的乔布斯的例子，我怎么知道我对用户的判断是不是准确呢？是按照现在的判断果断执行，还是继续做调研？反复做调研会不会导致一直开不了工呢？但贸然开工，我们又没有乔布斯牛，这怎么办？
刘飞：放在手机行业，这确实是个大问题，所以手机行业不太适合创业者贸然进入，雷军这样的大佬才比较容易集结一个专业团队做出好的判断。手机的生产成本高，试错空间小，手机市场留给一个创业者和新人的尝试机会不多，一两代都做不成，很可能要退出市场。绝大多数互联网产品其实存在较友好的试错环境，不管是App、H5（超文本标记语言的第五次重大修改），还是小程序，完全可以用最低成本的方法先尝试，说改就能改。既然如此，就不需要事先做大量调研，有了初步判断，就可以基于它快速落地执行，然后由结果反推自己需求判断的准确性，持续修正。
老张：这样的话，一个“学习能力+迭代能力”很强的产品经理和一个“天赋极高+行业经验”很强的产品经理，是不是前者更适应当下的互联网产品？
刘飞：也许吧。不过优秀的产品经理，肯定是两者兼备的，就是学习、迭代能力更重要罢了。
我们对需求的定义是一脉相承的：用户对解决现存问题的需要。既然用户有解决问题的需要，那么我们是否能很好地帮用户解决问题，就是价值和体验的标准。
如果要准确定义这三个概念，可以用以下三个描述。
- 用户价值：用户使用产品时主观判断能否帮助自己解决特定问题。
- 产品价值：从产品设计的视角关注的用户价值。
- 用户体验：在实现用户价值过程中用户的主观感受。
在提到用户价值时，通常有以下两种含义：
- 我们能够为用户创造的价值——用户使用产品时对我们的感受是否有价值、有帮助；
- 用户对于我们的商业价值——用户是不是能提高我们的收入或者是潜在的贡献者。
本书提到的用户价值，均指代前者，即只考虑从用户视角看，产品具备什么样的价值。
对于搜索引擎，核心的用户价值是什么？我们先看用户需求，自然是搜索信息。那么反过来看，核心用户价值就是搜索到更准确的信息，或者再推理一步就是搜索准确率。
对于电商平台，用户价值是什么？用户需求是顺利买到想要的好品质的东西，这就包括：是不是能找到想要的东西（搜索、筛选、分类等），如何判断商品的质量（评价和排序体系），购物支付效率，这是核心的用户价值。延展一下，还包括能不能发现想要的东西（导购、推荐），到货能不能比较快（发货速度、快递速度），到货会不会出问题（拣货错误率、快递服务）等。
我和老张的讨论
老张：我一直在想，价值观或者文化是不是用户价值？比如，我是文艺青年，对豆瓣有文化认同感，或者我是鹿晗的粉丝，对鹿晗代言的产品有认同感，这种算不算在用户价值里？
刘飞：当然算。用户价值是解决问题，不仅要解决物质生活问题，还要解决精神生活问题。我认同一个社区的氛围，认同一个明星代言的产品，其实都是社交认同感，是我在社会关系中的一种特殊价值。豆瓣之于文艺青年的精神价值，让它自身能提供的内容、社区价值又增加了新的价值，这也是我提到的“用户价值是用户的主观感受”的佐证。这不仅仅是基于你做了什么，还基于用户怎么想。比如哪天给你产品代言的明星出了丑闻，哪怕你不做什么，对你产品的使用价值也会造成破坏：用户会觉得用这个产品心里不舒服，或者拿出去被别人看到太丢人。
老张：用户价值与用户需求相比，好像差不多。我是不是懂了用户需求，也就懂了用户价值？
刘飞：用户需求与用户价值是一体两面，一个关注问题，一个关注解决问题。比如我们研究用户需求，可能得到的结论是，用户有“打发时间”这种需求，这时是不会涉及哪些事情可以打发时间的。用户价值就是要发掘用户到底认为哪些事情可以打发时间。
产品价值=（新体验－旧体验）－迁移成本
我们先看一下Windows 10提供的几个核心新功能：
- 生物识别技术，指纹、面部和虹膜扫描
- Cortana智能助手
- 平板模式
- 新的Edge浏览器
- 安全性增强
逐个分析它们的价值，你会发现作为新版本，它的体验并没有那么出色：
- 大多数PC不具备生物识别能力，同时用户解锁电脑也不如手机高频，快速识别的意义大打折扣；
- 同理，使用PC的场景下智能助手的价值有限；
- 平板模式对于台式机和笔记本没有意义；
- 增加了Edge对于习惯了IE的用户没有太大价值，而非IE的用户只占全球份额的3% 左右（据2018年5月StatCounter的数据）；
- 安全性增强对用户感知非常弱，况且Windows一向以新版本安全漏洞问题更严重著称。
综合来看，就知道Windows 10的新旧体验差，哪怕是一个正值，也是非常小的。再看迁移成本，众所周知，升级操作系统，不管是在电脑，还是在手机上，都需要很长的加载时间，且存在不小的风险，算下来迁移成本并不小。于是我们用一个很小的正值减去一个很大的迁移成本的值，得到的产品价值也许就是负值了。这是不少用户选择不升级的原因。
产品价值公式揭示了许多产品决策者通常会犯的两个主要错误：
- 忽视旧体验；
- 忽视迁移成本。