Bài viết gốc được chia sẻ trên trang của Julie Zhuo, mình viết lại bởi đây là một trong những vấn đề mà team product design gặp phải trong quá trình tiếp cận với data, sử dụng data để đưa ra quyết định thiết kế (Ref ở cuối bài viết)
Chúng ta ai cũng quen thuộc với câu chuyện thầy bói xem voi, 5 ông thầy bói mù phán xét về con voi. Mỗi người chỉ sờ một bộ phận của con voi. Người bảo voi như con đỉa, người bảo voi như cái đòn càn, người bảo voi như cái quạt thóc, người bảo voi như cột đình, người bảo voi như cái chổi sể. Cả năm thầy đều cho rằng mình đúng, không ai chịu ai thành ra xô xát đánh nhau.
Cả năm thầy đều không sai, chỉ là họ đang có trong tay một mảnh ghép của bức tranh nhưng lại sử dụng nó để đưa ra kết luận cho tổng thể. Điều này giống như khi chúng ta sử dụng data, con số không biết nói dối, nhưng cách chúng ta phân tích, tổng hợp và kể chuyện có thể tạo ra nhiều sự thật khác nhau, và đó là lúc những mâu thuẫn xảy ra. Hãy cùng xem xét 3 sai lầm trong quá trình sử dụng data dưới đây
Sai lầm thứ 1: Bỏ qua những dữ liệu không phù hợp với quan điểm của bạn
Con voi có hàng trăm, hàng nghìn đặc tính, việc mô tả nó trong tự nhiên cực kỳ đa dạng, có vô số tính từ để mô tả con voi, tuy nhiên trong môi trường sản phẩm, ở các cuộc tranh luận chúng ta thường có xu hướng bó hẹp góc nhìn của mình. Hãy thử hình dung, khi thực hiện usability test, thay vì việc tập trung tìm ra những vấn đề của người dùng gặp phải với sản phẩm, chúng ta chỉ tập trung vào những điểm tốt, những câu khen ngợi của họ “Tôi thích sản phẩm này” “Nó thật đơn giản, đẹp đẽ”.
Những điều này sẽ không giúp ích nhiều cho chúng ta tìm ra lỗi trong thiết kế trong thực tế, nó giống như một dạng Survivorship Bias. Khi sửa chữa máy bay trúng đạn, chúng ta tập trung gia cố nhiều hơn vào những vùng có vết đạn màu đỏ trên thân máy bay mà quên mất những vùng còn lại nếu máy bay trúng đạn liệu nó có thể quay về căn cứ để được sửa chữa nữa không?
Giống như người mù, Chúng ta lao vào một định nghĩa hẹp về sự thật: Tôi chỉ chấp nhận dữ liệu xác nhận những gì tôi muốn tin. Thiết kế của tôi thật đơn giản, mọi người trong quá trình test đều thích nó.
Thay vì cố gắng chứng minh ý kiến của một người, chúng ta nên hướng đến việc mở rộng tầm nhìn của mình về thực tế để kết hợp tất cả dữ liệu. Chỉ khi đó chúng ta mới “thấy” rõ ràng hơn toàn bộ con voi.
Sai lầm thứ 2: Lựa chọn phương thức đo lường không hiệu quả
Nếu như cách mô tả về con voi của 5 thầy đều không sai thì đâu là cách mô tả tốt nhất về con voi?
Bạn thử hỏi những người xung quanh (tất nhiên và họ không bị mù) để mô tả về con voi, họ có thể mô tả cho bạn là con voi “khổng lồ”, “cao to bằng cái ô tô” “màu xám”..vvv Rõ ràng, việc mô tả con voi thông qua nhãn quan có vẻ là cách lí tưởng hơn so với việc đi sờ vào tai, ngà hay chân?.
Nếu 5 người trong quá trình test nói với bạn điều này thật tuyệt, bạn có kết luận rằng toàn bộ dân số 1 triệu người dùng của bạn sẽ thích nó không?
Sự thật là: Khi nói về dữ liệu, chúng ta chấp nhận rằng mọi tiêu chuẩn đo lường đều là đại diện cho thực tế. Chọn những người đại diện tốt nhất để làm sáng tỏ những gì bạn quan tâm là một nghệ thuật và mỗi số liệu bạn đưa ra sẽ có những thiếu sót trong việc truyền đạt một sự thật hoành chỉnh.
Ví dụ: Khi sử dụng metric thời gian sử dụng ứng dụng, nếu người dùng dành nhiều thời gian cho ứng dụng, liệu nó có phản ánh ứng dụng có giá trị với người dùng? Với Netflix, Facebook, Tiktok metric này có vẻ đúng, người dùng thích thú và xem nhiều hơn. Nhưng nếu đó là một trang đặt vé máy bay hoặc phòng khách sạn, việc người dùng dành nhiều thời gian phản ánh điều gì? Liệu họ đang hứng thú với khách sạn, và muốn xem đi xem lại thông tin? Liệu họ đang thất vọng vì mất nhiều thời gian để tìm các tùy chọn phù hợp với tiêu chí của mình? Metric thời gian không còn là super star metric trong trường hợp này
Để biết cách tốt nhất để hiểu giá trị của sản phẩm hoặc để mô tả một con voi, chúng ta cần biết lý do tại sao? Chúng ta cần một mục đích trước khi cần dữ liệu.
Giúp mọi người dễ dàng nhận ra một con voi trong tự nhiên là một mục đích hoàn toàn khác so với Đánh giá xem việc săn bắt voi có thể mang lại lợi nhuận hay không. Xác định mục đích giúp bạn tìm ra phương pháp đo lường tốt nhất để cung cấp cho bạn một bức tranh thực tế. Nếu tôi đang cố gắng cải thiện sức khỏe của voi hoang dã, tôi nên kiểm tra chiều cao hay cân nặng của chúng? Quãng đường chúng đã đi? Tuổi thọ của chúng hay quy mô bầy đàn của chúng?..vv
Nếu tôi muốn biết sau khi re-design luồng onboarding có thực sự làm người dùng happy hơn thì tôi nên dùng metric nào? Retention rate, completion rate, SUS hay NPS?…vv hay tất cả 🙂
Không có câu trả lời đúng ở đây; cách duy nhất để đi lên là tiếp tục lặp lại các đại diện tốt nhất cho thực tế liên quan đến mục đích của bạn.
Sai lầm thứ 3: Thất bại trong việc biến bất đồng thành bài học
Việc cãi vã và đánh nhau của các ông thầy hiển nhiên không đem lại hiệu quả gì và thậm chí là thiệt hại cho tất cả. Một cách làm tốt hơn là biến những giả định của họ thành những phép thử đúng hoặc sai.
Ví dụ về tạo ra cách giả thuyết có thể kiểm chứng được: Đơn giản hoá luồng onboarding có thể làm tăng tỷ retention rate sau một tuần? Giả thuyết này có thể kiểm chứng được bởi cả team có thể đứng và xem xét kết quả retention rate sau một tuần và mọi người dễ dàng nhìn thấy điều đó có xảy ra hay không.
Trái lại với các giả thuyết có thể kiểm chứng được ví dụ như “Việc thay đổi typeface có thể làm cho sản phẩm trông đẹp hơn?” Định nghĩa về cái đẹp là vô định, tất cả mọi người có thể tranh luận về nó cả ngày mà không tìm được tiếng nói chung
Hãy tưởng tượng trong câu chuyện của các thầy bói, nếu như người thứ 6 xuất hiện và nói: “Chúng ta hãy hỏi 100 người khác xem họ nghĩ gì, và xem ý kiến của đa số là gì”.
Tất cả chúng ta sẽ đưa ra quyết định tốt hơn — và có nhiều bạn bè hơn — theo cách này.
Ref:
https://joulee.medium.com/the-blind-men-the-elephant-and-the-3-data-mistakes-79aaf648c122
https://joulee.medium.com/the-data-informed-manifesto-9dd8c240382f
Comments