身為資深產品設計師，我的工作之一是從數據中理出使用者行為的模式，並根據分析結果決定進行何種使用者研究或訪談，以佐證數據分析的結果。例如，當公司希望優化播放器時，我會先挖掘播放器的數據，找出最常被使用和最少被使用的功能。

然而，僅靠數據分析無法深入了解使用者的行為背景。數據無法告訴我為什麼使用者不使用某個功能，或者為什麼他們沒有詢問另一個功能。但透過結合使用者介面，我們可以進一步探討，為什麼某些功能即使藏得很深，仍然被頻繁使用？

此時，我們可以做出一個假設：一旦使用者知道這個功能的存在，就會認為它是必要的，即使這個功能藏得比較深。因此，我們可以嘗試將這個功能突出顯示，並通過後續的數據測試，從點擊量中得知使用者是否真的需要它。

接著，使用者訪談和研究可以幫助我們解釋數據背後的意義。雖然訪談能獲得使用者的直接反饋，但僅靠訪談很難確保使用者的認知與實際行為是否一致。我們經常遇到的情況是，使用者表示某些功能不好用，或者他們最常使用某些功能，但數據卻不一定支持這些說法。

這時候，我們可以進行測試，確認使用者所說的功能是否真的是他們常用的，還是那些功能雖然重要，但並非他們最常使用的。

因此，我們通常需要結合質性和量化的方法，才能全面理解使用者的行為脈絡。雖然有些研究人員認為訪談無法提供可量化的驗證，但作為產品設計師，我認為我們需要根據大量數據和使用者研究來綜合評估產品功能的實際使用情況與效果。

此外，許多人傾向使用問卷調查來收集量化數據，但我認為量化數據需要足夠的樣本量才能有參考價值。因此，我更偏向利用產品數據進行設計決策。

最近我讀了一篇文章，標題是《Watch What Users Do, Don’t Listen to What They Say: Revealed Preferences vs. the Query Effect》

Watch What Users Do, Don’t Listen to What They Say: Revealed Preferences vs. the Query Effect

文章探討了與我最近思考的問題一致。使用者常常表示他們會做某些事情，但實際行為往往與數據不符。這讓我們設計師明白，即使使用者研究報告提到了某些反饋或抱怨，我們也不能完全依賴這些言論來做設計決策。

作為產品設計師，我們要理解的是使用者背後的脈絡，以及為什麼他們會這麼說。使用者的話並不是絕對的真理，真正需要的是理解他們行為的深層次原因。這篇文章提出的「Query Effect」概念，揭示了使用者在回答問題時，往往受限於他們當時的思維狀態，而非他們實際的行為。

這點正好解釋了我們在設計中面臨的挑戰。使用者常常會說某些功能不好用，或者他們經常使用某些功能，但實際上數據告訴我們，他們的行為完全不同。這也是為什麼產品設計師必須依賴數據分析，並結合使用者研究來做出更準確的決策。