当数据成为产品决策的绝对权威，我们可能正在误入歧途。本文通过情感陪伴AI产品的失败案例，揭示了一个残酷真相：数据可以精准反映用户行为，却无法捕捉真正的产品灵魂。从iPhone到ChatGPT的革命性突破证明，真正改变行业的创新往往诞生于数据盲区。作者分享了如何培养产品直觉、定义无法量化的『好体验』，以及在价值观决策中数据为何必须让位于人性判断——这些认知来自数万次真实对话的浸泡与反思。

去年年底，我们团队上线了一个情感陪伴功能。产品负责人那天开会特别来劲，把数据大屏投在会议室的墙上：次日留存涨了18%，单日对话轮数翻倍，付费转化率创历史新高。他喝了口水，往椅背上一靠，说了一句话：

“我们找到北极星指标了。”

我当时没说话，会后翻了翻用户评论区。差评里有一句话，我到现在还记得：“这个AI每隔三句话就问我‘你觉得呢’”，感觉在跟一个KPI机器人聊天。三个月后，那个功能几乎没人用了。我们追着数据跑，跑进了一个非常漂亮的死胡同。这件事让我反复想了很久。问题出在哪？数据没有造假，留存确实涨了，转化确实高了。但产品死了。后来我慢慢想清楚了一件事：我们量错了东西。我们把“用户被迫回来”当成了“用户真的喜欢”。数据没有撒谎，但数据回答的那个问题，根本不是我们真正需要回答的问题。

一、数据能告诉你什么，不能告诉你什么

做了这几年AI产品，我发现这个行业里有一种集体迷信：只要数据足够多，方向就会自己浮现出来。我完全理解这种心态。数据给人安全感，理由太充分了——它客观，它可量化，它能说服老板，还能把责任分摊给一张表格。“不是我说要这么做的，是数据说”，这句话在会议室里有一种神奇的魔力，它能终止所有争论。

但数据有一个根本性的局限，这个局限听起来很简单，却经常被忽视：

数据只能描述已经发生过的事。它是一面后视镜，帮你看清身后的路，但它没有办法照亮前方。

当你在做一个市场上从未存在过的产品，数据库里根本没有你需要的答案。

我经常拿iPhone的例子来说明这一点，因为它太典型了。2006年，如果你去街上做用户调研，问人们“你希望手机有什么改进”，没有一个人会告诉你：我想要一块没有物理键盘、完全靠手指滑动的玻璃板。那时候的数据告诉你什么？黑莓键盘的满意度很高，商务人士打字效率好评如潮，触摸屏在当时的技术条件下字体太小容易误触。

如果乔布斯是一个死忠的数据驱动信徒，他大概会做出一台键盘手感更好的黑莓。

ChatGPT也是一样。OpenAI决定把千亿参数的模型包装成一个极简对话框的时候，有任何A/B测试数据支撑吗？没有。在那之前，所有“正确”的软件设计数据都指向另一个方向：更多功能、更清晰的分类、更复杂的用户引导流程。一个纯白色、只有一个文字输入框的界面，在传统的产品逻辑里简直是反常识的。

但它对了。因为这个决策的背后不是数据，是一种直觉——对“自然语言就是人类最本能的交互方式”这个本质的感知。

我在自己的产品上也遭遇过这种困境。有一段时间，我们在纠结要不要在对话界面里加一个“历史记录”的入口。数据显示，只有不到7%的用户会主动翻历史记录，这个功能的使用率极低。按数据的逻辑，这个功能没有存在的必要。

但我犹豫了很久，最终没有砍掉它。原因很简单：那7%的人是我们最核心的用户，他们是真正把产品当工具在用的人，历史记录对他们来说是刚需。砍掉这个功能，省出来的开发资源远比不上失去这批用户的代价。

这个判断，来自我对用户行为的长期观察，来自一种说不太清楚来源的“感觉”。数据没有给我这个答案，甚至数据给出的信号是相反的。

二、“直觉”不是拍脑袋，是用时间喂出来的

说到直觉，很多做数据的同学会皱眉头：这不就是主观臆断吗？产品经理拍脑袋，然后用“直觉”两个字给自己找台阶？

这个质疑是合理的。我见过太多打着“直觉”旗号乱来的PM，他们的直觉确实就是瞎猜。

但我说的不是这种直觉。我说的是另一种东西——你亲自用自己的产品聊了几万轮之后，在某一刻突然能感受到“这句回复有点不对，语气太硬了”，是你翻了几千条真实用户的原始聊天记录之后，开始隐约知道什么叫“真的懂用户”，什么叫“在表演懂用户”。这是经验在大脑里压缩成的某种模式识别能力。说得玄一点，是一种“高维数据压缩包”，它包含的信息量，远超任何一张报表。问题在于，这种能力很难培养，因为它需要你真的下场，亲自去感受，而不是坐在后台看大盘。我现在每天早上有一个习惯，花至少半小时亲自用我们自己的产品，不是走查，不是测试，就是当一个普通用户去聊天。我会故意输入各种奇怪的问题，边缘场景，让我自己不舒服的话题，然后感受那个回复出来的一刻，我心里有什么反应。

这件事听起来很低效，但我认为它是我这三年里做过的最重要的事之一。我见过太多PM，日常工作是开评审会、看数据看板、写PRD、对齐上下游，产品本身一周不一定打开几次。这种状态下，直觉根本长不出来，剩下的只有对数据的依赖，以及对数据的曲解。

还有一件事我觉得很重要：你得大量看真实用户的原始聊天记录，不是脱敏处理后的摘要，是原原本本的对话。有一次我翻用户的记录，看到一个用户连续三天都在同一个时间段打开我们的产品，发了很多话，但大多数都是一些生活里的碎碎念，不是在问具体的问题。我盯着那些记录想了很久，突然意识到，这个用户用我们的产品，不是为了“获取信息”，而是为了“有个地方说话”。

这个认知直接影响了我们后来对产品定位的调整。这种感知，数据给不了我，是那一条条真实的对话给我的。

三、体验这件事，必须先由人来定义

还有一类决策比方向更难量化，那就是：什么叫“好的体验”。传统互联网产品可以用公式衡量，GMV、转化率、停留时长，这些指标和用户体验之间有比较直接的关联。但AI产品不一样。AI产品的核心体验是什么？是它让你觉得“够聪明”，是它给你一个回复的时候你心里那种“对，就是这个意思”的感觉，是某一刻它说了一句话，你觉得它真的懂你——不是在表演懂你。这种体验，任何单一的量化指标都抓不住它。我之前提到的那个情感陪伴产品，就是在这里垮掉的。团队用“次日留存”和“对话轮数”来定义“好的体验”，然后让AI拼命去优化这两个数字。AI学会了不断追问用户，学会了用情绪化的词汇来刺激用户回复，学会了说一些模糊的、听起来很“懂你”其实什么都没说的废话。数字涨了，但用户感受到的是什么？是一种说不清楚的廉价感。

真正“有温度”的回复是什么样子？我试着描述过：它不一定更长，有时候反而更短；它知道什么时候该追问，什么时候该安静；它不会为了显得“懂你”而乱用情感词汇，但偶尔一句戳到点上的话，会让你觉得被看见了。这个描述，我没有办法转化成一个可以被算法优化的函数。它只能由人先感知，先定义，先用主观的审美去判断，然后数据才能跟进来，告诉你有多少用户也感受到了这种体验。

灵魂是你赋予的，数据只是帮你测量这个灵魂到底能吸引多少人。数据可以验证定义，但它没有办法产生定义。

在体验这件事情上，如果你一开始就把定义权交给数据，你能得到的只有一个经过优化的空壳。

四、有些“不”字，只能由人来说

还有一类核心决策，数据不是“不够用”，而是根本“不该用”。

这就是价值观层面的决策。

AI越来越强，它不再只是查天气、查地图的工具，它开始帮你写代码、做分析、甚至做心理疏导。当AI深入介入人的生活和决策，每一个产品背后的价值观取舍，都变成了真实的影响力。

我举一个具体的例子。假设有用户让AI帮他写针对独居老人的保健品推销话术，要求越煽情、越容易让人掏钱越好。

如果把这个决策交给数据系统，它会怎么算？

拒绝这个用户：满意度为零，当次会话直接结束，用户流失概率增加。

帮他写一篇极其洗脑的文案：用户狂喜，五星好评，甚至续费高级会员。

数据的最优解是：帮他写。但这个“不”字，只能由人来说。

这不是在绕弯子讲伦理课。我想说的是一件更现实的事：一个没有价值观锚定的AI产品，用户迟早会感知到。它可能短期数据很好，但它会在用户心里留下一种说不清楚的不信任感，最终流失掉最有价值的那批用户。

信息流平台是一个很好的教训。当核心决策完全交给点击率数据时，算法找出了人性里最容易被利用的弱点：愤怒、恐惧、猎奇。内容越来越极端，越来越情绪化，平台流量数据看起来很好，但用户在慢慢逃离，优质创作者在慢慢离开，最后只剩下一个巨大的情绪垃圾场。

生成式AI的能力比推荐算法强得多。一个没有底线的强大生成式AI，不是一款好用的工具，而是一个放大人性弱点的机器。这个“不”字，数据给不了你，算法给不了你，只能是做这个产品的人，用自己对社会和人的理解，去画出那条线。

五、直觉怎么用？不是甩掉数据，是换个位置

说了这么多，一定有人要问：那到底怎么做？难道真的要凭感觉做产品？数据一点不看？

当然不是。不会看数据的PM，确实活不过试用期。

我的意思是，数据和直觉不是对立的，它们各有各的位置，放错了位置才会出问题。

我自己的框架是这样的：直觉定方向，数据验真伪、找边界。

具体怎么操作？

第一，项目立项的时候，先用自然语言写清楚你想给用户什么感受，而不是先写指标。不是“三个月DAU破10万”，而是“用户加班到深夜十二点打开它，感觉像有个懂技术、不评判人、而且愿意陪你坐一会儿的老朋友在旁边”。把这句话贴在墙上，每次做决策都先问一遍：这个改动有没有破坏这个感觉？先过主观审美关，再过客观数据关。

第二，方向定了之后，数据要强势介入。它告诉你实现方式对不对——如果上线之后核心操作完成率断崖下跌，那说明你的直觉方向可能是对的，但实现方式错了，需要调整。它告诉你哪批用户最有共鸣，在什么场景下效果最好，然后你用数据手段去放大这些效果。这个阶段，数据是放大器，也是护栏。

第三，在没有数据参考的盲区，要敢于做减法。当你不知道未来在哪里，没有任何数据可以参考的时候，最常见的错误是“什么都做”——文本、图片、语音、知识库全部塞进去，然后美其名曰“观察用户会用什么”。这其实是一种掩盖。你没有直觉，所以用功能堆砌来对冲风险，然后把方向决策的责任甩给用户，但用户也不知道自己想要什么。

真正的直觉驱动，敢于在不确定的时候做减法。如果你感知到“纯对话就是这个产品的核心”，那就把其他所有复杂界面砍掉，用最单纯的形态去验证这个感知，哪怕初期数据难看。用最锐利的一点刺穿盲区，比铺开一张网等着鱼撞进来，要有效得多。

六、怎么培养这种直觉？

最后说一个大家最关心的问题：直觉怎么培养？

我没有什么神奇的方法，只有一些笨的积累方式。

第一，每天亲自用你的产品，不是走查，而是当用户。每天至少半小时，输入各种边缘问题，感受每一个回复带给你的第一反应。当你觉得某句话”有点怪”，不要忽略这个感觉，停下来想一想，怪在哪里。

第二，大量看真实用户的原始对话记录，不是摘要，不是聚类分析，就是一条一条地翻。枯燥，低效，但没有替代品。你看完两千条真实对话之后，对“用户到底在用这个产品做什么”的理解，和你读一份用户研究报告，是完全不同的两件事。

第三，建立自己的“体验基准”。找到那些你觉得“对了”的时刻，把它们记录下来，整理成一个说法，哪怕很难表达清楚。比如我自己有一条：当用户说了一件糟糕的事，AI的第一句回复，不应该是解决方案，也不应该是安慰，而是让用户感觉“你听到了”。这个判断来自我自己用各种AI产品聊天时积累的感受，说不出来源，但我用它来判断每一次迭代。

第四，多和真实用户聊天，不是做访谈，就是聊天。聊他们在用什么，感觉怎么样，什么时候最满意，什么时候觉得失望。这种对话不会给你数据，但会给你一些很难被量化的信息——用户说“还不错”时候的那种语气，和说“真的很好用”时候的那种语气，是完全不同的两件事，你在报表里看不出来。

最后

写这篇文章，我没有想要否定数据的价值。数据很重要，不会用数据的PM确实做不好产品。

我想说的只是一件事：在最关键的岔路口上，谁先开口，谁来定方向，这件事很重要。

如果你把方向交给数据，你只能看到已经存在的路，走向已经有人走过的地方。在AI这个领域，很多最重要的路还没人走过，数据库里根本没有记录。那段路上，你只能靠感知，靠判断，靠你作为一个人、对另一群人的理解。数据是后视镜，直觉是远光灯。

开车不能没有后视镜，但在一段没有路灯、没有路标的暗夜里，决定你去哪里的，只能是远光灯。

这大概也是我们这些做产品的人，目前还没有被完全替代掉的原因之一，好好珍惜这件事。