为什么电影里拆弹总要选红蓝线？(4)

虽然使用时长在增加，但这个产品的用户数量在持续下滑。
讲个恐怖故事：产品越不好，部门KPI越高。
回到最初的时候，当领导和你说用户时长是一个可以反馈这款APP推送质量的标尺的时候，你会不会也觉得没有任何问题，但现实就是这个反馈机制是错的，大错特错，南辕北辙。
当车真的走向北方的时候，你身在其中是不会觉得自己是错的，你就是觉得车子在向南走。
反馈标准和反馈机制谁来定？谁来有权决定这个产品的好坏？是老司机还是老师傅？
当下这个时代，把老司机、老师傅的经验和判断当成反馈的标尺，是很容易翻车的。
因为市场大，变化也快，过往的经验很大可能是用不上的。
4
最理想的反馈机制其实是吃后悔药。
你做了一波操作A，发现卵用没有，效果不好，一颗后悔药下肚，启动时间机器。
再试一下B操作，B操作相对更好，效果拉满了，可以可以。丝毫不影响窗口期，因为时间重新计算。
可惜，这个世界上现在还没有这样的黑科技。
倒是有近似的替代方案，做A/B测试。
当你想做个活动、做个产品甚至是给产品取个名字，只要是做选择，就把人群和产品分成A、B两组，随机给流量测试哪种效果更好。

只改一个变量，其他变量不变。
这看起来是更为“理性”的反馈，时效性高、周期短以及明明白白。
对，最重要的是，明明白白，尤其是对“上”的明明白白。
你把测试结果给老板看，哪怕老板再有什么神奇想法和奇葩思路，都会对这个测试结果心悦臣服坦然接受。
在决策和选择上，人是不靠谱的，人先天就会有偏见和审美上的偏狭。相比人，A/B测试这种数据反馈是冷冰冰的，没有偏见的。
但这种纯数据反馈真的是万能的吗？
恐怕也未必。
由于数据和人性之间总会有一些偏差，过于相信这种冷冰冰的答案可能也会犯错。
要多留一手，要搞组合，数据驱动 人的决策，A/B测试完了再加点人的意见。
5
好反馈，治内卷。
什么是内卷，不是单纯的竞争激励就是内卷。
而是因为竞争激烈了，大家开始拼表面功夫了，拼无用功了，下班了不走假加班，为了向上交差重复造轮，搞得所有人实际的ROI都降低了。
很多项目，钱也烧了，班也加了，最后过了一年半载了，发现没卵用，公司也倒闭了，加班狗也没有学到技术和经验。