做产品或做运营，总会面临很多“不确定”的状况，即：你想干一件事，但你完全不知道这件事用户认可不认可，喜欢不喜欢，做完之后到底有没有意义。

　　每逢此时，你往往会变得很纠结。

　　我个人一向喜欢依赖于两类工作方法。

2.

　　方法一，是为数据和理性而做。也即，你所做的每一个决策，都需要有数据来进行佐证和检视，也需要持续围绕着数据再进行调整和优化。

　　好比，三节课的微信公众号想要开一个新的内容栏目，但我们又不知道有多少人会喜欢它，我们就可以先试着发几篇对应的内容出来，再通过发出来后的阅读数、用户反馈等进行下一步决策和调整。

　　又好比，如果微信想要推出“付费入群”的功能，开奖，但又不确定用户对这个功能的反馈如何，更不能确定这个功能上了之后会不会顿时间一大堆群都开始收费，小广告满天飞让用户不堪其扰，于是，他们就可以通过先小范围发布一个带有此功能的测试版本，让一部分人先用用看，再通过对这个小版本的数据监测来决定是否要正式面向全部用户上线此功能。

　　换句话讲，你想做的每一个决策，在做之前你就需要想好可以用来去检视和验证这个决策的对应数据，并对之进行监测。同理，在拿到监测的数据之后，接下来的产品和运营方向如何推进和调整，你也需要严谨参照数据来进行思考和评估。

　　我们在三节课的课程中常说的“向迭代要数据，向数据要迭代”，大抵也就是这个意思。

3.

　　方法一重逻辑重理性，好在严谨和客观，但问题则是评估成本和沟通成本都很大。比如，你可能从一堆数据中发现了某个关键的蛛丝马迹，并围绕着这个蛛丝马迹做了一系列追踪后有了一个特别重要的判断，但面对老板和同事时，为了要把这个判断的逻辑讲清楚，你可能需要做一大堆的陈述和分析，还要确保他们能听懂。

　　又比如，假如你不幸身在一个“就差几个程序猿”了的创业团队，你会发现，很多时候你是根本没机会看到那么多数据的——因为根本没有资源帮你做数据后台、数据埋点等等相关的一大堆东西。

　　此外，数据也会存在自己的局限。好比，像调性、社区氛围这样的东西，你就很难通过数据来界定。

4.

　　于是，就有了第二种方法。

　　方法二，则是为了自己和直觉而做。它的具体做法，是无论如何要先把自己变成一个典型用户，再去做一个可以让自己“有感觉的”，真的发自内心喜欢甚至热爱它的东西出来。

　　我在中讲过一个故事——我有个朋友，有段时间，她在做一款“反社交的社交产品”，定位则是面向一群“害怕与抗拒现实世界中负担沉重的社交，但仍然对美好事物充满向往，虽然有很多东西想要表达，但又不希望被那些不会理解自己的'异类'看到”的用户。

　　是的，就是这么个怎么听怎么抽象的产品和用户群，她做起来，却如鱼得水。在她的团队里，每一个界面展示出来的东西好还是不好，每一篇要推送发布的内容用户是不是会喜欢，每一处产品的核心逻辑要怎么来设定，鲜少会看数据做分析，而大部分都会是她来说了算。而神奇的是，她的决策，鲜少出错，几乎90%以上她看似拍脑袋所决定的东西，事后都被证明，用户非常喜欢。

　　这一切的秘密很简单。要知道，她本身就是一个“害怕与抗拒现实世界中负担沉重的社交，但仍然对美好事物充满向往，虽然有很多东西想要表达，但又不希望被那些不会理解自己的'异类'看到”的人。正因为这样，某种意义上，她其实是在给自己做一款产品。所以，无须数据，也无须复杂的逻辑判定，很多时候，只需要确保做出来的东西可以让她自己认可和喜欢。

　　她知道，只要做得到这一点，这八成就一定会是一个用户们喜欢的东西。

　　这个逻辑听起来似乎很神奇，但它真的是有效的。

5.

　　4年前，我跟几个朋友创业做了一个学习类的网站，我们为一群“学习控”型的用户提供各种五花八门的学习课程——上至如何早睡早起，下至如何2小时内学会打德州。