最近，我决定重读Daniel Kahneman写的我最喜欢的书之一，《思考的快与慢》。 这本书特别引起我共鸣的一段话如下：
对两个独立个体的特征进行以下描述：
乔-创新，聪明，创新，固执，傲慢，粗鲁
玛丽-粗暴，自大，固执，有创造力，聪明，创新
我们大多数人很快就形成了这样的观点，即乔是一个我们团队中想要的聪明人，而玛丽似乎正是我们渴望避免的那种人。 您不必太过敏锐地意识到Joe和Mary都具有完全相同的特征，只是它们以相反的顺序列出。 对人类进行编程，使其能够在听到所有信息之前快速做出反应并形成模式和关联（快速思考）。 这通常会导致基于不完整信息的认知偏见（如果我们只听到后50％的乔的特征怎么办？）
另一个经典的例子发生在第二次世界大战中。英国情报局在闪电战中绘制伦敦的德国炸弹地点时注意到了一种模式。 英国人痴迷于清除德国间谍，因此想知道为什么伦敦的某些地区遭到轰炸，而其他地区在轰炸中相对没有受到伤害。 这导致他们推断德国间谍一定生活在这些地区。 英国情报局花费了大量资源试图找到这些间谍。 生活在这些与德国有遥远联系的地区中的任何人都遭到围捕和审讯。 如果您住在西肯辛顿，吃多味腊肠不是一个好主意！ 战争结束后，一位名叫威廉·费勒（William Feller）的美国/波兰数学家研究了爆炸的地图。 他对数据进行了一系列模拟，发现炸弹的位置是完全随机的。 没有模式！ 德国空军并不那么准确，英国人根据数据的错误假设花费了大量资源。
那么，这为什么引起我的共鸣？您可能会问它与产品管理有什么关系？ 好吧，这几乎是偶然的，当我重新阅读《 快速与慢速思考》中的章节时，我也正在从一些客户那里获得一些定性反馈。 我收到的前5项反馈意见是负面的，重点放在产品的特定领域。 随即，我的认知偏见开始着手阐述该功能存在缺陷并需要增强的“事实”。 但是，在浏览其余反馈时，有3条提到该功能确实很有价值，而在其他90多个反馈中根本没有提到该功能。 我最初的快速思考未能把握的是，有95％的受访者对此功能完全没有问题（或感觉到的问题），而3％的人对此表示赞赏。 我只能处理的是，有5％的反馈表明存在问题，而更相关的是，前5％的反馈表明存在问题。
因此，似乎第一批提供反馈的客户给予的反馈的顺序与可怜的玛丽的特征相同。 我的行为方式与英国情报局相同。 我迅速形成一个模式，急忙确认偏见。 当我们收到客户的反馈意见时，我们往往会不均衡地权衡第一条负面或正面的反馈意见。 它倾向于塑造我们的分析。
并不是说这5％的人没有问题，也不是说这个问题不存在，而是要进行平衡的分析，消除所有的认知偏差，然后再跳到一个感知的问题并将故事添加到您的待办事项中。 那么我们如何应对自己的偏见呢？ 嗯，这是一个古老的问题，但是我用来更好地分析定量反馈的一个简单技巧是使用下表（如下表）对您的反馈进行分类：
当提及某个功能时，只需将其列出（将常见功能组合在一起）并指出反馈是肯定的，中立的（通常是罕见的）还是否定的。 除了将提及总数相加然后细分每种类型的百分比外，没有其他特殊的公式。 这有助于推迟判断，直到您绘制完所有反馈并将其分段为止，从而使您可以做出明智的决策，而不会出现认知偏见。
所以也许玛丽毕竟与乔真的没什么不同……
