我们都在“说谎”，不只是用户 对创业者来说，给明天画饼、给后天画肉饼，是一种能力，这种能力超强并最终成事的人要不是乔布斯，要不就是马云。昨天、今天还有明天都很残酷，没有这种能力，又怎么能让并肩战斗的小伙伴相信今天的辛苦，明天的努力，是为了所有明天的肉饼。 事实上，创业者对做的事业是无法预期的，所以，我们都在“说谎”。
而圆谎更是一种能力。 从用户角度，往往是讲不清楚自己需求的。用户讲出来的是需要，内心深处没表达的才是需求。曾经有人找福特要更快的马，福特发明了汽车，于是这个人欣然接受，后面还有大群人对福特发明的这种“四轮马”跃跃欲试。这里福特知道用户的需要，窥视到了用户的需求。
用户需求其实没那么玄，只是要意识到往往你跟用户讲需求，用户给你讲需要。“说谎”谁都会，某种意义上讲“说谎”是用户的本能。
数据，“谎言”的测试机器 让“谎言”在数据面前无所遁形。正如《精益数据分析》里所讲：无论你的妄想多么有说服力，都经不起数据的严格考验。 无论所在的领域是多么的有市场前景，对标国际市场出现过多大估值的独角兽创业公司，你都是在讲故事。你可以讲总用户规模，却对日活时间、日活用户、七日留存、月留存避而不谈，你可以讲你的用户是多么的有潜力，却对获客成本、核心用户获取成本避而不谈。故事总是很美好。那么，不融资，你需要多久才能收支平衡、才能盈利？不融资，怎么养活整个公司？
用户视角：嘴上说不要，行为很诚实 在这个讲故事的世界，如果用户也对你讲故事，你能辨别真假吗？关于用户反馈，有人做过这样的总结：
其实除了你自己，没人会真正关注你在做的事。找到用户内心深处没有表达的需求，就比别人强了一半。用户反馈有用，全信你就输了，记住只有数据不撒谎。 在近期 iPhone 7 的发布上，一时间用户的槽点一箩筐，纷纷扬言要换安卓。然而，美国运营商 T-Mobile 的数据却显示，iPhone 7 的市场需求强劲，前 4 日预定量已经接近 iPhone 6 此前同期的 4 倍，同期苹果的股价大涨。用户反馈还敢全信吗？嘴上说不要，身体却这么诚实。
抽丝剥茧，用数据看清用户怎么用脚投票 有足够的用户行为数据，基于这些数据作分析，需求便不言自明。那么，如何获取并分析这些数据？
其实用户行为数据大致可以分为两类，先验性数据（用于指示未来，驱动决策优化）和后验性数据（用于发现问题，及时改进）。
先验性与后验性数据及其获取 从15年开始，国内企业服务和大数据热让不少企业意识到了数据应用的重要性，于是纷纷用上了各种数据分析工具，来分析用户漏斗、留存、用户分群，这些工具对于发现问题、优化迭代作用显著。但基于这些工具的分析大多是后验性的，也就是说它不容错，数据是在产品全量上线后采集的，风险比较大。 Facebook 曾组建过60人的团队，用6个月的时间，开发出以照片为主导的新版界面。上线之后，用户活跃度和在线时长都大幅下降，最后只能回滚到老版本。
这个时候如果有先验性的数据分析工具，或许就能避免类似 Facebook 这样曾犯过的错误。A/B测试就是能获得先验性数据的一种方式。事实上测试现今早已是 Facebook 血液里很重要的一部分，其移动端 A/B测试框架 Airlock 在促进更好的用户体验上发挥了极大的作用。对于 Facebook 来说， A/B测试已经成为了一种文化：并不是每个测试都可以用到生产中，但即使是失败的测试也能帮助我们理解如何才能更好地改进。 后验性数据分析工具工作的方式往往需要先将版本发布，再通过数据验证效果，而A/B测试却得以让部分流量的代表性用户先使用产品，再根据数据好坏决策是否将新版本上线。先验性的好处在于只需通过很少的样本数量就能得出代表着全部样本的确定性结果，即便测试失败，也不会对产品造成不好的影响，这改变了产品上线不成功便回滚的局面，很大程度上减少了损失。
推荐的一些数据获取分析工具 先验性数据获取分析工具：
A/B测试（有灰度发布功能）
- AppAdhoc A/B Testing 在线A/B测试云服务平台（利益相关，吆喝科技员工）
后验性数据获取分析工具：这一类比较多
关于灰度发布 写到这里已经接近尾声，但翻开朋友圈，已经被微信公众平台小程序刷屏。那索性再谈谈这些年微信做过那些A/B测试。 黑与白之间，存在一种平滑过渡的发布方式，称为灰度发布，A/B测试就是一种灰度发布方式。灰度发布可以保证整体系统的稳定，在初始灰度的时候就可以发现、调整问题，以保证其影响度。 自2011年微信推出以来，重大的产品迭代和功能发布几乎都是灰度推进的，具体体现在功能或新产品是逐步释放的，即先邀请一部分评分较高的用户试用，再放宽门槛。21号晚刷屏的微信公众平台小程序第一期的内测名额全球就只有200个。这样做的好处很明显，能把产品全量上线的风险降至最低，同时在营销上也会有一种一码难求的感觉，为产品造势。
微信的那些产品是灰度发布的（先不看腾讯的其它产品）：
微信的每一次产品演进，几乎都是一次A/B测试驱动产品优化的经典案例。事实上国内的企业里百度、阿里、360、滴滴、汽车之家……都在运用A/B测试的方法驱动产品优化。 点此订阅
