云计算时代，大数据受到了互联网的追捧。

    如今的人工智能时代，机器学习更是需要投入大量的数据，在大数据的基础上，对机器进行训练，并从中归纳出可以被计算机运用的知识和规律。

    数据确实魅力无穷，威力无限，但是人们往往忽视同样重要的“小数据”。

    那么什么是小数据呢？

    小数据，这个小众的名词没有确切的含义，本篇论述小数据指的是用户的表情、动作等细小的信息。相比于大数据，小数据更倾向于个性化的信息，也正因为这一特点，小数据能够反馈出用户更深层的痛点。

用户的表情

    表情，顾名思义即表达感情、情意。用户通过面部或者姿态 表达思想感情。

    我们经常强调做产品需要倾听用户声音，但是在实际的访谈实践中，我们往往很难从用户的声音中获取特别有价值的东西。

    原因有以下两个：

1.用户通常无法表达出自己想要的东西。

    很多时候，我们知道客户想要更好用，更简单的产品，但是缺乏细节信息，于产品设计并无指导作用，深入的信息需要我们做产品的人去引导。

2. 用户的话往往真假难辨。

    很多问题涉及用户本身工作或者尊严相关的，往往会给出一个假的反馈。如我们在做To行业涉及专业性的问题，用户希望表现得自己也比较专业，会给出自己认为高大上的答案，而非实际答案。

    那么作为产品经理，如何准确洞察用户的痛点和用户需求呢？

用户声音的反馈真假难辨，但是用户的表情往往是真实的。

    从评判用户的需求是否刚性的角度来看，有一个很重要的判断标准就是用户为了满足这个需求可以付出多大的代价。

    按照这个基础，我们可以得出一个思维直线：用户是否遇到了问题（需求来源）？用户是否寻求过解决方案（是否为此用户需求）？用户为解决此问题付出多大的代价（需求有多刚性）？

    因此，用户真实遇到过的问题、YY的问题或者听说过的问题，在访谈过程中呈现的表情是不一样的；用户真实寻求过方案和没有寻求过方案，面部反馈是不一样的；用户付出沉重的代价解决问题和放弃解决问题，表情也是不一样的。

    举一个真实的例子：

To行业，在海外马来西亚拜访客户，客户只会讲马来语，全程都是我们当地招聘的一线员工和客户交流（完全过滤了用户声音），我和BOSS看着同事给客户讲PPT。

讲完之后，我是两眼一懵逼，完全觉得浪费此行，而BOSS却发现客户在数个PPT的页面演示的时候，表情比较震惊。又重新跟一线同事儿确认讲的内容以及客户的疑问点，发现客户对该价值比较认可但是还有优化的空间，以此得到确实能够增强优势的产品需求。

    在此过程中，需求已经不需要后续太多的确认和验证，因为客户的表情已经充分反馈出此需求的刚性程度。

用户的动作

    动作，顾名思义即表示用户肢体变化。用户的动作同样能够反馈用户内心的真实情感。

    我们可以通过以下两种方式来判断客户的真实感受：

1. 根据用户当前的动作状态，判断其在当时的内心状态：紧张的时候会握紧拳头；内心紧迫的时候手脚动作加快；内心平静的时候，动作也会比较缓慢。
2. 根据用户在发生事件前后的异常，判断事件发生对用户心态的改变。

    同样，判定一个需求是否刚性，我们也可以根据用户为了满足此需求，所变现的效率来判定。

    如果用户平淡如水地反馈一个问题，和提起这个问题就拍桌子，我们可以立刻判定此两种问题是有本质差别的，这就导致了问题的解决方案价值也是天差地别的。

    再举个真实的例子：

仍然是To B行业（身在此行……），政府客户，客户购买的是网络安全产品。

由于很多客户的安全意识是比较低的，认为买了设备，放在网络中就安全了。

但实际上，真正的安全还需要持续的运维。

我们做了安全服务之后，回到公司，描述客户对网络安全的重视程度：

1.客户领导对网络安全特别重视，我们陈述的分析结果，客户特别在意。

2.我们分析完安全日志之后，客户领导没到，一直等到中午十二点多，领导吃完饭端着个茶杯优哉游哉地到会议室。我们开始讲解分析内容，结果领导听完分析结果之后，当场就要求运维人员处理分析出来的问题，并且在一天之后，催了我们三次发送详细报告。

    这两种描述方式，给人的感受是完全不一样的。针对第一种描述，我们往往会有疑惑，客户为什么重视，怎么判断其重视？但是第二种描述就一目了然了。

    用户的表情、动作，这些小数据往往是用户真实需求的反馈信息。不仅仅在用户访谈时候的反馈，针对不同的用户，往往在日常生活中技能发现本质的需求。

比如有人发现俄罗斯的家庭冰箱贴满了世界各地经典图片的磁铁贴，表示了俄罗斯人希望走向更大的世界看看；有些病人在病房总是摔破被子，其实他是更希望离开医院……

    大数据能够为决策提供依据和支撑，这点毫无疑问。但是大数据也并非无所不能，甚至还会出现成也大数据，败也大数据的情况。

    很多时候我们通过A/B测试的数据，来作为决策依据，但是有很多滞后的信息，大数据是无法及时反馈的。

    比如报纸改版之后的用户满意度，在近期往往会下降，但是在后续的使用中，用户习惯适应之后，满意度会变得更高。

    因此，请勿忽视小数据的作用，它也是洞察用户需求的重要通道之一。