2.3 设计心理学的研究范式：量化分析与同理心

2.3.1 “爬山”与“试飞”：两种设计实践

2009年，设计师道格拉斯·鲍曼（Douglas Bowman）离开了谷歌，他在个人博客上撰文说：“我将会怀念在这里认识的那些拥有不可思议的聪明和才智的人们，但我绝不留恋这里严格按照数据之剑决定方案生与死的设计哲学”[6]。在鲍曼看来，作为一家工程师文化浓重的公司，谷歌对基于主观经验的设计没有兴趣，只相信通过测试来完成的设计决策。在谷歌，工程方法和量化实验成为解决问题的唯一方式，即将主观成分和不确定性因素剔除干净，只看准确的数据结果。数据支持设计结果就采用该设计提案，数据显示该设计有消极影响，就让设计师重新设计。

事实上，对于很多互联网公司来说，这早已成为标准流程，即不再去争论设计的好与坏，而是把问题交给诸如A/B测试这样的评价方法去解决。鲍曼认为这会导致很多设计决策被不恰当地简化为逻辑问题，于是设计师不再有崇高的信念，其直觉和经验被彻底击垮，大胆、冒险的设计想法被完全否定了。

著名的设计心理学专家唐纳德·A.诺曼教授区分了两种设计实践的路径。第一种是渐进式的改善（Incremental Improvement），依靠既有的平台基础，通过对产品持续、渐进的改善而逐渐降低成本，提高效率，并逐渐形成稳定的渐进式创新链条。这样的设计实践有助于组织的运营、部件的供货，以及供应链管理，可以保证企业的常年获利，但基本上不会有开创性的设计出现。第二种是突破性产品创新（Breakthrough Product Innovation），即发明新概念、定义新产品、开创新商机，这是创新中有趣的那一部分，但是这样做的风险很大。大部分这样的创新会失败，虽然看起来很有魅力。

唐纳德·A.诺曼教授进一步指出实验测试的方法是有效的，但却是不完善的。他将数据分析的设计测试方法比作一种优化算法——爬山法。

设想你身在一座不熟悉的山丘上，周围一片漆黑，伸手不见五指。如果你看不见，要怎样爬到山顶呢？你可以测试自己周围的地形，哪个方向的地形是最陡且往上的，就向哪个方向迈一步。重复探寻，直到你周围任一方向都往下行为止[7]。然而在现实中，设计的创新领域是非常宽广的，就像无数座山丘一样，如何才能知道自己处于整片山丘的最高处呢？在数学空间中，计算机可尝试从空间中多个不同的部分同时施行“爬山”算法，并选取所有尝试结果中的最大值，从而避免“局部最大值”问题。这种做法仍然无法保证取到真正的最大值，但能避免被局限在单一的局部最大值上。

如果把渐进式改善比作爬山，那么突破式创新就像是发明飞行器的“试飞”实验，需要冒很大的风险。在历史上，人类的冒险者们曾经尝试搭载风筝滑翔，制造机械翅膀，设计原始的飞行器，甚至用爆竹制造火箭。这些缺乏科学基础的飞行实验都失败了。直到工业革命后，人们运用热力学创造了热气球和飞艇，运用空气动力学的研究成果发明了飞机，并最终试飞成功。在这个漫长的过程中，很多创新者都承担了巨大的经济损失，有的甚至付出生命的代价。但最终的成果却可能是划时代的。

唐纳德·A.诺曼教授回忆他刚到苹果公司工作的时候，一名工业设计团队的成员向他展示了一款产品的仿制模型，尽管他不知道那是用来做什么的，但在那一刻他感到了一阵情不自禁的兴奋和狂热。正是这次体验让诺曼教授感受到了设计创新的魅力。

设计在现实中要处理的变量类型比一片高低起伏的山丘要更加复杂，首先，用户的需求充满了复杂性和变动性；此外，从产品的设计来说，材料、结构、造型、色彩、质感、风格和细节等因素的组合方式几乎是不可穷尽的。因此要做到完全的方案测试是不可能的。对于现实的设计来说，量化和测试的策略总会受到成本和数据处理能力的约束，这意味着完全取代主观性和不确定性是不可能的。考虑到测试的成本和经济效益，通过测试进行改进的设计只可能达到一个局部上限。测试永远不可能告诉我们，是否存在更好的方案，也许跳出原来的既定领域，会在另一处发现更高的山丘。

在历史上，主观、感性的研究方法也曾长期压抑着理性、逻辑和量化研究的发展。因为感性的冲动造成的惨痛失败和教训比比皆是。我们不确定那些激进或充满魅力的想法能否获得成功，坚定的信念常常需要非凡的勇气。人们比较倾向于记住那些伟大的成功产品，它们的诞生来自勇于面对各种压力的坚持不懈，事实上，有许多人坚持了，但最终没有获得成功，因此，对于主观的和不确定因素保持怀疑态度也是合理的。