这只是我个人的看法，不代表我工作单位的立场。
上周，前耐克品牌总监发布了一篇深入分析文章，探讨了四年前的营销失误(点击此处查看原文)。我相信从其他领域获得灵感也很重要(点击此处了解更多)，我认为这对产品和用户体验设计者来说是一个很好的教训。
我为什么觉得这跟现在有关呢？你是不是觉得这听起来很耳熟？
“耐克投资了数十亿，不是投资于虽然效果一般但容易量化的项目，而是投资于虽然效果更好但较难量化的项目。”
根据麦肯锡的建议，耐克的新首席执行官约翰·唐纳霍决定转向“数据驱动”的方法，重组公司，转向直接面向消费者的数字化销售，并取消了以前以不同类别为中心的模式。这种吸引力显而易见，这也是波音和其他公司在过去几年中陷入的陷阱。
想出新点子很难，需要专门的知识。而且，理解那些专家在做什么事情，才能更好地管理他们，也需要相应的知识。
与此同时，在所有行业中降低成本的方法都是一样的。因此，耐克开始消除重复流程，简化运营，提高效率和生产力——所有这些说法都意味着“无论你做什么——都要更努力地去做。”这些话的意思就是说，不管你们在做什么，都要做得更卖力。
这种策略在当时在1997年就已经成为了笑柄（Connie Willis的《风向标》）
它起的效果如何？这取决于策略背后的意图。如果 Donahoe 的本意是让市值蒸发 250 亿美元并让股价暴跌 32%，那么可以说他非常成功。对于那些认为他不是这么打算的人，我们不妨想想他哪里出了问题。
数据的硬性限制认为“无法测量就无法管理”是错误的——昂贵的错误观念。— W. Edwards Deming
数据其实很有价值，可以帮助你了解过去的情况过去的情况。人们投入大量资源获取当前的数据。但是，就像对冲基金中数百万甚至上亿薪资的量化分析师所体现的，用数据预测未来是用数据做预测中最难的事情之一。
通常，人们会通过获取所谓的暖数据——即让数字有意义的定性数据——来做这件事，然后用这些数据讲述数字走向背后的故事。
很可惜，网络广告并不是这样的。正如Phil Bastien在这里指出的，很多时候的结果是，你要是买了一张沙发，大概就说明你需要更多的沙发了。点击此处查看原文: Phil Bastien在这里指出的
只需关闭广告屏蔽，看看你的体验是否和1100个同意的用户脑好奇在Threads上的体验一致。菲尔的说法很容易验证。
人类营销人员和商品陈列员明白这一点——这也是为什么你在超市里可能看到纸巾放在烧烤酱附近，或者热狗和面包放在一起。人类可以将“你正在买面包”这一信息与“酱料和面包通常一起卖”这一质性数据点结合起来，从而创造一个愉快的购物旅程。但是要让数据做到这一点，特别是提供给AI的数据，要比你想象的难得多。
耐克决定取消特定产品类别的划分——这些类别能够聚集特定的专业知识，转而采用一个一刀切的通用数据模型，这引发了一个可以预料的问题。这个模型相当于在比萨店的内部发放传单，这表明业务应该从吸引新客户转向从现有客户身上获得更多利润。
数据驱动的死亡漩涡测量不对的东西会很快导致灾难。 — Jared Spool
有人可能会认为，这种创意工作的全部利润动机是为了促使行为改变。这种创意工作包括品牌、营销和设计。我们让客户有机会尝试新的事物——无论是通过告诉他们有一个选择，还是让选择这个选项比其他选项更有吸引力和效果。
问题就从这儿开始了。耐克的策略是引入现有客户的数据——这些客户的行为无需改变。
这是一个在各种行业中都非常常见的错误——对于你的研究，最活跃、声音最大的参与者是最不具代表性的整体可寻址市场。例如，最活跃、声音最大的参与者是最不具代表性的。那些无法或不能使用你产品的人几乎不在你的雷达范围内。
很容易去追求那些最容易收集的数据，并止步于此。耐克就是这么做的，他们只关注在线购物数据。结果，他们的产品优先级与普通顾客实际购买的商品越来越不一致。而那些受到大众欢迎的产品由于没有足够的销售渠道而在仓库里积压。耐克越是专注于这些边缘客户，普通消费者就越倾向于转向竞争对手的产品。
别让数据牵着鼻子走，这是固定思维的表现“定量方法被过度崇拜了，整个实验室都被用来专注于使用复杂的统计工具解决那些其实并不重要的问题。”—— 格雷戈里·贝特森（Gregory Bateson），1944年
随着时间的流逝和距离的增加，很容易因为耐克犯了这个错误而谴责它。更轻松的是认为我们能够避免这种情况——因为我们只会关注正确的数据，而不是误导的数据。
《发展受阻：迈克尔回去的那一集》（注：《发展受阻》是“Arrested Development”的直译，该标题具有特定的意义和文化背景。）
实际上，这个错误是由一些经验丰富、聪明的专业人士造成的，他们认为自己在做正确的事。仅仅识别出他们是错的还不够，我们在这种情况下需要理解为什么在那一刻，错误的决定看起来是最合适的。
而且很容易理解这一点。耐克仍然是世界上最有价值的品牌之一，追逐“鲸鱼客户”（即追逐大客户）的做法对许多较小的公司来说也很奏效。在像2020年那样充满风险的环境中，强调自己的强项并几乎可以保证你的指标提升10%（或其他类似的比例），感觉挺好的。
这也非常诱人，闭上眼睛假装那10%并不是以更大的损失为代价的，因为如果你站出来发声，下一轮裁员时可能就是你的工作不保了。要敢于并坚定地对抗主导叙事，需要极大的勇气和信念。形成基于研究的假设需要研究技能，而说服这些有预算决策权的人尝试新方法则需要一定的商业洞察力。
“证实”大家已经相信的东西要容易得多——但这并没有增加任何价值。研究的价值不在于提升那些已经在大声说话的人，而在于找到那些被忽视的声音，并将他们的声音加入讨论。
这样你就能做出真正意义上的数据驱动决策：由所有数据驱动的决策。
否则的话，你能做的最好的就是商品级-决策制定。
随时随地看视频
