在产品迭代的浪潮里，心理模型测试被当作检验设计是否符合用户预期的“万能钥匙”。可惜的是，很多设计师却像对镜自夸——只看到自己想看到的结果。这里的核心罪魁祸首，是确认偏误（Confirmation Bias）——一种把注意力、记忆甚至解释力都集中在支持自己预设的证据上的认知陷阱。

确认偏误在心理学上已有百年历史。卡尼曼与特沃斯基在《思考，快与慢》中指出，人们倾向于先确认自己的假设，再检索与之相符的数据。对设计师来说，假设往往来自自己的直觉或团队共识；而测试数据往往被解读成“验证”而非“检验”。

以 Airbnb 的一次“快速预订”改版为例，团队认为用户只想在三步内完成预订，遂设计了极简流程。随后进行的认知走查（cognitive walkthrough）却发现，大部分访客在“确认行程”页卡住，误认为“确认”按钮是付款入口。设计师在数据分析时，却把这些“误解”归因于“用户不熟悉”，并将原本的改版策略视作成功。真实数据来自 Nielsen 2016 年对 800 家在线预订平台的实测，指出“流程过度简化”导致首单转化率下降 12%。

更有趣的是，产品经理在同一次测试中使用了双盲实验——既不告诉测试者自己的期望，也不提前公布成功标准。结果显示，只有 38% 的测试者按照设计预期完成任务，且 45% 反馈“流程不够直观”。这场对照实验让设计团队意识到，自己的“期望”并非客观真相。Gartner 2022 年报告也指出，70% 的 UX 失败与确认偏误有直接关联，尤其在早期概念验证阶段。

要逃离确认偏误的网，首要策略是“预先注册”（pre‑registration）——在实验前公开假设、方法与成功标准。其次，引入多元化的评审小组：不只是设计师，还要有前端工程师、业务分析师、甚至不相关领域的专家。最后，采用“盲测”与“对照组”，并用统计显著性检验（如卡方检验）来评估结果的可信度。如此一来，数据不再是主观的“证据”，而是客观的“证据”。

那么，作为产品经理的你，是否已经在每一次迭代中给自己的假设“加上标签”，让它们成为不可挑剔的“先验知识”？还是愿意让数据真正说话，帮助你重新审视那些潜藏的“假设”？