01

​技术驱动与设计驱动

谷歌和苹果是两家最成功、最令人钦佩的科技公司，然而他们的产品文化却存在一些根本上的不同。谷歌的产品主要是基于数据和测试，可以称之为技术驱动。苹果的产品更多的是依靠视觉和直觉，可以称之为设计驱动。

《启示录：打造用户喜爱的产品》一书的作者Marty Cagan在最近的一篇文章中，探讨了领先科技公司的产品文化差异：

“我经常谈论产品文化以及它的重要性，但有一个事情一直困扰着我，那就是我最喜欢的产品公司 —— 例如，谷歌、苹果和亚马逊 —— 都有如此不同的产品文化。”

《创意选择：走进乔布斯黄金时代的苹果设计过程》一书的作者Ken Kocienda在推特上表达了苹果和谷歌之间的巨大差异:

关于苹果和A/B测试

我很快就会分享更多关于苹果公司方法的特别之处，但首先，我将讨论一个反例，一个不能产生像iPhone这样卓越产品的方法。为此，我请教了Douglas Bowman，他是一位设计师，曾在Twitter和Wired任职。他2006年开始在Google工作，成为其早期的视觉设计领导者之一。这是他在工作近三年后离开谷歌时给出的理由：

“如果没有一个精通设计的人来掌舵，一个公司最终会用尽所有的理由来为设计决策... 如果没有信念，怀疑就会悄然而至。直觉失效...

当一个公司充满了工程师，就会转而用技术来解决问题。将每个决策简化为一个简单的逻辑问题。删除所有主观性，只看数据。数据表明可以？好，启动它。数据表明不行？重新再来。而这些数据最终变成了每一个决定的支撑...

是的，谷歌的一个团队确实无法在两种蓝色之间做出决定，所以他们测试了41个蓝色调来看看哪一个表现更好。”

41个蓝色调听起来很多，但如果他们愿意，谷歌可以测试更多。为什么不测试一百个或者一千个呢？如果数据是有效的，那么一定是多多益善吧？正如Bowman表示，并非如此。

这种测试通常被高科技行业称为A/B测试，选择的是已经设置好的结果。在这次谷歌选蓝的实验中，结果绝对是这四十一个选项中的一个。虽然A/B测试可以找到单一点击率最高的蓝色，但最好和最坏之间的动态范围并不大。更重要的是进行这些实验意味着开发团队的所有人都没有时间用来想象出让人们喜欢两倍、三倍或十倍以上的设计。

A/B测试可能有助于找到一种让人们更频繁点击的颜色，但它不能生产出一个让人感觉赏心悦目、浑然一体的产品。没有任何精致的响应，没有任何需要平衡选择的意识。谷歌在它的设计过程中通过计算来获得审美。

在苹果公司，我们做梦都不会想到这样做，我们也从来没有为任何一款iPhone上的软件进行过A/B测试。在选择颜色的时候，我们凭借的是良好的审美以及如何让有色彩视觉障碍的人可以使用软件的知识。

当然，这完全符合人们对苹果公司产品策略的预期，而作者对谷歌“41种蓝色调”测试的抨击，也表明了对将数据驱动产品决策发挥到极致的不屑。

谷歌和苹果是定量思维和定性思维在产品哲学、文化和流程中差异的缩影。谷歌的方法可以称为技术驱动，苹果的方法则是设计驱动。显然，这两种方法都可以成功：苹果和谷歌都是世界上最成功、最有价值、最令人钦佩的公司。

02

以技术驱动的“理科生”谷歌

谷歌首先是一家数据公司。从其搜索引擎最初的使命“整合全球信息，供大众使用，让人人受益”，到其已经可以完善处理海量数据的大数据和分布式计算等技术，谷歌的重点和核心竞争力就是处理数据（大量数据）。

随着对数据的关注，谷歌自然而然地倾向于用数据来做产品决策。如果你有这样一个唾手可得的数据宝库，那么在开发或改进产品的时候，使用这些数据是很有意义的：如果你有足够多的用户（谷歌当然有），你几乎可以对任何东西进行A/B测试，包括蓝色调的选择。

当然，谷歌Analytics/ Optimize的成功也不是巧合，Google提供的入门级A/B测试工具在很多公司拥有更棒的工具之前都会使用。

除了非常注重数据驱动和A/B测试之外，谷歌还表现出了非常低的产品发布门槛。谷歌可能是推出和下架产品数量最多的科技公司（有些产品拥有狂热的的忠实粉丝）。Inbox、Google Reader、Google+......不胜枚举。很显然，谷歌的做法之一就是快速推出，如果不行就快速下架（大概是根据使用数据）。

谷歌还因其管理框架“目标和关键结果”而闻名，该框架由英特尔公司创造但是在谷歌发扬光大。通过“目标和关键结果”进行管理，包括以“目标”的形式设定优先级（例如“改善新用户注册体验”）并定义可衡量的“关键结果”，以确定是否取得了理想的目标（例如“将注册流程的完成率从80%提高到85%”）。鉴于对可衡量结果的关注，“目标和关键结果”自然更倾向于数据驱动的产品开发方式。

最近，谷歌的核心竞争力之一是机器学习（同样是由谷歌的海量数据驱动）。机器学习让依靠定性思维的产品决策变得更加困难：你无法主动设计模型的所有“规则”，甚至无法验证模型在所有可能情况下的产出。另一方面，它让构建数据驱动的反馈循环变得更加容易：它们可以直接反馈到模型中，而不需要任何人工干预 —— 产品会自我更新。

谷歌不可能为每一个搜索查询“设计”出搜索结果（包括丰富的预览等），但它可以设计出一个机器学习算法，从而使搜索结果可以随着用户的每一次交互而变得更好：用户在页面上的行为，包括用户点击了哪一个搜索结果，都可以用来优化未来用户类似的查询结果。这就是将数据驱动的产品开发推向了极致。因此，机器学习与谷歌的产品开发方式极为契合，甚至是强化。

综上所述，谷歌的产品核心竞争力和管理技巧都是围绕着数据驱动的产品开发方式进行的。

03

以设计驱动的"文科生"苹果

苹果的核心是一家硬件公司。当然，苹果也做了很多软件，但大多数软件都是与硬件紧密结合并让硬件更有价值。硬件开发迭代性较差，所以产品发布时需要更加“完美”。软件可以在上线后发布补丁，谷歌的情况就是如此，但硬件设计上的缺陷却无法在发布后被修复。苹果将硬件设计过程中的严谨也带到了软件开发过程中。

苹果的硬件产品也是“奢侈品”，至少是高端产品。如果你想要最实惠或性价比最高的手机、电脑、媒体播放器等，你不能去购买苹果的产品。这意味着苹果公司可以获得价格溢价，但同时也意味着顾客的期望是产品能够完美无瑕地工作，或者至少比竞争对手的产品表现更完美。

在《创意选择》中，Ken Kocienda总结了他对苹果软件产品研发方式的看法：

“一小群充满激情、才华横溢、想象力丰富、独具匠心、永远充满好奇心的人，建立了一种基于他们灵感和协作的工作文化，他们利用勤奋、巧妙、果断、审美和同理心，通过漫长的演示反馈环节，反复调整和优化启发式算法，在怀疑和挫折中坚持不懈，每一步都选择最有希望的方向前进，所有的目标都是创造最好的产品。”

有趣的是，和谷歌一样，苹果也采用了迭代、进化的产品开发方式。然而，这种进化并不是通过建立小的增量，将其作为测试发布，并收集数据来看它们让KPI产生了怎样的变化。相反，进化是在内部进行的，通过与领导层的演示会议来获得反馈和产品最终应该达到的愿景。

这种内部进化不是由数据驱动的，甚至也不是由用户和客户的直接反馈驱动的。相反，它是由同理心和审美这两种非常定性的决策手段驱动的。用Ken Kocienda的话来说：

“同理心是指尝试从别人的角度看世界，创造出适合他们生活并适应他们需求的产品。审美是培养一种精致的判断力，并找到一个可以产生愉悦和完美的平衡点。”

苹果公司的反馈循环使整个产品开发的方式更加定性，甚至可能更加主观。

或许你认为拥有一个像乔布斯这样有远见的领导者，才能最大限度地发挥这种定性的以设计驱动的产品开发方式的影响力，但开发原型并收集原型反馈意见的迭代方式对苹果公司来说效果很好，使他们能够持续地产出比竞争对手质量更高、更有“品位”的产品。

04

总结

谷歌和苹果的产品文化差异特别有意思的一个方面是，这种差异是如何体现在公司的开发生态系统中的 —— 毕竟他们拥有绝大部分的移动平台市场。我在苹果公司主办的一个关于应用内订阅的研讨会上听到了这样一个说法：

“一位参会者提出了应该如何在iOS上运行A/B测试的问题 —— 而另一位（非苹果）参会者的回答是，运行A/B测试的最佳方式是在Android上运行。”

考虑到这两种不同的产品文化背景，原因就清楚了：苹果并不相信A/B测试是必要的产品开发工具，但谷歌相信，所以谷歌的Android比苹果的iOS更容易实现A/B测试并不奇怪。

原文链接：

https://medium.com/swlh/google-apple-a-tale-of-two-product-cultures-e86c62823961

原文作者：Jens-Fabian Goetzmann

译者：产品侠

公众号：产品侠