任何一个成功的产品必然能够击中用户的某个或几个痛点，如果用户对产品没有切身需求，那就说明用户不会成为稳定用户。如果说它们抓住的是大众用户的需求点，那么，是否还有小众人群的痛点并不是“通用型”产品所能通杀的？所谓“痛点”，它比一般的需求点更甚，它难以被一般产品满足，但又确实存在。这就是用户的痛处，一个痛处是否能够被顺利解决也体现了产品本身的实力。
移动互联网时代的到来让我们享受了历史上最多的免费服务，而在免费的背后，最重要的就是把用户体验做到极致，吸引用户最核心的是产品。如何迎合用户的需求？在众多主打小众用户的APP 里，创业者们普遍的做法是只强化一个核心功能。而如果能够将这个核心功能做到极致，显然，我们的产品已经成功了一大半。
在苹果公司身上，我们再一次看到做到极致的产品，它们专门为解决用户的痛点而生。苹果公司首次推出iPod 时正值Napster 的全盛时期，当时人们还可以免费地在互联网中分享音乐，但是这种免费换来的是盗版，或者不够专业、不够优质的产品。顾客对这个产品的广泛接纳让苹果公司发现了两个未被满足的新需求：顾客希望能够快速、容易并且相对便宜地获得想要的音乐；另一个需求可能对他们来说更重要，即合法获取。所以我们看到iTunes 诞生了，并成为了苹果公司最成功的产品之一。
有趣的是，苹果公司设计的iPod 只能和耳机一起使用。用户可以以新的方式对音乐进行传输和播放，但却不能大声放出来分享。这对于苹果用户来说又是一个新的痛点，所以其他很多公司开始开发iPod 的配套硬件，如外部扬声器和基座等，显然，这些产品卖得不错。
我们要感谢用户对产品的挑剔和不断提出的不满，痛点是基于心理感受对比体验的一种。对于消费者而言，在鱼和熊掌不可兼得的前提下，只能抱以遗憾，选择对其更为重要的痛点或兴奋点因素，忽视这些痛点带来的不满。这是心理学中的“残缺美”现象，因为有所期望，所以才会不满，倘若没有了期望，不满从何而来？也就是说，用户对于痛点的要求，可以是解决一个问题，或者是忽视一个问题。
又譬如在移动互联网中最热门的“微信”，如今已经成为了众多企业的发展战略中不可或缺的一部分，所有企业都看到了这个能够成就自己的桥梁。但是，大多数企业还处在微信布局的初级阶段—“宣传”，做一些简单的内容群发推送。另一些企业与机构已经把触角伸向了第二层内容—“服务”，如平安车险，除了可以在微信上买车险，还可以获得返还奖励、查违章、一键续保等其他服务，用户在获得信息的同时也获得了相关服务。对于很多类似的企业来说，产品不一定要在当前的互联网中产生，借用一个平台一样能够取得很好的效果。
除了以上例子，还有很多痛点的例子。比如电商方面的物流和支付，已经享受着当日达甚至一小时送货的北上广用户可能很难接受需要用七八天的时间等待一个包裹的到来，而在二三线城市的用户，依然需要忍受不如北上广城市那样的快递速度。这就是快书包这款产品依然有着不俗成绩的原因。
纵览移动应用多过百万级，真正进入手机的应用不过百个。比起挑剔又容易发生兴趣转移的一线城市用户，二三线城市移动互联网用户的需求一直真实而旺盛地存在着，不断地发掘其需求，解决痛点问题，才能挖掘到商机。
所以，不管用户因为什么而快乐，都一定会产生因为解决了痛苦而快乐的情况，只要这种情况存在，就一定会有成功的产品出现，并且最终替代现有的那些产品。但是到底怎么寻找用户的痛点？依靠产品本身的能力？或者是依靠产品经理的感觉？
要想准确地找到用户痛点，业内主要有两种方式：一种是使用数据分析方法，比如搜索引擎公司会设置指标，开展搜索，然后获得数据结果，评估搜索结果，从而对用户需求做出判断；另外一种则是通过场景寻找用户痛点，开发新产品的团队往往会采用这种方法。
3.2.2不要相信用户的嘴，要相信用户的腿
产品经理们总是很喜欢说“我们的用户认为……”，但是，你的用户是否是真的这么认为呢？诚然，有不少用户是这么认为的，但是有更多的用户压根不是这么认为的。用户在给你反馈以后说：“你们太差了，我要卸载掉你们！”接下来，我们会相信，我们真的失去了一个用户。
但是我们忘了，用户是反反复复的。原谅我总是拿追女朋友来比喻，这也和找女朋友一样，你的女朋友总是喜欢说“你很差”，然后又喜欢和你在一起，不是吗？所以，对于用户说的，除了严厉的反馈你真的需要在意外，用户的行为才是真的值得你解读的。比如说，用户说你的一个功能设置得简直太美了，然后后台数据显示用户使用这个功能的比例确实很低，那么这个反馈才是值得相信的，该数据才是最值得挖掘的。
但是，就算是这样的用户行为数据，依然有很多需要我们注意的。首先，用户行为数据必然不真实，且必然不完全。因为从技术上看，用户的行为很难真实且及时地呈现在网页日志中并被技术人员收集。其次，用户行为数据展现的结果必然不绝对。因为用户的行为受网站的展现方式的影响，也就是说，你的行为受你的思维影响，而思维这种东西显然不是我们人类能够顺利操控的，那么结果肯定就是不绝对的。第三，我们在统计用户行为数据之前要进行用户行为数据清洗和整理，而在清洗和整理的过程中，清洗方法也会干扰用户行为数据的准确性。所以相对用户行为来说，被情绪化的用户评价实则更难相信。
鉴于种种原因，我们必须跳出被用户评价牵着鼻子走的情况，而应转过头来看用户的实际行为。这就需要我们有鉴别真伪的能力，看到用户真实的行为能力。在很多情况下，很多产品都依靠用户的直观表达，忽略了用户实际行为数据上的沉淀。对于用户来说，根本不会在乎曾经对你说了什么。
根据用户怎么做、什么时候做，我们可以得到许多有用的信息。当然，这些数据没有回答他们为什么这样做，也并没有回答我们的网站、产品、服务如何才能更有效地解决用户的问题。我们需要更多相关场景，我们所做的用户调研将给我们提供更多的内容。根据这些内容，我们可以很快地设计解决方案以对他们的需求做出更快捷的反馈。调研同时也帮助我们避开偏见，因为我们必须频繁地为与我们的生活截然不同的人们设计解决方案。
3.2.3不要靠感觉，要靠数据
闭门造车的产品经理现在已经不多见了，但是习惯依靠自己感觉的产品经理还是很多。以下亚马逊的一个例子将告诉我们数据的重要性。
故事始于2003年，著名的数据科学家塞林格创办了一家咖啡机商务网站。这家网站做得相当不错，连贝索斯都开始注意到他了。于是，贝索斯代表亚马逊公司向他发出一个邀请，想请他加入公司并组建一个名为“亚马逊实验室”的数据挖掘开发与研究团队，而这个团队的工作核心就是数据挖掘。“可是，我在数据挖掘领域没有多少专业知识。”当时的塞林格还只是一个软件工程师，不是现在人们称呼的“数据科学家”，所以他选择了拒绝。
他在日后回忆说：“而且当时数据挖掘并没有引起人们的注意，也不流行。亚马逊公司大概找了我五六次，但是我都一一拒绝了，因为我认为数据挖掘很无聊。虽然我拒绝了，他们还是一直来找我。”
最后，塞林格被贝索斯的坚持打败了，加入了他并不愿意加入的亚马逊公司。对他来说，这份工作“很难受”，这是因为贝索斯所描述的其实是一个新团队、新项目。更糟糕的是，项目主管换了一批又一批，最后塞林格的团队由贝索斯直接带队，因为居然没有合适的项目主管！
这个数据挖掘团队当时的主要目标就是：分析亚马逊公司的数据，想出提高营收、增加利润的新方法。为此，塞林格开始学习算法，开始挖掘数据中的商业潜力。随后，他的团队发现，亚马逊公司其实可以靠卖广告赚钱。
塞林格对贝索斯说了这个想法，当时贝索斯觉得这个想法糟透了。贝索斯说：“这个想法相当愚蠢，我们是网络零售商，为什么要卖展示广告？”然而，作为一个优秀的管理者，贝索斯并没有阻止塞林格继续研究下去。塞林格在亚马逊的网站上进行了小范围的测试，结果证明显示广告居然是亚马逊有史以来最赚钱的项目。尽管亚马逊并没有公布广告收入，但塞林格认为当时亚马逊靠广告赚了至少10亿美元。此外，塞林格还从贝索斯那里学到：做生意要靠数据，不要靠感觉。
三年后，塞林格离开了亚马逊公司，与另一位亚马逊高管成立了今天的RichRelevance。而RichRelevance 的产品与塞林格在亚马逊公司开发的产品有异曲同工之处，都是在线零售商和广告商喜欢的产品，背后的支撑显然就是塞林格以前很熟悉的数据解读。
RichRelevance 拥有沃尔玛等大型超商客户，每年可以为客户带来30亿美元的营业额。如果说当年贝索斯没有让他去做数据挖掘的话，哪有今天的RichRelevance ？
数据分析因互联网而起，互联网的数据分析将人为的感性判断转化为定量分析，在提升客户体验上发挥着重要的作用。尤其是互联网上的电子商务，我们无法只从获得订单的数量上来确定是否有价值。又如一家韩国的网上购物商城，有1300万名客户，网站的日访问量接近100万人次。按理说，这样的用户量应该能够促进每一次的成交。但是管理者发现，网站每次做活动促销的预期结果远远低于用户的响应，产生销售的商品比例不高，这一点让工作人员很困惑。透过这个问题，管理者很快发现了在数据解读上存在弱项。数据分析不是简单看一些加工后的数字，然后根据数字对每一项内容进行定义，而是要根据数据的结果给出解读，不管是横向还是纵向，还需要计算。
这个网站使用的方法是，通过对比每类促销活动的实际访问者分析转化率，并且详细分析渠道效率。同时，还确认每类促销活动访问者搜索使用最多的关键词、位置和采购的商品。另外，还在页面上覆盖可以测量页面中每一项的点击率和访问者数量的功能，测量页面中每个位置的价值，找出热点区域和非热点区域。通过这些数据以及许多细分数据，来分析促销活动的最大化数据体现在哪里。
也许，许多产品经理对数据从哪里来这个问题一点也不感觉奇怪，因为新产品上线的时候我们很少能看到数据。但是千万不要低估人们生产数据的能力：Google 每天处理的搜索量超过30亿次，每秒回答3.4万个问题；中国移动后台系统每秒钟处理的信息数量达到亿级；每天有数以千亿封电子邮件在全球互联网上传递等。我们要关注的不是数据如何产生，而是在数据产生后我们要解读哪些数据。
通常，团队在做数据分析时，最重要的是要弄清楚我需要什么样的数据。要怎么做到数据的详细和细致呢？基本需要八个纵向的分析数据。
第一，固定的报表。比如，定期反映用户使用量、报告产品成绩等。第二，即席查询。支持灵活的查询分析，满足报表之外的信息需求。例如，哪些用户使用了你的产品，同时还有哪些用户离开了你的产品。
第三，多维分析（OLAP）。从多个角度分析查询问题，如用户的留存率，哪些用户用什么样的方式接触到产品，产品所展示的诸多平台中哪一些是最重要的。
第四，预警功能。比如当用户的使用数对历史数据来说显然过高或者显然过低的时候，都应该出现这样的机制，以协助产品分析。
第五，统计分析。比如通过回归分析，分析产品一系列的指数。第六，预测分析。比如预测未来一段时间内产品的用户量是否会增加，是否要增加某些方面的投入。
第七，数据挖掘建模分析。基于用户的使用细分客户群，寻找每个客户群的行为特征以及潜在需求，推送个性化的信息和服务。
第八，优化分析。这一点会比较复杂，不同的产品需要不同的数据来定义优化分析后的结果及要素。
除了数据的支持，我们如何让用户感觉到痛点是真的值得被抚平呢？
3.2.4用放大镜将痛点放大100倍
这是小米公司提出的一点，但是有的人听后则将其与“分散核心”混为一谈。其实，我们所说的很多痛点都是没有那么痛的痛点。小米进入手机市场，对自己手机产品的定位就是“发烧友手机”，过去只有“极客”才会去刻意追求的体验，小米将其完善，并喊出口号以引导消费。也就是说，对消费者使用产品的各种貌似多余的细节改进，然后引导消费者去关注它。小米的产品并没有达到颠覆的境界，但是却依靠细节的微创新，真正解决了消费者的痛点，让消费者本身可以忽视的痛点成为消费者关注点。这就是说，把我们找到的痛点变得更痛，并且让我们的用户意识到这个痛点让人痛彻心扉了，我们的产品就算是成功了。