Ngụy biện G.I. Joe trong thiết kế sản phẩm

Ngụy biện này gắn chặt với hình ảnh “ba chú khỉ” trong thành ngữ của phương Tây: Không thấy, không nghe, không nói (không phải triết lý Tam Hầu, Tứ Không của Phật Giáo). Trong một team sản phẩm, nó biểu hiện thành:

• Không thấy: Cố tình bỏ qua dữ liệu cho thấy người dùng đang gặp khó khăn.
• Không nghe: Phớt lờ những phản hồi tiêu cực hoặc than phiền của khách hàng.
• Không nói: Giữ im lặng trước những nghi ngờ nội bộ, ngại đề xuất thay đổi chiến lược.

Thực tế, ai cũng biết rằng thiết kế lấy người dùng làm trung tâm cần lắng nghe và thử nghiệm liên tục. Nhưng ngụy biện G.I. Joe chỉ ra rằng “biết” mới chỉ là một nửa trận chiến – nửa còn lại và khó hơn là hành động. Muốn phá vỡ ảo ảnh, nhà thiết kế không chỉ cần kiến thức mà còn cần sự can đảm để tháo bỏ “mặt nạ” ba con khỉ, nhìn thẳng vào sự thật và dũng cảm thay đổi.

Không ngại va chạm

Tôi đã từng đề cập mô hình phát triển sản phẩm Growth Design Process, những phase đầu tiên cho Setup project đòi hỏi product designer làm việc với các stakholder để alignment các mục tiêu và scope sản phẩm. Đây là nơi nhiều mâu thuẫn bùng nổ đòi hỏi nhiều kỹ năng giao tiếp và phân tích vấn đề. Sự sắp xếp và khéo léo phân công sẽ giúp những vấn đề “Không thấy”, “Không nghe” và “Không nói” được đưa ra bàn bạc hợp lý, đúng lúc và tránh gây rối loạn hoặc hiểu lầm nhau. Cách làm việc này sẽ tiêu diệt sự ngụy biện G.I.Joe, nhưng cũng có cái giá “va chạm” không hề dễ chịu.

But in big corporations, most initiatives come from top-down decisions — and suddenly, we are surrounded by thousands of “why” questions without clear answers. Hell yeah, ambiguity hits from every direction: business goals, stakeholder expectations, technical constraints, even customer problems. So… where do we start?

Design thinking

• Human — all design is fundamentally social and human-centered
• Ambiguity — design thinking doesn’t remove ambiguity; it embraces it
• Re-design — most design processes are actually re-designing existing systems
• Tangibility — making ideas tangible helps teams communicate and align faster

But wait…

We don’t always have the luxury of time, budget, or resources. We need faster and cheaper ways to solve problems without over-romanticizing the design process.

Don’t wait for your “designer soul” to magically appear.

Here are a few practical approaches I use — painful sometimes, but gold when it works.

Design tactic: Start with WHAT

The strive goal is to understand the impact at every level. ALIGNMENT is the key.

Without alignment, teams can easily spend weeks on analysis, research, and “beautiful” designs that are completely out of scope or disconnected from real business objectives.

Here are the key things to focus on at the start:

• Rapidly map the Customer Journey: identify customer needs, pain points, and moments that impact business goals. Where are the real opportunities for growth or improvement?
• Build solid hypotheses backed by evidence and measurable outcomes.
• Define clear Design Criteria — a shared language that helps teams align and make decisions faster.
• Prioritize collaboratively with stakeholders to balance customer value, business impact, and technical feasibility.

Once the foundation is clear, your team can move with more confidence, communicate ideas more effectively, and gain stronger stakeholder buy-in.

Disclaimer: this approach requires being highly proactive and willing to challenge assumptions. Conflicts with stakeholders are normal — and often necessary. Healthy tension helps teams understand business requirements more deeply and make decisions with greater clarity and confidence.

Tôi cũng có nhiều chia sẻ về vấn đề thế nào là insight tốt, vì nó quá chung chung và đòi hỏi có nhiều kinh nghiệm gọt giũa mới có thể “phản xạ” biết được insight nào có ích, insight nào không có giá trị.

Về vấn đề này, lĩnh vực khoa học máy tính có riêng nganh Lý thuyết xác xuất và thông tin, mọi nhà khoa học cần am hiểu rõ các ranh giới về tri thức, nên việc mô hình hóa toán học các vấn đề giúp mọi thứ mạch lạc, có thể kiểm chứng. Vì thế, cách tiếp cận này là thuyết phục nhất, áp dụng được cho mọi đối tượng trong quá trình khai phá các “insight” để ứng dụng trong công việc.

Lý thuyết xác suất và thông tin

Khái niệm cốt lõi đằng sau lý thuyết thông tin là việc học được một sự kiện ít xảy ra mang lại nhiều thông tin hơn so với học được một sự kiện có khả năng cao xảy ra.

Ví dụ, một thông điệp nói rằng “mặt trời mọc vào sáng nay” là quá hiển nhiên đến mức không cần phải gửi đi, trong khi một thông điệp nói rằng “sáng nay có nhật thực” chứa rất nhiều thông tin.

Chúng ta muốn định lượng thông tin theo cách chuẩn tắc hóa các quan sát trực giác:

• Những sự kiện có khả năng cao nên có lượng thông tin thấp, và trong trường hợp cực đoan, những sự kiện chắc chắn xảy ra không mang lại thông tin gì cả.
• Những sự kiện ít có khả năng xảy ra nên có lượng thông tin cao hơn.
• Những sự kiện độc lập nên có thông tin cộng tính. Ví dụ, việc biết rằng một đồng xu tung lên xuất hiện mặt ngửa hai lần nên mang lại gấp đôi lượng thông tin so với việc biết rằng đồng xu xuất hiện mặt ngửa một lần.

Dữ liệu không nói dối nhưng bạn đã bị lừa

Trong thiết kế sản phẩm và kinh doanh, rất hay thấy team dựa vào số liệu thô từ khảo sát/experiment để ra quyết định nhanh — nhưng kết luận vội thường sai vì quyết định dựa trên tỉ lệ tổng hợp mà bỏ qua cấu trúc dữ liệu. Đây là lỗi phổ biến mà tôi hay thấy gặp ở các bạn junior/mid: Không quan sát kỹ các phân lớp hay đặc tính trong bối cảnh của vấn đề (classification) và các biến gây nhiễu (noise).

Bài toán tiêu biểu

Giả sử bạn so sánh hai chiến dịch khuyến mãi A và B trên khách hàng dùng thẻ:

• Trong nhóm khách hàng doanh nghiệp, A chuyển đổi tốt hơn B.
• Trong nhóm khách hàng cá nhân, A cũng chuyển đổi tốt hơn B.

Nhưng khi gộp toàn bộ dữ liệu lại, B lại có tỉ lệ chuyển đổi cao hơn.

Vì sao? Vì tỉ lệ phân bổ chiến dịch khác nhau giữa các nhóm khách hàng (ví dụ B tập trung nhiều vào nhóm cá nhân có quy mô lớn), dẫn tới trọng số mẫu (weights) làm đảo chiều kết quả tổng thể.

Đây chính là Simpson’s paradox ¹.

Simpson’s paradox

Khi tỉ lệ kết quả được tính là bình quân gia quyền theo kích thước từng nhóm, sự khác biệt về kích thước mẫu giữa các nhóm có thể khiến kết quả tổng hợp trái ngược với kết quả của từng nhóm riêng lẻ ².

Để minh họa, xét hai nhóm với tỉ lệ thành công:

• Quan sát thứ nhất ở 2 nhóm: $A_{1,2}/B_{1,2}$ (có $A_{1,2}$ lựa chọn từ mẫu quan sát $B_{1,2}$)
• Quan sát thứ hai ở 2 nhóm: $C_{1,2}/D_{1,2}$ (có $C_{1,2}$ lựa chọn từ mẫu quan sát $D_{1,2}$)

Tỉ lệ tổng hợp tổng số lựa chọn trên tổng số quan sát: $(A_{1,2}+C_{1,2})/(B_{1,2}+D_{1,2})$

Simpson’s paradox xảy ra khi so sánh 2 kết quả (thay đổi góc nhìn): \(\frac{A_1}{B_1} > \frac{C_1}{D_1} \text{ và } \frac{A_2}{B_2} > \frac{C_2}{D_2}\)

nhưng: \(\frac{A_1+A_2}{B_1+B_2} < \frac{C_1+C_2}{D_1+D_2}\)

Nguyên nhân: chúng ta cư xử với thông tin ở mẫu quan sát khác nhau sẽ cho kết quả khác nhau, thường do các biến gây nhiễu tiềm ẩn gây ra.

Xem thêm các ví dụ điển hình khác ³.

👉 Vì vậy luôn kiểm tra kết quả ở mức phân lớp trước khi tin vào số liệu tổng hợp

Nguyên nhân tâm lý học: Illusory Correlation

Con người có xu hướng nhìn thấy mối quan hệ nơi thực tế không tồn tại (illusory correlation⁴). Chỉ cần vài con số nổi bật, chúng ta dễ suy diễn thành quan hệ nhân quả và trở nên quá tự tin khi trình bày key findings.

Khắc phục

Áp dụng các kỹ thuật trích chọn đặc trưng (feature engineering) trong khoa học dữ liệu, loại bỏ các giá trị ngoại lai (outlier) và biểu diễn matrix correlation để xác định các key target.

• Phân biệt rõ: Correlation ≠ Causation.
• Luôn phân tích theo lớp (classification): user segment, channel, cohort…
• Sử dụng phân tích đa biến: regression (logistic / linear) để điều chỉnh trọng số và ước lượng ảnh hưởng có điều kiện.
• Quan tâm đến p-value / confidence interval, nhưng cũng đánh giá effect size và ý nghĩa thực tiễn.

Quy trình đúng nên là:

1. Quan sát correlation từ dữ liệu  
2. Hình thành hypothesis H0
3. Kiểm chứng bằng toán thống kê (mức độ tự tin p_value < 0.05) hoặc A/B test hoặc causal inference

• Brain shortcuts
• Observation insights
• Good insights

Tóm lại

Hai bước tìm correlation và đúc kết insight là hai công đoạn độc lập, không nên trộn và lẫn vội vã kết luận khi quan sát chưa đủ.

Bức ảnh tình cờ tôi chụp được trên chuyến bay sau dịp nghỉ cuối năm ngoái làm tôi liên tưởng ngay đến bản đồ IA mà team thiết kế của chúng tôi đang xây dựng và thiết kế cho ứng dụng hiện tại.

Triết lý thiết kế mà chúng tôi áp dụng dựa trên mẫu Hành vi khách hàng phù hợp với Mental Model của người dùng (chúng tôi đã thực hiện các cuộc khảo sát và thử nghiệm với kĩ thuật Treejack và Card Sorting). Đây là một ví dụ tuyệt vời để minh họa cách mà Mental Model hoạt động trong thế giới thực.

Applying the model in design

Những năng lực cần có để thực sử trở thành một nhạc trưởng phát triển sản phẩm số hiệu quả:

• Có năng lực “Growth Design”².
• Sắp xếp và phân loại ưu tiên hiệu quả ^{3 4}.
• Năng lực đeo bám mục tiêu, nhất quán trong dài hạn và linh hoạt trong ngắn hạn.
• Luôn thận trọng với những gì chưa biết và dám “phiêu lưu” với những gì có thể kiểm soát.

Nghịch lý: Tìm kiếm sự “Hài lòng” lại đem đến “Nỗi đau”, ngược lại hướng tới nỗi đau có thể dẫn đến sự thỏa mãn sâu sắc và lâu dài hơn.

Nhìn dưới lăng kính khoa học hành vi ¹, ra quyết định chịu ảnh hưởng bởi trực giác và phi lý trí, đem đến chuỗi hậu quả có tác động đến cảm xúc và tâm lý học. Dưới đây là tóm tắt tổng quát.

• Hai hệ thống Tư duy: Tư duy nhanh (System 1) và Tư duy chậm (System 2)
• Heuristics (Trực giác) – Algorithms for the Brain: 3 vấn đề chính
  • Availability (Sự sẵn có) - What You see is All There Is!: Lý do các ông cha đi trước thường khuyên chúng ta “Mắt thấy nhưng chưa chắc đã là như vậy”, dù vậy chúng ta đa số vẫn đánh giá/quy chụp trên những gì nhìn thấy trước mặt.
  • Representativeness (Đại diện đặc trưng) – Where Stereotypes Come From: Chúng ta tự gán nhãn và dập khuôn hình mẫu về ai đó theo cảm tính, từ đó ra quyết định và phán xét họ theo “lý lẽ” định kiến này. Vì thế chúng ta dễ bị đánh lừa bởi vẻ bề ngoài.
  • The Power of Anchors: những điểm tựa để cân nhắc lựa chọn được dựa theo kiến thức đã biết, kinh nghiệm, trải nghiệm hoặc từ yếu tố nhóm cộng đồng.

Hạn chế của lý trí

Sau tất cả, chúng ta vẫn mắc phải sai lầm.

Chúng ta sai lầm ngay cả khi đang lý trí, vì những định kiến và hành vi vô thức luôn chi phối trước “1 bước” (điều này giữ cho năng lượng tinh thần được ưu tiên với những tình huống khẩn cấp liên quan đến sống còn hơn là các nhu cầu phức tạp và trừu tượng).

Sự giới hạn về năng lực nhận thức, chất lượng thông tin đầu vào và môi trường xung quanh tác động đến quyết định nào được đưa ra.

Hóa ra, bộ não của chúng ta hành xử phi lý trí hơn mức chúng ta tưởng tượng (bị đánh lừa bởi chính mình). Xem thêm chia sẻ của tôi về Brain shortcut.

Kẻ thù của Ra quyết định hợp lý

• Evolutionary Preferences: DNA của chúng ta được tiến hóa để làm hai điều: Thứ nhất, chúng ta tập trung vào hiện tại trước mắt hơn là tương lai. Thứ hai, chúng ta chú ý nhiều hơn đến rủi ro hơn là phần thưởng, nghĩa là chúng ta tập trung vào việc tránh tổn thất bằng cách đánh đổi những lợi ích tiềm năng.
• Information Overload: Năng lực xử lý thông tin giảm về 0 khi các tham số đầu vào càng nhiều lên, vì thế trong thời đại internet này, khả năng tư duy của chúng ta có xu hướng suy giảm và dẫn lệ thuộc vào các “Thuật toán gợi ý”-hay được biết đến với topic Brainrot.
• Self Worth: Lòng tự trọng là nhu cầu cơ bản của mỗi chúng ta và chúng ta có xu hướng tích cực hóa bản thân để duy trì cảm giác này (thành công của mình là do như năng lực và thất bại là do các yếu tố bên ngoài (như may mắn)). Điều này có thể dẫn đến lỗi quy kết và thiên kiến ​​kết quả (đánh giá các quyết định dựa trên kết quả thay vì quá trình).

Những sai lầm cơ bản này cũng dễ dàng phá vỡ tấm khiên lý lẽ mà chúng ta dày công dựng nên khi ra quyết định.

Ra quyết định tốt hơn với Trực giác

• Mitigating Cognitive Biases²: Lắng nghe và Quan sát kĩ càng từ bên trong và bên ngoài tâm trí để 2 hệ thống tư duy “trao đổi” nhiều hơn.
• The Importance of Time: Nếu điều gì quan trọng thì hay quyết định vào ngày mai.

Nowadays, interaction is shifting from classic Human–Computer Interaction (HCI) toward Human–Agent–Computer Interaction (HACI). As autonomous agents and conversational interfaces assume more autonomy, designers must consider how people, intelligent agents, and traditional systems share control, communicate intent, and coordinate tasks.

UX is dead, or it’s the next evolution?

We do not scroll and click to read a blog or browse a website; we ask an AI Agent to “eat” information. The new approach is Human AI as executor, human as decision-maker.

Nếu bạn không biết đi đâu, bạn sẽ luôn đi đường vòng–Unknown (có người nói là của Lewis Caroll).

Thông thường với những người mới bắt đầu, cách tốt nhất để có định hướng phù hợp cho phát triển sự nghiệp đó là tiếp nhận những lời khuyên từ những người kinh nghiệp đi trước (mentor), không phải vì họ làm trong lĩnh vực của họ lâu hơn và “chuyên gia” hơn mà họ đã rút tỉa được nhiều cột mốc quan trọng giúp định hình hoặc làm điểm neo tốt cho những người đi sau. Nhưng lựa chọn vẫn nằm ở mỗi người vì hoàn cảnh và nội tại từng cá nhân không ai giống ai.

Làm thế nào phát triển nội tại để đi trên con đường sự nghiệp với mục tiêu rõ ràng?

Bạn càng hiểu rõ bản thân, vai trò (role) tiếp theo của bạn càng phù hợp. Cụ thể, bạn cần biết bốn điều (theo John Jsills): bạn giỏi điều gì; bạn muốn phát triển điều gì; bạn thích điều gì; và bạn muốn thử điều gì.

Lời kết

Nếu bạn đang cảm thấy vẫn “mông lung” về tương lai hoặc “sa lầy” trong công việc (làm việc ngay cả khi ngủ) giống như đang đi lạc trong khu rừng và mệt mỏi vì không thấy lối ra, hãy dừng lại nghỉ ngơi một chút và suy nghĩ về bên trong. Khi đã có 4 câu trả lời muốn gì ở bản thân, ánh đèn từ “ngọn hải đăng” sẽ chiếu rọi, đó là con đường mà bạn nên đi.