用户研究方法主要分为定性和定量两种,其中定量研究用于告诉我们正在发生的事,而定性研究则告诉我们为什么会发生这样的事。

完成人物建模之后,我们就能很明了的知道在用户维度有哪些结论了,到此我带大家走的逻辑也就告一段落了。结合上篇文章的内容,这就是我如何有逻辑性的去分析一款产品整个内容。两篇文章中提到的逻辑和观点等仅代表我个人,如果有任何问题,很希望能和大家一起继续讨论学习~下面是这篇文章中我所叙述的相关逻辑的图~

网易云音乐产品经理诗沐老师在公众号介绍了快速化分用户群的方法,他以网易云音乐的用户画像的刻画过程为例,介绍了快速划分用户群的流程:
1) 利用身边的资源进行定性的用户访谈,覆盖不同类型的用户;
2) 根据访谈的结果,分析出划分用户群的因子;
3) 利用因子来划分用户群;
4) 通过问卷调研等方法来进行初步的验证。

一.定量与定性的研究

一个电子商务网站的用户细分方法.JPG

我们接着聊定性的研究,完成定量的研究逻辑之后,我们能够发现一些准确人群,再通过访问等方式来发掘深层的东西。福特当年问用户想要什么,用户的回答是更快的马,深层结论其实分析出来是更快的工具,所以才有了汽车。这就是定性研究的目的-发现根源问题。关于这块的逻辑误区,例如我们按照定量的结果找到了一个用户,按照研究的方向来说,他应该是会喜欢我们正在做研究的这款产品的,但是他却说了不喜欢。这时候,逻辑上的判定不应该我们的定性研究出了问题,而是应该意识到这是个概率事件,我们在逻辑上应该关注的点是触发喜欢的因素或者不喜欢的因素是什么。

我们可以使用图中每个象限创建一种细分用户群,并试着去描述他们,然后看看这些细分用户群是否能通过细分测试(书中提到的几种细分测试的方法)。如果不是的话,我们可以用一个新的矩阵来试试另外一种属性组合,看看那些可以最终得到一个有用的细分模型。

完成以上的逻辑过程,我们也就完成了二次用户定位,针对这么两次定位所得出来的数据,我们接下来需要做的一个很重要的工作就是人物建模,这个逻辑点是为了归纳出最终结论而存在的。

我想,网易云音乐能在音乐市场的一片红海中准确找到自己的定位,并收获了大量的好评,验证了了解用户的重要性。
移动互联网产品周期短,同时也需要更加快速的用户研究,这是一个不断积累和沉淀的过程,共勉。

一.人物建模

  1. 定性研究

    • 定性研究的价值:

      定性研究的目的在于理解产品的问题域,情境和约束条件,他比定量研究更快和更容易的帮助我们识别产品用户和潜在用户的行为模式。

    • 定性研究的方法

      • 一对一的访谈
      • 现场调查
      • 可用性测试

    人种学调查:用户访谈和用户观察

    About
    Face作者认为在设计师的所有方法中,结合一对一的访谈和对工作/生活方式的观察,是收集用户和他们目标的定性数据时最有效的工具(书中称之为人种学调查)。

    [人种学调查的准备阶段]

    人种学调查是一种糅合了浸入式观察和引导式访谈的技术。目标在于理解人们与个体产品交互时的行为和习惯。这个过程通常以人物角色假设作为起点,以确定对什么样的用户和潜在用户进行访谈。

    人物角色假设

    1).为特定领域的产品定义不同用户种类

    2).行为变量

    基于用户需要和行为是区分用户类别最有效的途径。是人物角色创建过程的基础。
    例如:对于电子商务应用,我们可能会找到如下与购物相关的行为变量。

    • 购物频率(经常或不经常)
    • 购物的爱好程度(喜欢购物或厌恶购物)
    • 购物动机(买便宜货或只买需要的)

    消费者用户类型通常可以大致通过组合对应的行为变量来完成,但是在收集用户数据前精确预测行为变量十分困难,所以另外一个建立人物角色假设有用的方法是使用人口统计变量。

    3).人口统计变量。

    • 利用市场研究来标志产品目标人群的年龄,位置,性别和收入。被访者应该分布在这些人口统计学变量的范围之内,以期具有足够的多样性,让研究者识别显著的行为模式。

    [进行人种学调查]

    • 在交互发生的地方进行访谈
    • 避免一组固定的问题
    • 首先关注目标,任务其次
    • 避免让用户成为设计师
    • 避免讨论技术
    • 鼓励讲故事
    • 请求演示和讲解
    • 避免诱导性的问题
  2. 在定性研究的基础上细分用户群

    用户细分技术都是从选取大量的数据开始,然后根据每个群体中描述的人们的共同点来创建用户群组。

    完成了用户访谈、审查了访问记录,并且把所有来自于用户的目标、行为、观点集中到了一起后,我们需要选择合适的细分用户的方式:

    1. 用目标来细分
    2. 用使用周期来细分
    3. 用行为和观点的组合来细分

    《赢在用户》书中举了作者在帮助一个电子商务网站进行用户群细分时,使用用行为和观点的组合来细分用户群体的例子。如下图:

图片 1

一. 对应场景的研究

3.对定性细分进行定量验证
1) 数据交叉Tab分析
2) 统计式的分析,来验证差异


做用户研究是想更好的去理解用户,About
face中强调以目标为导向的设计,成功的产品需要满足用户的个人目标,当设计能够满足用户的个人目标时,对商业目标的实现会更加有效,所以设计的第一步就是理解用户。

在产品维度那篇文章中,我提到了产品的二次定位,它是为了确定产品当前所处的阶段和即将面对的阶段而存在的。阶段定下来以后,其实我们也就可以开始对用户维度,进行我们的逻辑思考了,它也有两次定位。我们先来聊聊第一次定位,我先提出一个关键点:对应用户群体细分。

(前言:最近在学习用户研究的相关内容,看了《About
face3》和《赢在用户》两本书,感觉书本的内容过于理论和枯燥,偶然间看到了网易云音乐产品经理诗沐老师的了解用户系列文章,突然有一种理论结合了实际的快感,遂在此做一个整理。—2016/05/29)

在这篇文章中我所提及的定量研究,逻辑上是为了给定性研究做一定铺垫的,具体其实指的是对人口统计变量的研究,一种对客观的特征研究。《消费者行为学》一书中有提出过几个维度:年龄、性别、家庭结构、社会阶层与收入、地理位置、生活方式,大家可以参考来进行相关的思考,但此处并不是指仅有这些维度,大家可根据实际情况来。当通过问卷或者别的方式对这些人口统计变量总结完了之后,就可以继续后面的定性研究。但在此要给大家提下逻辑上的一些误区,定量研究中的量,是越多越好,但不是一定准确,只能说是大概率事件,所以可以通过灰度测试来修正,另外各维度也要注意交叉研究一下关联性,例如外卖产品中,学生群体会更加关注价格,而白领群体更加关注品质。

一.对应用户群体细分

总的来说,一般用户群体可细分为两个大类,即潜在用户与现有用户。现有用户则细分为新手用户,中级用户与高级用户。但并不是每一类用户我们都要十分关注,主要还是取决于二次定位后的当前产品所处的阶段,如果大家有印象的话,可以回忆一下那张产品定位图。假如当前产品A处于初级,也就是第一个阶段,那它更需要去关注研究一下,潜在用户的情况。假如产品A已经到了要注意商业变现的阶段,不是说它不需要关注潜在用户的情况,而是要更加关注现有用户的情况,毕竟拉新成本太大,只有保证了现有用户的活跃度,变现的情况才会变得更好。就像维持老朋友的关系,有时候一顿饭局就够了,保持关系活络的话再多几顿饭也就行了。可是陌生人就不太吃这套了,需要付出的更多,有时候精力不够,连老朋友也都冷落了,慢慢就散了。所以千万不要觉得把精力平分就是好的,在思考的逻辑上要尤其注意这点,细分用户,针对阶段,找到需要付出更多的用户群体来研究,这也就是用户的一次定位。

图片 2

以上就是对用户群体细分,也就是第一次用户定位的解释,我们把逻辑继续往下走,这时候又会有另一个关键点,叫做定量与定性的研究。这个点是二次用户定位的内容。

对应用户群体

继上篇产品维度的内容,我们现在来聊一聊用户维度的思考逻辑。有人会质疑为什么要分成两个大的维度,产品维度的我已经解释了,用户维度的我再来解释一下。首先既然是个产品,那么不管一个PM或者交互把产品做成什么样,最后面向的主要群体一定不是他们自己,应该是一般用户。既然是一般用户,那么就会有变化性,那么我们就需要去思考。过去很盛行一个词叫“草根经济”,很多产品都会考虑到这个因素,它其实和一个叫“M型社会”的社会模型密切相关,是一个叫大前研一的日本学者提出的社会模型,强调了低消费人群的力量,大家如果有兴趣可以去拜读研究一下。经过一段时间的社会发展以及变化,现在涌现了一个新词叫“新消费”,导致这么一个变化的根本原因是消费人群的变化,中产阶级消费人群逐渐走入舞台的中央。通过这个例子我想大家应该能够明白,为什么我要分用户这个维度出来了。

用户由于场景的影响,最后的行为会变得天差地别。同样是用视频类产品,在完整时间段场景中,比如在家中无工作时,用户才会选择去看主播正在直播的内容,在碎片场景中,比如公交车上,在用户有专门包流量的条件下,混乱的场景,大部分人还是会选择看一些短视频,这就是场景的影响。这块的思考逻辑是被包含在定性研究中的。又比如在我过往的项目中,有一个产品是做线上基因检测的,当时我在优化移动端时,选择将购买入口放入深层级,原因是这款产品处于初期阶段,其主要用户人群是潜在用户,在对他们研究调查之后发现,他们的第一接触场景,是无论用手机还是电脑,首先都是打开浏览器去查看了解,发现了官网,再进去看看,然后再决定买不买,所以WEB端的购买入口需要被提到眼前的位置,使用移动端的用户多半是老用户,当他们决定再次购买的时候,对移动端已经非常的熟悉,此时的深层级对他们来说不会是问题,而且在寸土寸金的移动端上,第一层级会有空间放别的功能。因此需要特别关注在定量研究中,对应场景这个维度的逻辑思考。

图片 3


一个大的信息海在我们眼前呈现,需要梳理与归纳。这些用户可能是好奇型的,可能是刚需型的,也有可能是别的某种类型的,将关于他们的种种信息,定量得出来的,定性得出来的,统统整理一遍,既方便我们对其进行感知,也方便后面的战略战术制定。

在定性研究中,我觉得有个非常关键的维度要提出来,就是对应场景的研究

相关文章