用户研究

用户调研作业的总结

1整体思路

作业的本意是，首先根据你对总体用户群体的了解，选取合适的用户因子，然后对总体用户群进行划分，通过把他们划分成不同的具有明显区分特征的用户群体，然后你再针对不同的用户群体，选择典型用户进行细访，挖掘出不同用户群背后的真正需求以及原因，然后根据不同用户群的需求及原因，设计出不同的产品原型，并且说出自己的设计原因以及背后的深入思考。

但很多同学似乎并没有完整理解，甚至不少人只是按照给的调研模板，把作业当成填空题，而不是真正的去思考模板的设计原理，去深入的思考自己到底应该怎么完成作业。这不得不说对于学生自身还是对于阅卷的老师，都是极大的伤害。因为学生失去了一次重要的学习实践的机会，而老师不得不浪费很多时间去批改很多毫无亮点的卷子。

望诸位同学，下次切记——一定要想明白作业的真正设计原理和用意，再去思考如何动手，否则，自己的进步是会很有限的，更为可惜的是，自己虽然付出辛劳汗水，实质上做的却是无用功

2典型问题

2.1因子的选取

2.1.1 因子选取完全没有区分度。

有一个同学做的是有关旧书处理的，选取两个因子，一个是年龄，一个是性别，他首先对用户群用年龄划分——大学生 职场新人，中年，和老年。划分的很合理，因为这些用户群的特征比较明显，比如大学生书多，而且身在校园，所以无论是卖还是送，都比较容易。但是职场新人就不是了。可他选取的另一个因子——性别，就完全没有区分度。所有年龄段的人，无论男女，行为都是相类似的。后面的数据调查也显示，每一项行为男女都是各占50%左右。说明该因子确实完全没有什么用。

这就是典型的因子选取错误。因为因子的选取就是为了划分用户群，如果按照选取的因子对用户群进行划分后，发现各个群体之间没有什么区别，那肯定就是因子选取错误了，而且这种错误最为严重。

2.1.2因子选取的模糊，难以量化。

不少同学是做在线教育调查的。选取的因子大多是年龄和兴趣（或者类似的，比如动力，自主性等）。选取年龄很合适，不同年龄段的人，学习的方式和内容都不太相同，相对特征明显，而且年龄段划分简单明了。但是兴趣就很难被量化了。比如一个成天打游戏的大学生，你问他愿不愿意好好学习，估计没几个人说自己就死活不愿意学习的，但实际上，就是没有实际的学习行为。更何况，有的学生宁愿做一天物理实验，也不想背一页单词，那这算是学习兴趣高，还是低？更何况，就算你能通过对比显出它却是不同，那你怎么进行量化呢？年龄可以按岁数划分年龄段，对用户群进行区分，那兴趣按照什么对用户群进行划分呢？仅仅依靠弱中强，怎么区分界限呢？类似的例子还有，做网购调查的，选择购物意愿作为因子，做阅读调查的，选择获取知识等。

这些都属于选取因子的时候，没有想清楚，想明白，就套了一个似是而非的概念上去。其实学习兴趣确实不可以被量化，但是某些特征是可以体现出来兴趣的程度，比如他每天花多长时间学习，比如他完成的作业量，比如他每月读多少本书，写多少笔记，这些都可以很清楚的进行量化，而且也可以很直观的表现出来学习习惯。而习惯的背后自然就是意愿。

因此，以后选取因子的特别注意，一定要选取可被量化的，否则无法形成划分用户群时的边界。（顺便说一个小窍门，因子的选取，尽量不用兴趣或者意愿等描述心理活动的词，而采取描述行为的词，比如阅读时间，比如购买金额等，就会避免类此问题了。）

2.1.3 因子选取过于细碎。

有不少同学的用户调查是做的在线阅读。选取因子时，按照惯例，一个是年龄，另一个就麻烦了，写了一堆，一会儿用阅读文章长短，一会儿又用如阅读时间，发现还是不能精准划分用户群，又加上书籍类型等，搞的很复杂。

这就说明因子选的太细了。用一个很细小的标准进行区分，那样的话，划分出来的用户群数量很多，而且特征很杂。的确，对用户群划分，就是为了找到典型用户，特征越明显越好，但是不代表特征越细节就越好。因为特征越细节，就说明用户群的人数越少，比如你选定读书一小时，文章不超过500字，还限定流行小说，那划分出来的用户肯定有高度一致的特征，但是这样的用户群满共不超过200人，根据200人设计的产品，都不用考虑什么商业模式，单凭人数就知道开发产品是不现实的。因为首先找到这200人就不容易，另一方面，这200人有多少愿意掏钱你也不知道。

所以，应该通过对这些细节进行整合，找到它们的交叉点。只要认真思考，就会发现无论是读书时间还是文字个数，都跟读书类型高度相关，比如流行小说字数一般不会超过50万字，读的时间不会超过3天。那就可以之间按照书籍品类进行用户群划分，在各个用户群下面再根据读书时间和字数进行细标记。

2.1.4 因子选取属于同一类别。

选取因子的时候，之所以最少选择两个，就是希望通过至少两个维度，对用户群进行划分。但是有的同学选取的因子，本质上是同一维度的。比如一个同学做的是商品配送调查，他选取的因子是，起运费和配送费。这两个因子也确实能对用户群进行划分，划分出来的用户群也确实有不一样的特征，但是这些特征本质上没啥不一样，比如有人喜欢配送费高而起运费低，有人则喜欢配送费低而起运费高，他们本质上无非就是希望钱能少掏一些而已。还有类似的比如，做在线教育调查的，选取因子是目的性和功利性，或者目的性和有效性。他们本质上都是希望学习进行的又快又好。以此为因子，所区分出来的用户群其实没有什么本质区别。

所以选取因子的时候，务必想明白因子背后的行为逻辑是什么。如果是同一逻辑下的不同行为，那就算是被选做因子，其意义也不是很大。比如配送的案例，完全可以选择配送费用和配送时间作为因子，费用反映的是用户经济承受能力，而时间则是用户等待的迫切程度。完全不在同一逻辑之下。类似的，在线教育则可以换成 学期长短和学费高低。

2.1.5因子选取的过于死板

不少同学没有深入思考，就直接套用课程所给的模板，甚至把因子硬套了事。比如一个同学很有特点，观察到写字楼早上因为大家都着急上厕所，所以导致厕所坑位短时间相对不足，以此为现象做了一份用户调查，其中一个因子选取的是内急程度。这就有点搞笑了，都内急了，还有着急程度比较低的么？那些内急程度比较低的人，本来不想上厕所，但是看着厕所围的人比较多，所以非要跟同事争一下，宁愿闻着厕所臭气，也要坚持在旁边排队的么？又或者有人忍了15分钟，而有人忍了30分钟，所以忍30分钟的就一定比忍15分钟的急？你确信如此用因子硬套的方式对用户群进行划分，不是胡闹么？

所以用因子进行划分时，不见得一定非要用优良中差或者从小到大等方式划，比如用对购买图书进行用户调查，就没有同学用书籍字数当因子，进行用户群划分的。

2.1因子总结

从以上因子选取的典型问题当中，就可以看出，不少同学并没有理解因子的含义。因子本质上应该是触发用户面对相同需求时，做出不同选择的原因。但是这样的因子太难找了，而且，就算找到了，有时也不容易进行量化。所以退而求其次，因子的选取也就变成了能把用户群划分成特征明显的不同子用户群的标志。

因子的选取必须是非常慎重的事情，因为因子如果选取错误，就会导致用户群划分错误，进而导致不同用户群的特征总结错误。那么，基于此而如此完成的用户调研报告，就只能得到没有任何实际价值的结论。所以选取时一定要慎重。

2.2 用户调研

2.2.1 在线问卷与面对面用户交谈的异同。

不少同学可能是比较忙，或者没有做过面对面的街头采访，拉不下脸来，因而采取了比较先进的在线调研问卷，而且一般在线调研都会有相应的数据分析，然后把饼状图，条形图一截屏，贴到作业里就算完事。其实这是很错误的，因为根本没有弄明白这两种调研的含义。

在线调研，因为只能被动的设计问题，而设计问卷的人，往往都不是什么资深用户，所以设计的只能是一些常规的没有深度的问题，因此得到的问卷结果，很大程度上只能表现或者验证通过因子划分出不同用户群体的行为特征，并没有办法深入的了解用户的实际需求和原因。有少不同学意识到这个问题，所以还设计了开放性问题。但是一样效果不大，且不说很少有人愿意写，单是因为在线答题状态往往注意力比较分散，很难进行认真思考，写出的答案可信度就比较低。

所以一般在线调研问卷并不能得到很多有效结论，它其实是帮你快速了解用户群整体状态与结构的手段。

面对面的用户交谈，则因为可以不断的进行追问，从而得到不少有价值的信息，但通过单个用户访谈得到的结论，不一定适用于其他人。

所以用户调研，最好是将问卷与用户交谈相结合。这样就可以同时保证深度与广度。

2.2.2调查的人数。

有不少同学直接在总结里写道，因为填卷的人数太少（通常只有二三十人）所以，所得到的结论没有普遍意义。

这是因为不明白用户调研的意义。

按照统计学的规定，所得数据确实必须是大量的而且是完全随机排布的，才能进行相应的数据分析，因为这样的数据可信度比较高。但是按照这样的调查分析得到的是普遍意义结论，是进行全社会摸底的调查，数据基本上都是按照严格的统计规则进行分析，进而得出的是科学结论。

可咱们进行的不是这种调研，咱们的调研很大程度上是为了挖掘不同用户群的需求。所以它并不需要完全按照统计学所设定的标准进行。因为它只要能得到有效结论就够了。如果你是某一领域资深用户，你甚至都可以不用进行大规模调研，就可以直接写出调研结论了，它一样有效，而且指不定比一般人调研的结构更有效。

更可况，你希望有成千上万人来认真填写你的问卷，但实际上可能有几百人填就算非常多了。如果执意追求大量的人数，就会把调研的时间拉的比较长，也许得到的结论很正确，也很有效，但是早就过了时效期。根据此类结论所涉及的产品可能早就垄断市场了。因此，单单讨论结论是否正确有效，有时会显得不太明智。

当然，这么说并不是意味着人数不重要。只是方法要变一变。比如有的同学进行的投资方面的调研，你很直观的感受到，收入越高，投资意愿越强，你只需要随机找到几个典型用户，然后调查，如果结论符合你的假设，那写出调研结论就可。如果不符合，思考为什么，然后重新调整假设，然后继续调研。

所以调研结论的有效性，不是靠人数来证明，而是靠逻辑。

2.2.3 调研问卷的设计。

有不少没经验的同学，做面对面交流时并没有提前设计好调研问卷，所有虽然访谈记录写了不少，但实际上有价值的信息很少。而另一类同学则是完全按照事先设计的问卷一个个的问，无论是谁，并不做相应调整，问完记下了事。

这都是不对的。

调研时最好有事先设计好的问卷，但是问的时候则不要完全拘泥于问卷。问卷的问题，说白了就是自己根据经验事先判断出来的信息关键点，所以一定要问。但是问卷是死的，人是活的，如果在问的过程当中，你发现用户说出了你不知道或者没有意料到的事情，应该赶紧追着问这条线索。也许就会发现可能是自己问卷设计错误，或者发现别的更有价值的信息，从而得出独特结论。

问卷的设计，本质上是为了获得更有价值的信息，而不是问卷本身是否合理。没有必要在问题设置的细节上想太多。问题的不同问法，固然会导致回答有所不同，但肯定不会出现本质上的不同，如果真的出现了，那是问题本身没弄明白，也不是语序等细节问题。

更重要的，每一个问题的背后，都应该包含你的思考，问卷的答案，都应该是你想要得到信息。它应该是你推理过程当中的重要一环，否则，没有必要设置。有不少同学问卷开头先问姓名年龄职业等私人信息，且不说人家愿不愿意真实填写，就算得到了，你通过问题收集到的信息，跟你调研的方向基本没什么关系，分析它们什么有价值的结论都不会得出。信息的收集自然是越多越好，但前提是相关的，如果非相关，所进行的不仅浪费人力物力，而且在分析的时候还容易误入歧途。

2.2.4调研结论

用户调研时，到底采用什么方式，分析时采用什么高级工具，其实都不重要，重要的是得出了怎样的结论。

如果只是得到了只是一些通过常识进行推理就可以判定的结论，那调查的越细致，分析的越透彻，其行为就越失败。因为调研的目的，就是为了获得有价值结论，而不是别的。

有价值的结论往往是建立在数据和经验分析的基础之上。所以自己对结论的思考和解释，其实是更为重要的。

不少同学，饼状图折线图弄了一堆，却没有写下自己对结论的思考和解释，有点买珠还椟的意思。望下次注意。只有一个同学，每对一组数据进行分析，就会就写下一条对数据的理解和解释，从而得出不少有价值的结论。

有价值的结论，往往是有深度的，要么能对用户群的某些特征行为进行深入解释，或者比较独特的，就是虽然现象大家经常见，但是很少有人仔细去想背后是什么原因。

2.2用户调研总结

用户调研，其实就是针对不同的用户群做的更详细更认真的调研，本质上是为了更深入的了解用户群特征的原因与需求，从而为下一步的产品构思提供出发点和支撑点。模板当中所写的典型用户A 产品A，是希望大家通过对某一类用户群的分析，选出其中一个典型用户A，然后根据对他的分析，设计出产品A，或者找到他所需求的产品A，然后逆向分析，为什么他会喜欢产品A。不少同学答题时，直接按照作业一的需求场景路径进行分析，不是说这么分析不对，而是如果不了解问题设计原理，就硬套分析模板，得到的结论往往是没有任何价值的，而如果得到的结论是无意义的，那无异于判定整场调研是无用功。

同学们应该谨记。

3 产品的构想或者产品的改进

这本来也应该是包含在用户调研问卷当中的，因为通过用户调研得出的结论，本质上就是为了能够提出产品的构想或者改进。

但是大部分同学都没有意识到这个问题。所以绝大多数人都没有写。