用户研究方法视频

A. 用户研究方法之问卷法

调研方法的选择对调研目标的达成影响很大，使用错误的调研方法很可能会得不到想要的答案，所以选择合适的调研方法尤为重要。那么问卷法适合什么样的场景，而对于哪些情况又不适合呢？

适用于： 调查用户的使用目的、态度和观点，例如：

1. 在产品进行重要改进之前，使用问卷让用户评估现阶段产品的满意度，以便后续改进设计；

2. 先定性研究（如访谈、焦点小组等）得出结论，再使用问卷去验证先前的结论；

3. 通过制定一些基本的客观题目（如手机使用习惯、经历等问题），研究现有的用户构成，用于筛选合适的目标用户进行深入访谈。

4. 价值观调查，安排在大型市场营销活动之前，目的是确定产品描述和促销方案。

不适合： 探索用户新的、模糊的需求

首先需要明确调研目标是什么，此次调研的目标用户是谁，然后结合以上问卷法的适用性原则，确定问卷法的实施范围。

确定使用问卷法后，开始进行日程安排，举例如下：

（1）头脑风暴

在确定使用问卷调研的方法后，需要开始头脑风暴提出的问题了，为了问题可以更好地契合调研目标，我们需要了解目标的类型和问题的类型：

A. 目标类型

目标类型分为描述性目标和探索性目标，描述性目标往往是建立受众的背景资料，通常通过相对独立的问题可以达成。但是探索性目标往往需要通过一系列相关联的问题才能得意实现。

B. 问题类型

问题类型主要分为三种，分别是特征类型、行为类别和态度类别：

a. 特征类别：描述用户是谁，他的硬件和软件环境如何？

    人口统计学：了解调查对象的概况，年龄职业？

    技术问题：用户拥有的技术情况和相关经验，他们用什么手机？在管理网上隐私设置方面有多熟练？

b. 行为类别：刻画用户的行为表现。

    技术运用：如何使用您关心的技术，他们每周上网频率是多少？

    产品使用：什么产品功能是用户想使用的？

    竞争对手：用户都访问什么其他网站？

c. 态度类别：探究用户的想法和信念。

    满意度：他们喜欢您的产品吗？我们的产品是否具备他们想要的功能？

    偏好：您的产品最吸引他们的是什么？

    希望：他们想要什么？他们觉得缺少了些什么功能？

特征数据最为稳定，不会经常变化，可研究价值较低。 行为数据 和 态度数据 对于研究较为有价值，但会容易因时间变化而变化，因此条件允许的情况下最好隔一段时间进行一次调查，提高研究的准确性。

（2）制作问题列表

头脑风暴结束后，我们需要制作一份问题列表，问题的答案选项应该要具体、详尽且相互排斥。

问题列表如下图：

就这样问题设置结束了，下面就要开始进行问卷的设计了。

（1）问卷结构

典型的问卷主要分为导言和正文两大块，而正文部分又可以细分为开头、中间和结尾部分：

导言： 导言是整份问卷的全局说明，所以在问卷调查正式开始前，需要将此次调查的目的、调查时间、以及调查是否匿名等方式加以说明，如果有奖励也请表明，可以提前给受访者一个心理准备。

正文：

（2）问题设计原则

A. 问题简洁和明确的需要相互平衡：

您第一次使用XXX（不一定是目前最常用的这个）是什么时候？——稍微牺牲了“简洁”，但是更“明确”！

B. 问题态度中立、无诱导性

C. 选项互斥

C. 选项包含所有的可能

可以设置【其它________】选项 ，以确保用户始终可以作出选择；同时，选择【其它_______】选项的比例高低也反映了选项设置是否全面。

D. 选项表述易于用户理解

询问用户使用的手机操作系统时，选项“iOS（iPhone）、symbian（塞班）”就比“iOS、symbian”更容易理解，虽然前一种表达貌似不伦不类。

E.选项尽量具体，例：

F. 选项表述态度中立、无诱导性

G. 选项随机顺序呈现

H. 一个问题中不要包含多个问题，如果需要请拆分

I. 问题避免极端化

J. 创建后续跟进问题

K. 包含退出选项

（1）确定调查样本和数量

为了得到大量的样本，且希望数据质量较高，问卷本身就会受到限制——题量要偏少。实际工作中，将问卷总题目数控制在25题之内，平均答题时间不超过300秒（来自《用户研究之问卷调查法》）。

控制好样本的数量，以下是参考《洞察用户体验》给出的人口差异与样本量的关系：

假设标准误差5%可信度95%，正常的人口差异：

1000人口=150样本量

10000人口=300样本量

100000人口=800样本量

（2）尽量避免偏差

问卷里的偏差在所难免，以下偏差需要考虑在内：

抽样偏差： 样本与目标受众偏差，例如：回答闪电送问卷的都是90%是女性用户；

不回复偏差： 有一部分人总是忽视您的邀请，例如：没有注意到问卷banner 的用户；

时间偏差： 邀请的人参与调研时间会影响回答方式。例如：想知道是否喜欢送礼物给父母，在父母亲节前，答案可能不一样；

持续性偏差： 有些用户持续一周都在加班没时间访问XXX APP，在进行调查的时候可能会错过这部分用户；

邀请性偏差： 例如优惠券力度不够，可能会损失这部分“势利”的用户；

自主选择偏差： 有些人就是不想做问卷，或者就是图优惠券随便填写问卷；

呈现性偏差： 问卷的外观、长度、问题设置可能会让部分用户拒绝填写；

期望性偏差： 用户可能填写问卷时发现与自己自身情况部分而拒绝填写问卷。

（3）选择适合的邀请方式

日常问卷的活动中可以考虑采取以下的邀请用户方式：

邀请链接（BANNER、微提示）： 优点成本低，不唐突／缺点是严重的自主选择性偏差。需要检测页面浏览率（pv）跟问卷填写率，算出回复率。如果回复率低，就不具有代表性。

电子邮件／短信： 联系到的都是老用户。

打断式邀请： 在用户浏览网页时候打断用户，让用户注意到问卷，为用户编号，根据编号抽取，确保样本随机性。

电话、面对面和标准信函调查。

收集到问卷结果后我们可以着手进行问卷分析，并且分析结果。

（1）计算（年龄、收入）

平均数、众数、中位数检测是否受极端数值影响？

标准的是正态分布状态，若出现双峰分布（众数与平均值相差大），需要进一步分析。

（2）比较

交叉制表： 通过两个问题的答案合成一份表格，发现更有针对性的问题，例如：

问题1：您看美妆类视频的频率是？

问题2：您通常喜欢看哪中类型的美妆视频？

通过交叉制表的方法，我们可以得出结论：单个商品推荐对于经常看和偶尔看的用户来说吸引力差不多，化妆教程的话，对于偶尔看的人吸引力更大。

（3）整合

有时候问题里某些选项填写的数量远远少于其他选项的数量，我们可以把它们看作一个整体，从而减少干扰，例如：

问题：您的收入是多少？

这部分可以组合成一个大组8000-20000的人的占比

（4）总结误区

有时候我们总结分析结果的时候会有一些误区，应该尽量避免：

两件事情的发生时间相当接近并不足以说明两者有因果关系 ： 有一群人都很喜欢一个产品并经常会用，并不足以表明喜欢产品能让人更多使用它，也不足以表明频繁使用能让人更喜欢它。例如：微信、公司的邮件。

不细分人口子群 ： 有时看似简单的趋势，实际上是多个不同用户人口趋势共同的结果。例如：问卷一半满意一半不满意，不代表这个产品做的中等，要看回答的分布情况——即什么年龄群的人会觉得满意，什么觉得不满意，是否主要的目标用户都觉得不满意？可以利用交叉分析。

用事实混淆观点 ： 问卷调查的结果通常知识用户的观点，而不是事实。有关行为的问题基本都不能预测实际行动，人们诚实地认为他们可以预测自己要如何，但是他们心理状态和面对心理状态的恐惧使其真正遇到这些情况时不那么做。

（5）解释调查数据的时候必须考虑以下几点

人们什么都想要， 问卷不能确定普遍认证的特性组合，但是能够告诉您人们如何确定特性的优先级别和看重哪些特性。

人们会夸大其词， 想要表现理想中的自己。

人们即使对答案没有强烈的感觉，也会选择一个， 所以要设置退出项。

人们总会爱猜测调查的意图， 不提引导性的问题。 例如：你赞成在XXX APP卖成人用品吗？

人们会撒谎。

如果想了解用户的价值观及其原因，访谈（知道背后的原因）、焦点小组和实地研究（了解用户的行为）都是不错的工具。

跟踪调查 ： 定期以相同方式调查，可以跟踪了解产品用户的变化。

精化调查 ： 如果已经确定用几个核心特点来定义用户群，就可以进行更多的调查，提出更多问题来加深了解。

前/后调查 ： 改版前后做相同的问卷调查，可以揭示出用户观点和用户人口构成的变化。

摘要：调查问卷法是一种常见的定量研究方法，因为其成本低、操作性强，所以被广泛使用。本文主要讲述了问卷调查的适用场景，以及做一次问卷调查的所需的步骤，同时详细阐述了问卷调查各个环节需要注意的事项。

摘要：文章主要从what，why，when，how四个角度去阐述什么事调研问卷法，为什么使用调研问卷法，什么场景下使用，以及如何落实调研问卷法。

摘要：文章总结了问卷调查设计的一些细节以及主要设计内容，分享给大家，希望给大家工作带来帮助。

B. 如何开展定性与定量研究

所谓定性研究，是指对一小部分人群进行个体或集体调研，了解他们的想法、意向、动机和观点，收集用户的初始需求以及对于创意和概念的第一反应。通过分析无序信息探寻某个主题的“为什么”，而不是“怎么办”，这些信息包括各类信息，如历史记录、会谈记录脚本和录音、注释、反馈表、照片以及视频等。具体目的是深入研究对象的具体特征或行为，进一步探讨其产生的原因。如果说定量研究解决“是什么”的问题，那么定性研究解决的就是“为什么”的问题。”

通常，作为一个新产品，策划者在上市前会面临很多困惑。比如，它应该卖给谁，它的产品利益点是什么，这些利益点消费者是否需要，他们愿意花多少钱来买这些利益点，消费者对这个新产品有何看法，他们会不会喜欢这种包装、款式……为什么？这么多问题，策划者在办公室里开个会、上网或者拍个脑袋是不能解决的，只有通过控制得当的定性研究，才能获得这些问题的正确答案。

定性研究大多是采用参与观察和深度访谈而获得第一手资料，具体的方法主要焦点小组、客户现场访问、人种学，消费者检测组等方法，如图3-7所示。其客户现场访问，是定性研究中经常用到的一种方法。客户现场访问的优势在于，不仅能观察到被观察者采取行动的原因、态度、努力程序、行动决策依据。通过参与，研究者能获得一个特定社会情景中一员的感受，因而能更全面地理解行动。然后通过对观察和访谈法等所获得的资料，采用归纳法，使其逐步由具体向抽象转化，以至形成理论。

图3-7 定性与定量研究方法矩阵

与定量研究相反,定性研究是基于“有根据的理论”为基础的。这种方式形成的理论，是从收集到的许多不同的证据之间相互联系中产生的，这是一个自下而上的过程。定量研究主要以数据、模式、图形等来表达；定性研究结论多以文字描述为主。定性研究是定量研究的基础，是它的指南，但只有同时运用定量研究，才能在精确定量的根据下准确定性。

所谓定量研究，是指定量研究是指确定事物某方面量的规定性的科学研究，就是将问题与现象用数量来表示，进而去分析、考验、解释，从而获得意义的研究方法和过程。定量，就是以数字化符号为基础去测量。定量研究通过对研究对象的特征按某种标准作量的比较来测定对象特征数值，或求出某些因素间的量的变化规律。由于其目的是对事物及其运动的量的属性作出回答，故名定量研究。

史蒂文斯（S. S. Stevens）将定量研究的测定尺度分为四种类型，即名义尺度、顺序尺度、间距尺度和比例尺度。

名义尺度所使用的数值，用于表现它是否属于同一个人或物。例如，给属于特定群体的事物编号（男女、职业、区域等）。

顺序尺度所使用的数值的大小，是与研究对象的特定顺序相对应的。例如，给社会阶层中的上上层、中上层、中层、中下层、下下层等分别标为“5、4、3、2、1”或者“3、2.5、2、1.5、1”就属于这一类。只是其中表示上上层的5与表示中上层的4的差距，和表示中上层的4与表示中层的3的差距，并不一定是相等的。5、4、3 等是任意加上去的符号，如果记为 100、50、10 也无妨。

间距尺度所使用的数值，不仅表示测定对象所具有的量的多少，还表示它们大小的程度即间隔的大小。不过，这种尺度中的原点可以是任意设定的，但并不意味着该事物的量为“无”。例如，0°C 为绝对温度273°K，华氏32°F。

比例尺度的意义是绝对的，即它有着含义为“无”量的原点0。长度、重量、时间等都是比例尺度测定的范围。比例尺度测定值的差和比都是可以比较的。例如：5分钟与10分钟之间的差和10分钟与15分钟之间的差都是5分钟，10分钟是2分钟的5倍。比例尺度可以进行加减乘除运算。

定量研究依据的是调查得到的现实资料数据，运用经验测量、统计分析和建立模型等方法得出研究结论，主要包括A/B测试、试销、调查问卷、大数据分析等。最常使用的定量研究形式是“问卷调查”，通过对大量用户的调查得出可信数据结果，用于预测一般用户的反馈。定量市场研究可用于判定一些重要指标，包括不同用户的需求的优先级、现有产品性能等级和满意程度、试验的可能性、二次购买率和对产品的喜好程度等。这项技术可以减少产品开发流程中的诸多不确定因素。

近年来，随着电子计算机的推广和应用，量度设计和计算技术的改进和发展，使社会统计法日臻完善。因而，定量研究在社会学中的运用越来越普及。定量研究的特点是具逻辑的严密性和可靠性，它推导出来的结论通常是十分精确的。但是，在具体运用时，必须要有正确的理论观点作指导，把定量研究和定性研究有机地结合起来，而绝不能主观地割裂量和质的关系，避免孤立地、片面地和静止地分析和研究问题。

C. 如何学习数据分析

【转自网络】
首先，我要说的是我觉得你是一名在校大学生！Data Mining不是你想的那么简单，他不单单和数学有关系，还包括了计算机领域的诸多学科。还有社会工程学、逻辑学等文科和理科的交叉学科！他是一门庞大的体系。你要是真想学我只能给你指条比较快的成才之路，后面的东西自己慢慢学都赶趟！慢慢充实自己！大学四年好好利用！学无止境！
既然是数据分析那你的高等数学必须要过硬，别着急这只是你的其他学科的基础课。其次是概率与统计，这才是正科，大学那点玩意就是糊弄人的，你要多看这方面的书。这个一定要学好！线性必须要会要精通。因为数据划分是数据挖掘里最重要的一个环节。这个就是线性范畴里的了。也要精通，学会线性分析你就发现你就学会了很多。数学有这三个底子就可以了。数学分析不要看了。因为那只是高数的延伸！
计算机你一定要懂。数据库你必须得学会。三大数据库ORACLE.SQL.MYSQL原理基本类似触类旁通！
还有就是培养你的思维，尽量缜密敏捷。这样才可以发现数据中的不同！因为有的数据挖掘是计算机处理的。有的则是纸面上的。所以必须学会记录
好了，就先这么多了。你学会了这几个就是你进军下一步的基础，这几个就够你学一阵子的了。
祝你好运哥们！
数据挖掘的起点很高——
1、统计学
2、机器学习
3、数学——图论，最优化理论等。
WEB上的数据结构更加复杂。
python语言————应该学习

抱歉，事情太多，如果不追着就忘了！我认为你作为企业员工对数据挖掘感兴趣，最主要的就是从应用和解决问题开始，所以我想把数据挖掘这个狭义定义的内容改成你应该对数据分析感兴趣，数据挖掘只是数据分析的一个重要工具和解决方法之一！
数量统计知识方面：我认为统计思想是数学在实践中最重要的体现，但对于实际工作者最重要的是掌握统计思想，其实统计理论非常复杂，但实际应用往往是比较简单的！比如，很多人都在大学学了假设检验，但实际应用中假设就是看P值是否小于0.05，但是H0是什么？拒绝还是接受的是什么现实问题；要理解！
掌握软件问题：从软件角度学，是非常好的思路，我基本上就是这样学的。我常说编软件的人最懂理论，否则编不出来，编软件的人最知道应用，否则软件买不出去；现在软件越来越友好，把软件自带案例做一遍，你会自觉不自觉的掌握软件解决问题的思路和能解决的问题类型；
数据仓库问题：OLAP和数据挖掘是数据仓库建立基础上的两个增值应用，从企业整体角度，数据挖掘应该建立在企业数据仓库完备的基础上。所以说数据仓库是针对企业级数据挖掘应用提出的，但我们应该记住，企业从来不是为了数据挖掘建立数据仓库，而是因为有了数据仓库后必然会提出数据挖掘的需求！现在随着数据挖掘软件的工具智能化，以及数据仓库和ETL工具的接口友好，对数据库层面的要求越来越少；
数学不好可能反应了一个人思考问题的方式或深入理解问题的能力，但数学不是工具是脑具，不断解决问题的过程可以让我们思考问题更数学化！
沈浩老师建议：
不急，一步一步来！先把本职工作中的数据分析问题理解了，干好了！
熟练玩好Excel软件工具，这个可以看《Excel高级应用与数据分析》我写的书，当然有很多Excel论坛和网站，从我的博客就可以连接到。
学习好统计分析方法，我不是单指统计原理，而是统计分析方法，比如回归分析，因子分析等，不断进入统计分析解决问题的思考方式；这个可以看看SPSS软件方面的书和数据案例，通过软件学习解决数据分析的统计问题，这方面的书很多，当然你也可以关注我的博客，不断增加统计分析方法解决数据分析问题的思路，自己对照着完成！
在上述问题有了比较好的理解后，也就是你应该算是一个数据分析能手的时候，开始进入数据挖掘领域，你会发现用数据挖掘思想解决问题具有智能化、自动化的优势，接下来，你需要考虑数据建模的过程，通过学习Clementine软件或SAS的挖掘工具，不断理解数据挖掘与原来的数据分析工具有什么不同或优势！
当前面都是了解并且能够得心应手后，你就要有针对性的掌握你工作所在行业的问题，例如：电信行业的解决方案问题：客户流失、客户价值、客户离网、客户保持、客户响应、客户交叉销售等商业模型，同时与数据分析和数据挖掘统一在一起的解决方案！
接下来，你应该掌握数据库的一些原理和操作，特别是SQL语言的方式
你到了这个阶段，就应该有全面解决问题的能力，比如挖掘出来的知识或商业规则如何推送到营销平台上等等
梳理自己的知识结构，不仅会操作，现在你应该成为专家了，要能够宣扬你的知识能力和领导力，当然也要表明你在数据挖掘领域的专业特长
要经常帮助同事和行业朋友，比如帮助解决数据分析问题，帮助咨询，甚至给大家讲课，这对你的知识梳理和能力的提高非常重要，你的自信心会更强！
有兴趣，可以建立一个博客或什么，不断写点东西，经常思考和总结
结交广泛的朋友！
关于入门的教材：
互联网，其实不用买什么书网络基本都有；要有好的搜索能力，当然包括搜各种软件！
SPSS和Clementine软件的说明和案例，都做一遍；
《数据挖掘——客户关系管理的艺术》
《调查研究中的统计分析法》
《Excel高级应用与数据分析》
《数据展现的艺术》