用户研究方法课后练习

1. 用户研究的用户研究的步骤与方法

方法：
访谈法（用户访谈、深度访谈）
背景资料问卷
目标：
目标用户定义；
用户特征设计客体特征的背景知识积累； 方法：
验前问卷/访谈、观察法（典型任务操作）
有声思维、现场研究、验后回顾
目标：
用户细分；
用户特征描述；
定性研究；
问卷设计基础； 方法：
单层问卷、多层问卷；纸质问卷、网页问卷；
验前问卷、验后问卷；开放型问卷、封闭型问卷
目标：
获得量化数据，支持定性和定量分析 方法：
常见分析方法：单因素方差分析、描述性统计、聚类分析、相关分析等数理统计分析方法；
另：主观经验测量（常见于可用性测试的分析）；Nols操作任务分析仪、眼动绩效分析仪；
目标：
用户模型建立依据；
提出设计简易和解决方法的依据 方法：
任务模型；思维模型（知觉、认知特性）
目标：
分析结果整合，指导可用性测试和界面方案设计

2. 超实用的用户研究方法

      真实的用户可能是个圆形，但是产品经理对用户的定义可能进行了一个变形，可能是个椭圆形，但是产品经理了解到的定义已经开始变形了，到最终我们实现开发之后的效果可能和真实的用户差别很大。那么用户研究的意义就是最大限度的接触到真实的用户，最大限度的还原我们的用户。让产品更符合用户的使用习惯。

下面介绍三种比较常用的用户研究方法，把需要注意的问题，实际操作的步骤跟大家分享，这些都是在项目中很通用也很大概率遇到的使用方法。

态度类信息：满意度调研、内容偏好调研

行为类信息：行为习惯调查、使用情况调查、需求挖掘

意见类信息：产品功能、服务、售后等意见反馈

Q : 为什么一定要包含被访者的基本信息问题？划分人群，核心用户是什么人口学信息的

Q : 为什么要把基本信息题放在最后？

       建议放在后面，在用户填写问卷的时候，调研产品满意度，但是开头就让填写年龄、性别、收入、职业，突然就觉得像是在查户口，明明调研满意度，为什么问些不相干的问题，用户警惕心就起来了，所以建议开始做一些简单的行为类的问题，然后把基本信息放在最后面。把前面的所有信息都填完后，他会觉得我知道你是干嘛的，再放一些基本信息题，用户就会更容易接受。

       行为类的、事实类的问题（APP的使用频率/时长）放在前面，主观类的放在中间，基本信息放在后面。由浅至深，再到隐私问题。

1.APP使用频率/时长

2.APP常见功能和使用场景

3.APP使用体验评价

4.APP新增/优化建议

5.用户基本信息

问卷的题目最好不要超过 30 个！15-20个是合适的题目数量，人口学信息要3题，主体问题占10个左右。

       询问有没有这种需求？需求的频率和深度是什么样的？需求强烈不？如果需求强烈，愿意花多少钱解决这个需求？目前这个需求有没有被别的竞品满足？如果没有满足，是哪方面没有满足？这一些列问题投放出去，可以帮助我们衡量商品投放出去，他能够买的几率有多大。但是如果直接问买不买偏差会非常大。把需求拆分成不同的细节去验证。

       满意度梯度很明显，非常满意   比较满意  一般  不太满意 非常不满意，用户看起来会很顺。会知道自己会属于什么程度。

       问答题回收率会很低，选择题思考成本会低。调研10几个用户，基本能覆盖大部分问题，把问题罗列出来，让他选择，如果没有包含到的加一个其他。

        基本上每个问卷前都建议大家做个访谈，如果没有充分的调研，有50%的人都选了其他，根本不知道其他是什么，如果其他占比很多，说明事先没有做充分的准备去做这个问卷。然后不得不再做一个调研和访谈，来问问这个其他是什么。所以不如把访谈前置，把所有的选项列举出来，避免让太多的用户去选其他。当你发现把很多问题都列举出来，选其他的可能只有百分之几的时候，就说明你对用户足够的了解。

用户会懵，会思考，第一到底和用户没有建立新人关系，会关掉。

        每个流程都需要跟业务方反复去对，包括做项目之前小组之内要讨论的非常清楚，现在有什么问题我们是不知道的，这次问卷要帮我们解决什么问题，可能影响因素，先去做几个访谈，先去看一看。比如做新项目，对背景人群都不太了解，直接去设计问卷可能不知道是为什么。问了之后，选项也不知道怎么设置。

选项超过 6~7 个的时候，可以考虑设置选项随机排列

Q：您使用过哪些导购类的APP？

A.拼多多B.折800 C.返利网D.什么值得买

E.卷皮F.一淘网G.蘑菇街H.其他

在选项不能完全列举的情况下，需要添加“其他”选项

Q：您在使用分期的时候有哪些不满？

A.申请麻烦B.申请额度低C.分期利息高D.担心忘还款E.商品价格比市面高F.其他

选项超过 10 个，需要设置先选个数，一般设置为3个或5个。

Q：您在使用分期的时候有哪些不满？

A.申请麻烦B.申请额度低C.分期利息高D.担心忘还款E.商品价格比市面高F.其他

当出现“以上都不是”“我不知道”“没有我想选的”等选项，当出现这类选项时，需要设置互斥选项

Q：您在网上缴过哪些生活费用？

A.电费B.水费C.燃气费D.宽带费用E.都没在网上交过

当问题只针对选择了某个选项的部分用户，需要给题目设置出现条件或跳转逻辑

Q：您使用过以下哪些产品？

Q：您认为拼多多有什么优势？

1.初稿完成后，需要使用问卷至少对1-2个用户进行试访谈

2.试访中可能会出现很多问题：

• 问卷问题有歧义

• 缺少选项

• 题目逻辑不对

投放合适的人群

•投放群体与目标群体一致

•抽样需要配比

回收多少份问卷才能代表整体？

1.看总计数据，确定总趋势

2.对比、对比、对比，找差异

•不同人群之间

• 不同机型之间

• 不同竞品之间

•……

Q：用户升级系统的动力是什么？       

A：新版本要有更明显的更新和性能的超越

开发版VS 稳定版

发现稳定版用户更担心卡顿、不稳定的问题

为什么？对比机型内存，发现稳定版用户配置不如开发版用户，容量较小

用户访谈的小技巧

先让用户主动回答潜意识的答案，

如果用户不知所错，再给出参考选项

提前准备每个问题可能的假设答案，直到挖掘出用户本质需求

然后呢

用户访谈之后可以做什么

人物角色

在各大互联网公司，被认为是最具价值的研究方法

可用性测试是指让用户使用产品(服务)的设计原型或者成品，通过观察，记录和分析用户的行为和感受，并加以 分析，用以改善产品(服务)可用性的一系列方法

可用性测试提供了这样一种简单直接的沟通方式。通过这种方式获得用户反馈，并以此为设计依据迅速调整产品功能乃至产品方向。

小到一个图标的辨识，页面导航，功能使用，大到某项业务的办理，都可以拿来做可用性测试

• 影响任务完成的行为

• 导致用户“偏离航线”的行为

• 用户表达出来的挫败感

•没有看到本该看到的内容

• 用户自己说已经完成任务但实际未完成

• 导致任务偏离成功完成的操作

•对内容的错误理解

• 使用网页导航时，点击了错误的链接

5-8 个

明确这是这是一个定性研究，根据尼尔森关于可用性测试的数据研究，5-8人便可以找到产品80%以上的可用性问题；

任务成功率=(完全完成的用户数+求助后完成*0.5)/用户总数

版本改进比较：优化前用时VS优化后用时

不同任务的效率水平：用户的平均用时/熟练用时所得的倍数

产品规划：访谈法、问卷调查法

设计开发：kano模型、可用性测试

上线效果：NPS、可用性测试

3. 用户调研的定性与定量方法

笔记： 用户调研方法论：定性研究与定量研究

产品设计中，起决定作用的是研究思想和研究方法

产品的理想迭代过程：

定性和定量、行为和态度

探索性研究，确定用户的需求。定性方法是非结构化的、主观的、科学性较差的研究方法。样本量较少，用户直接收集用户的某些行为和使用习惯。

了解用户的核心需求，访问者应该具备相应的同理心、社交技巧和自我意识。

找一个相对舒适的环境与受访者进行访谈，让受访者放轻松，这样让受访者分享真实的想法。

用户访谈分为：

在进行用户访谈的时候建议选多一名成员作为记录员。

用户访谈优点：
不仅能从受访者的语言中获得信息，还能从他们的肢体语言中看出他们对产品的使用感受。

情境访谈是一种半结构化访谈方式，访问者在用户的工作或者生活环境中与受访者交流，以确定受访者使用产品的操作行为和感受。（如一些纪录片在受访者家里进行访谈）

情境访谈遵从以下四个原则：

情境访谈优点：
在用户的实际工作环境和实际操作中，观察用户的使用习惯、需求和痛点。

卡片分类法是建立信息架构的有效方法。卡片分类法由把单词或短语写在不同的卡片上而命名。注意确保卡片顺序打乱，确保不会对用户行为造成影响。让受访者单独或集体地将卡片进行逻辑分组。通过要求受访者命名各个分组，可以发现用于导航标签的单词或同义词。尽管有在线工具支持线上的卡片分类练习，但观察和倾听用户的辩论分组可以给你提供有价值的信息，让你了解用户的思考方式。

测试、验证假设，需要大量样本，间接收集用户的行为和态度。

访问者与受访者缺少互动，容易遗漏用户的行为。

Google Analytics

A/B测试实践总结

一个项目做出两个方案，让一部分用户使用A方案，另一部分用户使用B方案，记录用户使用情况。

比如手机的某个功能的按钮是红色还是蓝色，放在上面还是下面，使用A／B测试比传统的讨论更有效。

不同的用户在他的一次浏览过程中，看到的应该一直是同一个方案。比如他一开始看到的是 A 方案，则在此次会话中应该一直向他展示 A 方案，而不能一会儿让他看 A 方案，一会儿让他看 B 方案。

A／B测试核心思想：

不过AB测试并不能说完全靠谱：
为什么大多数的 A/B 测试都不靠谱？