用户洞察认知篇

用研（用户研究）有两只抓手，一只是“用户体验”，另外一只就是“用户洞察”。
在我看来做用户洞察比做用户体验更有挑战性，因为用户体验研究有相对成熟、标准化的方法以及流程体系，更加清晰的产出成果与落地价值；而做用户洞察在方法论上相对无规可循，需要具体对待，最终的产出落地价值也难以清晰评估，这就导致用户洞察类研究项目质量参差不齐，缺乏一个好坏的评估标准。

要做好用户洞察，我们需要打破既有的认知，重新理解“用户洞察”，在这个基础上，再去持续探索如何做好。以下是基于个人既往项目经验的复盘分享，供参考。

#01 如何理解用户洞察价值

一、用户洞察价值“相对论”

这里首先提一个观点，那就是用户洞察价值是一个相对的概念。

用户洞察价值是相对于现有的认知水平决定的，而且是业务/需求方的认知水平。有价值的用户洞察一定是突破了业务/需求方现有的认知水平，刷新了其存量信息区域，通俗来讲就是给业务/需求方带来信息增量，这是做用户洞察所要秉承的最重要的原则。

我们很多时候做了一个用户洞察类项目，刷新了自己的认知，获得了信息增量，但是这些信息在业务/需求方那里是已知的话，就不算是有价值的用户洞察，那只能是自嗨。

所以，我们平时一定要多与业务/需求方进行沟通，同时时刻关注业务的动态，不断加深对业务的理解，保持信息同步。

二、用户洞察价值“动态论”

其次，“用户洞察”价值是一个动态的，变化的概念。

原本单纯依靠经验，业务/需求方的知识/信息积累是缓慢的，滞后的，更像是一种“随意发现”的状态，但借助用户洞察，通过“刻意发现”，业务/需求方的知识/信息的积累更加迅速，更加提前，认知曲线被改变了。

从“随意发现”向“刻意发现”的迁移，就是用户洞察的价值，但观察发现，“随意发现”认知曲线和“刻意发现”认知曲线曲率是不同的，由此不同时期形成的“Gap”也就是增量信息空间大小是不同的。

总体来说，在业务/产品生命周期的早中期，业务/需求方的“随意发现”认知曲线爬坡较慢，用户洞察能带来的信息增量更加高效，更有价值；随着业务/产品生命周期的成熟，业务/需求方的“随意发现”认知曲线也迅速爬坡，用户洞察能带来的信息增量减少，赋能作用减弱。

三、用户洞察价值“向量论”

**

我们都知道向量有两种重要的属性：方向和长度。人对一件事物的认知好比向量，同时有方向和长度。

比如，“消费市场价值：少女>儿童>少妇>老人>狗>男人”这样一个认知就是有方向的，少女的消费价值高于男人而不是男人的消费价值高于少女，同时这样一个认知也是有长度的，在少女和男人之间还有儿童、少妇、老人和狗。

如果业务/需求方对一件事物的现有认知是初始向量A，用户洞察带来的信息是向量B，方向相同，夹角为零，长度稍长，那么意味着只是在业务/需求方既有的认知方向下提供了更多信息细节（长度），用户洞察的价值是有限的。

如果用户洞察带来的信息是向量C，与初始向量A存在一定夹角，长度也更长，这意味着拓展了业务/需求方的认知视角同时带来了更多信息细节，用户洞察的价值开始凸显。

如果用户洞察带来的信息是向量D，与初始向量A方向相反，夹角呈现180度，也就是负向量，这个时候意味着完全颠覆了业务/需求方现有的认知，这才是用户洞察的真正价值所在。

我们在做用户洞察时，尤其要注意那些与现有认知/常识相悖的发现，排除极端个例和数据错误的情况，往往会有惊喜。

《洞察力的秘密》（美国，加里·克莱因）一书就记载了一个经典案例。霍乱病在最开始业界普遍认为是由恶劣的空气传播造成的，直到一个叫斯诺的人发现了一系列的相反的证据，他发现，就算都在呼吸恶劣的空气，有的人患上了霍乱，但有的人却安然无恙。斯诺进一步研究，最终发现霍乱的致病源是被污染的水源。

四、用户洞察价值“分层论”

**用户洞察带来的信息增量价值，从最终业务落地的角度来看，可以分为战略、战术、应用三个层面。

战略层面的用户洞察主要着眼于发现行业大盘人群的趋势和变化，多服务于决策者，比如“用户地图”类基础研究专项。

战术和应用层面的洞察差别在于业务/需求方能否根据提供的信息直接进行产品的设计或者改进迭代。例如通过调研发现，音乐APP的用户最看重版权资源，而某云恰恰在这块做得不好，也就是说版权资源是一个重要度高但满意度低的指标，那么某云未来需要优先扩充版权资源就是一个战术层面的用户洞察，具体扩充哪些方面的版权资源，是华语还是欧美，是周杰伦还是王力宏，这是应用层面的用户洞察。

我们很多的用户洞察研究项目止步于战术层面到不了应用层面，于是一些业务/需求方提出了所谓的“用研无用论”。为了避免这种情况，一方面在需求沟通时双方要达成一致，明确最后的用户洞察产出在哪一个层面，管理好预期；另一方面，做用户洞察时要努力多往前走一步，多走的这一小步，或许就能带来用户洞察价值提升的一大步。

#02 用户洞察包括哪些方面？

那么，有价值的用户洞察能带来哪些信息增量呢？

在我看来，用户洞察是建立在用户画像洞察，用户认知洞察，用户行为洞察三角基础上的以用户需求洞察为导向的洞察范式。

一、用户画像洞察

用户洞察的起点和原点，也即了解目标用户群体是怎样一群人，通过对目标用户群体特征的把握来间接获取用户需求信息的一种方式。

从目标用户的总体基本概况着手，包括人口学、社会属性、行为数据表现等，这里对应有个英文词是User profile，即用户档案，偏向于标签类的画像；再往深就是对目标人群的生活方式、价值观、动机等进行挖掘描摹，并通过人群的细分及丰富可以得到User persona,就是更加接近现实生活中真实的个人的一种画像。

现在抖音电商发展得如火如荼，越来越多商家入驻平台直播带货。平台会提供数据信息服务，包括用户性别、年龄等数据，这里面其实就涉及User profile，根据User profile商家可以及时调整自己的产品、运营策略。

汽车领域是最早基于User persona来进行广告营销的领域之一。奥迪的典型用户画像是领导者，所以“突破科技，启迪未来”更多代表的是这群人不断突破进取的精神追求；奔驰的典型用户画像是精英人士，所以“The Best or Nothing”背后代表的是这群人对对生活品质的极致追求。

一篇名叫《如何做好用户洞察，让产品设计深入人心？》（@汪仔2798）的文章提到一个根据用户特征来推导用户需求进而帮助设计产品的案例。豆浆机的用户，大多是四五十岁的女性，通过观察发现这些用户的衣着一定会有花，去正式场合会戴亮晶晶的首饰，她们更多通过装饰性花纹、亮亮的物件来彰显自己的身份、价值，也就是信奉“钱要花在看得见的地方”，这给产品的启发就是设计产品时要有一些花纹纹路，不能太素，另外最好加一些电镀件，亮亮的。

（这张图太经典，直接取自原文，侵权删）

用户画像洞察适用的场景贯穿整个业务产品生命周期，是最常见的一类洞察项目。

二、用户认知洞察

简单来说就是了解用户如何看待你的品牌和产品，以及如何看待你的品牌&产品所在的品类，有时候甚至还包括如何看待跨赛道的替代者/潜在竞争者。之所以要做这方面的洞察是因为我们的业务/需求方并不总是了解用户眼中的自己，二者的认知存在不一致，而用户认知洞察最重要的就是找到这种不一致以及不一致背后的原因。

《洞察力：让营销直指人心》（宇见）记录了一个线上高考社区运营成绩提升的案例。一开始在业务/需求方看来，这个线上高考社区的价值在于提供一些备考资料，组织大家交流经验和互相鼓励，后来经过调研发现，用户不只是把这里当做“备战地”，而且是派遣郁闷的“小广场”，因此如何满足用户疏导情绪、派遣压力的需求就是一个很有价值的洞察。这是一个典型的通过产品认知差异挖掘带来推导用户需求的案例。

易车研究院发布了一份自动驾驶用户认知洞察报告(2021版) 显示，车企追求的自动驾驶与用户眼中的自动驾驶，并不是一回事。调研发现，中国有将近一半的用户，不知道自动驾驶的分级标准（L0为无自动驾驶功能，L1、L2以辅助驾驶为主，L3、L4、L5以高级和完全自动驾驶为主），在用具体文字描述的调研中，有过半中国用户认为自动驾驶需要人工干预。

目前特斯拉、小鹏等相关车企，都在不遗余力推销各自的FSD、 X-PiLOT等高级自动驾驶功能，但从调研看，这些大而全的高级自动驾驶功能并不是中国用户的核心关注点，仅位列2021年自动驾驶关注榜第八，相对靠后。因此，深耕高级辅助驾驶，跟上中国用户的“慢节奏”，是这个品类认知洞察带来的落地价值。

用户认知洞察通常适用于业务/产品定位不清或者发展遇到困境/瓶颈的时候。

三、用户行为洞察

主要通过用户的产品使用行为习惯，以及反映用户生活方式相关的行为洞察来间接推导用户真实需求的方式。和用户认知洞察一样，业务/需求方并不总是了解用户的产品使用场景，使用用途等，努力去挖掘那些尚不为业务/需求方所知的，“奇怪的”使用行为是获得真实需求信息的关键。

举一个耳熟能详的海尔地瓜洗衣机的案例。海尔的维修人员发现一个用户的洗衣机老坏，原来这个用户拿海尔洗衣机来洗地瓜，泥土太多沉入了洗衣机的底部把出水管的地方堵塞了，维修人员直接把洗衣机的出水管扩大基本就没问题了，这事儿被海尔公司知道了，就推出了一款地瓜洗衣机，不仅可以洗地瓜还可以洗蔬菜等多种农产品。

《创新者的解答》（克莱顿·克里斯坦森）也有一个经典案例。一家快餐连锁企业想要提高奶昔销量，通过观察和记录消费者的消费行为，发现有将近一半奶昔是在清晨卖掉的，并且顾客通常只购买一杯奶昔，而且多半是打包带走。经过进一步调研发现，那些清晨购买奶昔的顾客是为了通勤路上打发无聊时间，他们并不饿，也就是说一杯奶昔的真实身份是通勤伴侣而不是早餐。

“今过年过节不收礼，要收只收脑白金。”就这一句广告词，响彻大江南北，脑白金作为保健品持续畅销了二十多年。如今回过头来看，它的成功其实也是建立在对中国子女过年买礼物孝敬父母、亲戚长辈这一生活方式行为的深度洞察基础上的。

四、用户需求洞察

与用户画像洞察、认知洞察、行为洞察不同的是，真正的用户需求无法通过直接询问获得，但凡是通过直接询问得到的，要么是品类/产品常识，要么是失真的，因为很多时候用户对自己的需求并不清楚，“需求是在感知到品牌/产品/服务价值后被激发而变得清晰的”（《洞察力：让营销直指人心》（宇见））。

比如我以前不怎么爱吃苹果，并不是因为觉得苹果不好吃，而是因为嫌吃苹果要剥皮很麻烦，直到最近刷抖音刷到一个水果自动剥皮机的玩意儿，类似我们小时候上学的铅笔转笔刀，我顿时眼前一亮，这就是我需要的东西，果断下单购买，体验很不错，吃苹果的频率明显提高了很多。

虽然用户需求无法通过直接询问获得，但是可以通过用户画像、认知、行为的洞察来间接推导，具体参考上述案例。

如果一定要通过询问，《洞察力：让营销直指人心》（宇见）给出了两种方法：

（1）从“用户痛点”和“麻烦”入手。用户可能无法直接说清楚自己需要什么，但“问题意识”可能是丰富明确的，经过合理“翻译”，就能转化成有价值的需求信息。

还是以吃苹果为例，我之前可能并没意识到我需要一个水果自动剥皮机，我压根不知道有这类东西存在，但我清楚的知道我的痛点在于吃苹果剥皮很麻烦，反过来我的需求应该就是能提供水果自动剥皮解决方案的产品。

（2）了解用户不消费、不使用产品/品牌/服务的原因。

这是因为用户对于自己为什么消费某产品/品牌/服务的原因可能是困难的，其中有很多潜意识因素连用户自己也不了解，但是与此相比，说清楚自己不消费、不使用却容易得多。

用户洞察行动篇

一个典型的用户洞察研究项目主要包括需求的沟通与评估，研究设计与执行，成果输出三个关键环节。

需求的沟通与评估关系着研究命题的价值，毕竟一个没有太大价值的研究命题也不会产生有价值的用户洞察；研究设计与执行是用户信息的收集过程，科学合理的研究设计与高质高效的执行可以为用户洞察打下坚实的基础；成果输出是对已获得的用户信息进行汇总解读，是对用户洞察的最终呈现。

下面从项目流程全链路优化的角度来谈谈如何做好用户洞察研究。

需求沟通与评估

要想确保业务/需求方的需求是有价值的，需要注意避免需求的碎片化，单点化。

1.1 对单个需求评估

用户研究人员经常会接到那种比较明确而具体的需求，但是也正是因为太过具体，局限于某一个小点，导致做用户洞察的价值不高。

这时候有两种选择，一种是评估完后不做，并从可行性和合理性两个角度说明原因；另一种是和业务/需求方一起就需求背景、业务问题进行进一步沟通，继而确定更合适的研究目标。

【案例】
业务/需求方：我们今年计划要对我们APP的图标进行升级，设计那边出了三个版本，能否请用户来测一下喜欢哪个版本？

【分析】
这个需求非常明确具体，但没啥价值，通过灰度A/B test就可以解决问题，但进一步沟通下来发现需求的背景是品牌重塑升级，那么改一下需求，了解用户对于APP图标升级的需求就有比较大的施展空间，包括挖掘用户对APP的品牌、产品认知、未来预期，这种未来的预期如何通过视觉体系（包括图标）来承载等。

1.2 对多个需求的评估

用户研究人员常常从多个业务/需求方那里接到很多临时性、碎片化的调研需求，这些需求往往只能解决产品某一个单点的问题，如果每一个都展开去做，不仅人力排期面临挑战，研究的范围也非常受限，导致能给到的信息增量非常有限，用户洞察很难有广度、深度和高度。
更加合理的做法是对这些临时性、碎片化的需求进行适当整合，提炼需求和问题的共性，并加以拓展。

【案例】
业务/需求方A：很多用户打开我们APP什么也没做就退出了，能不能帮忙调研下原因？
业务/需求方B：我们最近想对商品详情页进行改版，想调研下用户对于商品详情页的需求？
业务/需求方C：我们的订单取消率一直居高不下，能不能调研下用户取消订单的原因？

【分析】
这几个需求的共性，可以发现都围绕着成交转化，那么是否可以整合成一个“XX产品成交转化提升”研究专项呢？

研究设计与执行

好的研究设计与执行能确保收集到的用户信息是全面的、深入的、准确的，从而为接下来的信息解读打下好的基础。

2.1 研究设计

限于篇幅，在研究设计方面这里说一个重要的原则，那就是无论是研究方法的选择还是研究脚本（问卷、访谈大纲等）的设计，都要服务于挖掘目标未知信息。

很多用户研究人员容易出现的一个问题就是在研究方法、研究脚本方面设计了很多导向已知或者不相关信息的内容，这样不仅导致资源的浪费，参加调研用户的负担增加，而且无法聚焦最重要的问题。

最好的办法就是回顾研究目标和问题大纲，围绕研究目标或要回答的核心问题，进行详细的拆解设计。

我们在研究设计环节，一定要多问自己，这样设计最后能拿到什么信息，这些信息是否可以刷新现有的认知水平，能带来什么信息增量。

只有对最终的成果产出进行提前推演，继而反推研究设计，才能确保用户洞察的价值。

2.2 项目执行与管理

（1）定量研究执行

这里说说主流的问卷调研。
首先，要想清楚调研对象。比如想知道大盘用户中的低活群体的特征和低活跃原因，就最好不能只调研低活用户，而是最好也要调研中高活用户，中高活用户与低活用户的对比更能看出低活用户的人群特征差异。参照体系的不同，会对最后的结果解读（洞察）造成影响。
其次，控制好系统误差。比如涉及到本品、竞品的对比，最好不要使用内部渠道（如APP消息通知，带有本品牌标识的短信链接等），因为会存在本品牌光环效应，造成本品牌数据的倾向性增大。
再者，控制好抽样误差。无配额控制的随机抽样问卷调研注定一开始就存在误差，因为用户填答问卷存在偏好。奖品、问卷的标题、问卷调研的内容等都会对用户填答偏好造成影响，从而使得最后回收的样本分布不均匀，与总体存在一定偏差。基于总体数据对抽样样本进行加权是减小误差的一种方式，但并不能完全消除误差，所以尽量在最开始就把抽样误差控制在最小。

以上，只是简单列举了几点，还有很多细节，改期可以详谈。

（2）定性研究执行

这里主要说说焦点小组座谈会和深访。

很多用户研究人员还不清楚焦点小组座谈会和深访的区别是什么，什么情况下用焦点小组座谈会，什么情况下采用用户深访。简单来讲就是焦点小组座谈会的目的是共创和发散；用户深访的目的是聚焦和深挖。

因为需要交流、碰撞、共创，焦点小组座谈会同组群体必须是同质的，这样才会存在“共同话题”，也就是交流同频；因为需要聚焦和深挖，所以深访对象必须是总体样本中的典型的个体，通过一个典型个体尽量挖掘所代表的背后大多数。

无论是焦点小组座谈会还是深访，都很考验主持人的能力和经验技巧，这直接决定挖掘信息的全面性、深度与准确性。

这里分享两个最重要的座谈会/深访探测技术。

一个是深度追问，也称为「攀梯术」。简单来说就是不满足于用户流于表面的回答，连续追问，这个方法能有效的使用户表达出深层的想法和原因。

【案例】
以一个短视频产品用户流失原因调查为例
访问员：为什么最近一段时间没登录过*了？
用户：我用抖音了。
访问员：为什么去用抖音？
用户：因为抖音里的内容更有趣。
访问员：为什么觉得抖音里的内容更有趣？
用户：里面有很多户外野钓的视频。
访问员：为什么喜欢户外野钓的视频？
用户：平台工作、生活压力大，需要排遣下。

另一个方法是「侧写」，也就是不直接正面问用户，而是通过侧面迂回的方式让用户表达出深层次的想法和原因。“侧写”具体又包括类比法、图片测试法、外星人法，人格化法等。

【类比法案例】-同类竞品思维引导
访问员：为什么不续费我们的视频会员了？
用户：没钱啊
访问员：您目前有没有开通其他视频APP的会员？
用户：有开通B站的
访问员：为什么开通了B站的会员？
用户：因为里面有一些独家动漫资源

【图片测试案例】-抽象用具象表达
访问员：我们的产品给您什么样的品牌印象？
用户：说不上来。
访问员：这里有一些图片，有猎豹，大象，熊猫，丰田汽车等，您选一些能代表我们品牌形象的，并说说为什么？
用户：我选大象，因为大象庞大、笨重，就如你们的品牌知名度是很大的，用的人多，再就是像大象一样稳重给人安全感

【人格化法案例】-抽象拟人化
访问员：我们的产品给您什么样的品牌印象？
用户：说不上来。
访问员：如果把我们的品牌看做一个人，你觉得最像哪个明星？
用户：我觉得像XXX，他不帅但是很有才华，非常务实，努力上进。

成果输出

很多用户研究人员最终的用户洞察报告都有一个要命的问题：数据描述很多，用户洞察很少。

为了让我们的研究报告更有洞察，有以下几点可以参考。

3.1 多源数据整合

在撰写研究报告前，对信息进行规整，给研究报告打地基。除了调研得到的一手信息，也可以整合二手信息（比如行业第三方数据报告等）；除了调研的小数据，也可以与大数据进行交叉验证。
例如，可以用大数据对调研得到的用户画像、行为信息等进行校准，这会直接影响最后的结论方向，使得用户洞察更加准确。

3.2 建立好的研究报告框架

好的研究报告框架一定是问题导向而非研究导向的。

所谓问题导向的框架，是围绕业务/需求方关心的核心问题进行层层拆解逐一进行解答形成的框架；而研究导向的框架，是围绕用户研究人员自己的研究脚本（比如问卷、访谈大纲等）对数据的直接呈现形成的框架。

很显然问题导向的报告框架更有利于呈现用户洞察价值，也更容易被业务需求方所理解、接受。

【案例】
某汽车厂商想向中国市场引进一款中高端皮卡产品，想就可行性进行论证。

研究导向的报告框架常见的如：（1）中国皮卡市场分析（2）皮卡用户研究（3）皮卡产品需求测试（4）皮卡标杆企业分析。

而问题导向的报告框架应该是：（1）是否存在市场机会，然后从市场空间，增长趋势等维度去展开论证（2）如果存在市场机会，该产品目标用户群体是谁，然后从用户需求、产品匹配度等维度去展开论证（3）如果有市场机会，目前用户群体也明确，那么相应的落地配套策略是怎样的？然后从产品优化、销售渠道搭建、市场营销等角度去论证。

3.3 善于利用专业模型

专业模型可以很好地对已有的信息进行整合加工，变“描述”为“洞察”。

在用户画像洞察方面的模型，典型的有Censydiam用户动机分析模型，发源于美国的VALS（全称价值观和生活方式系统）模型等。

如某手机厂商就曾基于Censydiam模型把中国智能手机市场的人群细分为八类，在此基础上确定自己的目标人群。

在用户认知、行为（动机）洞察方面的模型，典型的有漏斗模型（AIDMA，AISAS，AARRR，RARRA等），Sheth-Newman-Gross消费价值模型，福格行为模型，八角行为分析模型，上瘾模型等。

如调研为什么用户使用夸克时，就可以应用Sheth-Newman-Gross消费价值模型，从功能价值（界面简洁清爽）、认知价值（满足好奇心、新鲜感和追求新知）、条件价值（学习时可以拍照答疑）等方面去展开分析。

如调研为什么用户使用抖音极速版时，就可以应用福格行为模型，从动机（APP包体小，占用手机内存少；功能精简后使用更加流畅；赚金币），能力（应用商店可以直接下载，方便获取，同时内容与已有抖音差别不大），触发（朋友分享链接邀请）方面去展开分析。

在用户需求洞察方面的模型，典型的有KANO模型，马斯洛的层次需要理论等，就不再枚举。

上述这些模型的应用，感兴趣的大家可以自己去搜索下，本文不做更多展开。
总体上，在用户洞察领域可以应用的专业模型还是偏少的，因此我们一方面应该积极发现、转化其他领域的成果，比如心理学、社会学、经济学、市场营销等领域，实行“拿来主义”；另一方面，我们也可以尝试通过项目经验的积累、方法论的沉淀来开发新的模型。

3.4 对研究对象细分

很多时候用户研究都会接到针对某特定用户群体进行研究的命题，典型的就是流失用户研究。

如果笼统的对流失用户流失原因进行调研，得到的也基本都是刚性流失、自然流失、受挫流失、竞争流失之类的答案，可能流于表面和品类常识。

以一款旅游APP产品为例，如果把流失用户进一步切分，从功能使用的角度分成交通出行为主的流失用户、酒店住宿为主流失用户、度假为主的流失用户等；从活跃程度的角度分成高活-流失用户、中活-流失用户、低活-流失用户，从人群差异的视角或许可以获得更多的用户洞察。

3.5 数据的深加工

数据的分析挖掘是构成用户洞察的重要部分，对数据的加工深度直接决定着用户洞察的价值。

数据的加工会分为几个阶段：第一个阶段就是原始数据，未经观察和审视，也就是“元数据”；第二个阶段，对数据进行观察和审视，初步分类、分组，同质的归到一起，初步形成可以理解的信息，但这时候还是“信息孤岛”；第三个阶段，寻找数据之间的关联和影响，把一个个“信息孤岛”串联起来；第四个阶段，穿过重重“信息孤岛”的迷雾，发现关键点，也就是关键洞察。

(图 从Data到Insight @gapingvoid,culture design group)

很多时候，我们最后的成果产出里对数据的呈现、解读止步于数据白描（照图说话），报告里的每一页都是孤立的，不能串起来讲述一个“故事”（洞察），这样得到的只能是“information”、“knowledge（认知）”而不是“insight（洞察）”。

怎么避免这种情况？

一方面，要有意识的加强数据之间的关联、对比、影响等分析。

例如，一个品牌满意度&NPS（净推荐值）&品牌表现评估的项目，通常情况下，用户研究人员会分模块独立呈现品牌满意度、NPS、品牌表现的数据，这样做没有大的问题，但更能获得用户洞察的方法是，看看满意度和NPS的关系，满意度和NPS交叉可以形成四种关系，如果是高满意度低NPS则很大程度说明产品体验很好但品牌缺乏吸引力，然后从品牌表现部分进一步进行数据挖掘，这样就可以把满意度、NPS、品牌表现三个模块串起来讲一个“好故事”了。

另一方面，积极应用高阶分析技术。

从Data到Insight的第三个阶段开始，简单的描述性统计、交叉分析就力不从心了，这时候就需要回归，多元对应分析，聚类分析，结构方程模型等高阶分析技术。

（图 SPSS的高阶分析技术）

比如一个快消品类品牌健康度的调研项目，已知影响品牌购买的有产品工艺、产品包装、产品原料等，我们想知道品牌的购买驱动是怎样的，哪些因素更重要，就只能通过高阶的分析方法（主成分分析，结构方程，回归等）。

3.6 共创

我过去这些年的经验告诉我，不要孤立地做研究，不要“闭门造车”，要相信并积极利用团队的力量。

在研究方面，一个研究者无论经验多么丰富，能力多么强，总会存在思维盲区、认知偏差，从而导致用户洞察的以偏概全甚至错误。

保持开放学习的心态，不要固执己见，不要玻璃心。

在项目展开的过程中，比如焦点小组座谈会和用户深访，积极卷入业务/需求方参与，并在会后或者深访结束后和卷入业务/需求方一起总结、脑暴。

在项目成果输出阶段，也积极卷入业务/需求方参与，他们从业务视角给的观点和建议往往至关重要；很多研究团队内部有成果评审机制，其实也是共创的体现。

最后，洞察力的提升不是一朝一夕的，需要长期的积累。

知乎上一个叫赵圆圆的作者写过一段话，我觉得特别好，就引用作为本文的结尾：

如何做好“用户洞察”？1.蹲门店做售货员，蹲电商后台做店小二，一对一的亲身体会之后你才真正知道你的消费者是啥样子，绝对和广告公司市调公司告诉你的有所不同。这叫个体洞察。2.看大数据，流量和销量，什么人看你的广告，什么人买你的产品，有个群体洞察。3.看整个行业的消费群在哪，竞品的消费者画像，这样有个行业洞察。4.接下来看3-5年的全行业的产品升级变化，发现规律。这叫历史洞察。5.研究大学生群体的喜好，预判未来五年的下一代消费趋势。这叫未来洞察。6.直到这个时候，你就可以略微的洞察到消费者的内心潜在需求了。

从个体洞察到群体洞察，从人群洞察到行业洞察，从历史规律洞察到未来趋势洞察，概括了在用户洞察方面的能力升级路径，也说明了用户洞察不能仅仅只理解用户，也需要对行业的历史、现状、未来趋势有深刻的理解。