数据收集

用户研究101

定义

⽤户研究是通过⼀系列的定性或定量的⽅法，去理解⽤户的需求、⾏为和动 机，以帮助启发解决⽤户的问题。

用户研究第一原则

你不是用户！

你不是用户！

你不是用户！

就是说你不要去替用户回答问题。你虽然有自己的需求，但是我们并不是为了解决你自己的需求而进行的调查，所以不要想当然地认为用户应该会怎么想。

不要帮他想，直接去问他。

用户想要做的有时候都不是他告诉你的

听者说

我联想到了软件工程用户需求的秋千图。

用户研究需要回答的三个问题：

• 人们需要什么
• 我们要提供什么
• 人们能使用我们的产品吗

前两个问题是做对的事情，后一件事把事情做对。

前面的阶段主要事第一、二两个问题。

先确定做对的事，再把事情做对。

如果不做用户研究：

• 产品做出来不能解决用户的需求
• 产品做出来很难用
  比如说电视的遥控器，很多按键完全是一个摆设。

那为什么还有人不做：

• 费时费力
• 面向用户的产品或多或少自己可以猜想
• 由商业/技术壁垒到体验壁垒
  一件产品，你再怎么做都无法提升它的体验效果，或者成本很高。
  就没有意义再去做用户访谈。

用户研究回答的三个问题：

1. 人们需要什么
2. 我们要提供什么
3. 人们能否使用我们的产品

用一个流程来保证我们大概率走的是一个正确的：

设计前

为⽀持企业的战略分析和规划，或挖掘⽬标⽤户需修⽽进⾏的⽤户研究；

主要解决产品的⽅向问题：

• 市场现状和发展趋势
• ⽬标⽤户调研
• 细分⽤户模型(年龄、爱好、背景等)
• 竞品分析（有什么已知的解决⽅案和痛点）

常⽤⽅法：

• 问卷调查/市场调查
• ⽤户访谈
• 焦点⼩组

案例

诺基亚2006年的案例

为了确定产品定位，规划未来。

共采访了16个国家/地区42000名用户

结果：

• ⽤户细分：⼿机⽤户的11个细分市场，使诺基亚 更加贴近不同地区不同类型的⽤户
• 产品定位战略：将⼿机产品分为四⼤类：⽣活 (Live)、联系(Connect)、成就(Achieve)和探索 (Explore)。
• 针对不同⽤户提供不同的功能和应⽤

设计中

为了⽀持产品设计⽽进⾏的⽤户研究，解决产品形态的问题，主要关注：

• 使⽤场景：⽤户与产品接触的场景
• ⾏为：⽤户在使⽤产品过程中的⾏为表现
• 动机：⽤户为什么会⽤这个产品，这个产品帮助⽤户解决了什么问题
• 喜好：⽤户的偏好直接影响产品形态
• 竞品分析：对竞品的产品形态进⾏⽤研，寻找不⾜，便于⾃身改进

常⽤⽅法：

• 问卷调查(定量，了解相关产品的市场)
• 产品概念测试(定量，了解⽤户对于产品形态的喜好)
• 深度访谈(定性，深⼊了解⽤户想法)
• 焦点⼩组(定性，了解⽤户想法，通过⽤户思维交叉碰撞寻找新思路)

设计后

为了提升⽤户体验⽽进⾏的⽤户研究，解决可⽤性和易⽤性的问题：

• 可⽤性：是否达到了⽤户的预期，让⽤户可以正常使⽤
• 易⽤性：使⽤过程中是否⽅便，更加⼈性化
• 痛点：发现⽤户使⽤产品过程中遇到的问题和麻烦
• 评估成果：⽤户是否满意、我们是否达到了⽬标

常⽤⽅法：

• 可⽤性测试(定性，寻找使⽤过程中的痛点)
• 实验室/现场⽤户测试(定量+定性，寻找使⽤过程中的痛点)
• 眼动议(定性，主要针对交互和UI⽅⾯的深⼊研究)
• 问卷调查
• A/B测试
• 定量数据分析

研究方法

• 田野调查
  田野调查指的是在人们的生活中观察他们是如何完成特定的任务的，重点是观察。
  它关注人们的真实行为，可以得到定性的数据，可以在设计的各个阶段使用。
  有些事情通过询问是问不出来的。
  或者你把用户请到实验室里面去做一件事，他可能会下意识地做出与家里不一致的行为。
  优点：深度洞察、一手资料、真实行为
  缺点：费时费力
• 用户访谈
  和用户一对一的问用户一些和项目相关的问题。关键是问题。
  关注人们的回答和感受
  往往是定性的数据
  往往在设计前期使用。
  优点：深度洞察、形式灵活
  缺点：费时费力、受到提问者的限制
• 可用性测试
  通过让⽤户使⽤产品或原型来评价可⽤性。
  常常使⽤Think aloud边做边说的⽅式。
  关注⼈们的实际⾏动&感受；
  往往得到定性的数据；
  往往在开发后期使⽤；
  优点：挑战预设的想法、深入反馈、真实行为
  缺点：时间金钱成本、样本量、使用环境
• A/B测试
  在产品上随机分配两种及以上的⽅案以测试不同⽅案的结果。
  关注⼈们的实际⾏动；
  往往得到定量的数据；
  往往在开发后期使⽤；
  优点：快速准确
  缺点：不知道背后原因、容易过度优化

  比如说当我们在一个产品上做一个红色按钮和绿色按钮。

  然后交给用户去选择。

  如果用户都选择按红色按钮，那么我们有理由相信红色按钮更适合这个产品。

Google之前进行了一项错误的示范。

链接色是蓝色。

当时Google测了50种不同的蓝色，选出让人更舒服、人们会去点的颜色。

但是实际上可能并不只是颜色的因素，内容等等都会造成影响。

• 问卷调研
  对很多⽤户问⼀样的问题；
  关键是问题；
  关注⼈们的回答和感受；
  往往得到定量的数据；
  可以在各个阶段使⽤；
  优点：便宜快捷、样本量⼤
  缺点：不深⼊、不知道背后原因、容易被提问⽅式/ 问卷设计而引导
• 李克特量表
  李克特量表是⼀种⽤于研究的心理测量量表，⽤于表示人们对某个主题或主题的意⻅和态度。常⻅的李克 特量表有4点、5点、7点&10点的量表。
  每个量表都有适⽤的场合、优缺点；
  而往往不同国家和⽂化对于量表的反应也会有不同的倾向；

用户访谈101

100 ways to ask the question wrong

1. 专业词汇
   你认为学校适合修建哥特复兴式的建筑吗？

2. 诱导性问题
   你喜欢我们的设计吗？

   一般人可能出于礼貌都会回答喜欢，而不会说出自己的真实想法。

3. 问题含糊不清
   有时、经常、偶尔、很少、很多、⼏乎
   一个月中，你去图书馆的情况如何？从不、偶尔、经常、定期

4. 双管问题
   您认为这栋建筑美观舒适吗？

   美观与舒适是两个方面。

5. 等等等。

认知偏差

1. Framing effect 框架效应——询问的框架会影响响应
   有时人们大幅改变偏好，主要因为描述这个问题所用的字眼和方式的问题。
   比如说，医生和患者描述手术成功率的时候。
   大多数医生一定会选择A，而不是B，尽管它们表达的意思是完全一致的。

   A：这个手术的存活率是95%。

   B：这个手术的死亡率是5%。

2. Confirmation bias 确认偏差——⼈类倾向于只寻找证实他们假设的证据

   来自知乎的案例

   描述时说，“你天生内向”,后面又说“有时你也会外向张扬”,其中总会有一种说法是准确的。

   这很容易使人在确认偏向的基础上产生错觉。

3. Hindsight Bias 事后偏见——⼈类总是为过去的行为寻找理由
   一种“我早就知道了”的错觉。

4. Social Desirability Bias 社会期望偏差——⼈类倾向于⽤⼀种让他们看起来很好的⽅式说话
   研究对象倾向于给出社会期望的反应，而不是选择反映真实感受的反应。

5. Sunk Cost Fallacy 沉没成本谬误——⼈类往往⽐他们应该坚持的损失更⻓

   比如有一对恋人已经谈10年，性格等诸多方面还是合不来。继续谈下去，短期内也看不到改善的希望。如果双方都够理智的话，应该当机立断分手。但是两人都觉得，如果分手了，之前谈了那么多年，岂不是白费了？于是就继续拖下去，青春年华就这样耗在里面了。

6. Recency bias 近期频繁偏差 —— 最容易记得最近⼀次经历

7. Serial-Position Effect 序列位置效应 ——⼈类倾向于更重视列表末尾/开头的项⽬
   中间的项目一般来说效果是比较糟糕的。心理学Hermann Ebbinghaus在他的研究中指出，他记忆列表中项目的能力取决于项目在列表中的位置。

8. Illusion of transparency透明度错觉 ——⼈类往往⾼估他⼈知道他们在想什么的程度。

   比如说，我们对建筑进行了一些了解。进行用户访谈的时候可能会认为对方也对学校的建筑有一些了解。

   简单来说，就是我们知道的，对方不一定知道。

9. Clustering Bias 聚类偏差 ——⼈类倾向于在随机性中找到模式，⽽实际上没有模式

   比如说基金经理管理一支基金，前一段时间的效果都非常好，由于基金经理过去的回报率，我们很容易认为他之后的表现也会非常不错，而事实上，基金经理的表现可能归因于市场状况甚至运气等诸多因素。

10. Implicit Bias 隐性偏⻅ ——⼈类对某些群体及其⾏为有隐性关联“贴标签”

11. Fundamental Attribution Error 基本归因错误——即使是情境性的/由外⼒引起的，⼈类也 倾向于将错误归因于内部特征

样本选择和用户招募

考虑因素：

• 样本数量
• 样本的维度
  性别、年龄、地域、教育⽔平、收⼊ etc
  阶层、喜好、渠道 etc
• 访谈、问卷等⽅式，同意就已经是⼀个偏差了 。
  因为他们大多数是那些愿意交流愿意说出自己经历的一类人。

例⼦：

假如你想测试“豆浆的消费状况”，把问卷只发放到身 边的某⼀个群体（例如⼤学⽣），那样你得出的结论其实 是“⼤学⽣消费⾖浆的状况 ”。

我们并非是要全方位地覆盖进行用户调查，而是应该找到人群的代表用户。

比如说极端用户，

我们正常人一般可以通过扫描二维码进行各项活动，但是盲人这个群体没有办法扫二维码

因此促使了NFC的使用。

它出自极端用户，但是便利了所有人

用户访谈技巧

流程

1. 大纲
   确定访谈目标、访谈大纲、团队分工
2. 用户招募
   考虑年龄、性别、背景等等
3. 访谈
   准备问题、记录和记录所用的器材
4. 数据收集
   数据包括笔记、视频、照片和各种相关物件
5. 数据整理

用户访谈大纲

1. 项目背景和目标
2. 方法
3. 用户基本情况
4. 问题大纲

最基本的，需要有欢迎词、问题、任务、结束语等等。

问题要求

1. 开放性问题
   开放性问题⿎励⼈们回答故事和想法，⽽不仅仅是“是/否”“A/B”。
   所以我们不应该问：
   • 你满意/喜欢吗？
   • 这个好用/难用/便利吗？

而应该问：

• 你觉得这个xx怎么样？
• 能给我展示一下你是怎么用xx的吗？

我们应该给出一个非常中性的概念，让被访谈者自己去描述。
如果仅仅给出两个选项，那么他必须要选一个。
很有可能选择的不是他真实的想法，达不到访谈的效果。

1. 问一次具体的经历
   ⼈们往往不能很好的归纳总结过去，或者预测未来。
   所以我们不应该问：
   • 你经常怎么⽤xxx？

而应该说：

• “描述⼀下上次/昨天/最xx你⽤xxx的时候？⽤了多久？结果是什么？觉得怎么样？”

我们不应该问：

• 你觉得你未来会⽤xxx吗？

而应该说：

• “如果要你改变xxx？你会改变什么？”
• “如果你能分派这个任务，你会分派出去哪个部分？⾃⼰做哪个部分？”

1. 不要让人们评价自己
   人们往往不能很好的或者客观的评价自己。
   所以我们不要问：
   • 你是好人吗？
   • 你觉得你的长相是中上的吗？
   • 你是一个挑剔的人吗？

而应该说：

• 你上一次xxx是怎么样的？

不应该说：

• 你对你上网看的内容很挑剔吗？

  比如问的时候，可能会说……好像挺挑剔的。

  但是实际上，可能软件推荐什么就看什么。

而应该问：

• “回想⼀下你今天看到的⼀篇内容，你是怎么发现它的？为什么决定看?”

我们不应该问：

• 你是一个常常运动的人吗？你常常做什么运动？

而应该说：

• 你每周运动多久？
• 你上一次运动做了什么？

1. 关注可以深挖的细节
   关注身体动作和情绪。
   所以研究⼈员要格外关注语之外的线索：表情、语⾳语调、 情绪、身体动作、姿势等等。

   UCLA Albert Mehrabian 研究显示我们沟通的信息，有7% 是在沟通内容本身, 38%和声⾳本身有关（⾳调、⾳量等） ⽽55%是在body language身体的语⾔。

Cheatsheet

参考资料

• OPEN SAP课程：https://open.sap.com/courses/dr1
• ⽤研资料集合: https://uxdesign.cc/my-most-recommended-resources-for-user-researchers-march-2020-9f66162521bb
• NNGroup⽤研101：https://www.uxbooth.com/articles/complete-beginners-guide-to-design-research/
• NNGroup⽤研⽅法选择：https://www.nngroup.com/articles/which-ux-research-methods/
• Adobe⽤户研究全流程：https://xd.adobe.com/ideas/process/user-research/ux-research-process-product-design/
• CareerFoundry⽤研课程：https://careerfoundry.com/en/blog/ux-design/how-to-conduct-user-experience-research-like-a-professional/

书籍：

• Portigal, Steve. Interviewing users : how to uncover compelling insights《洞察⼈⼼：⽤户访谈成功 的秘密》
• Sharon，Tomer Validating product ideas：through lean user research 《试错：通过精益⽤户研 究快速验证产品原型》
• Hall, Erika, Jeffrey Zeldman, and Rose Fox. Just enough research

数据整理

数据整理101

整合

• 洞察的过程
• 分享故事和优先级
• 创建一个连贯的总结

目标

• 数据的全面与公平
• 提高团队的共情
• 团队达成知识和认知的共识

数据清理

数据整理的呈现方法

服务地图

⼀个⽤视觉展示不同服务之间关系、流程等的图。

常常会⽤于展示有很多⽤户、组织，跨时间的复杂流程。

类似于软件工程中的顺序图。

用户旅程图

一个用视觉展示一个用户完成一个任务的流程的图。

常常会用于展示一个用户完成一个任务的流程和情绪。

用户画像

Persona 是真实⽤户的虚拟代表，是建⽴在⼀系列真实数据之上的⽬标⽤户模 型。最粗颗粒度的⽤户画像包括：姓名、照⽚、优先级、⾏为描述（动机、⽬ 标、⾏为、态度）、⽤户⽬标和⽤户故事、基本属性、语录、差异提炼。

Why to use persona?

• 产生共情。
  避免“我不要你觉得，我要我觉得”
• 产品更聚焦。
  角色是有优先级的。
• 减少沟通障碍
  使团队和奋进的目标更加统一

参考资料

• 服务地图：https://www.nngroup.com/articles/service-blueprints-definition/
• ⽤户旅程：https://www.nngroup.com/articles/journey-mapping-101/
• ⽤户画像：https://www.invisionapp.com/inside-design/user-persona-template/
• 其他⽅法：https://uxplanet.org/essential-tools-for-user-research-bb2ff24e8963

POINT OF VIEW

【User…】 needs 【need…】 because/so that 【insight…】

• 是洞察阶段的精华总结
• 为下⼀个阶段“定义”作准备
• 不提供任何的解决⽅案
• 需要能从POV产⽣出很多的⽅向

好的POV

• Provides a narrow focus 提供更细化的视⻆
• Inspires your team to generates lots of possibilities 能启发团队产⽣很多的创意
• Includes a strong insight 有很强的洞察
• Preserves emotion and the individual you’re designing for 保留⽤户的情绪
• Is valid, insightful, actionable, unique, narrow, meaningful, and exciting 真实的、有洞察的、能指导⾏动的、独特的、细化的、有意义的、激动⼈⼼的