❤️B端产品需求分析

大纲：设计需求分析方法简介：

如何通过需求分析进行方案设计？假定我们有这样一个需求场景：
李sir：“犯罪嫌疑人大概30-40岁，男，身高165-170cm，河南人洛阳人，三天前出现过广州火车站，请迅速找到符合这些要求的嫌疑人名单给我。“
我们会针对这个需求场景拆解出以下功能：

• 设计一款BI工具，要快速从十亿数据量中找到符合要求的数据
• 要支持文字检索和图像检索
• 支持多重条件and和or模糊查询和计算
• 查询后可下载和打印名单表
• 支持地图轨迹查询

那么对于一款BI产品，需求分析过程中还可分为业务需求和用户需求方面的分析，及理解用户体验路径，以确保设计方案能形成闭环，我们以此展开以下分析：

1、分析业务需求

什么是业务需求？比如：“平台要支持文字和图片查询“，“把上传流程优化一下”，“结果数据中加一个下载功能“，”个人模型要支持分享和收藏“，“建模时提供撤销和清空画布操作”。
针对这些业务需求，如何落地到具体功能，我们还需要进一步将业务需求，拆解成业务目标和业务目的。
那业务目标和业务目的又是什么呢？
常见的业务目标比如：（提升/降低）

此外，业务目标需要符合SMART法则：Specific（具体）、Measurable（可衡量）、Attainable（可实现）、Relevant（有关联）、Time-based（有时限）
而业务目的比较简单，就是达到了以上某个目标后，真正想要做的事，也就是实现目标的真正动机。
简言之，业务目标是产品期望得到怎样的结果？业务目的是产品为什么要做这个功能？

了解了业务目标和业务目的，我们针对这款BI工具来做进一步的分析

• 分析业务目标和业务目的： | 业务需求 | 业务目的 | 业务目标 | | —- | —- | —- | | 平台
  要支持文字和图片
  查询 | 通过多维度输入方式，准确获取用户真实意图 | 提升用户查询效率 | | 把上传流程优化一下 | 简化用户操作路径 | 提升用户上传操作流畅度 | | 结果数据中加一个下载功能 | 有效形成业务闭环 | 提升用户愉悦感 | | 个人模型要支持分享和收藏 | 通过分享给好友，增强工具的社交属性 | 提升用户数量和留存率 | | 建模时提供撤销和清空画布操作 | 容错机制引导用户放心大胆多建模型 | 提升产品容错率 |

• 让目标与设计建立关联（GSM）： | 目标(Goal) | 信号(Signal) | 衡量指标(Metric) | | —- | —- | —- | | 提升用户查询效率 | 用户点击查询按钮 | 查询按钮的点击率提高 | | 提升用户上传操作流畅度 | 用户点击上传按钮 | 上传步骤减少 | | 提升用户愉悦感 | 用户点击下载按钮 | 下载按钮的点击率提高 | | 提升用户数量和留存率 | 用户点击分享和收藏按钮 | 分享按钮的点击率提高 | | 提升产品容错率 | 用户点击撤销按钮 | 撤销按钮的点击率提高 |

• 由此，我们即可通过对业务需求的拆解，将业务目标转化成用户行为： | 业务需求 | 业务目的 | 业务目标 | 衡量指标(Metric) | 用户行为 | | —- | —- | —- | —- | —- | | 平台
  要支持文字和图片
  查询 | 通过多维度输入方式，准确获取用户真实意图 | 提升用户查询效率 | 查询按钮的点击率提高 | 点击查询按钮 | | 把上传流程优化一下 | 简化用户操作路径 | 提升用户上传操作流畅度 | 上传步骤减少 | 点击上传按钮 | | 结果数据中加一个下载功能 | 有效形成业务闭环 | 提升用户愉悦感 | 下载按钮的点击率提高 | 点击下载按钮 | | 个人模型要支持分享和收藏 | 通过分享给好友，增强工具的社交属性 | 提升用户数量和留存率 | 分享按钮的点击率提高 | 点击分享和收藏按钮 | | 建模时提供撤销和清空画布操作 | 容错机制引导用户放心大胆多建模型 | 提升产品容错率 | 撤销按钮的点击率提高 | 点击撤销按钮 |

所以，我们若要实现这些业务需求，可在各个业务环节设计中，凸显查询、上传等按钮，满足用户行为。并且优化各业务线的操作流程，达成各个业务目的。

2、分析用户需求

正所谓“用户体验的核心，就是用户需求”。我们都了解用户需求不在于用户描述的表象，就像福特当初问人们想要什么交通工具，人们都回答“想要更快的马”一样。用户需求关键在于分析用户体验目标，及用户使用产品时期望得到的最终成果。我们可以将用户需求分析拆解为：
明确目标用户、分析用户场景、用户特征、用户习惯，和用户的行为动机等。
100名来自全国各地的数据分析员，参与BI分析大赛。我们针对这100名成员采用定性（了解）和定量（验证）两个维度，对目标用户展开详细分析。

• 定性研究：通常是小数量的样本分析，通常为10-20人。用于了解用户目标和行为，常用形式有：用户访谈、焦点小组、可用性测试、卡片分类、任务分析
• 定量研究：则是对大规模的样本分析，方便发现真正的趋势，验证用户的目标和行为，常用形式有：问卷调查、用户测试、A/B测试

简言之，定性研究关注用户做了什么，定量研究关注用户说了什么，我们通过对这100名精准用户同步进行多维度分析

通过初步的调研，我们基本将此次需求设计的目标用户锁定在这三种类型：

• 专家型数据分析师：会写代码，业务分析能力强，对算法和SQL语句有一定的研究
• BI建模爱好者：了解一些建模思路，体验过3-5款数据可视化分析工具
• 入门级小白用户：基本没有使用过BI相关产品，属于数据小白

定性-用户访谈：
我们选定14位用户作为此次调研的核心目标用户进行访谈，其中2位具备专业数据分析能力（专家），8位有一定建模基础（爱好者），4位入门级小白用户。
我们依次对这三类目标用户展开详细的访谈，得到用户在BI平台的习惯/行为/动机的总结，如下：

• 如何处理数据：SQL语句处理、分区操作、分批处理、建立视图、采样数据挖掘
• 如何分析数据：数据归纳分析、聚类分析、判别分析、降维分析、对应分析
• 如何输出分析报告：信息报表、可视化图表、数据库输出
• 倾向数据源：政府相关、行业相关、金融证券、SaaS行业
• 常用组件：通用算法组件、关系分析、图像分析、语义分析、文本分析、视频分析
• 产品体验：简洁美观、交互流程、可钻取仪表盘、丰富图表类型
• 分享意愿：数据源共享、分析方法共享、分析结果共享、模型共享

用户在BI平台最大的痛点总结，如下：

• 交互性差：可视化画布简洁，配合拖拉拽方式操作虽然直观，但是技术壁垒依然存在，导致交互不够流畅，学习成本也随之提高
• 处理速度慢：针对过亿数据量，处理速度提升至秒级将大大提升用户体验，以及数据处理效率
• 业务复杂难懂：BI数据分析有一定的门槛，针对部分行业专用模型，需要花费较多时间学习业务逻辑，以及算法思路

定量-问卷调查：
经过对100名用户的调研，我们初步将核心目标用户范围锁定在22-40岁

通过前期调研，我们设定问卷内容如下：

• 请您简要介绍一下您的主要工作职责。
• 在管理方面，对于数据分析、报表获取方面您有哪些“痛点”？
• 在工作中，您主要关注、分析和汇报哪些指标？
• 对于您关注的上述指标，从哪些维度细化分析？这些维度之间的关系是怎样的？
• 您在指标分析工作中曾遇到过哪些问题？您有哪些建议？
• 您希望在BI平台能建立哪些类型模型？如针对以上指标的钻取分析(如按单位逐级细化分析、按地区逐级细化分析等)、同比分析、环比分析、趋势分析、占比分析、比率分析、排名分析等。

问卷收集100人次，其中有效问卷84人次，通过调研我们得到的部分数据总结如下：

• BI用途所属行业：IT/互联网、会计/审计、快消品、银行/保险/证券、批发/零售、制药/医药、物业、交通/物流等
• 使用BI工具用途：工作汇报、数据分析、监控数据、风险控制等
• BI平台的现状：数据不及时、数据缺失、数据不准确；系统易用性差、稳定性弱、报表不够丰富等
• 数据分析过程的痛点：专业数据分析逻辑难懂、系统操作复杂、组件类别少、运算慢、数据少等

为满足用户的基本用途，解决用户数据分析的痛点，我们搭建TianS BI数据分析平台，BI平台为满足用户的基本需求，大致用户需求功能需要包含：数据源、数据集、数据仓库、数据建模/整合、数据分析、可视化分析/自定义画布、PC门户、应用超市等。
用KANO模型对用户需求分类和优先级排序。根据better-worse系数值 ，将散点图划分为必备属性、期望属性、魅力属性、无差异属性四个象限，对功能设计方向进行排序:

其中这五个方向的功能，均有40%以上的用户选择，优先级排序如下：

我们对用户需求已经有了一定对了解，接下来我们针对这些用户需求，创建目标用户模型，也称用户画像。

用户模型：
旨在把真实的需求附在虚构的人物角色上，每个角色代表一类用户群。人物角色拥有符合产品需求的特征，包含基本属性有：年龄、性别、职业、数据分析习惯、动机、目标，及想要解决的痛点
如何定义用户模型？

• 划分用户群

用户细分常根据性别、年龄、教育水平、资历等不同维度来划分不同用户群组，我们前面在对100名用户进行调研的时候，已经根据对BI数据分析的资深程度划分为了：专家型数据分析师、BI分析爱好者、入门级小白用户，这三类用户群，每一类都是BI产品用户的典型代表，在交互设计中，正好对应着用户群体中的高级用户、中级用户、初级用户。
接下来，我们需要对划分的用户群进行分析，加入一些相关属性、行为特征等，如用户职位、使用场景、用户目标和动机等丰富用户画像，从而搭建起用户模型。

• 建立用户模型

第一类用户群：专家型数据分析师，熟练于各类BI分析工具，精通SQL语句及代码逻辑，使用数据分析频次高、建立模型数量多、业务逻辑很强，能够产出一些行业标杆建模思路。

第二类用户群：BI分析爱好者，体验过3-5款BI工具，偶尔需要分析一些数据。了解基本的SQL语句和代码逻辑，偶尔进行数据分析、建立模型数量不多、业务逻辑一般、只使用基础的一些组件，满足于频次不高的日常数据分析工作。

第三类用户群：入门级小白用户，基本没有使用过BI类工具，使用数据分析频次低、建立模型数量少、业务逻辑弱、使用组件数量少。偶尔上平台体验以下。

至此，我们分析了一些用户需求，以及简单的搭建了用户模型，那么我们如何将这些与设计相结合呢？我们先对其中一个典型的用户需求进行拆解分析，如下：

• 作为：一个专业的数据分析师【目标用户】
• 每当：要建模分析数据时【用户场景】
• 想要：搭建一个复杂的模型【用户行为】
• 就能：得到一批高价值数据【用户体验目标】

了解了用户需求拆解的方法，我们针对由KANO模型分析过后，得出的5个优先级高的需求，再进行详细的分析与设计相结合

• 分析目标用户和用户体验目标： | 用户需求 | 目标用户（特征、经验） | 用户场景 | 用户行为 | 用户体验目标 | | —- | —- | —- | —- | —- | | 需要可视化分析数据 | 张景：专家型数据分析师 | 通过电脑网页使用 | 对可视化画布系列操作 | 快速输出高价值的数据图表 | | 需要建模分析数据 | 张景：专家型数据分析师 | 通过电脑网页使用 | 对建模画布系列操作 | 快速输出高价值的数据报表 | | 需要接入数据源 | Amy：BI分析爱好者 | 通过电脑网页使用 | 上传个人数据 | 接入完备的数据源 | | 需要搭建可视化大屏 | Amy：BI分析爱好者 | 通过电脑网页使用 | 绘制大屏 | 快速完成大屏构建 | | 需要构建PC门户网 | 李武：入门级小白用户 | 通过电脑网页使用 | 绘制门户网 | 快速完成门户网搭建 |

• 让目标与设计建立关联（GSM）： | 目标(Goal) | 信号(Signal) | 衡量指标(Metric) | | —- | —- | —- | | 快速输出高价值的数据图表 | 让用户点击下载/导出图表 | 输出高价值的数据图表的效率提高 | | 快速输出高价值的数据报表 | 让用户点击下载/导出报表 | 输出高价值的数据报表的效率提高 | | 接入完备的数据源 | 让用户点击上传/导入按钮 | 接入数据源的效率和数据量提升 | | 快速完成大屏构建 | 让用户点击下载/导出大屏 | 完成大屏构建的效率提高 | | 快速完成门户搭建 | 让用户点击下载/导出门户网 | 完成门户网搭建的效率提高 |

由此，我们即可通过对用户需求的拆解，得到衡量指标，以便与设计相结合。

3、分析关键因素

我们通过调研和分析得到了业务需求和用户需求，要落实到设计，还需要了解整体的产品定位，然后转换视角，从业务视角转变为用户视角。比如我们新增一块新业务需要向用户推行，就会在帮助中心或首页增加一个介绍板块引导用户去体验，但如何吸引用户，创造用户去体验的动机？我们还需要分析此新业务的关键因素，让用户清楚该业务能为他带来什么便利。当用户进入体验过程，平台设计需要排除用户担忧（如这么做会不会不安全？），解决用户体验障碍（如按钮太小点不中），这些就是分析关键因素的价值。
接下来，我们分别以业务目标“分享提升用户量”为例，来分析影响用户体验的关键因素有哪些，以及如何解决：

以用户体验目标“快速输出高价值的数据报表”为例，分析影响用户体验的关键因素有哪些，以及如何解决：

以上的思考分析过程，是我们设计的依据，接下来可以归纳设计需求，明确具体的设计策略，将具体的需求进行分类和优先级排序，进行具体的框架设计、流程设计、低保真和高保真原型设计等手法，去实现每一个策略和目标，达成最终的用户体验目标，而后还可使用用户体验路径分析的方法去验证设计的方案是否达到用户预期。画出用户体验路径和情感坐标，验证各个接触点的问题和惊喜点。
我们将需求一步步转化为解决方案的过程，是体现交互设计职能的价值所在；
我们在设计的过程中，从抽象到具体、模糊到清晰，帮助产品发掘更多的可能性；
我们将设计的解决方案与重要的衡量指标（如用户留存率、查询效率等）结合起来，转换为数据价值，帮助促进业务增长和产品发展。
这些，大概可以解释“我为什么要这么设计”吧。