上回的文章分享了如何设计、开展敏捷的用户访谈，通过文章最后的互动投票了解到：（投票范围内，截止到2020-03-22 23:30）

• 会做用研并支撑设计的设计团队，仅占 1/3 多一点点（15/43）；

• 另有近 1/3 团队虽然会开展用研工作、但很难落地推动设计；

• 另近 1/3 则基本不做用研。

关于不做用研的原因我们没有做更详尽地调研，个人总结会有结论难以落地、性价比不高、领导不重视等原因。

那么这现象合理吗，可以如何优化呢？下面和大家分享我的一些思考，抛砖引玉，欢迎共同探讨。

用研的困境及破局思考

前面说到的互动结果，或许是实际快节奏的互联网设计工作中，用研环节的尴尬或者说无奈。

一方面对用户的研究和理解是以用户为中心的产品设计必不可少的环节，不然空拍脑袋做出的产品很可能只取悦了自己；

另一方面传统用研方法在国内实际的敏捷开发设计中多少有些「水土不服」：难以匹配敏捷开发节奏、效率及性价比不高……

面对这两难境地，如何能够调整出适合国内工作流程特色、切实有效的用研方法呢？

这个问题就很大了，需要持续地思考与验证，目前我总结可以有这么几个方向：

• 取传统方法的精华，保证对方法理解透彻、执行有效，通过提升结论的价值来拉高性价比；

• 将用研工作均匀地分配到产品设计团队每天、每个人的工作中，如每个人都关注负责模块的数据变化、用户诉求等内容，及时敏捷地洞察、思考、行动；

• 应用新的研究方法，如通过分析用户自主反馈内容、搜索用户在微博等社交媒体中的体验评价、跟进产品运营社群动态这些方式，同样可以、并且能够更广泛地观察用户使用产品的情境、对产品的评价，并且持续地跟用户进行交流。

本文将展开分析第一点，在使用传统用研方法时，尽可能地接近用户想法、获取有价值的结论的三个关键因素：

1、确保研究对象是典型目标用户

2、确保获取信息的真实全面

3、将用户研究结论应用到产品设计中

一、确保研究对象是典型目标用户

网易云音乐研究热爱音乐的用户群时，有给目标用户下一些定义，例如：

在实际研究过程中，除了请用户自己回答，还会在用户允许的情况下查看手机中音乐 App 使用数据，如听歌记录、收藏音乐情况、账号注册时间等，因为用户可能说谎、但数据不会。

（曾经有声称自己是资深欧美音乐爱好者的用户，但是查看他手机中的听歌记录时，发现他才听了100多首歌曲，而且多是华语流行KTV风格的歌曲。）

进行研究时要清晰地定义目标用户的细分属性，并鉴别确保研究对象符合定义。不然研究对象选择偏差，整个研究不但白忙活，还会误导对真实目标用户心理和行为的理解。

目标用户的鉴别可以从3大块入手：

• 人口统计学基本信息包括性别、年龄、教育程度、职业、家庭状况、现居城市等信息。

不同产品场景中，属性的影响程度不同，如在直播带货中性别属性有较高的区分度、女性用户占大多数，在音乐 App 中年龄属性有较高区分度、不同年龄段用户的音乐口味和使用行为有很大区别。

• 一般行为信息包括使用XX网络/设备的年数、经常使用的产品、每周使用网络的时间、付费习惯等信息。

• 与研究目的相关的信息，也就是与产品垂直领域相关的内容，包括行为次数、时长、付费情况、内容偏好等内容。如对于在线视频产品，就会有打开的频次、每次观看的时长、是否付费、最近观看的内容及分类等信息。

二、确保获取信息的真实全面

假定我们通过用户筛选清单初步判定研究对象为目标用户，如何判断用户在研究中提供的信息是否真实呢？这一方面取决于研究人员的逻辑判断及经验，另一方面可以通过研究方法来校验。

1、经验判断

网易云音乐团队研究三线城市粉丝群时，调研的一位用户提供信息如下：

乍一看仿佛是资深的粉丝，但是通过对每点信息的深入访谈发现：

对比前面用户自发表达的内容，我们很容易发现用户个人总结的结论/现象，与真实情况/本质行为还是有很大出入的。用户是一个喜欢XX多年的粉丝，但并不狂热，喜欢偶像更多的是为了满足自己在音乐上的需要，而不是为偶像奉献（狂热粉丝的奉献精神占比很大）。

这要求研究人员在研究内容项目设计、实际执行的环节中，要利用沟通相关技巧，引导用户尽可能多地表达自己的想法和看法，并适时地应用先前介绍过的对比法、缺失法等方法深挖问题，引导用户深入描述使用场景和具体行为。

在此基础上，研究人员还需要结合上下文语境，利用逻辑和对产品领域的理解，分析用户的真正想表达的内容是什么、内在逻辑是否合理，不要被用户表述的浅层信息所迷惑。

2、校验方法

除了对用户提供信息进行经验判断，还可以用下面这两类校验方法：

一是，在拟定题项等内容时，设定相互校验的逻辑。如问卷调查中，可以分隔设置两个实质内容相同、提问方式不完全相同的题目，通过分析用户作答结果来相互验证。

二是，通过作答时间长短、数据是否有某种集中规律来判断。还如问卷调查时，答题时间太短，说明态度不认真；时间太长则反映答题时受外界干扰较多。多道多选题全选、量表中集中选择某几个选项、逻辑矛盾等现象，都会反映出用户提供信息的真实性，在进行数据分析时都需要校验筛查。

以上是关于信息真实性的验证。接下来为了让信息获取得尽量全面，在研究内容考虑周全的前提下，还需要保证调研对象的数量范围充足。其中，不同调研方式中对数量的要求有所不同：

1、定性调研（从性质上研究，数据为文本、图片等不可进行运算的形式）

依据经验，每类细分用户群体的人数应为 5-8 人。当然更多的用户参与可能会带来更多的发现或结论，但是 5-8 人是投入产出比较为划算的经验方案。

如可用性测试中，根据尼尔森的经典理论，8个人就可以发现80%的问题（更准确的说是 8 个人可以有 80% 的概率发现发生可能性在 18% 以上的问题）。

2、定量调研（从数量上研究，数据为数字等可运算的形式）

定量调研中有这么3个关键数字：

• 30 可以说是最小、最基础的用户量，一般在成本较高的研究（如眼动的定量研究）中采用。
• 通常资源条件比较有限的情况下，研究 300 的用户量是比较靠谱的。
• 如果资源投入比较充足，1000 是比较好的研究量，可以保证研究的结果与真实情况相差甚小了。

确保研究对象的数量符合统计学要求，是保证获取信息全面的重要因素。

三、将用户研究结论应用到产品设计中

这点不仅是所有用户研究的根本目的，也是检验结论正确与否的唯一方式。

（一）产品设计周期 × 用户研究

首先，让我们来剖析下用户研究：它在贯穿产品设计周期的各个阶段，都有对应的研究方式与目标作用，每个阶段预期所得结论的应用方式、应用难度不尽相同。

通常来说，越是在概念阶段的研究，结论越难落地去直接形成设计方案；而研究内容越具象，如可用性测试、启发式评估等直指产品设计问题的研究，越容易得到可落地实施的意见、形成设计解决方案。

下面我们来看看产品设计周期各阶段用户研究发挥的主要作用及对应方法：

1、概念阶段

在此阶段，需要通过对市场和用户的研究，孕育出产品核心想法。研究的主要作用可以归纳为以下 3 点：

① 初步确定市场/用户定位

在此阶段需要了解市场规模、结构、发展动态等信息，并对信息的加工、分析。例如做一款音乐 APP ，在此阶段需要了解当下通过 APP 听音乐的人群量级，目前市场上的 APP 是怎样的、用户反馈如何，其中最大的竞争对手是谁、不同竞争对手之间的优劣，有哪些市场趋势和准入障碍，新品牌上市后的效果评估等。

常用方法：问卷调查、竞品分析、市场分析方法（如SWOT、预测分析）等。

结论落地应用难度：★★★★★

② 通过分析目标人群特征、锚定用户需求，初步确立用户画像、功能场景及产品目标

常用方法：观察法、深度访谈、焦点小组、行为日记、行为心理分析、可猜测性分析、故事板、用户体验地图、用户模型等。

结论落地应用难度：★★★☆☆

③ 让团队成员对产品目标有整体、一致的认识，梳理各环节流程、合作模式

常用方法：头脑风暴、用户体验地图等。

结论落地应用难度：★☆☆☆☆

2、设计阶段

在设计阶段，为了确定架构设计、功能优先级、交互方案及视觉设计方案，也需要借助用户研究方法。

常用方法：卡片分类、KANO模型、可用性测试、认知走查、专家评估、合意性研究（测量美感）等

结论落地应用难度：★★☆☆☆（随着研究的具象、聚焦，结论更加贴近产品设计，也就更加容易产出落地方案）

3、开发阶段

常用方法：可用性测试、认知走查、专家评估等

结论落地应用难度：★☆☆☆☆

4、验证阶段

常用方法：可用性测试、认知走查、专家评估、用户体验地图、价格测试等

结论落地应用难度：★☆☆☆☆

5、上市阶段、迭代阶段

常用方法：问卷调查、用户访谈、满意度评估、用户体验地图、价格测试、大数据分析、竞争分析等

结论落地应用难度：★★☆☆☆

（二）研究前的预设

在进行用户研究前、设计研究方案时，应当参照一中枚举的阶段及用研情况，对当前阶段进行研究的结论进行一定的预估，思考得到各种可能的结论时可以如何转化到设计方案层面。

把这步考虑清楚，也就等于再次验证了研究目标的合理性、研究的必要性，得到结论后也容易形成可执行、可落地的方案。

拿一中列举出的最难形成落地方案的概念性研究来说，研究之后需要利用系统思维，结合设计者对产品的思考和权衡，来形成最终的设计方案。虽然研究可以得到一定的用户需求相关结论，但往往现象较宽泛，与实际功能需求之间有许多桥梁待设计者搭起。这种研究进行之前，设计者最好可以有一定的设计思路或者点子，然后通过用户研究来验证自己的想法和判断。

还拿网易云音乐来举例，在它诞生前，为确定产品方向，产品设计者进行了深入的用户研究。

在研究用户发现音乐的方式时，在正式开展研究之前，产品设计者就通过对音乐行业的深入研究，归纳出用户常用的发现方式及个中问题，并拟定了产品雏形「从发现音乐的方式做文章」的基本思路。

后面通过用户研究，坐实了设计者的想法：当时各用户群体经常使用的发现音乐的方式虽然不尽相同，但也主要集中在依赖程度由高到低的「搜索、排行榜、媒体推荐、朋友推荐、音乐达人推荐、个性化推荐」这 6 种方式上。关于每种方式的使用也都有很详尽的结论：

• 搜索是当时最主要的方式，包括使用搜索引擎、音乐产品；
• 排行榜是大众用户非常依赖的方式，但现在已经没有非常权威的排行榜了；
• 媒体推荐：电视、电台、音乐产品的官方推荐；
• 朋友推荐：现实生活中谈及，通过QQ、微信、微博分享；
• 音乐达人推荐：音乐大V推荐
• 个性化推荐：当时主要是豆瓣FM和Web产品里的「随心听」功能，用户的满意度和使用率都很低。

在热爱音乐的群体中，搜索依然是最常用的方式，但朋友推荐方式用得也很多，明显高于整体用户水平。而这，就是网易云音乐在发现功能设计时的最有力支撑。让我们休息一下，再继续来看如何将这些结论实际落地应用到产品设计中：

（三）研究结论的落地应用

结论落地的过程，引用网易云音乐第一个产品经理的话来说：「整个过程与解数学应用题类似，用户研究的结论是条件之 一，再加上对市场和竞争对手的分析，以及对产品自身优势和劣 势的分析，综合求得一个最优解。」

让我们回顾下用户研究得到的结论，当时用户常用的 6 种发现方式中：

搜索只是一个非常基础的功能，很难由此突破、拓展使用场景去把它做大做强做得不一样；排行榜因流量集中、用户依赖，已经逐步发展成官方编辑的私人频道 + 唱片公司的广告牌了，相比之下，让真实用户意见来打造音乐榜才会更加吸引人；个性化推荐用户满意度、使用率双低。

这帮助网易云认清了搜索、排行榜两个主流方式之外的，朋友间推荐、音乐达人推荐、个性化推荐的潜在机会。「这」不仅仅代表用户研究，也包含了对产品的思考。

也就是说，为了让概念性研究的结果能与产品设计进行有机关联，产品设计者、研究者在其中要加入系统的思考，在研究前有对市场现状、用户诉求的深度理解和产品雏形预判，在研究中用初步结论与雏形预判进行匹配，「若得出结论1，则产品雏形1成立；若得出结论2，则产品雏形2成立……」用这种方式去研究去思考，结论的可落地性得到有力保证。

划重点

本文分享了让用户研究尽可能接近用户想法、获取有价值的结论的三个关键因素：

1、清晰地定义目标用户的细分属性，并用它们来筛选研究对象，让研究对象都是典型的目标用户，以保证结论方向不跑偏；

2、研究实施过程中的深入沟通、逻辑经验判断、校验分析方法以及研究对象数量的相关规范，都能促进获取真实而全面的信息。

3、为了让研究结论可落地应用，可以在设计研究方案时、根据所处的产品设计周期、一定程度上预设一些的研究结论（当然了，不能被这些预设所局限），通过用户研究来验证预设结论的真伪、有无新增结论。尤其是在概念性研究时，研究者对领域理解地越透彻、假设的结论越全面越具象，研究后的成果越容易落地应用到设计中。

参考引文：

《幕后产品：打造突破式产品思维》王诗沐著，电子工业出版社

《如何确定抽样统计的最小样本量》http://dwz.date/TM4

《【用盐】谈谈样本量选择背后的科学道理》http://dwz.date/TM6

《一张图告诉你，用户体验价值落地@产品生命周期》http://dwz.date/ac7W

Powered by Froala Editor