产品之路系列(10) 产品持续迭代之用户访谈

产品持续迭代之用户访谈

直接收获反馈有效渠道

用户研究

什么是用户研究

最早没有用户研究概念，是从初期客户调研演化而来。
唐纳德-诺曼提出了这个概念，用户体验(User Experience，简称UE)是用户在使用产品过程中建立起来的一种纯主观感受。

慢慢的出现了产品经理、用户体验师、交互设计师等岗位。

2019逐渐开始进入互联网的下半场，流量红利已经消失，获客成本越来越高，对产品要求也越来越高，用户体验也显得越来越重要

用户研究包含但不限于：

• 目标用户是谁，生活状态如何，产品使用场景是什么
• 在该场景下，这类人想满足什么价值要素、恐惧点在哪里？
• 该场景下用户的现有选择及原因
• 用户习惯的使用流程与认知偏好
• 用户产品使用/流失/付费决策路径及影响因素
• 用户现有解决方案及机会点
• 产品体验痛点
• 用户期望的解决方案如何，优先级如何
• 用户的心智份额、钱包份额、时间份额如何分布以及为什么

用户研究定义：通过研究用户行为、特征、需求和满意度，将产品的商业模式，服务方式，策略重点，盈利模式融入良好的用户体验中。

用户研究的主要产出：

用户研究维度

不同的产品阶段，用户研究的方法和目标不同

用户研究的四个维度：

从0到1设计阶段

从0到1设计产品，了解目标用户的方法：

• 用户调研
• 行业/竞品分析
• 人物画像
• 场景分析
• 浸入式调查
• 问卷调研
• 服务体验蓝图
  ……

上线反馈挖掘阶段

响应用户反馈，深度挖掘用户问题的方法：

• 认知走查
• 问卷调研
• 卡片分类
• 用户访谈
• 可用性测试
• 观察法（单面玻璃法）
• AB test
  ……

持续优化迭代阶段

产品持续优化，发现新的用户需求：

• 体验度量调研（满意度、NPS等）
• 可用性测试
• 行为数据分析
• 品牌认知调研
• 用户画像
• 行业/竞品分析
  ……
  

产品阶段与位置

• 初创期：最重要清楚目标用户是谁。
• 成长期：分析用户的行为数据，功能是否符合用户预期，保证快速复制，快速迭代。
• 成熟期：产品成型、流量稳定，提升盈利，通过综合性定量定性分析，提升付费率，增加收入。
• 衰退期：分析重点是发现产品运营低效环节，降低成本，寻找新的业务增长点。

用户调研的核心价值：在产品发展的全生命周期里，根据具体发展需要，研究大小用户群体的行为特点与底层机制，给出专业洞见与可落地建议。

常用用户研究方法

用户痛定定位分析方法比较：

认知走查

是各种方法里最简单的方式。
快速找痛点，是产品团队以用户的视角完成具体任务，记录是否可以完成这些任务，以及任务过程中存在的问题。
需要产品经理一秒变小白的能力，一般越有同理心认知走查的效果就越好。
优点：随时随地DIY，不用找用研排期；主要产品流程与交互覆盖全面；问题具体好复现、易落地。
缺点：产品经理先验知识导致与真实用户存在差异；考察对用研工作原则的理解。

VOC分析

VOC：Voice Of Customer，顾客的声音，就是收集用户的反馈。
VOC渠道可以有：

• 客服反馈
• 产品预留的固定反馈入口
• 社交舆情，主动爬取产品在网络上的反馈与评价
• 产品设置的场景化反馈入口

VOC分析的分析方法包含：信息结构和信息处理两大部分。

• 信息结构：意见/问题分类；文字、图片、视频信息反馈；可核实用户凭证；用户联系方式
• 信息处理：信息分级；信息分发，定位责任部门实时接收；定期查收、统计、处理；专题验证，优化提升

可用性测试

可用性测试是在产品或产品原型阶段实施的通过观察或访谈或二者相结合的方法，发现产品或产品原型存在的可用性问题，为产品设计改进提供依据。

可用性测试不是用来评估产品整体的用户体验，主要是发现潜在的误解或功能在使用时存在的错误。

不同产品时期作用和目标：

• 1 产品概念期-0：探索新产品应包含哪些内容和功能，以满足用户的需求（定向探索）。
• 2 产品上线期-0.5：在发布前或发布后对最新版本的测试，通过评估可用性，排除潜在迭代风险，提前预知用户适应情况和可能疑问（风控）。
• 3 优化迭代期-1：排查当前版本体验痛点，比较本品/竞品、A/B方案优缺点（定位）。

可用性测试步骤：

任务脚本示例：测试新搜索列表页可用性

• 1.开场白（3分钟），说明访谈目的和基本流程，签订录像许可与保密协议等文件
• 2.事前访谈（5~10分钟），了解用户背景，或通过问卷来获取信息
• 3 讲解任务目标（任务说明书）与用户应遵循的相关规则
  

  场景：朋友要过生日了，您想为他挑选一件价格高于100元的Tshirt，请使用XXAPP进行购买
  任务：请搜索相关词语，从搜索结果中查看3款感兴趣的商品，并选择1款合适商品添加至购物车，并告知选择原因。

• 4 观察测试（30~40分钟），观察并记录用户在执行任务中遇到的问题

• 5 事后访谈（5~10分钟），通过回顾法询问用户在执行任务中遇到的问题
• 6 结束语（3分钟）

招募用户：
1. 根据资金预算和日程安排来招募用户，并给予他们一些报酬。
2 确认所要招募的用户数量，样本数量：5-8人(单用户组)；测试5个用户大约可以发现85%的可用性问题。

样本数量在5-8人时，价值密度最大
可用性测试的分析与记录：

影响程度统计：
（1）性质：失败>费力>不满意
（2）频率：1人，2/7人，全部；30%人

问题还原模板：

• 问题概述：客户化视角阐述问题，如“完全式扫描搜索列表”应描述为“对搜索列表页呈现结果，逐个检视，观察主图、服务保障标签及价格，未使用筛选功能”。
• 用户任务及场景：提供问题发生的背景，帮助我们了解用户想进行什么操作时发生了什么样的问题。
• 问题详述：对用户体验问题详细的描述，比如：用户在什么页面，进行了什么操作，界面发生了怎样的交互等。
• 问题分析：出现此类问题原因是什么
• 解决方案：针对问题产生的原因提出可能的解决方案

与认知走查的对比：

可用性测试小结：

• 可用性测试的应用场景：探索、风控、定位
• 可用性测试的具体执行：任务设计、眼耳口手
• 可用性测试分析方法：整理、影响程度、还原、解决方案

定量体验评估方法

收集真实用户的体验journey感知评价，量化反映产品体验水平，帮助产品体验提升与竞争力决策。

方法优点：

• 定量调研取样范围广，样本量一般不低于300
• 问卷调研问法精确、自发填答，降低期待者偏差（皮格马利翁效应）
• 样本范围保持一致时，可定期调研对比
• 可交叉各种维度，一份问卷多角度分析

方法缺点：

• 问卷编写有一定专业性要求
• 目标群体选择对结果有较大影响

量化评估的常用方法：

• 满意度
  一个示例表格，
• NPS
• 痛点发生率

满意度(李克特量表)

根据您以往在xx平台的购物经历，在将商品加入购物车并提交订单支付时，您对以下页面的满意度评价分别是（每列单选）
方法说明：

• 常用：5级量表
• 满意度=（非常满意+满意）/样本量
• 需筛选有评价资格用户：使用经验
• 需备注解释专用名词/非口语词
• 需给出出口选项：不清楚/无法评价
• 可设置多级满意度指标体系：1.电商平台整体；2.黄金流程；3.购物车/结算页/在线支付

李克特量表示例：

NPS

品牌的净值推荐值(NPS)，它是一种辅助评估用户忠诚度的方法。
它只用一个问题：你会不会向你的朋友或同时推荐XX公司/产品？作为客户总体满意度的计量方法以及预测企业的成长。
公示：净推荐值(NPS) = 推荐者% - 贬损者%

净推荐值得分在70-80%之间则证明该公司拥有一批高忠诚度的客户

一个NPS统计示例

扩展学习

• 看书
  

• 看公众号：Uxren；阿里妈妈数字营销；金字招牌研究室；嘉duo宝

• 找数据Quest mobile/Talking data；企鹅智酷；百度指数/知微；数字一百/艾瑞/益普索；麦肯锡/埃森哲/BCG

用户画像构建

用户画像分类：Persona和UserProfile

在产品不同时期，用户画像类型不同

Persona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。

通过一个集合了真实用户典型需求与特征的虚拟角色，帮助产品经理和设计师理解用户的真实需求和使用场景，始终围绕着典型用户的核心诉求点进行设计和开发。

不同产品阶段，用户画像的目标作用：

• 产品概念阶段：定义用户、场景、需求/痛点、解决方案。
• 产品设计阶段：从画像角色中，理解用户的需求、场景以及遇到的问题，进行流程和用户体验设计。
• 产品上线后：结合真实用户数据与标签画像（User profile），修改完善原始用户画像，定性解释数据表现，定位优化方向。

【用户画像案例】

Perona关键信息点：

• 角色类型（事后归纳）
• 人口属性
• 人物素描（生活场景、产品场景还原）
• 核心诉求
• 关键行为
• 对标竞品
• 品牌&触媒
• 角色照片
• 价值宣言

用户画像的搭建方法：

• 一瞄：建立人群假设与关键行为框架
  

• 二聊：准备访谈提纲，进行用户访谈
  用户画像访谈提纲：
  1.甄别、欢迎语、暖场
  2.用户基本生活
  3.用户产品接触历程
  4.日常使用场景
  5.使用体验与评价（本品/竞品）
  6.未被满足需求与痛点
  7.意见建议

• 三抽象：从访谈发现，到抽象虚拟人物角色
  

Persona用户画像搭建方法案例：

Persona用户画像构建流程：

Persona用户画像有效性验证标准：

• 基本性：指该用户角色是否基于对真实用户的情景访谈;
• 同理性：指用户角色中包含姓名、照片和产品相关的描述，该用户角色是否引同理心;
• 真实性：指对那些每天与顾客打交道的人来说，用户角色是否看起来像真实人物；
• 独特性：每个用户是否是独特的，彼此很少有相似性；
• 目标性：该用户角色是否包含与产品相关的高层次目标，是否包含关键词来描述该目标;
• 数量性：用户角色的数量是否足够少，以便设计团队能记住每个用户角色的姓名，以及其中的一个主要用户角色;
• 应用性：设计团队是否能使用用户角色作为一种实用工具进行设计决策；

User Profile用户画像

用户画像（Profile），即用户信息标签化，通过收集用户社会属性、消费习惯、偏好特征等各个维度数据，进而对 用户或者产品特征属性的刻画，并对这些特征分析统计挖掘潜在价值信息，从而抽象出一个用户的信息全貌；

可看做是企业应用大数据的根基，是定向广告投放与个性化推荐的前置条件，为数据驱动运营奠定了基 础。如何从海量数据中挖掘出有价值的信息已经愈发重要

User Profile用户画像的作用：

User Profile用户画像构建步骤：

数据挖掘

数据挖掘：通过数据埋点，追踪记录用户行为

预先设定好需要获取的事件，让程序员在相应页面上进行数据埋点，用于追踪和记录用户的行为，并将实时数据传送到后台数据库或者客户端。

电商为例，为了抓取用户的人口属性和行为轨迹，先预设用户购物的可能行为，比如：

把这些用户信息和行为用程序语言进行数据埋点，比如访问时长、浏览路径、页面停留时间等），数据被发至服务器，被存放在后台或者客户端，形成用户基础数据。

确定标签

确定用户标签：给用户打标签的过程

给用户“打标签”是构建用户画像最核心的部分，不同的受众，不同产品、不同目的，给用户的标签各有侧重，具体问题具体分析。

常见标签分为两类：

静态标签：相对静止的用户标签，包括最基础的用户信息如性别、年龄、学历、角色、收入、地域、婚否、性格等

动态标签：变化中的用户标签，记录用户互联网上的行为偏好。如：搜索、浏览、注册、点赞、收藏、打分、加入购物车等等。

数据建模

数据建模：给用户行为标签赋予权重的过程

用户的行为可以用4w表示：

• Who（谁）：定义用户，明确研究对象，用于用户分类，划分用户群体。比如用户注册ID、昵称、手机号、邮箱、身份证、微信号等
• When（什么时候）：包含时间跨度和时间长度两方面。越早发生的行为，标签的权重越小，越近则权重越大，既“时间衰减因子”
• What（做了什么）：用户发生了怎样的行为，根据行为的深入程度来添加权重。比如，用户购买的权重为1，用户收藏为0.8，用户仅仅浏览记为0.7.
• Where（在哪里）：指用户发生行为的触点，包括内容和网址。内容是指用户作用于的对象标签，比如小米手机；网址指的是用户行为发生的具体地点，比如小米官网。权重加在网址上，比如小米官网为1，京东为0.8

当单个标签的权重确定下来，可以利用标签权重公式计算总的用户标签权重：

数据建模案例：
A用户今天在官网上购买小米手机
B用户七天前在京东浏览了小米手机

得出单个用户的标签权重，打上用户忠诚度标签

用户画像

用户画像：根据标签分类进行数据统计，得出用户画像

通过对用户进行数据建模，为用户打上标签，再按照标签分类或者进行大数据统计。进一步了解用户，建立正确的营销手段和产品决策。