在目前的趨勢和技術背景下用戶研究有哪些新方法？

12-18

從用戶研究的根本性來說，我認為最重要的是對項目、產品的理解以及做用戶研究時挖掘和解讀用戶反饋的能力。
這兩點無論到什麼時候都不會變。

以前傳統方法用問卷，深訪，觀察，焦點小組等等，而現在可以通過App收集特別客觀和真實的數據。
在分析過程，最重要的仍舊是這些數據背後，人們的真實動機。
比如現在我們給客戶做微信後台數據分析，我會要求同事們結合社會上的熱點，以及微信發布的內容來分析異常的數據。僅僅知道周四活躍人數最多，周五查閱最多的關鍵字是什麼，遠遠不夠。1需要觀察和總結長期的規律 2需要挖掘背後的原因。

我推薦一個研究方法 - Living Lab，從08年我開始知道和了解這個方法，源自於和芬蘭的一些交流合作。感興趣的朋友可以去搜索相關資料。

Living Lab將傳統實驗室植入到真實環境，比如在歐洲某個小鎮就是一個living lab，我們可以在這裡推廣和測試新產品。很多真實的用戶會投入使用產品，並進行反饋。

這裡的用戶比傳統方法抽樣更多樣化更科學，參與度和反饋更積極。如果都使用App，後台的數據也都非常真實。

貼一篇《寒冬之下，用戶研究的升級與轉變》，這年前我在我們無線UED的官方公眾賬號寫的一篇文章，目前已被各類內容平台轉載過；不是關於用戶研究的新方法，而是我所感受到的一些變化吧。希望能更多的知友進行交流。

這一年以來，「轉型與升級」恐怕是在公司內聽到比較多的熱點辭彙之一了。大到產業結構的升級，消費行為的升級，小到品牌的升級，產品功能的升級，等等。身為從PC時期開始起步的用研，發現這個崗位在這樣的大環境下，也面臨了一系列需要升級與轉型的狀況。

那麼，我們該如何用新的視角來看待用研這個崗位，在思考方式及能力上，需要做出哪些改變呢？以下簡單整理了個人的幾點思考，以此拋磚引玉，也希望聽到更多不同的聲音和觀點。

1.從研究的資源化向研究自驅動的轉變

兩三年前，在有用研崗位的互聯網公司內部，幾乎所有的職能和角色都傾向於把用戶研究同學當成資源方，產品經理，運營、設計師、甚至開發在實際工作
中，遇到需要深入探索用戶行為及態度，或有業務假設需要驗證，或者是業務方案需要對比的時候，會給用研同學提研究需求，而且還要走相應比較規範的流程，用
研同學一般都是踏實的接需求，埋頭做一些不同主題和顆粒度的研究，把研究結論，業務建議等輸出給協作的同學，並對後續的實際應用於落地情況做些跟蹤即可，
比較好的研究人員會回過頭去做一些復盤和反饋。

但是，在整個大環境的變化下，這種觀念逐漸淡泊起來。尤其是在移動端，項目節奏非常快，版本的更新迭代周期短，在上線前，幾乎所有的角色都在爭分奪
秒；留給用研的時間越來越短，其他職能的同學也擔憂提用研需求，結果出來相對又慢（尤其是執行一些定性的研究，從確定研究目標到方案設計到用戶招募，信息
收集，編碼，最後產出報告），會整體拖累項目進度。所以除非萬不得已，一般能省掉提用研需求就省了。

在這種情況下，用研必須要改變被動的接需求、習慣於做命題作文的局面，主動走進業務，深入的理解業務，基於此，從研究的視角，進行觀察和判斷，去自
驅動的尋找一些需要深入、系統研究的機會點。然後靈活的選取高效的研究方法和手段，收集更多元的數據和信息進行研究分析與沉澱，並傳遞給相應的業務同學。

在大家都在推著業務往前沖的過程中，用研還有一種可行的策略是，不妨慢一下，理性，系統的看看，可以做哪些研究幫助產品或業務在未來有更大的空間，發展的潛力更大。

2.從對用戶需求的關注升級到對商業價值的探索

曾經的某個時期，用研的方法也好理論也好，似乎關注點都放在用戶需求，行為及體驗上，不過，最近1年來經常和用研同學們感嘆，回望過去，那些年，我
們一起玩過的可用性測試，用戶任務設置，認知走查，實驗室眼動實驗，甚至於後來流行一時的Personna（用戶畫像，用戶角色），用戶體驗地圖等等，已
經非常out了，正如現在越來越少有人在提UCD這個概念了。

經典用研場景，似乎逐漸過氣

與此同時，大數據對用研的衝擊和挑戰越來越大，目前用研也都很流行去研究數據，數據化決策，用研數據+，數據驅動X，等等。其實，我本人就是這個大
潮中的一員，也在做各種探索。但這些都是表面的現象，其實在更本質上，是整個內外環境對用研提出的另外一個思維升級的命題「所有不太能直接影響到商業價值
的用戶體驗，你研究它的價值到底有多大呢？」所以，除了研究用戶需求，還需要有相對敏銳的商業思維及業務思維。

要做到這一點，對用研的專業性有更高的要求，要學會用決策層的視角和語言去思考問題，決策層最關注是用戶流量、成交轉化GMV等銷售指標。而產品對
用戶需求匹配的準確度和用戶滿意度等都用研一直以來比較關注的，但是還應該思考一下我們用研的產出物是否和這些關鍵的數字指標（業務大盤）建立起了較為顯
性化聯繫（可能要落實到數字及量化上，數字是容易感知的，也是容易記住的）。

從「用戶需求」到「商業價值」

3.從回答問題到解決問題的升級：

用研在與實際的業務合作中，經常會出現以下兩類很典型的對話場景。

場景1：業務方過來找用研「我們想知道用戶的需求是什麼？我們想知道用戶對兩種方案的選擇偏好是什麼？我們想知道大家不用的**的原因是什麼？」,
小夥伴們不停的給我們提問題，然後希望我們快速，越快越好的給他們一個回答。在他們的心理默認了只要回答完問題，這個用研究結束了。

場景2：關於某個主題，用研與業務同學一起進行了用戶調研，回來之後，業務同學在郵件里各種闡述和總結基於用戶的發現，各種興奮激動。但身為用研，
總擔心部分用戶的若干觀點和需求難免會以偏概全，況且，直接把用戶所言說的需求簡單粗暴的轉換成業務需求，這樣不太合理，用研總希望整理和收集所有的信
息，苦逼的進行編碼，通過建立用戶反饋的信息之間的關係模型，深入加工信息，並試圖翻譯成更加偏業務的解決雛形的東西，but，業務方會說「親，用研同學
不是應該如實的告訴我們，用戶到底是怎麼說的啊，他們的問題是什麼啊？」啊，原來我們折騰了半天，可在大家的觀念里，用研首先要做好傳聲筒的角色。

但是，把用研定義為用戶的傳聲筒也好，希望用研能萬能地回答各種問題也好。這毫無疑問是研究資源化的時期的認知慣性。在新的互聯網環境下，僅僅是回
答問題的話，用研這個崗位的價值面臨一些不可迴避的挑戰。其實，用研自身也是時候要打破這種思維上的局限，收集信息回答問題畢竟不是終極目的，有效的解決
業務問題才是最為關鍵的。

問題解決意識與能力，在一定程度上也是對研究執行及研究方法的一種升級。

當然，用研是不是能真正助力實際業務問題的解決，在一開始和業務協作中就要清晰的傳達，這個研究不僅僅是回答一些問題，而是希望大家能更好的去解決
某個特定的問題。並且，這個問題解決與否，還需要一系列可評估的指標（可以是定量的數據，也可以是定性的指標），一定要有，這一點至關重要。

其次，所謂的解決問題，並不意味著用研要把產品，運營或設計的活兒給幹了。用研這個角色在【業務問題解決】中的價值在於清晰的定位一個問題場景，論
證這個問題為什麼一定要去解決，不解決將會帶來的負面影響是什麼，解決了之後，能給用戶和平台帶來的價值是什麼，並且嘗試給出一些靠譜的思考和建議。所謂
的靠譜，不是各種建議的陳述和羅列，而是能產出更為體系化的方案的雛形。這一點，直接決定了後續問題的解決的優先順序及可行性。否則，用研提出來的優化建議
永遠停留在to do list 中，待有開發資源時再考慮，然而，有個殘酷的真相是，資源似乎永遠都是不夠用的。

4、從研究導向到業務導向的升級

這一點，其實是上文提到的幾點轉變的綜合結果。以前，當我們習慣於被定義為資源方，習慣於回答問題時，導致開始做研究時，更多的關注在研究這件事情
本身，比如研究方案的執行，怎麼把研究做好，結論分析得深入系統，能輸出一些有價值的建議等等。但是當研究做到一定的層級之後，視野和思路就要更打開一些
了。不僅只關注研究本身，要將更多的視角放在業務和產品層面。埋頭專註的做事情固然重要，但是總有一天你需要去抬頭看更大的一片天。

當從研究中出來，直面更複雜的業務環境和業務問題時，需要有更為系統的視角，需要學會做靈敏的判斷和決策，面對不同的研究任務或研究需求，在人力和時間資源有限的情況下，要宏觀的規劃和把控，選擇對業務價值最大化的項目進行深入。盡量減少和避免為研究而研究的情形出現；

而且，對業務思路的關注和學習，有助於跳出研究的思維慣性，有意識的用做業務的思路來做研究，這也是在新時期，我們應該要去探索的。

用研-用戶-業務多方參與的共創會

很重要一點，就是用戶研究的條件更方便。我們更容易捕捉到用戶的情緒，能更精確地進行遠程研究。
基於用戶情緒等與目標行為（如：購買、退出等）的基礎性研究，能夠更精確，更有說服力。

其實有點被這個題目「在目前的趨勢和技術背景下用戶研究有哪些新方法？」帶偏。

樓主問題重點是其它新方法，定語是「目前趨勢和技術背景下」顯然討論方法論如何更好在不同階段更好的運用。樓主把解決問題的途徑歸納為方法使用的問題。方法掌握得多是可以在技能上有更多機會。但所有方法都不是萬金油，有時一個項目可能需要多種方法組合，關鍵：

關鍵：能找出解決問題的關鍵點。不斷挖掘與關鍵點相關的因素，以及受影響程度的優先順序。跟研究用戶行為、用戶心理，挖掘需求排列優先順序一個道理。

其實用研最基本的方法被使用的頻率很高，比如基本的：可用性測試、問卷、電話訪談、深訪、用戶日誌、焦點小組、甚至頭腦風暴，成本低可操作性強、數據分析效果也不錯。
其他方法，如有利於營銷分析的：

KANO模型、

結果呈現：驗證一個產品應包含的屬性

價格敏感度測試的PSM模型、

結果呈現：什麼價格區間可以最大化保證公司與用戶的利益。

品牌知覺圖分析、

定標比超分析

AIDA模型。

不要最後變成對某一方法的考量。定性和定量的方法只要能起到一定作用就是好方法。如果真要說方法技術含金量上可能跟推行方式有關，與業務方提前溝通盡量保證意見達成一致，盡量講清楚你工作和結果所起的作用。同樣的方法在不同環境下不同項目介入階段結果也會大不同。如果介入總是晚，不貼合項目很被動在牛X的方法也不如降低時間成本快速給出結果更實際一些。

有的模型很好看。先把人看眼花，感覺很牛叉。

每種方法背後都有一個因，方法只是實現的一種手段而已。拿用戶行為數據舉例：

行為數據是為驗證運營方案有效性還是監測產品體驗一段時間內波動、或是收到准卻市場反饋發現流失率很高。一定有一個指標異常。或發現未建立完善的指標體系，但數據顯示出了這一項。

每一種做精了也是有利的，如果想掌握技術一樣的去抓方法，可能最後變成了高大上的方法低效率的結果，業務方不理解還不滿意。高產出一定是對業務甚至市場、或老闆的角度對業務有足夠理解，並準確判斷能讓業務提升的關鍵點。這就提到指標。

一說指標大家就提銷量、成本、用戶量、品牌等，但這些也只是結果而已，如果要變成指標得加動詞：如何滿足「提高銷量、降低成本、擴大用戶數降低流失用戶、提升品牌知名度」這個需求？資源支持有哪些可保障？

先說崗位可以提供什麼？有哪些促進作用。從通用範圍上講用戶體驗關注的幾點：用戶特徵、用戶行為、實現路徑、用戶（或客戶）心理

曾在一家電商公司做用戶體驗研究，部門隸屬於BI（商業智能）部門。與以往強調方法與用研技能不同的是，BI老大非常注重方案有效性、重視以數據講道理。

所以需要立指標，先思考幾個問題。
1.需要做什麼？解決或跟進什麼問題？
2.問題來源哪裡？
3.公司或業務戰略最關鍵指標是什麼？
4.有哪些方面可以衡量？
5.有哪些資源保障可以落實？成本多少
6.如何證明這些指標能驗證提高商業利益？最後一項較複雜，跟人、人事、決策人是誰都有關係。

用戶體驗指標衡量這一塊：

1.用戶體驗成果分戰略性和戰術性、體現在報告上分總結歸納型、挖掘分析型、描述型。顯然我們平時描述型居多、抓痛點爽點抓的表面一層皮，未觸及關鍵點

2. 制定用戶體驗指標與商業價值結合。目前沒有明確指標。作為產品體驗好壞程度的參考依據之一部門甚至也未對自身指標做嚴謹計劃。

指標一定是來源於所有業務相關人共同的反省認識，對業務發展起關鍵作用的。
大多數公司這個崗位的人只要不觸及戰略，基本重複性工作較多，且貼合實際項目上程度不一。說是項目不如說是事務，項目不抽人做而是一起上。

3.周報、會議、討論都是完成目標的一個手段而已，主觀性和漏洞還是有很多。

有可能不是樓主想要的答案，但抓關鍵點判斷與有有效指標建立與自身建立完整用戶研究知識體系一樣重要，甚至有時更重要。

未完待續，吃個飯………

單就目前的行業現狀來說，不管是高科技，還是低科技，傳統行業，或新興行業，用戶研究的方法無非就是定性深訪、焦點小組、專家調查、象限研究、聚類分析等等。趨勢和技術背景並沒有從本質上改變用戶研究方法，新技術更多的是輔助我們更順暢且更完整地利用一種研究方法完成項目。

例如眼動研究，它是眼動技術與研究方法的二合一，雖然眼動研究可以產生直觀的熱點圖，是可用性測試、問卷調查、後台數據挖掘等研究手段難以企及的，但研究人員的工作主要在於事後的眼動數據分析，這樣一來，重點的工作內容又轉移到了傳統的研究方法上來了。

非常喜歡這個問題！我最近親身體會的例子：我是理工科的大學生，我可以明顯地感受到「網易公開課」這樣一個互聯網的創舉並沒有給我們帶來實質性的改變。我想調查一下現在網易公開課的下載數量（或在線觀看人數）走勢，我還想知道用戶平均的觀看時間，有多少用戶認真的看完了整個課堂。
最終我並沒有得到我想要的數據。因為無處可尋。
所以我想，想做用戶研究，必須得到公司後台的數據吧。
否則，還不是只能自己觀察+問卷調查？

其實我覺得不要搞那麼多方法論，我認為經典的用研方法比如可用性測試、訪談、問卷調查這些永遠不會過時，再加上基本的數據分析方法其實已經足夠。用研還是老老實實了解用戶需求和痛點，和研發人員一起幫用戶解決問題，用什麼方法都是次要的。
我還是比較欣賞華為老總在日本研究所的一段講話：「所以任何一件事，不要把方法論說的那麼複雜，消耗了我們的精力...其實華為的成功很簡單，沒有什麼複雜的道理，我們就是正正經經的為客戶服務...不要這麼多方法論，認認真真地把豆腐磨好就有人買"。

灰常期待 Google Glass 眼動監控在這方面的表現。