用户研究 - UCD大社区

关于A/B Test的外传

jimjun — 2013-04-10 09:14:39

A/B测试的作用大家都知道，就不多说了，在这里写写我在平时工作中应用心得。

在我的业务线平时应用A/B的场景：A大多是已经在线的一个产品，而B是一个我们将要上线的另一版本的产品（有可能是改进也有可能是推倒重来的），因为直接通过B去替换A可能用户一下子接收不了，所以我们会切部分用户出来用B版本，上线一段时间后，收集用户的反馈，再去调整，逐步去替换使用A的用户，这样做能让用户更平滑的接收。别小看这个过程，其实有很多策略可讲究了。说说我的真实经历。

之前做【AE卖家后台首页改版】的时候有两种方案做A/B测试，第一种：直接切20%的流量体验新版后台（根据帐号数随机切20%的用户登录就跳转到新版），不提供【返回旧版】入口，另一种切50%的流量让用户体验新版后台，但是要提供【返回旧版】的入口。

第一种方案相对比较保守或者说慎重，因为用户不能回到原来熟悉的页面中去使用，特别是在后台（执行任务为主）一旦用户有比较紧急和重要的任务要做（比如编辑产品、发货、回复询盘），会非常影响他的效率，从而直接带来一些不理性的反馈。好处：如果产品的改版是方向性的（就是商业决策上一定要这样去改了)，那通过这种方案一步步切流量，整个过程还需要和用户沟通解释，就能有个较平滑的过渡，比如网站首页的改版、SKU项目。

第二种方案就比较开放，因为用户有【返回旧版】的入口，用的不爽可以回去，而且被测试的用户基数较大，这样得到的反馈相对来说更有定量的价值，容易发现同类度比较多的问题，相对来说反馈内容也比较理性充实，我在群里、网上、上门跟用户聊的时候他们大多都说出对于不爽的很多细节。

当然这两种方案都基于一个很重要的前提，改版前做好功课：解决的问题和用户期望匹配度要高，准，而且第二种尤其。写到这里大家应该能看出我最终选择了哪种方案做了【AE卖家后台首页改版】。

对了，第二种方案还能给我们一个很重要的结果指标，就是用户在A/B版本的存留人数，再来看个当时【AE卖家后台首页改版】review数据图。

此次使用A/Btest的进行测试，新旧版各50%的用户，在新旧版头部布有切换按钮，用户在下次登录ME时会自动进入上次退出地的ME版本中。

总的来说新版上线后，用户随着一个时间段的体验和适应，新旧版的的存留上是五五开。

新版由于链接数上有所简化，所以PV对比上会略低，而新版Session在近一周有所超越旧版的迹象。

通过存留比能很好的反映用户最终的接受度，同时也是作为判断产品是达到足够替换旧版的一个重要指标之一。

这里再提一下对于改版类的A/B测试还有一大利器就是热点分布图，基本能很直观的表现出用户的焦点功能能否在一屏内看到，操作到，尽量少的需要滚动。

当然每个产品情况不同不一定是看类似的指标数据，但在做A/B前梳理清楚上线后通过哪些数据来衡量是非常重要的，衡量哪些指标，我们UED也最好能主动和PD一起去讨论，毕竟有些指标数据能指导、影响我们的方案和看问题视角。

当然A/B测试还有很多种用法和分步实施方案，测试出的结果也会有很多有意思的解读，项目做的多了，思考的多，遇到的问题多了，都能感受的到，以上只是举了个简单的例子。

A/B测试和PD

写到这个标题，是我想到了很多时候UED在PD沟通方案出现分歧时，最终会提出做A/B测试，这本身没错。但我在和PD们聊过这个问题时，他们有时候会有一种较负面的感觉：这么小的一个需求还要做A/B哪有资源和时间，感觉这成了阻碍他们项目进度的一个绊脚石。可能我们只是想证明自己更对，并没有那种意思，但如果对方有了这种感受其实很不利于以后的合作的。

我的一点点看法就是，如果项目是很重要和关键的改动，我们尽早提出该项目需要做A/B测试（PD也会比较慎重的，最好你还能提出如何去做A/B测试的建议方案更nice），规划到项目整体资源中去，而不是在项目KICKOFF后，大家都完成了评估开始执行了再来提。如果是些小改动影响不大，方案一直纠结不下，哪我建议我们大度点让让TA们吧，最后真的他们错了，补救的成本也不会太高的。这点是我们需要注意下的。

以上只是个人心得，虽不能适用大家的工作场景，但举一反三，希望带给大家一点点思考，就算没浪费大家读到这里了。

源地址：http://www.aliued.com/2013/01/14/1503/

问卷调查法的使用小结

nightwind — 2013-02-16 08:49:28

问卷调查（questionnaire）是用户研究或市场研究中非常常用的一种方法，这种方法可在短期内收集大量回复，而且借助网络传播调研成本也比较低，所以得到广泛的使用，但是似乎有些人认为问卷调查就是设计若干问题然后发给用户填写就行了，但其实越是简单的调查方法越是有需要注意的地方，这样才能真正发挥该方法的优势，下面就结合自己近期的项目实践对这种方法进行总结，意在总结流程，所以具体的题目此处不做呈现。

一问卷调查的基本定义

1问卷调查与量表

其实问卷调查本人更倾向于称之为调查表（questionnaire或者survey）,它与心理学上常见的量表（scale）还是有很大差异的

总的来说，问卷调查更多的用于了解目标对象对某些事情的态度，认知等，而量表是用来描述目标对象的某种心理特质在群体中的相对位置，如智力量表等，在企业的实际工作中，问卷调查法使用频率更高。

2问卷调查的用途

正是由于问卷调查的基本形式是设计问题，提供选项供用户填写，所以问卷调查更适合收集用户对现有产品的态度、基本习惯信息和人口统计学特征等，不太适合用于探索发现新需求新问题（无法提供选项，而用户自己填写意见/建议的比率也非常低），而且其具有投放成本低，参与成本低的特点，特别适合需要大量样本的用研项目。

3关于问卷调查网站

目前提供问卷调查表设计和投放的网站很多，个人用户使用免费版本一般都可以满足需求，企业的话，一般是自己开发相应功能或购买使用调查表网站的企业版本，就我而言，对使用过的三种调查表网站进行简单评价。

（1）问道（http://www.askform.cn/）

仅使用过个人版本的，支持2000份答复，设计问卷的界面比较清晰易懂，支持的题型不算特别多，不支持选项中插入图片，不能看到其他用户的问卷的答复。

（2）问卷星（http://www.sojump.com/）

仅使用过个人版本，支持20000份答复，支持的题型比较全，可以看到别的问卷的答复，有常用题库功能，个人认为这个网站功能比较全，考虑日后使用企业版本。

（3） Survey monkey（https://zh.surveymonkey.com/）

目前正在使用企业版本，支持自定义主题，跳转页面等，虽然是美国知名的调查网站，但国内使用页面打开速度很慢，且中文版本仅支持繁体字，支持的题型不算多，无法看到其他用户的问卷，更无法看到其他用户的问卷答复结果，没有常用题库。

二问卷调查表的设计

1调查目的

明确调查目的非常重要，这决定了调查表的结构，问题的设计等，如果是运营等其他部门提出的需求，一定需要和能最终拍板的人沟通调查目的，不然很多人都希望加进去自己想调查的题目，会造成结构不清晰，题量过多的问题，而且由此造成的反复增减问题也没有实际意义。而且考虑到题量的问题，目的不宜过于宏大，一次集中精力调查一两个主要问题为宜。

2题目设计

题目的设计要围绕调研目的展开，以电子商务网站满意度调查为例，首先分解影响满意度的因素，可以参看有关理论，其他研究资料或者其他部门同事的意见，得到网站，服务，购物流程和物流四个因素，每个因素还可以根据需要进一步分解，得到更多指标。如果前期题目设计时结构比较清晰，后续的结果分析也可以用过更深入的统计方法。

除此之外还应注意一个题目仅针对一个问题来询问，不然容易另用户迷惑，题目的表述要尽量简洁易懂，避免歧义，虽然在很多调查表网站中，多选题和单选题的选项按钮是不一样的，但是个人还是建议再多选题题干中提示“可多选”，以尽量减少误解造成的误差。

关于题目的呈现问题，有些调查表是一道题目一个页面，填写完一题点击下一页继续，我认为在网速不好的情况这种呈现方式会徒然的增加用户的填答时间甚至是焦虑情绪，如果不涉及逻辑跳转题的话，最好一个页面呈现所有的题目，题量的设计尽量在15题或填答时长控制在5分钟以内。关于人口统计学特征题目的位置，个人倾向于根据调研目的而定，如果目的就是搜集用户基本信息，就放在调查表开头，如果目的是收集产品反馈，就放在题目末尾为宜。这样即使用户中途弃答，我们也能搜集到比较重要的题目的反馈以作参考。

在问卷调查表中往往需要设置逻辑题，来针对具备某些特征的用户进行调查，所以在设计问题时需要了解该问题是针对所有用户还是部分用户，具体来看下面的例子

在这道题目之前我并未填写任何分享照片有顾虑的内容，而且我也没有这方面的顾虑，所以这道题真的难倒我了，只能迫选了。

不要忽视末尾处建议/意见题目，在本次项目一开始我会认为用户很少有耐心会填写这类开放式问题，但实际上还是有很多用户提供了宝贵意见，反馈的积极性远超过的我想象。所以这也是一个搜集用户新需求或问题的一个途径，虽然回收到的答复未必很多，但成本很低，值得尝试。

3选项内容设计

题目的设计非常重要，这决定了调研目的的实现度，但是回复质量往往由选项内容而定，因为用户的态度，习惯，爱好等是通过选择我们提供的选项而得到，所以选项内容的是否全面、合理就非常重要，这个也要根据具体情况而定，但需要注意的是，选项要尽量全面，彼此不包含。下面有个反面的例子：

这里如果工作经验恰好是3年的是选哪个呢？也许这类题目对答复质量要求不高，但毕竟存在歧义，应该避免。

同时一个选项就应该只包含一个内容，需要仔细推敲，见下面的例子

一开始设计“能容易的找到目标商品”这道题目的用意在于调查用户对搜索或导航功能的评价，但是后来也发现这道题目同样可以用于评估商品种类是否丰富，这样就存在歧义了。

关于意见态度类的题目尽量采取里克特量表的形式，可以得到更多信息，且便于后续的统计分析。对于选项较多的题目，建议将其设置成选项内容随机排序，以避免有用户图省事只选择前面几项，平衡顺序效应。

为了进一步统计调查表质量，有时候也需要设置反向计分题，甚至“测谎题”，以查看前后回答的逻辑是否一致，以提供后续数据处理的筛选指标。

在题目和选项都设计好之后，需要请相关人员和与该调查项目无关的其他同事进行试测，这个环节非常必要。

三调查表的投放

编制好后的调查表对于投放方式，时间等问题也是需要考虑和记录的，不仅有利于提升收集到的回复质量，也便于为以后的调查表投放积累经验。

1 投放方式

对于互联网公司，目前常用的投放方式是放置在页面上或者EDM，其中对于放置在页面的调查表，一般是放置在需要调查的页面上，具体页面上的位置常见的是侧页面跟随或者右下角，如果能得到足够的支持，甚至可以在首页得到轮播banner的位置。有文章分析过问卷的不同入口位置的效应，关于网页问卷入口的小结，该文章已经分析的相当详细，当然各个网站的情况可能会有差异，所以建议在每次投放时都对投放情况进行记录，由于调查主题，节假日，网站同期活动等因素的影响，也许很难得到不同页面，不同位置的回复质量的明显规律，但是总可以为以后的投放积累经验。关于EDM的投放效果，有兴趣的可以看这篇文章，影响用户响应与填答问卷的要素_邮箱投放问卷。

不管是哪种投放方式，都存在样本代表性的问题，即很难做到真正的随机抽样，即使是EDM针对目标用户发送，依然会仅有部分用户响应，这部分要么对产品意见很大，要么就是相对比较积极的用户，因此在使用调查表结果时一定要注意其代表性，批判性的接受。为了吸引用户填写，有时候会设置奖品环节，但应注意目前存在专门收集有奖调查的网站，其中的用户会“热衷”的填写各种有奖调查表，因此在有奖调查时要着重注意对回复质量进行筛选控制。

2 投放时间

关于投放时间其实存在两个方面，具体投放发出的时间和投放时长，对于在网页上发布的调查，由于资源有限，往往在投放前就需要对投放时长进行预估，如何在有限的时间内得到尽量多且质量高的回复非常重要，同样需要对每次的投放进行记录分析，具体的做法可以参见调研问卷投放时间的探讨。与投放方式类似的，由于各种影响因素的存在，也很难找到投放时间明显的规律，在我本次的调查中，仅发现在调查表投放初期，用户填答率相对较高，在一周内的时间内，周三和周四的填答率相对较高，但差异并不显著。另外在投放时长方面，仅从经验来看，建议两周为宜。关于投放方式和投放时间，由于各个网站都存在自身的特点，即使进行统计分析，也难以发现明显的规律，建议还是多做记录，多积累才会更有经验，具体的分析方法可以参看上面给出的文章。每次需要记录的指标包含但不限于投放时长，回收答复数，uv，填答率，完整填答率，有效填答率，平均用时等。

四调查表结果分析

1数据初步处理

虽然现有很多调查网站支持数据分析，快速的生成各种图表，有的还能直接生成一份报告，但我还是建议从数据的明细入手，根据一些指标删除部分不合理的数据再进行分析。可供参考的指标，填答时长，IP，用户基本信息，调查表内的控制题目等。

填答时长

填答时长是个比较常用的筛选指标，但是由于问卷内容彼此差异较大，制定筛选的标准似乎难以统一，有的是通过作图（spss箱形图），也可以通过修剪平均数的做法（例如去掉头尾5%的部分）。

目前很多调查表网站可以收集IP地址，这也是有奖调查活动中了解用户是否重复参与的一个途径，当然不排除动态IP或者网吧填写的可能，所以使用要慎重。在设计网站时就控制一台电脑/一个IP只能填答一次。

用户基本信息

有些调查中会搜集用户的基本信息，如网站账号或电话等，这些指标也可以用于判断是否重复参与答题。

调查表内的控制题目

这个主要通过题目之间的前后逻辑进行判断，举个例子，如用户在“xx满意度”题目中满意度给分很高，但是在随后“对xx的评价”中评价很低的话，那么答卷质量就可能存在问题，想要通过题目控制调查表质量需要在设计调查表时就进行深入的思考和准备。

当然，筛选标准不限于以上几种，具体的要依照调查表自身特点，不妨多个筛选指标组合使用。

2统计分析方法

调查表结果分析所使用的方法往往是和调查表的设计有关，比如“您是否愿意推荐xx”，如果选项设置为“是/否”就得到一个二分变量，而设置成里克特量表形式就可以得到推荐意愿度的数值，相应的统计分析方法也会有所不同。

除了统计分析每一题目的答复情况，对一些题目进行交叉分析，相关分析，或差异检验也可以帮我们更多了解数据背后的信息。

调查表的结构也会影响统计方法的使用，特别是需要进行深入统计分析，探明各个指标之间关系的时候。如我曾调查过用户对商城信任度的评价，经过资料搜集，编制了服务，产品，，网站设计，付款安全性等几个指标的题目，收集数据后对这些指标进行了因素分析（采用了主成分分析法），kmo和巴勒特球形检验都显示适合因素分析，结果显示提取出了一个因素，解释变异78%，是否就可以表明商城的信任度就是由调查表中的那些指标组成呢，是否就得到了信任度模型呢？答案是否定的，以上仅仅是建立模型的探索性因素分析部分，如果真的需要建立信任度模型还需要验证性因素分析部分（结构方程模型，可以用AMOS实现）。如果需要采用调查表的方法建立模型，仅仅使用因素分析进行降维是不够的，降维和建立模型还差的很远。模型是否成立就与当初设计调查表时思考深度和实际工作需要有关。

另外，目前本人对一些开放性的意见/建议类题目的分析还没有很有效的方法，只能逐条查看，将涉及到的问题分类汇总，但是这样比较耗时，待改进。

关于多选题的分析方法，已经有文章进行了深入分析，有兴趣可以查看调研问卷中多选题的分析方法探讨

3 形成分析报告

分析报告往往是呈现给业务部门的同事看的，所以最好是以更直观的方式呈现，采用有说服力的图表，轻分析过程，着重结论和意见建议部分，最好能点出每条结论对应的相关业务部门，在指出问题的时候也尽量给出建议。

五调查表以外的一些问题

用研项目如调查表等最好能征集到其他部门的支持，共同参与，不但利于前期调研方案的制定（可以倾听到更多的意见和建议，但是也要注意鉴别，用自己的专业知识和经验对项目进行把关，得到更多的资源，如在首页上设计轮播banner，微博转发和奖品设置以吸引更多用户提供意见，而且后期的分析结果也更易得到关注，相对更容易进行推广。

参考文章：

1 调研问卷投放时间的探讨http://ued.taobao.com/blog/2011/06/13/release_time/

2 影响用户响应与填答问卷的要素_邮箱投放问卷http://ued.taobao.com/blog/2011/06/28/the-factors-which-influence-participants-response/

3 关于网页问卷入口的小结 http://ued.taobao.com/blog/2010/09/24/summary-of-the-entrance-on-web-questionnaires/

4 问卷调查法的应用http://uedc.163.com/8379.html

5 调研问卷中多选题的分析方法探讨（1）（2）（3）http://ued.taobao.com/blog/?s=%E5%A4%9A%E9%80%89%E9%A2%98

源地址：http://nightwind.diandian.com/post/2012-03-19/17168774

如何做页面优化

legene — 2013-01-31 17:45:15

优化不同于改版。改版是在原有基础上做较大的改变；而优化是做些小的调整，快速提升效果。但不管是改版还是优化，都需要考虑以下的步骤：

1.问题现状（数据、用户反馈等）/ 用户调研（问卷、访谈等内容，尽量结合数据看）/ 竞品分析

2.结合上面三点，确定优化目标

3.根据目标确定设计计划（如何达成目标）

4.结果检验（数据、用户反馈等指标）

以最近优化的网易保健品首页为例，来谈谈如何做页面优化。

问题现状：

1. 跳出率过高

2. 首屏以下位置点击量很小（第一屏内的热门搜索、功效、品牌点击人数较多）

3. 转化率低（但购买商品类别较集中）

分析：根据点击和转化情况可以判断出，问题主要出在二三屏的商品推荐模块。从下图中可以看出，该区域给人的感觉非常平淡，难以勾起购买欲望。另外跳出率高也暗示着：除了首屏的功效和品牌外，我们是否还需要给用户提供些别的重要内容？让我们从用户分析和竞品分析中再找找答案吧。

用户调研（下图为部分数据）：

1. 男用户偏多，教育背景良好，偏成熟稳重，收入中等

2. 最看重的产品属性分别为功效、有无副作用、品牌、价格、适用人群、成分、口碑及其它。

3. 购买目的是为了保健预防、增强体质

4. 用户对排行榜和相关推荐，表现冷淡

分析：从上述内容可看出，保健品用户相对较理性，购买目的较明确（通过美图吸引无目标用户的可能性微乎其微）。目前这种不规则的商品排列方式并不太适合目标用户，而更适合服装、化妆品类的商品。另外就是商品功效不够突出，也不够吸引人。

竞品分析：

目前卖保健品的网站虽然不少，但垂直领域里做的好的并不多。但我们可以参考和保健品特征类似的产品网站，比如同样注重功效的化妆品网站（比如乐蜂网、聚美优品等）。

分析：通过对比，我们可以发现，竞品的单品推荐部分价格都比较明显（有调查称人们对数字更敏感、用户调研结果也证明用户对价格较关注）、功效用途更突出、排列较规整。这和用户调研结果，也是相吻合的（购买目的较明确）。

值得一提的是：竞品的分类主要按产品类别分，而我们的分类主要按人群和功效分（结合了用研结果），那么我们是否应该再给用户提供额外的分类方式呢？

根据之前的调研结果，用户最看重的产品属性分别为功效、有无副作用、品牌、价格、适用人群、成分、口碑及其它。除了有无副作用不好表现外，功效、品牌、价格、适用人群都在首页上有所表现，那我们现在最需要考虑的就是成分了。

在淘宝指数上，我们可以明显看到，成分的搜索热度远远高于对应的功效。这说明用户对一些热门的成分（比如鱼油、卵磷脂、螺旋藻等）是非常了解和熟悉的，因此我们确实应该提供这些热门成分的分类，方便用户选择。

优化目标：

综上，我们可以得出本次优化的目标为：

1. 降低跳出率

2. 增加首屏以下位置的点击量

3. 提升从首页到下单的转化率（最重要）

设计计划：

如何达到优化目标？根据上述分析，计划如下：

1.改变推荐商品的陈列方式（按人群、功效区分）

2.突出单品的价格、功效

3.增加热门成分内容

热销榜是我们当时比较纠结的地方，虽然调研报告中不建议放，但是考虑到众多竞品（无论是保健品还是化妆品）网站都有这个模块，因此为了稳妥，还是放了。

结果检验：

1. 跳出率未得到明显改善

2. 首屏以下位置点击量增加（新增的成分内容点击量高，对提升二三屏点击率起到了重要作用）

3. 订单转化率增加44%（首页同样的商品，改版前后转化率提升明显，首页推荐的有效性大大增强了）

4. 排行榜几乎无人点击（新增问题）

这样就得到了新的“问题现状”，然后又可以循环往复，去考虑下一次的优化了。

源地址：http://blog.sina.com.cn/s/blog_453d022001018scr.html

认知心理学在用户研究中的应用

烈VS保书户 — 2013-01-31 09:55:42

什么是认知心理学？

百度百科：认知心理学是二十世纪50年代中期在西方兴起的一种心理学思潮，是作为人类行为基础的心理机制，其核心是输入和输出之间发生的内部心理过程。它与西方传统哲学也有一定联系，其主要特点是强调知识的作用，认为知识是决定人类行为的主要因素。

这个概念很抽象。我们来看下在互联网产品中的应用来加深下部分理解。在互联网产品的设计开发中，尤其是UI设计中，很多时候会遇到决策性的需求。比如说，UI设计师们给出了两个按钮图标，需要在其中选择一个上线使用。这个时候就需要考虑到用户的认知与行为特点，来确定那一个按钮更适合用户使用。怎么考虑呢？进行认知测试，在实际当中应用的比较多的是认知判断测试。

接下来以一个例子来介绍下认知判断测试。

首先，介绍一个认知心理学的经典实验---句子-图画匹配实验（Clark Chase）。

给被试看一个句子和紧接着的一幅图画，如"星形在十字之上， "，要求被试尽快地判定，该句子是否真实地说明了图画，作出是或否的反应，记录反应时。实验应用的介词有"之上"和"之下"，主语有"星形"和"十字"，句子的陈述有肯定的（在）和否定的（不在），共有8个不同的句子。Clark和Chase设想，当句子出现在图画之间时，这种句子和图画匹配作业的完成要经过几个加工阶段，并提出了度量一些加工持续时间的参数。

例子是基于这个实验理论基础上的。

需求：游戏在正式上线之前需要进行桌面图标的设计，UI给了两个版本，要求根据游戏的概念来选择一个最合适的图标。

游戏概念：产品要求玩家一看到图标就想到飞翔的雄鹰。

A 方案 B方案

方案：

我们招募了一批参与过游戏测试的玩家，他们对游戏有了一定的认知。

我们问玩家哪一幅图更能表示翱翔的雄鹰？

分别用大图标和小图标进行了测试，得出了结果。那么比率大的自然使我们所需要的图标。

如果选择在网上进行，为了避免用户的随意选择。我们可以多进行一步验证性的测试。

在第一次选择之后，给出更多的图标（包括以上两个图标），以同样的问题让用户选择。验证两次判断的一致性。

小结：

心理学在产品设计中应用多样，以前一直认为可用的方法局限于调查问卷、焦点访谈等等，其实太局限了，打开思路，我们会发现更好的方法！

源地址：http://ucdchina.com/post/12674

U&A在产品市场竞争状况调研中的应用

CDCer — 2013-01-30 19:03:56

在产品发展过程中，多数产品都不可避免面临与竞品共同存在的情况，在竞争中此消彼长，如何衡量一个成熟产品在市场中的地位、竞争情况如何，市场竞争研究为我们提供了一个成熟的可以借鉴的方法。之前的工作中做过这方面的项目，结合一般理论和案例，与大家共同探讨市场竞争情况研究的方法。所应用的调研方法是使用习惯和态度研究。

相关名词解释：

（一）品牌渗透率：

所谓产品的渗透水平是指产品的使用者占总人口的比例，一般有三个指标衡量，包含曾经使用率、过去一段时间内的使用率和某品牌的采用指数：

对于新产品，曾经使用率可以说明产品在市场上的成熟程度，但对于老产品研究，曾经使用率意义不大，因为消费者可能是五年前才用过一次。企业所关心的是近期使用过产品的人，为此一般将时间限制在过去六个月或三个月内来考虑使用率（时间的长短可根据产品种类调整）。

品牌的采用指数(Adoption index)如下：

为了反映消费者对品牌的认同程度，对于新品牌，采用指数的分母也可以改为曾经使用率。若某品牌的采用指数很低，说明消费者使用过后很少再用它，因此对它的认同程度很差。但产品的采用指数接近于1，则不能认为消费者对它的认同程度很高。

（二）最常使用率：

最常使用率可以反映品牌在市场上的相对地位。在U&A研究中，通常用品牌最常使用率作为品牌在当前的市场占有率的粗略模拟计值，而用品牌以前最常使用率作为品牌在以前的市场占有率的粗略模拟值，并用它们来分析当前和以前各品牌在市场上的地位及其变化。

（三）品牌忠诚度

衡量品牌忠诚度常用指标：保持率和转移率

适用的调研方式：

定量研究，定量前期需要一定的定性研究（电话访谈、开放性问卷等）配合，比如寻找用户使用某产品的原因，以便后期的量化。

整体问卷结构：

比如要调研市场上P（品类，比如邮箱、搜索、微博）产品的市场竞争情况，整体思路如下：

问题问法举例：

用户甄别：

问卷主题：-产品使用情况

我们可以从中得到什么结论？

（一）用户认知——问题S1

（二）品牌渗透情况

通过问卷调查，可以分别计算出各个品牌的曾经使用率（问题S2）、过去3个月内的使用率（问题S3）、过去1个月内的使用率（问题S5）及品牌采用指数。

品牌采用指数反映消费者对品牌的认同程度，从图（3）（4）可以得出品牌a的曾经使用率、过去3个月/1个月的使用率及品牌采用指数都高于其他产品，用户对品牌a非常认同。而品牌d的使用率虽然高于品牌c，但是品牌采用指数比品牌c低，表明品牌d用户的认同度相对较低。

其中，过去3个月用但最近1个月没使用过=过去3个月内的使用率-过去1个月内的使用率

曾经使用过，但最近3个月以上没使用过=曾经使用率-过去3个月内的使用率

图（5）展现了各品牌用户流失情况，曾经使用过，但最近3个月以上没有使用过比例越高，表明流失越严重，相对来说，品牌a用户最为忠诚，而其它品牌产品流失较为严重。

（三）市场占有率——问题S6

用户的最常使用率约等于各品牌产品的市场占有率，品牌a的市场占有率最高，处于绝对领先地位。

（四）保持率&转移率——问题S7\S8\S9\S10

保持率和转移率反应了用户在不同品牌间流动情况及用户对某品牌的忠诚度，从图（7）（8）可以得出，全体P产品用户中，10.6%的品牌b用户转移到品牌a，而5.7%的品牌a用户转移到品牌b，整体上品牌a吸引了大量品牌b用户。

从各产品用户构成来看，品牌d用户虽然绝对份额不高，但55.6%的用户来自于品牌a用户。

　　使用习惯和态度研究是市场调研过程中一套非常成熟、有效的方法论，以上案例关于市场竞争情况研究是其一个简单的应用，除此之外还可以进行购买习惯的研究，分析产品使用者和购买者的人口统计特征，以及分析品牌引力和产品引力、了解品牌形象和挖掘品牌的优势和弱点，为处于激烈竞争市场的产品准确定位、寻找更有效的营销策略。关于其它方面的案例希望大家可以一起分享~

(本文出自腾讯CDC博客: http://cdc.tencent.com/?p=6912)

源地址：http://cdc.tencent.com/?p=6912

用户调研的误区

林茜茜 — 2013-01-27 11:37:20

参加过很多次用户访谈，但作为用户参加，还是第一次。这次有趣的换位思考促使我反思，目前的用户调研普遍存在哪些误区？如何以用户为中心，却又不唯用户为中心？

误区1：通过问答创建用户画像

Alan Cooper提出了Persona这一概念，是真实用户的虚拟代表。通过调研去了解用户，从每种类型中抽取出典型特征，来形成用户画像。

理论是没错的，但在具体执行中，用户调研太急于为用户分类与贴标签。比如说：“请用几个词来描述你生活中重要的人、事、物”，从这个问题的答案得到的用户特征很容易片面而不准确。因为人有许多面，不同时间场合会表现出不同的自我描述，同时自我认知未必是准确的。

那么该如何创建用户画像呢？我认为比较恰当的做法是事先调研。以社交阅读产品为例，通过用户账号可得知个人资料、加入时间、活跃程度、兴趣点、图书列表及购买情况、社交网络等。还可以通过用户的微博、博客等了解更多用户的信息与兴趣。事先做好用户画像的功课能提高访谈的起点，有所侧重的提问，而不是对用户一无所知

误区2：调查用户行为而非心理

在调研中，我被频频提问这样的问题：“在你的这几个阅读来源中，书、Reader、杂志分别占的比例是多少？”、“你使用这几款阅读产品的频率比例是多少？”、“你获知并购买书籍的这几个渠道占比分别是多少？”。以前作为提问者不觉得这样有什么问题，今天一一回答才发现，给出的数字那真是拍脑袋。一是因为使用过程中没有具体统计过时间、频率，只能大概估算；二是因为普通用户只关注使用体验，对统计数字不敏感，就拿阅读产品的使用频率比例来说吧，并不是以产品为维度的，而是以内容为维度的，最近在读什么书决定了最近使用哪款产品。所以呢，最好不问过于量化的问题，如果要量化，用户数据和用户日志更能诚实准确的反应用户行为。

用户调研比起数据，更能反映的不是用户行为，而是用户心理，是用户在做出行为之前的一系列目的、动机、需求、感受、体验，更需要的不是做统计，而是引导用户讲故事。我认为这样一些问题有助于引导用户讲故事并挖掘其心理：

用户是如何知晓并到达产品的？

用户会如何向别人形容产品特点？（自问：用户的形容与产品定位相符么？）

对于用户哪些功能是must have哪些是nice to have?

用户在什么情况下“想起并找到”该产品？

用户感知到的与竞品的明显差异是什么？

误区3：混淆个性与共性

一个用户的特征和想法是个性，不能代表全体用户。但一位心理学家说过，越是个人的，越是普遍的。用户调研，正是一门挖掘个体之共性的艺术。

举例来说，我在调研中提到，找一本书时我会先到字节社找，找不到才去该阅读产品里面找，因为字节社的书可以复制文字做笔记很方便。这其实就透露了两个用户心理痛点：做笔记、资源全。对于产品来说，大部分用户的must have是共性，如果不能满足这个需求用户就会转而使用其他产品了；nice to have是个性，这里面的需求是多种多样的了，能满足更好，不能的话也能凑合用。

分辨用户的个性与共性，能让调研结果不仅仅是一家之言，也能发掘用户的共同特征与普遍现象，从而作为产品决策的有力依据。

最后，如果我设计这款社交阅读产品的问题来调研自己，我会这么问：

1、我注意到你的阅读列表中有19本书，其中8本购买，11本试读。能否介绍一下每本书分别是如何发现的？（搜索、逛书店、社交推荐、微信账号推荐、参加活动等等）

2、和竞品相比，你使用这款产品的原因是什么？竞品有哪些特点让你印象深刻，该产品和竞品分别有哪些不足？

3、你会向朋友推荐这款产品么？如果会的话，会如何形容？

4、你在什么情况下，想起并使用这款产品？

5、演示或描述计划中的新功能，观察哪个最让用户感到兴奋。

源地址：http://aiyuguang.net/?p=1082

可用性测试中的发声思考

Wenjin — 2013-01-26 16:31:37

大的互联网巨头的设计部门一般都包含有专业的用户研究员，用以研究和评估用户的行为。而对于资源有限的公司或团队，设计师本身既需要完成设计，同时又需要进行一定的可用性测试，从而确定自己的设计是否正确。

《Don't make me think》的作者Steve Krug 在《妙手回春：网站可用性测试及优化指南》当中介绍的发声思考方式是一种非常简洁高效的可用性测试方法。今天带来一篇更加深入介绍发声思考的译文。相信不论是打算做发声思考可用性测试的设计师，还是曾经使用过这种方法的设计师们，看完之后都会有新的收获。

插图源自：http://www.ipo.titech.ac.jp/english/ics/page14/page14.html

原文请见：http://uxmatters.com/mt/archives/2012/03/talking-out-loud-is-not-the-same-as-thinking-aloud.php

--------------------------翻译正文---------------------------------------

在Jakob Nielsen近期的一个讨论专栏“发声思考是首选的可用性工具”中，发声思考被认为是非常有效的可用性测试方法。对此，我毫无异议，然而，很多人错误的把发声讲述他们正在完成的任务和出声提出设计意见混做一谈。事实上，前者（发声思考）非常宝贵，而后者（出声提出设计意见）非常一般，甚至有可能是有害的。

以下是一些通常你希望从一个发声思考者口中听到的例子：

“我打算操作这个....”

"看到这个界面，我想它的这部分是用来..."

”嗯....这个和我想象中的不太一样，我以为接下来会是....“

“这比我预期中的时间长了很多...”

总之，通过发声思考，你希望了解的是用户怎样理解他手头需要完成的这个任务，以及他如何将界面与任务对应起来。

而你不需要听到类似这些评论：

”我觉得背景颜色应该是蓝色的“

”我觉得其他用户肯定没办法理解这部分...“

“如果我设计，我会把这部分放在那边”

一方面，类似的评论并没办法对当前问题提供实际的启发和引导，只不过是在已经很多的意见当中又增加了一些。往好里说，这是一种干扰；往糟糕处说，它会误导开发者们做出错误的决定，因为他们会认为这是“用户告诉我们他们需要的”。在第一个例子中，那位指定背景颜色应该是蓝色的用户有视觉设计的背景或专业知识么？事实上，我很惊讶于有多少情况下，人们愿意推翻一同工作的经过良好教育培训的专业视觉设计师而仅仅是因为一名会计师（非专业设计者）说他们喜欢蓝色。

那么，如何才能从用户那里得到对你有帮助的反馈呢？依照我的经验，有两种技巧可以提升发声思考的质量：

1. 在可用性测试开始之前，提供一些有指导性的练习。

2. 在可用性测试过程中使用情境控制方法--特别是鼓励和拒止方式。

指导性练习

在我跟被试用户开始正式测试之前，我会先解释发声思考的方式，之后邀请被试来使用发声思考数出他们家里的窗户数量。我告诉被试“我并不是真的关心你家有多少窗户，我关心的是你怎样完成告诉我你家窗户数量的方式方法。”有些被试会很安静的坐在那里一阵，然后说“12个窗户”。我就会指出我没有了解到他是怎样得到12这个结果的。我会要求他们再来一次，努力告诉我得到这个数字的过程。然后他们会试着告诉我：“在我家厨房，水槽对面有一扇窗户，在客厅里有三扇，小房间沙发背后有一面....” 这个时候我会打断他们，“好了，现在我对你回答这个问题的方法有一定了解了：你想象自己站在房间中，然后从厨房开始，一间一间屋子的数窗子的数量。”通常情况下，被试开始在这时了解你的意图，他们可能会说“哦！我明白了！你希望我把自己考虑的过程说出来。”

另一条有用的提示是：先跟被试练习一些简短的任务，如果某些被试在表达思考过程中存在困难，你仍然有机会在完成复杂任务的发声思考前来帮助他们。

情境控制

在可用性测试过程中，我会采用B.F. Skinner’s的两种情境控制方法：鼓励与拒止。我们大多数人都很熟悉鼓励方法，但是拒止方法可能相对较新--至少你可能之前从来没有使用来管理你的被试们。

鼓励

鼓励是指通过夸赞和肯定来激励用户继续进行一系列正确的行为。例如，当引导者说“你做的很好”，用户通常会进一步做更多引导者刚才肯定的行为和操作。

测试引导者应当只在被试给你需要的数据时给予鼓励。不要在用户给你设计意见时给他们鼓励。

例如，如果一个用户告诉我：“这里的操作提示非常难懂，”我会首先确定难懂的地方在哪里，可能是文字描述不清楚，有些模棱两可。之后我通常会给予鼓励“嗯，很感谢你告诉我们，这很有帮助，我们就需要这样的发现。”

在产品设计的跟用户想象的不一样时，我也会这样做。“所以当你输入manger时，你希望软件能够自动的帮你矫正，修改为manager，因为manger在这里根本不合任务情境对么？嗯，这点对我们很有帮助”请注意，我没有说”这是一个好的建议“。为什么不这样说？一方面，在这间会议室里，还有一大群开发工程师们，他们知道实现这样一种拼写检查是根本不可能实现的--至少不可能在不想陷入繁冗开发的当前这个产品中。如果我说“这是一个好的建议”，那么，我就会在这些开发工程师们当中失去可信度。之后他们就会开始对我从这个用户这里收集到的其他建议和问题产生不信任。

另一个更重要的方面是，如果我开始鼓励被试给出设计建议。我增强了被试的什么行为？提设计建议！但我不是邀请这个用户来给我设计意见的，我希望看到的是一个真正的用户如何理解我设计的界面以及利用它完成指定任务的过程。

拒止

我想讨论的另一种方法是“拒止”。当遇到我不需要的反馈时，我如何处理呢？尤其是那些视觉样式的偏好类型的设计建议？我什么都不做。这就是拒止：对于不想要的行为不给予任何响应和反馈。一种常见的拒止是：当孩子很吵闹时，不予响应，给他安静的一段时间，这并不是要惩罚孩子，而是让孩子从吵闹的状态中离开。

通常来说，经过鼓励的行为通常会持续进行，而那些没有得到鼓励和反馈的行为则最终会消失。因此，在可用性测试中会常常见到类似这样：

被试：我没有看到“提交”按钮。

我：所以在你完成了表单之后你不知道该怎样继续了，因为你没有找到一个“提交”按钮对么。好的，多谢，这是一个非常有用的信息。

被试：是这样的，我觉得应该把这个按钮做成红色，好让我能够看到它。

我：下面一个问题，我们会要求你完成....

看到了么？我第一个反馈是非常积极肯定的，我鼓励了用户，因为他帮助我发现了那个“提交”按钮并没有让用户注意到。

然而，我接下来的反馈是没有理会被试给我的设计建议而跳过进入第二个任务环节。通过被试的第一个描述，我们知道了我们的设计可能让用户找不到“提交”按钮。我会让我们受过良好培训和教育的视觉设计师来解决这个问题。

我知道有很多人都希望能够参加到设计讨论当中。但是，一但你让所有人都进入设计讨论的过程中，被试们就不会再继续讲述那些能够帮助发现问题的使用的过程了，转而，他们会开始给你设计的解决方案，他们会认为你邀请他们来是想听他们的设计意见。为什么会发生这样的情况呢？因为你不断的询问设计意见帮助他们确信了这种印象。就像我在最开始的例子当中一样，被试告诉我“12扇窗户”，我知道了他的答案，但是没得到任何用户怎么算出来12这个结果的信息。再次强调，我们从不缺乏解决问题的专家们；我们缺乏的是用户对于问题的理解。

结论

让人们进行发声思考使得人们将那些沉默的行为--诸如理解，计划，反映转化为明确的，能够被你观察到和分析的数据和行为。由于这个原因，发声思考在可用性测试当中是非常宝贵的。但是如果一个发声思考的被试认为你邀请他们来是征询他们对于设计的意见和建议时，他们就不会继续分享那些对你有重要启发的用户沉默的内部心理行为，转而会给你讲述他们认为怎样设计，而不是他们怎样使用。他们会变成那些告诉你我家有12面窗户的用户。

有一些客户有时候过分的期望用户给予的设计建议，因为他们认为这是真实用户给出的参考。事实上，这与我曾经参加过的一个客户评估一样，我们的客户依照一个小范围的统计得出：“我们软件的安装时间比上一版本降低了12%.我们使得我们的软件更容易安装了！”对此，我只能说，也许是更容易了，也许不是。在可用性测试中，我们应当关注的是用户如何数出自家的窗户数量。定量的数据越少，研究者就越容易让用户关注于定性的行为数据。

最后，邀请你的客户和被试进行发声思考，并且在你得到有用的问题反馈时给予他们鼓励！只有这样你才能从用户的角度发现问题，这才是可用性测试的精髓所在。

原创翻译，转载请注明出处：http://viosdesign.com/2013/01/thinking_aloud_usability_test/

源地址：http://viosdesign.com/2013/01/thinking_aloud_usability_test/

说说启发式评估的前因后果

Danis — 2013-01-20 12:05:05

最近在翻这些年从一些行业会议上搜刮回来的专业文集，翻到一些启发式评估的文章。大体思路都是先从用户研究和已有原则入手，然后执行评估，最后得出结论。文章结构都挺严谨（或许说八股？），但读完后面的评估结果（问题列表和优化建议），发现跟前面的研究输出貌似没啥关系，小小纳闷，如果没关系，还为什么研究？结果的依据又在哪里？

先简单说说评估的意义。

一般优化产品的套路无非就是“发现”>“定义”>“设计”>“发布”，然后再进入下一个“发现”，如此循环。也可以简单说成“发现问题”>“解决问题”，为了“把问题解决”而先“把问题发现出来”，道理非常简单。而“启发式评估（启发式就是既有经验，所以也叫‘经验性评估’）”就是“发现问题”的一种“廉价”的方法，评估的输出就是问题清单和建议，以作为后续设计优化的灵感来源和决策依据。

再简单说说什么人来评估？

原谅我实在是搞不懂“专家评估”和“启发式评估”的区别，“专家评估”的评估人员更专业吗？在概念上钻过牛角尖的朋友请教教我。n年前祖师爷尼尔森在《可用性工程》上关于评估者知识影响的描述中列举了三类人，“可用性新手”具有一些计算机知识但没有可用性方面的知识，“单项专家”是可用性专业人员，但不是界面应用领域的专家，“双料专家”则同时具有可用性专业知识以及相关界面领域知识。新手评估者表现最差，双料专家表现最佳，应该尽量让可用性专业人员作为评估者。也可以采用协作式评估方法，让用户代表、产品开发人员和可用性专家合作评估，以发挥各自优点弥补各自不足。

好好说说评估的思路和我发现的问题。

大多数人的思路基本上是“明确用户”>“执行评估”>“整理结果”。

尼尔森说：

“启发式评估法（Heuristic Evaluation）是一种用来发现用户界面设计中的可用性问题从而使这些问题作为再设计过程中的一部分被重视的可用性工程法。启发式评估法包括让一小批评估人员评估界面以及判断这些界面是否符合已经确认的可用性规则（即Heuristics）。”

概念里强调“执行评估”的依据是既有的可用性规则，可用性规则作为一种普适原则是必不可少的依据，现在也有一些公司拥有自己的原则或者叫评估模型（对自己的产品更具针对性）。从个人经验来看，光靠可用性原则，评估出来的多是具体的操作上的可用性问题，往往可能忽略了用户的目标，也就忘记了可用性三要素的“有效性”（另外两个是“效率”和“满意度”，ISO9241）。如果一个功能对用户来说是“无效”的，那交互做到再漂亮也没用。所以评估的依据除了可用性原则之外，还有目标用户。如果说可用性原则是全人类（用户）的一般经验，目标用户则是被评估产品的具体设计依据。

所以第一步“明确用户”不仅明确评估原则，还明确用户是谁及相关的使用场景，以确定执行评估的内容和方式，也让评估结果有理可依，这其实是个可大可小的用户研究的过程。

在实际操作当中，许多人也确实在按这个思路展开，于是我在许许多多的项目总结、专业文章里面，一开始就看到了各种漂亮的persona，交代了用户特征、行为模式，但不知道为什么，交代完后就跟后面的内容没关系了，评估出来的结果似乎缺少了一些针对性。

问题出在哪里？

也许就在于“启发式评估”是一个主观的评估过程，带有太多的评估者个人的因素在里面，评估的结果也深受评估者的能力左右。一开始思路好好的，拍胸口说“我就是用户，我有同理心”，然后执行过程中就变形了，把用户忘记了。像“可用性测试”这类以观察用户为主的测试，问题还少一些，主观评估确实比较容易掉进自己的世界。评估者能力上的区别是个客观现象，我们只能尽人事，但从方式上，我们也做些功课提醒自己吧。也许我们能做这些事情：

1 时刻想着“这功能对吗？”

“先做正确的事，再正确地做事。”“先选正确的梯子，再往上爬。”“先是有效性，才是效率。”全部都是一个道理。产品由功能组成，功能是满足用户需求的形式，如果功能本身是不能帮助用户的，那就不用花心思去想它的可用性好不好要怎么改进了。比如一个注册界面上除了表单之外的无聊信息，这些是噪音，还去研究它们的视觉层次吗？我们的判断依据，就是前面的用户研究结果或者原则，想想我是用户的话，我需要这些东西吗？我更需要什么？结果就是对某些功能的质疑，甚至对一些未知功能的建议。

2 对于梳理出来的问题清单，加一栏“备注”。

备注这个问题的背后依据是什么？它违背了什么原则，违背了什么用户目标。比如：

无论如何，我们都试图从用户的角度出发，以同理心扮演用户。既然以用户开始，就善始善终，以用户结束。不要一开始是用户，最后变成我们自己。

源地址：http://blog.sina.com.cn/s/blog_65b4f8d501018dkm.html

校园场景中的手机使用调研

腾讯MXD — 2013-01-05 09:13:38

手机作为一种随身设备，其使用场景多变。在不同场景下，手机使用上下文、用户特征、设备/应用使用、应用内容需求等都存在着差异。因此，本研究将从众多产品的主流用户–学生所在校园场景入手，了解“校园”场景下的手机使用，了解“大学生”人群及其手机使用习惯，为手机应用开发及内容推荐提供数据参考和设计建议。

源地址：http://mxd.tencent.com/2012/12/%E6%A0%A1%E5%9B%AD%E5%9C%BA%E6%99%AF%E4%B8%AD%E7%9A%84%E6%89%8B%E6%9C%BA%E4%BD%BF%E7%94%A8%E8%B0%83%E7%A0%94.html

从数据中了解用户——数据在新产品设计中的应用

渡劫 — 2013-01-05 09:00:18

引子

通常情况下，我们可以通过用户访谈的方法了解用户需求，其实设计师还可以通过分析用户问卷调查数据以及网站页面数据等方式，了解用户需求以及用户在使用产品时遇到的问题。

而且，直接通过接触用户了解到的需求有可能只是个案，为了增强客观性，通常都会通过大样本调查，从数据实证的角度，进一步更准确和客观地找到用户的普遍需求。

此外，通过对数据分析结果与用户访谈所得到的定性分析结论，进行比较和综合分析，设计师也能够从不同的角度了解用户的真实需求。

从用研的角度来看，交互设计包括新产品设计以及已有产品的改版设计两大类业务，笔者将分两次分别叙述在这两大类业务中，可以如何利用数据了解用户需求。本文重点讨论数据在新产品设计中的应用。

实际案例

以往淘宝提供的官方服务能够满足卖家的基本经营需要，但随着卖家对装修、数据分析、营销推广、宝贝管理、进销存等各类服务的需求日益旺盛，有必要给卖家提供一个集中挑选服务的平台，帮助他们快速找到适合自身发展的服务；同时，淘宝引入的第三方服务越来越多，对这些服务，也需要有一个集中展示的平台。如此，商家服务平台的项目便应运而生了（目前该产品已经叫“淘宝卖家服务”市场）。

在这个阶段中，交互设计要解决的问题主要是“如何将产品定位与用户的真实需求深度融合”，深度融合并非一味满足，主要因为有时候一个新产品的定位并非理论化和理想化，需要考虑到创新，也会受到各种因素的影响，比如开发时间限制、底层技术框架制约等，只能尽可能满足用户需求。

因考虑到商业信息保密，本文案例采用了2010年的项目，互联网产品迭代频繁，文中提到的产品页面截至目前已经有多次改版，大家只需要了解整个文章的思路即可。

1.通过问卷获得数据

通常来说，数据采集有两种方式，第一种是利用网络问卷调研的方式，获得用户心理和行为习惯层面的定量数据；第二种是在产品页面设置模块、图片、文字等埋点的方式，收集页面数据。

在商家服务平台上线之前，产品还未诞生，没有页面数据，初期主要使用网络问卷调研的方式获得用户的需求数据。

2.调研前工作准备

首先要明确产品定位、产品规划及架构，对产品有全面的了解；然后，再明确调研目的，研究目的是问卷调研的核心，决定了调研的方向、研究结果如何应用等。

接着，需要根据研究目的，确定调研的内容和目标人群，调研内容越细化越好，目标人群越清晰越好。

对于商家服务平台这样一个新产品，设计之初，研究目的是，了解淘宝卖家对各类服务（尤其是对店铺装修和日常运营服务）的使用、需求和评价情况。

研究的主要内容有：卖家在经营店铺中遇到的困难、目前急需的卖家服务有哪些、近期使用过哪些卖家服务、对使用过的卖家服务满意度如何，最满意哪一个卖家服务、不满意的卖家服务具体原因是什么等。还需要明确的是，研究中的卖家服务涉及的类型，包括淘宝提供的服务、淘宝卖家提供的服务、淘宝合作伙伴提供的服务等。

商家服务平台的目标人群跟产品定位有关，主要是做给需要服务的卖家的。

3.如何设计问卷？

在问卷设计中，题目的措辞、逻辑关系等，会影响用户对问题的理解和做答，从而直接决定了研究结果的走向，足见其重要性。

一般而言，网络问卷调研都要用户自填，因此需要把公司内部的业务专业术语转化成研究对象能够理解的日常用语，不论是问题还是选项都需要简洁明了，让用户一目了然，不能引起歧义；对于完全封闭的选择题，选项之间要互斥、穷尽。当选项无法穷尽时，就需要使用半封闭的选择题，设置“其他”选项，并请用户注明具体内容。

一份问卷的逻辑一般由浅入深、由调研对象关心感兴趣的问题到专业问题、由核心问题到敏感问题、由封闭问题到开放问题；相同主题放一起，不断增加被调研者回答问题的兴趣。只有处理好这些原则之间的相互权衡，才能设计出一份逻辑连贯、衔接自然的问卷。

在案例中，商家服务平台问卷的核心部分设计如下：

特别说明：这些选项是业务方规划产品时，根据当时具备的资源和公司内部业务划分等因素，最终确定的服务分类。
本题为多选限选，主要是为了得到最急切需要的服务排序，直接用排序题在自填的网络问卷中不易实现，选项多时用户进行排序操作也不方便。另外，如果主要目的不是排优先级，而是了解卖家急需的服务具体情况，不必限选。

特别说明：本题是以量表题的形式呈现，实际上是“最近半年使用过哪些类别的卖家服务？”以及“使用时的满意程度”两个题目的合并。主要是因为现有的问卷系统无法实现量表题内选项的自由跳转。如果问卷系统能够实现，那么最好还是拆分成两道题目为佳。即先问“最近半年使用过哪些类别的卖家服务”，然后根据选择的卖家服务，以量表的方式询问“使用时的满意程度”。

另外，量表题的好处是能够将多个题目集中在一起提问，缩短问卷长度，节约用户的填答成本。如果不使用量表题，本题需要拆分成10个单选题目。

4.如何处理数据？

处理数据一般分为收集数据——清洗和加工数据——分析数据。

收集数据——一般而言，淘宝投放问卷的方式有以下几类：可以考虑将问卷链接做成文字链或图片链，挂在目标人群经常浏览的页面中容易关注的位置；或者在指定页面、指定时间段浮出调研链接；或者直接投放站内信、Email等，投放给指定的目标人群；再有就是使用旺旺消息，邀请指定的目标人群填答问卷等。

不同的投放方式在收集数据上会得到不同的效果（如收集足够样本的时长、完整填答率、有效率等），研究者需要根据研究的周期、投放资源排期等因素，综合选择适合的方式。

清洗和加工数据——因为从网络问卷调研中回收的数据可能掺杂了随意的答案，所以不能直接做分析，需要清洗。研究者一般会根据填答时长去掉填答过短和过长的样本；根据IP或用户名去掉重复填答的样本；根据投放名单去掉无法匹配的样本。还需要根据题目之间的逻辑关系，清洗掉填答矛盾的样本。当然还得判断是因乱填还是失误造成的矛盾，如果是失误造成的，可以保留此样本，只要对数据重新进行符合逻辑的处理就可以了，如逻辑回填或缺失处理。

接下来，研究者还需要把调研样本与后台数据进行匹配，如果发现调研样本在卖家星级、开店时长、每月成交笔数等关键变量上的分布与全网卖家总体相差太大，会使调研样本的数据结果与实际情况偏差过大。此时，就需要对调研样本进行加权处理，调整调研样本在关键变量上的分布，使之与后台数据相当，从而能够推及目标卖家群体的情况。如果关键变量的分布与全网卖家总体相差不大，可以不做加权处理。

分析数据——分析数据的方法有很多种，常用的有描述性统计、交叉分析、相关分析等，还可以能用到回归分析、因子分析、聚类分析、对应分析、方差分析等。不同方法得到的具体结果可能不同，但只要研究目的明确，得到的结论都能直接、间接地指导交互设计。

本案例中，在淘宝自有的问卷系统中录入设计好的商家服务平台调研问卷，采用站内信的方式向用户投放填答问卷的邀请，能更加直接地得到目标人群的响应，有利于快速收集调研数据。经过6天收集到5509个样本数据，经过严格清洗，最终有效样本5219个。经过描述性统计、交叉分析，得到的结论节选如下：

在商家服务平台调研问卷中，核心题目有遇到困难的方面、急需的服务、使用过的服务、使用过的服务满意度如何等，它们之间会存在逻辑关系，例如：是否因为在某方面遇到了困难而急需这类服务？是否因为没有使用过某类服务而急需这类服务？是否因为不满意使用过的某类服务而急需这类服务？是否没有使用某类服务才在这方面遇到困难的？是否使用了某类服务还在这方面遇到困难？……这些逻辑关系能够衍生出更多的变量和关系，有助于深化分析结果。

结论一、店铺装修和推广营销是卖家急需的服务类别

卖家并非满意度越低对相应服务的需求越急迫，集市卖家表现更为明显；
而使用率较高的服务类别，仍然是卖家急需的服务类别，集市和商城卖家都有此特征，可见目前的服务还不能满足卖家的需求，或者卖家还未找到适合自己的服务。

数据来源：调研数据近三个月有成功交易的集市卖家5117，商城卖家102*

结论二、高低级别集市卖家更急需店铺装修和推广营销服务

集市卖家星级越高，对淘宝数据分析的满意率越低，相应的对这类服务的需求就越高；
集市卖家随星级升高，对各服务类别的满意率普遍呈降低趋势，而对服务类别的急需程度线性趋势不太明显，店铺装修服务和店铺推广营销服务呈“U”型趋势。

数据来源：调研数据近三个月有成功交易的集市卖家5117

5.数据指导设计

——导航排序充分利用数据结果

在案例中，当产品上线时，一级导航的排列顺序权衡了数据结果和业务规则，左侧明显位置的店铺装修和店铺推广，正是问卷调研中卖家最急需的两类服务。而且，通过定性研究深入了解用户需求，产品改变了最初的规划，将店铺日常运营拆分到店铺推广和管理工具当中，这样管理工具的位置排序也相应地提前了。

——楼层布置参考了调研结论

最初的产品规划是要突出第三方服务，但经过定性研究和定量数据的分析，发现第三方服务还没有形成规模，影响力不大，仍然要主推官方工具。因此，在后续交互设计过程中，依照调研结论设计展现楼层，将官方工具排在第一层，第三方服务排在第二层。

而且，第三方服务主推的服务类别，也参考了数据结果，排序分别是店铺营销推广、店铺管理工具和店铺装修，此处店铺装修稍微靠后，主要是因为当时店铺装修的服务较少，放在前面会影响楼层的整体视觉美观，即便如此，店铺装修已然在众多服务类别中被放置在当前楼层的明显位置。

——页尾设计以数据为依据

因为辅助新卖家快速成长是商家服务平台的重要定位之一，数据也显示新卖家对淘宝开店服务的需求相对旺盛，因此页尾处将新店开张排在首位。

同时，考虑到页尾也能帮助用户快速找到服务的入口，所以将数据显示急需的店铺装修服务并入店铺管理，日常运营服务并入营销推广，分别展示在明显位置。

大家会发觉导航与页尾的分类不相同，有疑惑，其实之所以这样设计，是因为这样既可以满足不同卖家对服务归类和查找服务习惯的差异，也是一种尝试，通过点击效果再对分类做重构，体现了互联网产品的试错迭代优势，毕竟对于一个新产品，不可能一次就做到尽善尽美。

事实也是如此，商家服务平台上线后，后续又进行了日常修改，修正了一些交互设计细节。但当业务转型时，就需要对产品进行交互设计重构，这种情况将在下一篇博文中继续讲述。

源地址：http://ued.taobao.com/blog/2013/01/data_application1/

说服式设计（persuasive design）的行为模型

nightwind — 2012-12-27 16:15:32

本文部分翻译BJ Fogg 的文章，原文请见

http://bjfogg.com/fbm_files/page4_1.pdf

作者简介： BJ Fogg 斯坦福大学教授，他致力于研究说服式（persuasion）的技术，了解人类的行为特点，创造习惯等。他的个人网站http://www.bjfogg.com/

一模型简介

BJ Fogg提出了一个新的理解人类行为的模型，他称之为Fogg behavior model (FBM)，在这个模型中，他认为一个行为包含以下三个维度，动机，能力和促发点（triggers）,为了实施某个行为，个体必须同时具备

1 足够的动机

2实施这个行为的能力

3实施这个行为的吸引因素

Fogg认为这个模型可以用于分析和设计说服式（尝试去影响人类的行为）的技术，如果将这三个维度绘制在一个图表里，可以更直观的来看：

1 纵轴是动机，如果个体个体缺乏动机就会落在纵轴上较低的位置，整个坐标轴并没有单位，如Fogg所言，整个模型更多是概念性质的，旨在描述维度之间的关系而不是精确计量。

2 横轴是能力，如果个人从事某个行为的能力较差，则会落在横轴的左侧。

3 坐标轴内右上角的五角星代表目标行为，它所处的位置表明预定行为的产生必须有足够的动机和能力。促发点就位于五角星附近。

二模型的进一步解释

1 动机和能力的权衡

作者已经指出，对于一个目标行为，动机和能力缺一不可，比如对于一个输入邮箱地址的操作，这个任务是非常简单的，但是很多人未必有这个动机来做这件事，所以行为发生的可能性也不大。当用户很希望输入邮箱地址来获得某种奖励，这个时候动机很强，但是如果在输入邮箱前要完成一个困难的任务，比如一个数学难题，这个时候能力就存在缺陷。这给设计师的启示就是：不仅要让设计有吸引力，更需要其简单易用。但是动机和能力有时候也是可以相互补充的，比如当用户浏览某款商品时，纵然他暂时没有动机，但是价格实在太优惠了，他购买的可能性还是非常大的。通常来讲，对于某一个特定的行为，用户总会有一定的动机和能力的，这个时候就要促发点来启动行为了。

很多目标行为之所有没有发生，原因就在于缺乏在正确时间出现的促发点，促发点可以有多种类型，比如警告声，短消息，促销即将截止的通告等等。不管促发点以何种形式存在，成功的促发点要具备以下三种特质（1）可觉察性（2）与目标行为能够建立联系（3）当我们同时具备动机和能力时促发点才能发挥作用。最后一点，也就是时间因素，往往是行为改变时所缺乏的因素。在互联网领域中常见的弹出式广告也是促发点，但是很少能转化为行为，原因就在于当时用户会缺乏相应的行为动机。所以促发点适时出现就非常重要，否则就会惹人生厌。如果一个设计团队发现用户并未出现预期的行为，他们就可以使用FBM模型来查找原因，看看到底是哪个环节出了问题。相应的，这个模型也可以用来为阻止某个行为提供参考。下面进一步解释这三个维度的具体内容

2 动机

（1）喜悦/痛苦

喜悦和痛苦是非常有力的动机，

（2）希望/恐惧

这个分类是基于对结果的预期，希望是指好事的预期，恐惧是对坏事的估计。在Fogg看来，希望也许是FBM模型中最鼓舞人心的动机。

（3）社会接受/拒绝

这个维度控制了我们大多数的社交行为，从穿着到语言的使用。社交网站的流行很大程度上就与个人希望得到社会认同的期望有关。

关于动机的研究还有很多，作者认为以上三种类别与说服式的设计连接最为紧密。

3 能力

在实际的设计工作中，我们不太可能是去教用户学习新的知识或者提升他们的技能，人们往往会抗拒，因为这样需要时间和精力。所以，设计师往往需要通过简化操作行为的的方法来提升能力。因此Fogg提出了有关简化的6个部分，它们如链条般的彼此相连。

时间

金钱

体力支出

脑力支出

社会异常

不合常规

以上这些元素的含义对不同的人和环境存在差异。简化是个体最稀缺的资源，因此设计师需要了解对不同的用户来讲哪些因素是最稀缺的，时间？思考的能力？金钱？总的来讲，更多关注简化某个行为而不是增加动机往往更能取得成功。原因在于，人们往往会抗拒强加的动机，但是从本性上更喜欢简单。

4 促发点

Fogg将促发点归纳为以下三种类型。火花（sparks），引导者（Facilitator）和信号。火花能够促发吸引用户产生行动。推动者能够让行为变得更容易，而信号则作为一种提醒。

(1)火花

当个体缺乏动机实施某种行为时，促发点就应该设计成与动机元素相关。

(2)引导者

这种类型的促发点适合有高动机低能力的用户，它既可以引发行为又可以让行为变得更容易，可以是文本，视频，图表等多种类型。比如软件更新通常使用引导类型的促发点，让用户通过点击就能轻松完成任务、

(3)信号

这类促发点适合既有动机又有能力的用户，作为一种提醒而出现。交通灯就是一个例子。

促发点变得比以往更加重要

互联网的普及让人们在接受到促发点时能够立即采取行动，而不需要转换环境。作为一名普通用户，我们往往更能接受信号和引导者类型的促发点，火花类型的促发点会由于出现时机的问题而给用户造成干扰。

三结论/评价

通过FBM能够让设计师更清楚的了解人类的行为，从而采取更有效的方式因此用户从事目标操作，更可以发现问题，采取有针对性的修改。正如Fogg所说，这个模型仅限于是概念描述，所以这篇文章并没有定量方面的数据验证，但是个人觉得，该模型还是可以作为一种行为的分析框架作为参考。首先对于能力因素的考虑，更多的还是与可用性有关，与其提升用户能力不如让网站/软件更好用，而动机方面，这个可以和促发点一起来使用，提供吸引因素，带给用户美好的预期，当然适时出现的促发点也非常关键。模型的效度还待进一步实践检验。

源地址：http://nightwind.diandian.com/post/2012-10-30/40041057837

“剥”出来的用户角色

SNS应用设计中心 — 2012-12-07 20:28:01

最近，我自己一直在做一些活动页面和移动端游戏，我渐渐意识到角色模型的重要性。角色模型，是设计产品时的指路灯，是产品经理和交互设计师的设计参考。

创建角色模型，是在剥皮（就像剥洋葱一样，虽然会流泪，但洋葱的味道还是不错的）吗？是的，我们需要剥出用户的灵魂，然后再为这些灵魂赋予血肉，穿上外衣（人口统计学特征）。这样的话，我们会感觉用户就在我们身边，生动形象，印象深刻。仅仅剥皮是不够的，我们还需要总结归类，了解用户的目标、观点和行为，发现用户间的差异和共同点。

按用户研究类型和分析方法的不同，创建角色模型有三种方法：定性人物角色、经定量验证的定性人物角色和定量人物角色。结合阿里巴巴中文站交易线用户角色模型项目，对以下创建方法进行分析：

研究方法也有很多，常用的方法有：调查问卷、用户访谈、现场观察、可用性测试、数据分析、网站流量/日志分析。交易线项目中，访谈、调查问卷和数据分析有利于发现用户的目标和观点；现场观察、网站流量/日志分析有利于了解用户的行为。

在创建角色模型的过程中，经常会遇到以下几个问题：

1. 怎么利用数据进行细分？怎么看数据的规律？

从数据中找出纬度差异，并找出造成这种差异的所有相关因素。

2. 怎么设计调查问卷？有何纬度？

按交易整个流程订单-管理-支付-物流和产品维度（考虑用户实际操作流程）。

3. 怎么写深访提纲？

了解用户的哪些信息，参考用户角色划分维度问卷。

4. 怎么进行CRM分析？见相关专题

5. 怎么进行交叉表分析？见相关专题

6. 怎么细分用户？

一般来说，按用户目标细分、按使用周期来细分、用行为和观点的组合来细分。在交易线人物角色项目中，细分角色是按照驱动用户目标、行为和观点产生差异的关键因素，如：货物来源不同，购物动机不同。

7. 怎么初步检验细分纬度？

细分群体可以解释已知的关键差异，如：买房目标（二手房用户和新房用户）不同，可以解释关键字搜索使用存在的差异）；细分群体应该在决定功能设计、交互设计和草图方面起决定性作用。

6. 定量验证都有哪些方法？

数据交叉Tab分析（CRM分析、定量问卷、网站流量/日志分析）、统计式的分析。

7. 人物角色需要哪些特征？

参考角色模型参数，人物角色是由目标、行为和观点来驱动的，而非一些简单的人口统计特征。

8. 人物角色模型的使用？

开发新功能及功能改进（了解用户需求），交互设计细节（了解用户习惯）。

创建角色模型时，需要学习的相关专题：

1. CRM数据分析

将某个用户的历史记录和价值与他的调查问卷绑定在一起，寻找内在关联从而更好的定义或描述人物角色。其包括：交易记录、财务数据和人口统计信息三类数据。

交易记录，显示了用户购买过哪些产品或服务，购买频率，这将强烈影响网站的目标和行为，可作为用户细分的依据之一。财务数据，使用数字来测量不同人物角色的财务价值，也就能帮助确定各个人物角色的优先级别。财务数据可以与用户调研问卷关联在一起。人口统计信息，对于人物角色创建没有很大决定意义，人物角色是由目标、行为和观点驱动的。

2. 网站流量分析

两种方式：a. 寻找其决定作用的行为模式，分析数据，力图使数据结果和细分群体行为联系起来。b. 把个别用户的点击流和他回复的问卷绑定在一起，进一步详细分析。探索用户的各种行为，包括：入口页面（从哪里进入网站）、引用页面（从哪里来，如搜索关键字页面）、出口页面、常用路径、功能用途（访问最多的内容和功能）、搜索条件、转换率、持续时间和访问频率等等。

3. 细分用户

目标细分：用户目标如：想购买房子、想了解市场动态和想出售货物等；使用周期细分：同一个人在不同时期是作为不同的人物角色来使用网站的；行为和观点细分：如果网站功能过多或产品类别多时，不易按目标细分，可考虑使用此种方式细分。通过行为和观点矩阵，得出的象限成为细分用户的主要依据。

4. 定量验证

数据交叉tab分析，分析细分纬度是否可以解释或影响存在的其他关键差异，验证细分纬度是否正确（可使用excel数据透视表）。统计式分析，计算这些细分数据的ANOVAS（方差分析），来衡量这些差异在统计上是否有意义。

源地址：http://isux.tencent.com/%e5%89%a5%e5%87%ba%e6%9d%a5%e7%9a%84%e7%94%a8%e6%88%b7%e8%a7%92%e8%89%b2.html

译文：身未动，心已知

西鹿 — 2012-12-07 20:27:23

译者注：本人兴趣于交互设计上对人类认知模式的借鉴，先前撰文《人的“模式识别”与设计的认知效率》探讨了模式识别的本能及其在设计中的运用。此次翻译Charles Hannon教授一篇关于模式识别在大脑中更本质的机能原理阐述的文章，共飨。

原文：You Already Know How To Use It

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

在iPad最早的电视广告中有这么一句旁诉：“绝对给力，魔幻十足！身未动，心已知（You already know how to use it.）”。好一句振奋人心的广告词。Apple的iPad当然是一款全新的、颠覆市场的革命性产品，完全不同于以往我们所见的电子设备，而且正如广告宣传的那样，上手极其简单。那么像Apple这样的公司是如何做到这一切的呢？

其中一个答案是Apple的设计师对人们一些近乎本能的行为模式的借鉴能力。产生交互的媒介也许是全新的东西，比如在iPhone之前很少人使用过的多点触摸屏。但是大家应该都知道如何去挤捏和拉伸一个物体，而这种交互模式即便是转移到屏幕上，用户也非常容易在看过一次后就掌握。正如Alan Cooper在《About Face》里所写的：“所有的习惯用法都必须经过学习，但好的用法只要学习一次（All idioms must be learned; good idioms need to be learned only once）”。

多巴胺在模式识别中的角色

我们的大脑总是在寻找模式。我们寻找那种被经验认为可以引领成功的模式（爱情中、战争中、赌博中甚至投资上，凡所种种）。Jonah Lehrer在《How We Decide》一书中写到，当我们识别出一些现实生活中为我们所熟悉的模式时，大脑就会分泌出那种可以带来快乐的神经系统化学物质—多巴胺。而当你遵循这个模式完成一件事并取得成功，快乐之源多巴胺就会给你再来一次额外的脉冲刺激。

如果我们识别出一个模式但觉得出错了，或者遵循这个模式但结果并不如预期，那么我们不会得到多巴胺带来的又一次快感，而重新调整我们的期望。许多神经系统科学家相信这个奖赏系统促成了我们“学习”这件事。这个过程形成了一个基于愉悦能自我增强的循环，这个循环引导我们从错误中学习，从而更好的去理解这个世界。

依凭着我们对这个世界的期待，多巴胺奖赏系统让我们产生积极或消极的情绪。Lehrer认为这是对决策过程中情感所扮演角色的传统理解的有力颠覆。伯拉图以来，一直认为理智是可以战胜情感，理性的思考是控制不羁情绪的缰绳。而让我们人类独一无二的，正是这种用逻辑与理智牵制情感，做出明智抉择的能力。Lehre的书中详细地讲解了近期神经学研究对决策模型推想的支持：情感，由多巴胺奖赏系统引发的情感，在我们的决策中担当了重要的角色。

(图片: Sue Clark)

神经学上的这类发现对交互设计中利用模式进行设计提供了有力的支持。我们来看看旋转木马模式（carousel pattern）这个在系统桌面、平板电脑与手持设备上非常流行的交互形式。在Yahoo Design Library中它是这样被描述的：以从屏幕的一边滑出的形式来呈现内容；每一边的展示项会被上一个展示项部分遮挡，以求在有限的视觉空间中呈现更多不在当前窗格的内容；箭头适时出现，以引导用户获取更多的展示内容。这是一个非常简单的交互模式，用户只需用过一次此功能即可习得。

乐于尝试的用户几乎在第一时间就会接触到这种旋转木马模式，但就算用户是初次遇到，也可以立即上手。然后当用户在其它地方中见到旋转木马这种设计形式，即使交互还没产生，用户就可以马上识别出这种模式了。识别出一种模式，多巴胺即燃起用户的愉悦。当用户遵循这种模式进行交互，比如点击两端的箭头以求获得更多内容，而又成功了，那大脑就会分泌更多的多巴胺，增强用户这一次愉悦的体验。

旋转木马模式, 来自 Yahoo Developer Network

然而不可否认，神经学家还未曾使用核磁共振成像这样的技术，在用户遵循像旋转木马这类模式进行交互时，对多巴胺的分泌进行测量。时至今日，我们对大脑面对现实世界模式时反应机能的研究仍有相当的局限，我们仅能从在猴子身上的实验去推断，或依靠心理学家的推理。

Lehrer的雷达兵故事

Lehrer讲诉了第一次海湾战争时一个雷达兵的故事。这个雷达兵需要日复一日观测屏幕上的光点，这些光点代表着从科威特海滩某一特定位置返回军舰的飞机。某一个清晨，这个雷达兵突然对屏幕上的一群光点感到相当焦躁，他也不知道为什么。这些光点跟他日复一日时时刻刻在观测的光点并没有什么太大的不同，但是今晨的这些特别的光点就是让他觉得要出坏事了。紧张之下，他下令射下这些光点。这个决定挽救了全员的性命，因为这些光点正是敌军发射的，妄图摧毁海湾上联盟军舰的导弹。

雷达兵无法解释为什么他觉得这些光点就不是返航的飞机。直到对此次经历的多次回顾研究与一个认知心理学家的介入，调查者才发现原因在于导弹光点与飞机光点在屏幕的初始位置略有不同：导弹光点离海滨更远一点点。当下雷达兵并不能直言这点差别，但大脑潜意识告诉他日积月累形成的飞机光点模式发生了变化。这种变化带来的情绪焦躁与躯体痛苦，导致雷达兵不管三七二十一下令摧毁这些光点。

雷达兵的故事（以及Lehre书中提到的其它故事）都表明我们大脑对模式的识别以及遵守都是在无意识的状态下进行。熟悉的模式出现，多巴胺燃起愉悦，所习得被加强，我们进入飘飘然的状态。但如果模式被打破，或遵循之后表现不如预期，一切便像乱了套，我们大脑会发出一个“预测错误信号”。我们大脑中一个叫前扣带脑皮层（ACC）的地方会监视前额叶皮层的活动，当ACC监测到由于预期的情况没有发生而导致多巴胺神经元之间的活动缺失（译者注：也就是没有多巴胺分泌），“预测错误信号”就会被发出。这个“预测错误信号”会导致像杏仁核和下丘脑这样的其它腺体分泌出一些化学物质，这些化学物质会导致焦躁感：心跳加速，肌肉紧张，呼吸急促等等。

模式出错带来的焦躁

我们自然不希望用户在使用我们设计的系统时感到焦躁，但这种事情又时常发生。原因之一就是我们经常向用户呈现某个交互模式时，没有针对这个模式赋予足够的视觉引导。来看看Roku的频道商店，当用户在频道界面下，想往他们的系统里添加一个频道时，面对的却是一个静态信息表单。如果事先没有旋转木马模式的交互经验，用户很可能认为这个3X4的表单界面就只提供了12个频道。

实际上，这个表单使用了旋转木马交互模式，左右切换就可以看到隐藏在两侧的更多内容。这个表单甚至还可以上下切换来获得内容，但对信息这样的视觉呈现，用户很难会知道。更糟糕的是，用户只能在这里学习到很少的关于旋转木马交互模式的操作，然后下次又要面对它了。讽刺的是，Roku是作为Netflix的流媒体播放器而闻名的，而Netflix在一些游戏机（例如Wii）的交互界面上很好的应用了旋转木马这种交互模式来呈现相同的信息表单。回到《Design of Everyday Things》一书中，Donald Norman是这样定义“可见性”（Visibility）：“正确的操作应当可见，并且操作可以传递出正确的信息”（the correct controls are visible, and they convey the correct information）。Roku的频道商店却都没能做到，除非进一步的探索，不然用户不会知道旋转木马模式在Roku频道商店中的使用。

Roku的频道商店

有时候，问题会恰好相反：用户认为某个设计模式被使用了，而实际上没有。如果被我们认定的某个模式没有按预期的工作，我们的大脑便会认为哪里出错了，随之而来的就是焦躁不安。以智能手机上项目列表的基础功能设计为例。这是一个为iOS用户所熟悉，在Josh Clark的《Tapworthy: Designing Great iPhone Apps》一书中也有著名描述的功能：一个从左向右滑动的手势触发删除操作，“删除”按钮随之出现提示用户确认删除。这个设计模式容易学习，但其它智能手机系统却应用的零散与不可预知。比如Palm的WebOS 中的电子邮件系统，应用相同的手势让用户进行删除操作，但却没有“删除”按钮以供确认手势，邮件就这么轻易的从屏幕上消失了。但是在Palm这个OS的短信应用中，供确认的“删除”按钮却又是存在的。

iOS下左向右滑动触发删除 (图片: Josh Clark)

早期的Android OS并没有采用滑动手势来进行删除操作，而是通过切换到“编辑项目”的页面下删除。而姜饼版本（译者注：Gingerbread，Andriod OS的2.3版本）的升级带来了更多不一致的用户体验：比如在联系人列表中，从右向左的滑动手势是发短信，而从左向右的手势却是打电话！试想一下，一个用户本想通过一个从左向右的手势来删除某个联系人，却突然发现变成在打电话给这个联系人，还不吓尿了！

模式匹配听起来容易，做起来难

我们或多或少都体会过这种模式出错带来的焦躁感。在Windows操作系统下，每当我本能的移动鼠标到任务栏上想再次打开某个我以为最小化了的网页，而发现事实上这个我在找的网页是在另外一个tab下开着，而不是我以为的一个独立的最小化窗口时，我仍会感到焦躁，而且至少三年以来每次遇到这种情况我都会产生这样的情绪。深入人心的交互习惯不会轻易改变。因为我在至少四台电脑上使用三种不同的浏览器，我时常地找不到“主页”按钮，而这个按钮以前在大多数浏览器下都是在地址栏左边的。但是现在，标准安装的Firefox 12浏览器，无论在Windows操作系统下还是Mac操作系统下，“主页”按钮都在地址栏右边；而标准安装的Safari浏览器则根本没有“主页”按钮。如今已没有一个值得信赖的模式让我们得以确定“主页”按钮在网页浏览器上的位置了。但我们大脑却渴求一个这样的模式，有之便得欢愉，反之导致沮丧（生理上的自然化学反应）。

不可否认，各个平台、浏览器和软件里的不一致性各有各来由，从专利问题到设计习惯都是其产生的原因。而交互设计随着时间必定会发生改变与前进。我们不能因为当前某个模式被大脑熟悉就束缚住。我们应当利用正被逐渐掌握的人类大脑机能原理进行设计。我们可以借鉴像“挤捏”这样不明显但很容易被学会的行为模式。我们可以循序渐进，在现有设计的基本元素上进行设计，这样新的交互设计就保留了足够的旧有模式，大脑还是可以进行识别。我们还可以谨慎的引进新的模式作为附加性功能：比如MacBook Pro’s触摸板的三指和四指手势操作，非必须要用，但用户一旦发现就很容易自然习得，用来代替应用界面的鼠标定位和按钮操作。

实际上，这最后一招正是利用了大脑内的化学反应。“预测错误信号”的发出是因为预计事件没有发生并且结果让人失望或完全失败。但有时候，预测错误的结果会带来愉悦而非恐慌。虽然结果不如预测，但可能发生了更好的事情。David Rock在《You Brain at Work》中提到：喜悦和新奇的经历也会刺激多巴胺的分泌，而带来愉悦的体验。这种体验与幽默的效果类似：笑话之所以好笑是因为结局有个出人意料的转折，有一个奇妙的结果。更重要的是，风险最小，笑话效果最好：摔个狗吃屎不会让你死。但当玩笑过于犀利，难免如鲠在喉，我们便要抗拒退缩。

新的交互设计可以遵循相似的原则：如果设计能带来意料以外的乐趣，并且没人因此受伤（也没有数据被破坏），那么设计就能激发意料以外的欢愉，从而被快速上手，取代掉你一直想更改的旧有设计。

扩展阅读：

About Face 3: The Essentials of Interaction Design, Third Edition, by Alan Cooper, Robert Reimann, David Cronin

How We Decide, Jonah Lehrer

Your Brain At Work: Strategies for Overcoming Distraction, Regaining Focus, and Working Smarter All Day Long, David Rock

源地址：http://ued.taobao.com/blog/2012/12/04/you-already-know-how-to-use-it/

简单vs复杂

冬源 — 2012-11-30 19:14:11

最近做了一个导航产品的可用性测试，主要过程是，让一些用户（这次测试有8名用户参与）在主持人的陪同下完成一系列已设计好的典型任务，以此来发现软件中的一些可用性问题。

在测试之前，我们一般会对软件走查多遍，以熟习产品，并对可能遇到的问题在心里有一个大致的判断，整个测试下来，发现了一件比较有意思的事情：有一个任务看起来比较复杂（群组导航），但一次完成率较高；同时有一个任务看起来简单（搜周边），但一次完成率却较低。这与测试之前的预期有点出入。

先来看看这两个任务的流程以及涉及到的界面吧。在这之前，先介绍下这两个功能。

首先是“周边”。“周边”的整体逻辑是比较简单的：首先确定中心点，然后搜索中心点附近的各类地点。简单来讲，就是“定点–>搜索”，如图:

这其中，因为手机具有定位功能，“定点”又多是我们当前的位置，所以，对与用户而言，定点一般来说是由机器自动完成的，用户需要做的也就只剩下“搜索”了。这个过程确实很简单。

接着是“群组”。所谓“群组”，主要是在多人一起驾车出去时，可以通过“群组”来共享路线，实时导航，并彼此看到对方，此外还有一些附加功能，如聊天等。“群组”的整个逻辑稍微有点复杂：首先，需要一个人（群主）来创建一个群组，创建好之后，需要他来告知其他人群组名、密码，这个过程一般通过短信邀请来实现，收到短信的人（成员）在获取群组名密码之后，进入导航，搜索群组名，输入密码，加入；然后群主规划路线，规划好后，成员即可在地图上看到共享的路线并可以看到彼此的位置。图示如下：

这个过程中涉及到了多个页面，同时需要多人多部手机之间进行互动，整个流畅稍微有些复杂。

然而，完成情况却是“群组”的一次完成率比“周边”好，这在测试前是没想到的，这两个任务的完成情况如下：

（绿：一次完成；黄：多次尝试；红：失败）

为什么会产生这样的结果呢？我尝试这寻找这其中的原因。先从界面设计的角度来看一下吧。

首先，我们先看看“周边”的界面，“周边”页面，顶部是中心点，下面是搜索框，然后是类别，最后是虚拟键盘。进入页面默认是激活搜索框的。

这个页面有什么问题？我觉得，主要问题在于中心点和搜索框之间的关系不明确。比如搜索“田子坊”周边的餐馆，任务失败或多次尝试的用户，他们会现在搜索框中搜索“田子坊”，然后回到“周边”，点击“餐馆”。这里最终得到的结果并不是“田子坊”周边的餐馆，因为用户把中心点的设置理解错了。

另外，定位中心点也是一个比较多余的功能，前面已经提到，多数时这个定位过程可以由手机自动完成，那么就不需要用户去设置了。在实际的测试中，用户基本上没注意到这个位置是可以点击设置的（当然，他们通过其他路径完成了任务）。

其次，这里的搜索，是含义不清楚的，不知道是搜地点还是搜类型。从层级关系上来讲，搜索应该是和下面的不同类型是一个层级的，但这个界面却把搜索和定位中心点放在了一块，这也是造成困惑的原因之一。

最后，进入页面后默认搜索激活输入框，就好像在提示用户要输入文字，一般而言，用户需要找一个东西时，如果他有明确的目标时，他会倾向使用搜索来找，如果目标不够明确或者目标明确且清楚类别时，他会使用分类。对于“搜索田子坊周边的餐馆”这条信息，很显然，“田子坊”是一个明确的目标，“餐馆”是一个模糊的目标，于是，用户就有可能直接用搜索来定位中心点了，这样就会产生错误的结果。

我们来看看整个的“周边”流程以及涉及到的页面：

这个流程看起来并不是很复杂，并且，如果你熟习操作的话，或许在操作上还会更快捷，但是，也正因为如此，它给了用户很大的自由度，这样在一个界面上就存在多种操作可能，而这些操作可能会把用户带向偏离主任务的地方，最终给用户带来困惑，界面上的误解带来的困惑也造成了任务完成度的下降。

接着，我们来看另一个任务，“群组”导航，下图是“群组”导航的流程和涉及到的页面：

“群组”导航是一个复杂的任务，主要面对两类人，群主和成员，基本上一步一个界面，虽然繁琐，但每个界面上传达出的任务信息却是清晰明确，给用户的自由度很小，用户在完成整个流程之前几乎很难从当前任务中跳出去，这样，整个过程就和安装软件一样，一直“下一步”直到最后的“完成”。

通过这两个任务的流程对比，我们发现，如果你不能把一个任务流程做的很简单，那就尽可能的把它做的更清晰一点，少在界面上给用户更多自由度；如果一个任务不复杂，就尽可能的少在界面上给用户带来困惑，同时，一些功能（如设定中心点），如非必要，那就砍掉，尽量让操作更简洁。

以上，是从流程方面来分析的。在和圈圈谈到这个问题时，她给出了另外一个角度也比较有意思：用户的角度。

相比而言，“周边”是一个比流程更常用的功能，甚至有些用户一辈子都可能不会去碰“群组”，“群组”对用户而言，就是一个陌生东西，那么在可用性测试中，要求用户去完成一个陌生的任务，尤其是当这个任务还稍微复杂时，用户就会分配更多的注意力，在做之前已经有了一个心里预期，这样也就更加有耐心去完成这个任务。

那么，对于“周边”这种常用的基本功能，用户在执行任务时，可能更多是按照自己的已有的习惯或直觉来进行操作，也就不会分配太多的注意力，对软件的容忍度也就没有那么大，一旦出现一点困惑、等待、或错误，用户的抱怨就会较高。

在Kano模型中，如果基本需求没有得到满足或表现欠佳，用户的不满情绪会急剧增加，并且此类需求得到满足后，可以消除客户的不满，但并不能带来客户满意度的增加；与此相对的，如果魅力需求一经满足，即使表现并不完善，也能到来客户满意度的急剧提高，同时此类需求如果得不到满足，往往不会带来客户的不满。在这个导航产品中，“周边”应该就属于基本需求，“群组”属于魅力需求，实际的测试结果也是用户对“群组”的整体满意度要稍高于“周边”。

由此想到的是，对于常用功能，一定要做好；不常用的功能，一定要做清晰。无论任务简单还是复杂，首要满足的是，清晰。如果你能想到更酷的方式，那么很好，但也要尽量保证这样的前提。

PS：这半年来做用研后最大的感受是：我不是用户！

源地址：http://dongyuan.me/archives/251

解读数据？解读“人”！

CDCer — 2012-11-19 15:06:26

一提到“数据”，可能经常会想到“数字”、“图表”、“模型”、“方程”等容易让人怯步的词语。其实“数据”的真正意义，是躲在背后的那些“人”。

在营销学中，市场的根本在于需求，需求由人而生。因此，我们不应该就数字而数字，就算法而算法，应该自始自终关注“人”，市场研究则更是如此。

有人也许会说，“人”可不好说，有时说谎，有时偏私，真真假假。但，不是有种更简单的想法吗？我们自己本身就是“人”。作为市场研究者，大可不必将自己完完全全剥离在“人”这个概念以外，顶着看似客观的立场，作困兽之斗。

这个时候，也许有人会质疑，如果加入更多自己的想法，你的研究还客观吗？

没错，作为市场研究者，必须客观地看待事实，呈现事实。但事实是什么，如果总把自己孤立在另一边，恐怕这个所谓的事实，也不过是披着云雾的谜团。

在这里，我必须强调，事实的重要性，正是为了看清事实，我们必须“有方法”地在某些情况下，将自己看成是同一边的“人”，某些情况下，将自己独立为另一边的旁观者。

这个“方法”，正是这篇文章试图总结的东西。

1. 在用户没有表达任何观点，或，还不清楚用户的观点之前，不要有任何想法。

我们不妨恶俗地将自己比喻成“蛔虫”，主人都还没有想法，就算你是肚子里的蛔虫，也不可能会知道些什么。
所以，我们需要开放式问卷，引诱我们的主人试着讲他们的想法，哪怕只是一点点。这就是所谓的定性阶段。

2. 拿着用户的文字反馈，尝试读懂这个“人”，而不是这些“字”。

当问卷回收了，我们“看到”主人们用“文字”写下来的话。这就有两个问题：
一是，开放式问卷数量很多，意味着主人很多，口味各不相同；
二是，文字的运用可能基于主人们的不同背景或个性有所不同（写的不同），而由于有自己的背景，我们“看”的方式与主人们的表达方式也有所不同（看的不同），结果必然导致信息传递的缺失（最形象的比喻是，接力比划游戏，结果往往啼笑皆非）。

这个时候，我们作为同一边的“人”，可以出现了。
看着那些留在卷面上的文字，试想一下，那个“你”到底想说什么？这个时候仿佛可以读懂些什么。但必须说明，这个时候的“你”只能是文字背后可能的那个人，而不应该有任何你的自我存在影响着判断。

举个简单的例子，有两个玩家同时说，你的游戏太耗钱了。请好好看看他们的等级，他们的角色，他们的收入/职业等背景信息，你可能会发现一位是中级，一位是高级，一位是肉盾，一位是魔法师，一位是学生，一位是蓝领。

我们试着代入，如果你是中级肉盾，在这个游戏中会面临怎样的情境？因为游戏规则，你常常与高级玩家PK，结果是PK时常常输掉（挫败感过强），归根到底是因为你的角色只是中级，然后会想“如果我练到高级了，就不怕跟高级玩家PK。”最终，频繁花钱练级，花了钱，却发现永远不可能追上高级，那时正好有个问卷弹出来，你毫不犹豫地说“这个游戏太耗钱了”。

另一个角色，如果你是高级魔法师，因为你等级高，攻击力强，很多人组你打副本，副本对你而言很简单，但手机端的页面总是复杂而庞大，一晚下来，流量用了一半。第三晚开始，队友喊你，你就得用套餐外流量去参与同盟军。两个礼拜之后，月结日发现话费用了100块在超出的流量上，这时你收到一个问卷，你义愤填膺地说“这个游戏太耗钱了”。

上面的例子是想说明，当你读懂了文字背后的那个人，你会发现前者的“耗钱”根源很可能是玩法的成就感缺失，后者的“耗钱”根源很可能是页面的联网响应，二者讲的可能完全不是同一回事。

3. 倾听着用户的话语，与其跟他说话，不如听懂他的话。

有人可能会细心地看到，上面我用了“可能”下结论，说白了，这种代入只是“猜”，你没有任何证据证明这个假设是对的。

没错，不记得哪位名家讲过“大胆假设，小心求证”。如果说前面是如何用“代入”来大胆假设，后面则是如何用“代入”来小心求证。

有了一些粗糙的想法后，作为市场研究者，内心充满了激动和好奇，没有人比我们更想知道自己的假设或想法，到底对不对。这个时候，千万注意，收起我们的激动和好奇。这种先入为主的情绪会成为我们发现事实的障碍。

前面只有文字接触，接下来不妨亲自与用户对话，形式是多样的，电话，面访，现场测试等等。用近乎苛刻的连环追问（这里有技巧，追问的代价绝不能是用户厌烦），让用户自己把自己挖透彻，这个过程可能是痛苦而艰难的，所以你的“代入”变得很重要。只有让用户感觉到，作为同一边的“人”的你存在，他才会愿意做挖掘自己这种艰难的活儿。

案例分享：桌面上放着几款不同品牌的，容量相同材质不同的奶瓶。

请一位中低收入家庭的全职妈妈在挑选的两个中最终选出一个，并且说出原因。两个备选的奶瓶分别是：高端品牌PP材质、一般品牌玻璃材质。最终她选择了一般品牌玻璃材质。她告诉我们，PP材质不知道对小孩好不好，而且自己是全职妈妈，可以照料玻璃材质的，玻璃更安全。
几个环节之后，我们加入这样的内容“为了感谢您，我们额外送您一个赠品，请你随便挑一个带走吧。”结果，她选择了高端品牌PP材质。
这时，你试着代入中低收入家庭的全职妈妈角色，似乎更能读懂她的行为，这个高端品牌可能还是值得信任的，根源可能不在材质上，而在价格上。

有了这个想法，追问她“送人吗？还是BB用？送人我给你包装一下，BB用的话可能加个把手好一些。”
这时她告诉我，“谢谢你，那帮我加个把手吧，高端品牌就是讲究啊，我也给BB试试看。”（表情轻松愉悦）
“试过如果好的话，可以回头光顾哦！”
她稍微用力眨了一下眼睛，扬起了嘴角“呵呵，好，我们先试试~~~”。说到这里，你懂的了。
（话说回来，真诚建议市场研究人员也不妨修炼一下表情动作的心理投射）

4. 与其单独看每个数字，不如串起来读下去，完整地读出一个“人”。

从开放式问卷的广度，到与用户对话的深度，我们一直在拼凑和补充材料，“代入”除了帮我们读懂“人”以外，也帮我们描绘了可能存在的问题，可以通俗地理解为“准备上桌的菜”。这个菜到底能上不能上，材料是不是最终做出这个菜，还得继续“小心求证”。

来到定量问卷阶段，将你的材料组织好，送到用户面前，让他们决定，他们想要什么。用户反馈回来之后，我们进入数据清洗、分析、解读阶段。

这里说一下“解读”。

送到我们面前的是一堆数字，一堆图表，我们任务不是告诉大家这个数字是多少，而是数字代表什么。

第一件要做的事是，将自己每种假设的相关数字聚集起来，考察它们是否可以串成链条（俗称“证据链”），如果可以，很好，假设成立。如果不可以，研究一下，假设的漏洞在哪里，也许会发现一个新的结论。

第二件事是，将用户视角下的诸如行为路径、态度轨迹、需求满足过程等链条相关的数字串联起来，看看是否能完整描绘出“人”的形象。如果可以，很好，又一个结论浮现了，如果不可以，检查一下矛盾或缺漏点在哪里，也许会发现用户分类方法不对，另外一个细分维度可能更有效。

举个简单的例子，你有用户对皮肤的元素、颜色、风格、主题的偏好，串联起来，加上一个合适的细分维度对比分析，会发现年龄不同的用户，社会沉浸经历不同，总体风格偏好也存在差异。再类推延伸一下，会发现社会沉浸经历可能会投射在更多其他领域的偏好上。

有人可能会问，这里好像没看见“代入”。其实，在你做的两件事里面，就已经有“代入”。组织证据链、剖绘形象人这两件工作，需要很好地读懂选项占比以及填选项的人，才能做好。

(本文出自腾讯CDC博客: http://cdc.tencent.com/?p=6306)

源地址：http://cdc.tencent.com/?p=6306

关于用户调研

wangxuntian — 2012-11-14 09:22:36

今天说用户调研，行研、问卷，不谈内容，只谈心得。

一、行业调研

内容多来源于第三方研究报告，国内有CNNIC、艾瑞、DCCI，国外可以查alexa和comscore，还有一些咨询公司会定期发布报告，也可作为参考。行业调研的目的是为了了解趋势，对报告中的数据最好半信半疑，以免犯了以偏概全的错误。

1. 如果各机构数据不同，该信哪一个？简单说说我的判断。

首先要了解数据来源。CNNIC是中国域名注册管理机构和域名根服务器运行机构，可以理解成官方的调查研究中心，权威性不言而喻；DCCI是第三方的监测平台，每篇报告的统计方式都不大一样，通常是线上线下各种渠道相结合，力图做到客观，读他们的报告可以先看看报告的说明；艾瑞的东西比较全，我没看过它家的付费报告，所以不好评论，它们的数据都是自己的监测工具所得，什么iUserTracker，iAdTracker，iXXTracker，偏差肯定有，但了解趋势足矣。三家的风格也不一样，CNNIC每次都发布巨长而且名字听起来就很大的报告，如互联网行业发展报告这类的；DCCI善于从细节入手，提取某个有特征的数据，简要得出观点；艾瑞比较适合互联网爱好者和初了解某领域时看，数据覆盖类型全面，但那些专家的观点干货不多。

国外的Alexa和comscore也提一句，Alexa通常作为网站排名的依据，但如果援引他家的流量、访问时长这类数据，不免会被人笑太过外行。怎么说呢？Alexa是通过Alexa tools bar收集数据，然后根据样本里的数据做排名，这就涉及到安装工具条的用户群和抽样统计两个问题，访问量大的网站通常还是准的，排名靠后的就不好说了。另外建议参考相对数据，绝对数据看看量级心里有数就行。Comscore的数据相对来说权威多了，它的数据来源于网络运营商，不过中国的数据很少，可以看看了解一下美国和其他国家的趋势，有一定的借鉴意义。

2. 行业调研需达到的目标

简要来说，认识全局&推断趋势&列举问题。

认识全局：多指某细分领域的发展现状和趋势。互联网那么大，做移动的做电商的做搜索的做sns的，哪块都是一个大坑。再说细点，移动领域是web app还是native app，做游戏还是工具，电商是做平台还是做渠道或者是第三方导购，应该在调研之前心里就有数了，别一上来就说我想了解移动互联网我想了解电子商务，太大，从何讲起。在这个阶段你偶尔会对一些数据产生怀疑，比如现在的上网用户数量，比如智能手机的市场占有率，比如网购用户的平均收入，建议相信客观情况，实在想不明白的记下来，可以在后期问卷和深访时再做了解。

推断趋势：认识全局是为了获得信息，一定的信息加上自己的思维会产生判断，你对一个领域的了解越深判断就越准确。我刚入行的时候看别人的博客，写xx发布新版本xx新项目上线，几巨头又有什么动作预感会发生什么，怎么看都觉得有理恨不得做笔记抄下来，工作三个月发现有一半的文章是为了赚点击率，工作六个月后只看少数几个博客中感兴趣的部分，现在基本没人推荐我就不看了。形成了自己的思考方式之后，对趋势的判断不该来自别人的论点，而该来自你所知晓的信息。当然了，多多探讨是好事，但决策由你自己定。

列举问题：已有的报告不会包含你想知道的所有信息，有哪些地方存有疑虑，还有哪些数据是你关心的，提出来，作为之后调研的问题。具体到行研，知道“百分之多少的用户有什么样的行为”，这一步差不多可以了。

二、问卷调研

讲问卷调研的文章很多了，核心是设计问卷。

这一阶段除了解决前期的疑问，还要将用户的行为更加具化，最好能画出用户的行为路径。如果说行研做的是“百分之多少的用户有什么样的行为”，那问卷要知道的是“用户做出这样的行为是在何种情况下，什么理由”，问卷也承担了意见收集等作用，一切依题目而定。

我写问卷的经验也不多，说说注意的几点。

1. 循序渐进，注意逻辑

回答的人要理解你的思维又不能顺着你想要的答案走，要不就没意义了。题目别带有偏向性和误导性。

2. 足够数量的问卷和足够的发放时长

这是在解决样本偏差的问题，周中和周末的问卷数量和回答可能差异甚大，白天和晚上发放的也有区别。还是归究于人们会在不同的上网时间会上不同的的网站。如果目标人群明确，相对来说好做一点，可以发在专业的论坛或垂直网站上，看看他们到底是谁，有什么特点，在讨论什么，而不是凭空想象这部分人的需求。如果想广撒网，选的渠道又是像门户啊天涯啊这类覆盖了多样人群的，结果会和行研差不多。

3. 细分回答问卷的用户

问卷最后通常会让用户留下个人信息，例如性别、年龄、薪水、所在城市等，目的是将用户形象和用户行为对应，也是用研中常提的“创建人物角色”。一个产品不可能同时满足所有用户的需求，特别在不同类型的用户需求有冲撞时，更难以取舍。这一步的目的是为了让设计者抛开个人喜好，能够深入理解用户的行为，找出你觉得最有价值的目标人群，他们有什么特点需要什么。

以前我一直以为问卷没多少人会答，上次试了一次挺长的问卷，大概15分钟，填答完成率有70%，大大超乎预期。

做调研最终的目的还是服务于产品设计，帮我们找到真正的目标用户，明确核心的需求和功能点的优先级，涉及到具体的项目能说的十分有限，case by case才是进步的不二法则。

最后想说的是，真正的好产品从来不是调研出来的，调研更多的是帮我们明确一些细节，去笃定自己的想法是对的。不要把各种方法当做教科书，当你想了解一件事，你总会想出办法，然后尽力保证客观即可。

源地址：http://www.wangxuntian.com/?p=1912

行业跟踪画布和竞品分析画布

Samael任帅 — 2012-10-19 12:01:29

如果决定做一款产品，那么分析一下这个产品所处的行业及发展状况是非常有必要的。我们需要知道这个行业的具体情况，从而定位我们的产品，产品所处的行业在很大程度上决定了产品最终的发展状况。

做行业分析，我们要重点分析下面几个问题：行业是朝阳行业还是夕阳行业？市场是红海还是蓝海？这个行业经历了几次发展，有哪些重要的转折点？是否有技术变革的趋势？有哪些新趋势能够带来行业变化？

行业跟踪画布

行业分析的最终目的是对行业有充分的了解，并能够对未来的1～3年的大趋势进行合理预测。为了更加规范和系统的进行行业分析，我们引入了行业跟踪画布的概念，一个完整的行业分析画布应该包含以下几个指标：

a.行业发展和变化

b.大的转折点

c.技术变革带来的影响

行业跟踪画布有一个横向的时间轴，时间轴上侧的部分，从左往右划分为几个发展阶段。时间轴的下侧有数个与时间轴平行的轴线，每个轴线代表不同的外部条件。

下面我们以SNS行业为例，来讲解如何使用行业跟踪画布。

Step1、我们首先要确定时间轴的范围。我们需要寻找时间轴的起始点，第一个SNS网站是1999年创办的ChinaRen，所以我们将1999年作为时间轴的起始。

Step2、我们要将1999年至今出现的代表产品放置到时间轴上。并标注主要产品的发展情况。

Step3、我们将重要的外部条件列举出来，并在时间轴上标注出主要的变化。

Step4、结合所有条件进行综合分析，将行业的发展划分成不同的阶段。Step5、根据对外部条件的变化，预测1～3年的行业发展情况。

从行业跟踪画布中，我们可以看出SNS在中国经历了四个阶段：

1999年～2005年的萌芽期，这个阶段的网民规模只有几千万，并且电脑硬件和上网资费贵。只有到2005年底，51.com和校内网的出现，才使行业出现生机。

2005年～2010年是发展和爆发期，这个阶段中国网民的数量快速膨胀、电脑硬件飞速降价、上网资费大幅度下调，校内网在此阶段飞速发展，积累了过亿用户。

2010年～2012年是移动互联网时期，从2010年开始iphone和android智能手机出货量骤增，同时手机上网资费大幅下调，手机网民从1亿迅速增长到了4亿。移动SNS用户快速增长。借助移动互联网的特质（通话、LBS、Mobile等），2011年前后推出的米聊、微信、陌陌等都积累了千万到数亿的用户。

行业跟踪画布的优势：

行业跟踪画布可以让我们从随时从任意一个维度、任意一个横截面对行业趋势进行分析。例如：

从上面可以清晰的看出，随着iphone和android智能手机的出现，以及手机上网资费的下调，手机网民的规模在2009年底就开始飞速发展，2010年进入爆发期，用户规模达到了3亿。如果在2010年前后踏入手机互联网行业，是培养用户和拿投资的最佳时机。

从上图中还能看到一个趋势，从2012年开始，手机网民的规模已经与PC网民规模差不多，加之“云”概念的流行，对于很多产品来说打通多平台的无缝服务已经是当务之急。

另外，与桌面电脑相比，手机的最大特点是移动性，所以当2009年出现LBS（Location Based

Services）时，我们就能够意识到LBS将会对一些产品（例如地图）带来革命性的变化。而很多其他产品也可以借助LBS优化自己的服务体验。

总结：互联网上有大量对行业进行预测的文章，甚至有些内容的观点充满了矛盾。使用行业跟踪画布能让我们能够对大方向进行清晰的把握。在完成行业分析后，紧接着我们要结合我们要做的产品进行竞争产品的分析。

竞品分析

竞品分析是指分析与你形成竞争关系的产品，学习其优势以弥补自身产品的不足。要想做成功一款产品，深入的竞品分析是必须要做的功课。竞品分析主要有以下几个作用：

1.向行业标杆学习：

对于一款新产品来说，如果行业内有成熟的产品，对这款产品进行充分的解构是研究行业、产品最方便的捷径。

2.从侧面了解用户需求：

除了直接研究用户外，对竞争对手进行跟踪分析能够让我们从另一个维度了解用户需求，是我们做出更加合理的决策。

3.对行业发展进行分析，准确给自己进行定位：

例如，如果我们的产品有100万用户，我们的几个竞争对手也是100万用户，说明整个行业还在培养用户的时期。如果最近半年，我们的产品用户从100万上升到了1000万，而竞争对手也是同样情况，说明整个行业处于爆发期，是行业的爆发带动了用户的增长。如果我们的产品有100万用户，但是我们的某一个竞争对手达到千万甚至上亿的用户，说明行业已经过了用户培养期，而我们的产品已经远远落后了。

竞品分析的误区

1.只对产生直接竞争的产品进行分析：

分析我们在竞品分析时往往陷入一个误区，即只对与我们形成直接竞争（与我们形态相同）的产品进行分析，而不关注间接形成竞争关系的对手。

我有一个做电子支付的朋友，他们公司准备开发一款利用手机进行电子支付的产品。他们的应用需要配合一个硬件刷卡器才能使用。当他们他们做竞品分析时，认为他们的产品从价格、尺寸、速度等各方面均优于拉卡拉的产品。所以认为市场和用户反响会很好。我不知道他们的产品最终是否能够成功，不过他们在竞品分析时犯了一个错误——没有对潜在的竞争对手进行分析。

首先，使用他们的产品需要有智能手机，需要能连接上网络，需要安装相应的app，需要去购买配套的硬件。而他们的目标人群是能够熟练使用互联网的年轻人——这些人进行转账行为一般是为了进行网络购物——而习惯网络购物的人，一般都有支付宝账号。对于这些人来说，使用支付宝进行转账更加方便也更加安全。

他们在进行竞品分析时，应该将传统的支付、网络支付、手机支付作为潜在竞争对手纳入竞品分析体系，因为实质上他们是与这几种支付方式抢夺用户，而不仅仅是与同类的拉卡拉进行竞争。

2.只进行简单的功能指标分析：

在进行竞争产品分析时，经常容易走入一个误区，过于关注功能对比，到最后就成了“别人有的我们一定要有”，大家互相借鉴（抄袭），一旦有一个产品加入了新功能，其他产品就都一窝蜂似的加上同样的功能——最后产品脱离用户需求，变的越来越臃肿。我们经常能听到类似的对话：

研发人员：我们为什么一定要加这个功能？

产品经理：别的产品都有这个功能，所以我们也要有！

对产品人员来说，我们是在做产品，但是对用户来说，他们是使用我们提供的服务。他们在乎的是谁提供的服务更到位，能更好的满足他们的需求，而不是谁的功能最多。我们做竞品分析，更多的为了了解同类产品的情况，至于我们自己的产品应该是怎样的，还是要以用户需求为准——围绕用户目标和行为进行产品设计。

3.切片式的竞品分析:

目前大家在进行竞品分析时，一般是每相一段时间（每周、每月）对竞争产品进行一次对比分析。做的更专业一些的话，会加入一些对用户满意度的衡量指标。但是这种产品只是对同一时间的所有竞争产品进行切片式的对比分析，没有对每一个产品进行单独的跟踪分析，是一种割裂的分析方法。

竞品分析画布

为了更好的进行动态的、全面的竞品分析，我们引入了“竞品分析画布”的概念：竞品分析画布可以看作是行业分析画布的细化和延伸。竞品分析画布是从一个颗粒度更小的视角去分析各个竞品的情况。一个完整的竞品分析画布应该包含以下几个指标：

1.外部变化：

在竞品分析画布中只呈现最重要的趋势，详细的行业状况一般会使用“行业跟踪画布”进行单独的呈现。

2.直接竞品的情况：

直接竞品的功能变化、版本更新情况。

3.间接竞品的情况：

间接竞品的功能变化、版本变化更新情况。做竞品分析，除了盯着直接竞争对手看之外，还要关注一些间接产品，因为很有可能你的产品是在与其他类型的产品抢占用户。

对每一个竞争产品，都要分析以下几个方面：

功能变化：

每次版本更新的时间以及每次版本更新带来的功能变化。

用户数量：

用户的数量变化，用户的活跃情况。

体验变化：

每次版本更新所带来的体验变化。

用户满意程度的变化：

用户对每一次版本更新的主观满意程度的变化。

不同的时期，大家对功能和体验的预期是不一样的，如2000年前后，有彩屏手机，大家就非常满意；2007年前后，诺基亚的塞班智能机是大家追求的对象；2007年，iphone发布后，iphone手机成了大家的追求——这也是为什么竞品分析画布更有价值的原因，他可以让你从宏观到微观都有一个整体的概念。

功能重要性的的变化：

在整个产品中每个功能的重要性的变化情况。

在上网资费贵的时候，谁能更节省流量，谁就更获得用户青睐。很有可能你的产品整体体验低于同类产品，但是能大幅节省力量，用户就会选择你的产品。但是一旦上网资费大幅下调，用户对流量不太在意时，可能用户会转而选择UI更加美观的产品。

竞品分析画布的使用：

当竞品分析画布绘制好后，我们可以直观的直观的查看任意一款产品的发展情况，也可以以任意时间点为横断面，对多个竞争产品进行对比分析。要尽可能的将竞品分析画布贴到一个显眼的地方，以便于随时随地对竞争产品进行分析。

源地址：http://blog.sina.com.cn/s/blog_61e545fd0101cvpr.html

直击用户大脑——用户研究新方式（眼动&脑电研究）

LoveUed — 2012-10-11 20:56:24

眼动仪作为记录用户注视轨迹的用户研究工具而得以流行。随着神经营销的兴起，脑电研究也越来越多的被用来了解用户的真实想法。而将眼动研究和脑电研究结合起来，则是未来用户研究的一个趋势。借助于二者的联机同步，我们能得到平行于主观报告的更准确，更深入，更全面的用户信息。

用户研究过程中，工程师们的一个困惑是：用户说的话总是模糊而又不确定的，容易受各种因素的影响——用户会说出一百个喜欢你的产品的理由，但是一个不喜欢的理由就能促使他的离开，如何了解用户真实的想法成为一个难题。随着眼动仪的普及应用，脑电研究的商业化，用户研究工程师的理想逐渐变成了现实：现在越来越能客观真实地了解用户的所看所想。

眼动研究是什么？

眼动研究是借助眼动仪对用户在执行特定任务时眼睛视线的运动轨迹进行记录，以分析用户的认知行为和心理活动的过程。通过眼动数据，我们能分析用户的注视规律，来评估和优化我们的产品设计。眼动研究在整个用户研究中的定位如下图所示，可见眼动研究立足于用户的实际操作，可以对网站、产品的布局做定性分析，得出设计合理与否的结论。

我们通常用热图（heat map）来表示界面的被注视情况（如下图）。越红的区域，表明注视的时间比较长，绿色的区域，表面注视的时间较短，当然，白色的区域用户根本就没有看到。

如何分析眼动数据？

眼动研究能提供一整套的眼动指标，眼动仪能完整记录用户的注视轨迹，基本可以解决用户“如何看”“看什么”的问题。比较典型和常用的指标包括：

1、总注视次数：被认为是与搜索绩效相联系的指标。

2、平均注视驻留时间：反映的是提取信息的难易程度。

3、注视点序列（注视轨迹）：注视点在兴趣区之间的转换，能够度量用户界面布局的合理性。合理的界面布局在注视轨迹上表现应该是有秩序，顺畅，有逻辑的。

4、首次到达目标兴趣区的时间/注视点：在显示区域搜索特定的目标时，第一次到达目标区域的时间。也是用户界面布局合理性度量的一个重要指标。

5、每个感兴趣区域的注视时间：被试眼睛注视特定显示元素（设计者感兴趣区域）的时间。

但是，由于眼动数据本身反映的是行为，不能直接反映认知和思维过程。行为是大脑各种活动过程的综合结果，因此，数据本身的指代意义就不是单一的，很难解释。眼动研究需要良好的实验设计的配合，才能正确地解释眼动数据，或者需要配合访谈或者回溯测试等来反映认知和思维过程。脑电研究则弥补了眼动研究的这一缺陷，并且天然的能与眼动研究相结合，这种结合不但能正确的解读眼动数据，还能客观而准确的反映用户的心理过程。

脑电研究是什么？

脑电（EEG）是由于大脑中大量神经组织的突触后电位同步总和而成，含有大量的心理信息，以不同的波形反映出来，常见的波形如下图所示。

不同的波形代表不同的心理信息，比如α波是大脑皮质处于清醒、安静、闭目状态时电活动的主要表现，当人睁眼、思考问题或接受其他刺激时，α波立即消失。β波是大脑皮质兴奋的表现，人在安静闭目时只在额叶出现此波。若睁眼视物、思考问题、突然听到声响时，都会在皮质其他区域引发β波。θ波出现在在困倦、失望、受挫等情绪刺激时。这些不同的波形反映了被试所处的心理状态。

脑电研究得到的数据如何分析？

通过复杂的技术处理，借助于脑电数据分析工具，如EEGlab，通过傅里叶变换或者小波分析，我们可以把复杂的大脑波形整理成有一个起点，然后是不同波形分布的杂合（如下图），或者是将所有的波形平均，得到一条总体的波形图。再取出特定时间段内的波形，即可以分析在特定时间段内，大脑发生的生理/心理活动。

我们不但关注大脑整体的活动状态，也比较关心与任务相关的具体的心理成分，比如与任务相关的注意程度、记忆力和情绪反应。

1、情绪指标：大脑的左右前额叶分别敏感于积极情绪和消极情绪，通过分析二者的偏侧化来了解用户积极情绪和消极情绪的强弱变化。

2、注意指标：大脑的左右顶叶是控制注意分配的脑区，能了解用户注意分配的情况。

3、记忆指标：颞叶控制我们的记忆，能编码和回忆环境信息，通过对颞叶的分析，能了解用户对产品的记忆情况。

眼动仪和脑电设备的联机

脑电数据通常比较复杂，需要找专业人才来完成。特别是眼动仪和脑电仪器的同步问题。硬件方面来讲，目前SMI眼动仪和NeuroScan系统已有成熟的联机方案，而商业常用的Tobii眼动仪与NeuroScan或BP系统的联机则需要第三方的硬件支持。从软件方面来讲，要保证眼动仪和脑电仪器的联机，需要专业的刺激呈现软件，比如心理学研究常用的刺激呈现软件Eprime或者采用MatLab编制实验程序。在解决了硬件和软件的同步问题之后，我们就可以将行为实验数据、眼动数据和脑电数据放在同一的起点来进行分析。便可得到用户如何做，如何看，如何想这一用户体验的“全息”信息。

眼动&脑电的商业应用案例

眼动&脑电的同步研究，目前多用于广告效果评估、网页浏览、产品包装等。通过联机分析，我们可以解读出用户在浏览页面的特定信息时时，大脑的主要心理活动，包括在浏览广告时的注意程度、记忆力和情绪反应。

下图是Vecchiato& Babiloni(2011) 的经典案例，采用脑电实验来研究百事可乐广告的记忆效果。在该研究中，对广告记忆成绩好坏的被试大脑活动模型是不同的，总的趋势是，广告的记忆成绩越好，记忆相关脑区（主要是颞叶）的GFP面积越大。借助于眼动仪，我们便能知道，当用户看广告的任何区域时，记忆相关的GFP的面积大小。由此，我们可以推断广告的记忆效果如何。

图中红线表示记忆成绩好的被试的脑电GFP，蓝色的线表示记忆成绩差的被试的GFP，二者的差值能反映出广告的记忆效果。图片来源于Vecchiato& Babiloni，2011。

总结：新工具、新方法的使用，总会给我们提供新的研究思路和研究方向，能提供给我们更多的信息便于我们优化产品。眼动&脑电的结合是一种新的研究方向，它将眼动数据的直观性和脑电数据的深入、精确和全面性相结合，能提供用户在使用产品时的几乎“全息”信息。通过二者的联机，我们可以精确定位用户在浏览产品时大脑的活动，挖掘用户内心深处的态度、情感、认知水平。

欢迎关注@百度商业UED！

源地址：http://ued.baidu.com/?p=3298

beforeunload丢失率统计

鱼相 — 2012-08-26 17:28:12

用户体验研究过程中，我们经常需要使用前端脚本采集用户访问行为相关的数据，例如监听鼠标的点击事件，记下点击的位置及被点击的元素等。一个不可避免问题是，何时将采集到的数据发送到服务器呢？最直接的方案是每次收集到数据后立即发送，但这可能会带来较多的HTTP请求，一方面降低页面的性能，另一方面也增加了打点服务器的压力。另一个方案是先将收集的数据缓存一下，然后按一定规则发送（比如每收集满10条数据发一次，或者每隔5秒钟发一次），其中最终极的方案是所有的数据都缓存起来直到离开页面之前（beforeunload事件触发时）再发送。不过这个终极方案也有自己的问题，比如beforeunload这个事件可靠吗？在这个事件中发送打点的丢失率有多少？近期我们就这些问题做了一个研究，对这个丢失率也有了一个更具体的认识。主要的研究过程如下：

首先我们需要收集数据，这儿主要有两个数据：页面加载时立即发送一个打点，称为PV打点；监听页面的beforeunload事件，在这个事件触发时再发送一个打点，称为unload打点。显然，如果丢失率为0或非常小的话，PV打点的数目和unload打点的数目应该相等或非常接近。即丢失率的计算公式为：丢失率=(PV-unload)/PV*100%

如下图所示：

按这个思路，我们在淘宝页面上进行了抽样埋点，并取得了足够多的PV及unload打点数据。但现实总是不完美的，整理这些数据的过程中，我们发现一些unload数据没有对应的PV数据，也就是说，由于各种各样的原因，不仅绑定beforeunload事件的unload打点有可能丢失，在页面初始化时发送的PV打点也可能丢失，尽管这个概率非常低。于是，我们又为打点添加了一个pvid参数，值为一个随机生成的字符串，每一组PV/unload打点的pvid都是相同的。这样，我们就能通过这个参数过滤出那些完整的PV/unload打点记录，再经过一些适当的整理，我们就得到了可以进行统计的有效数据。

接下来，根据上面的公式，我们算出了beforeunload打点的总丢失率，约为20.81%，整个过程如下图所示：

使用上面的方法我们连续统计了若干天的数据，发现beforeunload的总体丢失率维持在20%附近。接下来，我们再把这个数据按浏览器进行细分，看各个浏览器下这个丢失率是否有差异。

首先看一下当前浏览器分布情况：

清洗过的日志数据再根据UA字段细分后的结果为：

从上图可以看到，各大浏览器的表现并不一样，其中份额占比最大的IE8在丢失率上表现最好，远低于总体平均水平，而chrome和safari却远高于平均值。各浏览器的丢失率乘以它们各自的权重（市场份额）之后再求和，就得到了总的平均丢失率，在我们的实验中，这个总丢失率约为20%。

结论：使用beforeunload事件打点并不可靠，总丢失率在20%左右，其中各浏览器的表现各不相同；当然在一些丢失率要求不高的采集任务中这个事件还是能派上用场的，比如说统计页面停留时间、页面内容曝光比例等。

最后需要特别说明的是：丢失率与用户浏览器分布情况、所采用的打点方式以及打点服务器响应速度等因素都有关，本结果仅供参考。

统计人：鱼相、季札。

源地址：http://ued.taobao.com/blog/2012/08/23/beforeunload%e4%b8%a2%e5%a4%b1%e7%8e%87%e7%bb%9f%e8%ae%a1/

企业用研二三事

CDCer — 2012-08-19 13:16:09

互联网产品层出不穷，不同于大多数个人产品，企业产品的直接使用者为企业用户。企业用户要比个人用户复杂得多，有着相当大的区别。除了个人因素外，还有环境、组织、个体间等影响因素。对应地，在做企业产品的用户研究工作时，我们需要针对企业用户的特殊性和复杂性来进行相应的规划和执行。目前我主要从事企业产品的用户研究工作，之前也从事过一段时间的个人产品用户研究工作，对企业用研和个人用研的差异小有感受。本文以我所负责的一款企业产品为例，结合个人经验，对企业用户的特点以及企业用研的关注点做一个简单的分析和总结，希望和大家一起交流。

企业行业背景和业务流程

我们的产品功能与企业用户的业务场景有紧密关系，行业背景和业务流程是我们在做企业用研时首先需要考虑的。

企业是组织，它是有行业背景的，是存在于大环境下的。正所谓我们常说的“隔行如隔山”，不同的行业有着截然不同的情况。行业决定着企业的业务模式，进而影响着企业的组织架构、企业推广、内外部沟通和客户管理等，也就直接影响到对产品的使用。比如影楼工作室和货运服务基本上就是两个完全不同的行业。

在我们的产品中，我们将我们的企业用户划分为18个一级行业，在每个一级行业下面再相应地划分若干二级行业。这样就把我们的用户进行了初步的行业细分。行业细分对我们在做研究时定位和理解目标用户很有帮助。

然而产品覆盖的行业较多，团队成员要深入理解目标用户可能还是会有困难。单从行业上考虑，产品架构可能很难承载实际用户的需求。与除了行业背景，我们还需要考察企业业务流程，可以从中抽取不同行业在业务流程上的共通点，抽取与产品需求相关的典型特征，以此将不同行业的企业归归类。和个人产品一样，为定义好产品的目标用户，我们也曾对我们的产品创建了用户画像。当然业务流程只是其中一个主要的关键因素，分类过程这里就不详细叙述。搞清楚典型企业之后，我们可以根据典型企业的目标、行为、关注点和具体需求，为产品设计提供参考。

企业生命周期和组织架构的影响

伊查克·爱迪思（IchakAdizes）提出了企业生命周期理论，企业的发展大致有创业期、成熟期和衰退期三个阶段。不同阶段的企业，其组织形态、关注点、管理方式等都会有所不同，对产品的需求侧重点可能也会有所不同。简单来说：创业期的企业，企业规模较小，处于客户积累阶段，企业文化尚未成型，较为关注引流；而成熟期的企业，客户资源相对稳定，可能已有一定的规模，内部管理需求增长。在思考调研结果对产品的参考价值时，我们需要把这些联系起来考虑。

当企业有一定规模之后，会通过组织架构来进行专业分工。不同部门之间，业务和服务范围是独立的，但同时又有紧密合作。因此，企业产品既要考虑部门权限的设定，又要考虑部门间、员工间的交叉。例如针对广告印刷公司（组织架构大致如下图），我们需要考虑与产品相关的业务流程上的传递，从咨询-接单-设计-生产-结算-出货，同一个客户需要联系企业内不同部门的人员。另外，从管理者角度，为保证企业的总体利益，我们还需要考虑统一管理的问题，如考虑员工的请假、转岗、离职等特殊情况下与产品相关的问题处理。

企业产品使用角色多样性

不同于个人产品的用户单一性，对于企业产品，每家企业的使用者可能是多个且角色多样。在一个企业中，企业产品它所需要面向的使用对象可能从普通员工到企业高层，覆盖业务部门、技术部门、行政人事部门等等。每个人基于工作的使用场景不一样，对产品的需求可能也大相径庭。比如在客户管理方面，销售人员因业绩影响不会和他人共享客户资源，而客服人员需要共享所有客户。另外，由于企业本身的差异，即使是同一行业、同一类型的企业、同一名称的角色，工作内容可能也有不同，对产品的使用和需求可能也就有所差异，比如同样称作客服，有的只负责售前咨询，有的还负责跟进售后质量。因此，在调研中，这个用户在企业中是什么角色、是什么岗位的、具体工作中要做些什么，也是我们需要收集的信息。

撇开具体的业务，老板\管理者和普通员工是在各个企业中都有的两类角色。他们有着不同的关注点，我们需要区分对待。管理者有时并非为产品的直接使用者，作为利益相关者，他们通常都是从公司的整体利益出发。他们更关注产品是否能给公司业务带来帮助，是否能有效管理客户，是否能协助进行内部管理等。普通员工可能更关注产品的具体使用，有没有使用更便捷了，有没有帮助他们更好地完成手头上的工作，有没有提高他们的工作效率。

因此，在企业用研中，我们需要针对不同的调研目的，来调研不同的对象。当我们的调研目的是为产品大方向和产品需求的决策提供参考时，我们应该调研对企业总体情况了如指掌且有关键决策权的管理者；当我们的调研目的是了解产品具体的可用性问题时，我们应该把调研对象转向实际使用产品的普通员工。当然，这里说的并非是绝对的，也并不是说在一次调研中要完全将这两类割裂开。管理者有时也是产品的实际使用者，普通员工可能对产品也有自己独到的见解，具体要视调研背景和目的而定。通常一次调研中，我们既会关注管理者，也会关注普通员工，调研时把握好各自的重点就好。

在我们以往的调研经验中，管理者对互联网新技术的关注程度会影响到他对产品的理解和总体评价，员工的年龄、学历、互联网经验等会影响到对产品的实际使用，这就和我们在个人产品的用户研究中关注的差不多了。

另外，有些企业产品本身需要有管理员，来分配产品使用权限等。这里的管理员有时不一定是有决策权的管理者，产品管理员对产品的使用和其余普通员工又有所不同，用研时也需要注意区分。

企业与合作伙伴、与客户的关系会直接影响到企业的赢利。对于一款沟通类的企业产品而言，企业的合作伙伴或客户在另一侧使用产品时的体验，也会大大影响到企业用户对产品的评价。因此，对产品另一侧的使用者的调研，也是我们企业用研的一个方向。

企业管理风格

管理风格会影响到企业的决策，包括购买决策、续费决策等。从我们的调研经验来看，我们的企业用户主要可以分两种管理风格：管理者导向的封闭型风格和员工参与式的开放型风格。当然这是基于经验的简单分类，在组织购买行为理论（Organizational Buying Behavior, OBB）里有对企业决策详细的阐释，在这里就不赘述了。在管理者导向的封闭型管理风格的企业里，我们可以看到，几乎一切都是管理者说了算。管理者说必须得统一使用某产品，员工就必须使用，不管员工的意愿如何。管理者本身对产品的满意度基本上决定着产品的购买决策、续费决策等。相反，在员工参与式的开放型企业中，员工对产品的使用体验会很大程度上影响管理者对产品的评价。管理者在作购买决策之前，会仔细考虑员工对产品的使用反馈。因此，我们在尝试搭建企业产品的用户满意度模型时，也特别纳入了管理风格的影响。

企业用研常用方法概述

基于以上这些企业产品的复杂性和特殊性，企业用研的常用方法和个人产品稍有差异。企业用户的使用场景基于业务，背景复杂、角色多样、使用工具特殊（如企业自有后台系统）等，导致无法在可用性实验室中切实地模拟出来。因此，实地调研（入户调研）是我们企业产品用研的常用方法。通过入户调研，我们可以一次收集企业内不同角色的大量资料，并可以切实观察到办公环境、使用的设备、员工的实际工作内容等。这些可以帮助我们快速了解企业，有效地理解用户对产品各功能的使用情况和需求情况。对于不方便入户的用户，我们可以采用电话访谈的方式。

企业产品依靠第三方经销商来售卖，在售出时会登记企业资料和联系人信息。在招募方面，除了中介招募外，我们也还会利用经销商的销售资源，特别是进行潜在用户调研时。针对已有用户，我们还经常会自己进行电话招募。在调研对象方面，除了上述已提到的需要区分企业不同角色外，对于企业产品来说，经销商本身也是我们非常重要的调研对象。

说了这么多，简单小结下。企业用研的对象相对复杂，因此我们用户研究人员在调研方法和调研内容上需要“因地制宜”。我们不仅要从用户心理层面和认知层面出发，还要多一些商业角度和组织角度的思考。当然，调研时的一些基本技巧（如访谈和可用性测试）和个人用研还是一致的。对于企业用研，我们也还在项目研究中不断进行摸索，撰以此文进行小结，希望能和大家一起探讨交流。

源地址：http://cdc.tencent.com/?p=5913