
史蒂芬說:用戶需求分析是產品經理的核心能力。用戶需求分析的方法技能有哪些?如何從小白成長為大牛?我們來探究需求分析背后隱藏的門檻。
互聯(lián)網的紅利燒紅了一個新的職業(yè):產品經理。一夜間,人人都是產品經理。很多成名大佬喜歡說:“其實,我是一名產品經理”,不論之前是寫博客的還是說相聲的。邊裝低姿態(tài),邊暗示自己產品領域倍專業(yè),居功至偉。名頭可以隨便起,但是作為一個產品經理的核心功力:用戶需求分析,就沒有那么容易忽悠了。讓我們從一個故事說起:
從前有一個國王,國王有個極其嬌慣、任性、無比作的公主,這個國王又無比的寵愛這個公主:不管這個公主有什么愿望,國王一定滿足。終于有一天,公主說:“父王,我要月亮!”,于是國王叫來一個臣仆,說把月亮給我女兒給摘來,不然我就殺了你,臣仆欲哭無淚,最終被國王殺害,接著叫來另一個臣仆,也無奈之憤憤而終。在公主的哭鬧下,臣仆一個個死去,終于輪到了一個聰明的,他接到任務后,來到公主前謙卑的問:“親愛的公主啊,請告訴愚昧的臣仆,月亮是什么?。俊惫鞑荒蜔┑恼f:“月亮是什么你都不知道!月亮就是用金子做的,如手指蓋般大小,彎彎的,晚上就會掛在我窗前的樹枝上啊,白天不知道被誰偷走了?!贝顺计桶迪玻沾伺谥?,逃過一劫。
這個故事從我們TOMsInsight團隊的老板口中聽到,講完此故事后,老板嘆了口氣,說:“需求啊,需求,也許上帝都不知道人類的需求是什么。”當然老板就是老板,多少都會有一些深沉(zhuangB)屬性,但是此故事卻讓我們分析師團隊很受啟發(fā)。互聯(lián)網發(fā)展至今,當用戶至上一次次的被提起;當以產品、用戶為中心,打造極致成為口號;當大學落榜生都由于自己裝過幾百個app而就自以為是合格的產品經理;當大量互聯(lián)網從業(yè)人員都由于自以為發(fā)現(xiàn)了用戶需求上的空白幾乎而覺得要不是自己有房貸那創(chuàng)業(yè)了肯定是一個互聯(lián)網巨頭;再加上不懂技術只能圍繞產品概念說事的互聯(lián)網科技媒體助拳,一時間好像只有產品經理在改變世界。
當這些浮躁的情緒在整個行業(yè)里綿延的時候,我們又能不能沉下心來,真正的去深入用戶需求分析呢。今天TOMsInsight的主題是:那些用戶需求分析背后隱藏的門檻。
用戶需求分析的方法技能大概可以分成兩個門派,或者說兩個不同的風格:一種是注重意識形態(tài)分析,喜歡的是:用戶心理、人性利用、用戶體驗、交互體驗、群體效應、用戶調研、深度用戶理解、用戶行為模擬、再加上一些炒作的概念、等等。出于后文描述方便,我們可以把這一類叫做:軟派。另一種是注重數(shù)據建模和分析,喜歡的是:數(shù)據、用數(shù)據說話、數(shù)據建模、結構化數(shù)據構建、用戶數(shù)據細分、用數(shù)據profiling用戶、大數(shù)據分析、數(shù)據模擬運營、小流量測試、等等。同樣出于后文描述方便,我們可以把這一類叫做:硬派。
為什么用戶需求分析會變成這兩種門派呢:
由于國情,在互聯(lián)網發(fā)展起來之前的軟件產業(yè)(也包括目前的軟件產業(yè))的用戶以企業(yè)級客戶,專業(yè)用戶為主(直接面向消費級終端用戶較少),而成本主要是技術投入,所以在考慮用戶需求時,主要是如何盡可能用低成本去滿足。而這時期的產品經理,更是以系統(tǒng)結構師、系統(tǒng)分析師轉化或者兼職,都是技術出身。不管目前大家對張小龍、雷軍、周鴻祎的互聯(lián)網產品理念多么推崇,但是當年他們入行都是以程序員的身份,并有長時間技術生涯。
互聯(lián)網行業(yè)不同與軟件,由于產品直接面向消費級終端用戶(網民),門檻降低。又因為行業(yè)發(fā)展的紅利,其入門起薪要高出別行業(yè)一大截。再加上喬布斯的成功,其重設計、體驗的產品理念和做到極致的追求,與其非技術出身的背景。這些原因都讓非技術背景的人才在07、08年以后大量的涌入互聯(lián)網產品經理的行列。
對互聯(lián)網企業(yè)來說,由于技術逐步平臺化和服務化,成本降低?;ヂ?lián)網產品需要創(chuàng)新,快速迭代,在“試錯”中摸索。所以樂于吸納各類背景的人才,甚至年輕化人才,希望其五花八門的創(chuàng)意中碰巧出現(xiàn)一個世界級的應用。而這些各類背景,年輕化的人才,也開始充分利用自己的優(yōu)勢,形成軟派。而技術出身、或者從技術研發(fā)轉型的產品設計人員,更加保守且注重邏輯思維邏輯化,在用戶需求分析時喜歡運用特長、發(fā)揮優(yōu)勢,用數(shù)據說話,以他們?yōu)橹髀纬闪擞才伞?
事實上,沒有誰的用戶需求分析思路會是純軟或者純硬,有的是3分軟7分硬,有的2分硬8分軟,巧妙融合,如果這樣深入下去,踏實探索,并無大礙。但是由于行業(yè)風氣浮躁,大家更多的是浮在水面,導致不管軟還是硬,都是卡在不同層級的門檻之前,不得深入。
我們先來研究下軟派技能的門檻,按照水平遞進我們分成以下三類:
1.一級門檻:把自己當用戶。
喜歡把自己當用戶或者把自己臆想成一部分用戶群體,把自己的需求或者臆想出來的需求無限放大,盲目樂觀。具體的說是:當我們遇到了一些需求沒法得到滿足,就會覺得有大量的用戶肯定也有類似的需求;或者因為和一個朋友聊天忽然發(fā)現(xiàn)了需求,就認定朋友這類人群有類似的大量的需求存在;再或者自己直接臆想出來一個裝逼需求,除了裝逼以外沒有任何用處。
剛剛到這個行業(yè)的產品設計人員或多或少的都會被這個門檻擋住。有時候明白用戶是一個分析對象而并不是自己,不像說起來那么容易:真正的去了解用戶,搜集相關的信息,把自己變成空白,再變成用戶,客觀的思考;再變成空白,切換成自己,理性的分析。
2.二級門檻:有色眼鏡局限。
跨過第一級,已經掌握如果利用問卷調查、目標用戶訪談、或者相關的深度調研來分析用戶需求。但是這時候,我們一般會被自己的有色眼鏡(自己的意識形態(tài)、生活的水準、成長的背景、階級定位等等)所局限,無法真正了解用戶需求的本質。說的直接點,就是由于我們和我們的用戶群體根本不是一類人,就沒法深入的去把握用戶的需求,總是被自己的觀點所誤導。一般水平的專業(yè)分析人員或多或少的都會被這個門檻擋住。比如一個從15歲身邊就是一堆倒貼mm的高富帥,真的能了解那些急需解放右手的渴望么?比如一路貧困剛剛畢業(yè)才吃了第一頓必勝客幾乎都睡在公司的產品新人,想做一款高爾夫社交應用,不管多深入的約談潛在目標用戶,能真正了解他們對社交的真正心理么?再比如一個從來不看籃球不打籃球的文藝青年,能明白天天刷NBA論壇的高中生NBA對他們意味著怎么樣的精神寄托?
3.三級門檻:非體系談心理。
接下來是第三級的門檻:真正(注意是真正,只會說的不算是跨越^_^)跨越第二級,已經懂得用戶心理的微妙把握和對于人性的利用了。但是這時候,我們一般做不到建立起完整的對心理學、社會行為學的知識體系結構,所以構成不了一個對用戶心理、行為的體系化的認知。所謂的單方氣死名醫(yī),但是卻無法代替名醫(yī)。名醫(yī)明白如何去平衡身體的各種機能而不是頭疼醫(yī)頭腳疼醫(yī)腳。
同理,當我們沒有體系化的對用戶心理、行為進行認知,只能利用這個群體的部分心理訴求的時候,對這個用戶群體的需求的了解,并不能算平衡,依據此需求設計的產品,一般會呈現(xiàn)火一時但是不長久的狀態(tài)。
越過這三級門檻,就掌握了一流的軟派用戶分析技能。其實只要沉下心去鉆壓,踏實的學習,一點都不難。就怕跟著互聯(lián)網行業(yè)的浮躁這風:最近經??吹揭恍┛萍济襟w上95后少年在談自己創(chuàng)業(yè)的產品如果利用人性。說句不好聽的話,等真正成了人,熟悉了性,再談人性吧。
接下來我們再看,硬派用戶需求分析技能的三個門檻,也是按照水平級別遞進:
1.一級門檻:數(shù)據都是事實。
不知道什么時候開始,“用數(shù)據說話”就已經成為互聯(lián)網公司的核心方法論,也成為了硬派用戶的核心理念。但是數(shù)據是一把雙刃劍,不怕不懂數(shù)據,就怕自以為很懂數(shù)據卻又不深入,從而得到錯誤的數(shù)據結果。我們用實際的情況舉一個例子吧。TOMsInsight的數(shù)據分析團隊在國慶長假期間監(jiān)控了2789個微信號的朋友圈中435092好友在朋友圈中分享數(shù)據的變化情況如下:
沒有跨越第一級門檻的硬派技能分析人員就開始下結論了:假期期間大家更喜歡分享信息。但是我們再看一下,如果僅僅監(jiān)控其中的北上廣深四個一線城市的169809個用戶,結果如下:
我們例子中的數(shù)據由于方法局限也不能代表什么結論,但是換一個角度,就出現(xiàn)了完全不同的結果。數(shù)據有很多維度的視角,僅僅從少數(shù)的視角維度就得出結論,利大于弊。
2.二級門檻:有數(shù)據無觀點。
跨越了第一階段的硬派的分析技能,就可以全方位的用數(shù)據描述用戶需求了:年齡、地域分布、用什么手機、手機系統(tǒng)、訪問什么網站、上網時長、時間段分布……等等等。數(shù)據做的非常專業(yè),各種算法分析、各種數(shù)據建模,排除干擾噪點等等。能做到這種水準的一般都技術背景深厚,又沉迷于此,卻遇到新的門檻:把數(shù)據做的大而全,但是卻毫無任何客觀的觀點,在數(shù)據抓取分析過程中沒有主心骨或者太有傾向性。
說個可能對大家有啟發(fā)的故事:二戰(zhàn)時期美國軍工公司曾對傷回戰(zhàn)機進行全方位的數(shù)據分析,得出一些需要修改設計的結論,而進一步優(yōu)化,此項目被軍方叫停,因為顯而易見的錯誤:那些真正的重傷飛機都完全毀掉消失,這些傷回飛機的分析再透徹,又能多客觀呢?另外一個例子幾乎是所有學過數(shù)據挖掘在校都聽過的案例,啤酒與尿布:美國超市數(shù)據分析發(fā)現(xiàn)買啤酒的人總是買尿布。好吧,如果這是一個發(fā)現(xiàn),又有什么用呢?為什么我們從來就沒見過啤酒和尿布在一起賣的超市呢?當然,美國也沒有。
3.三級門檻:數(shù)據描述一切。
跨過前面兩個階段,就已經能成為優(yōu)秀的硬派需求分析師,可以在互聯(lián)網巨頭混個不錯的職位獨當一面了。但是這時候反而會遇到新的誤區(qū),喜歡用數(shù)據描述一切。比如最近火熱的大數(shù)據在一定程度上就推波助瀾此道。過于詳細的數(shù)據其實也就失去了意義,失去了用戶需求的真正核心價值。分析是過程,而不是結果;數(shù)據是方法,而不是目的。
有些需求是永遠無法用數(shù)據去描述清楚,也無法用數(shù)據去論證。我們需要在數(shù)據中找到一個平衡點,用來支撐我們繼續(xù)探索的道路,但是不是用數(shù)據描述出來這個道路。勞民傷財,也沒有任何意義。
軟派和硬派,各有其優(yōu)勢和局限。兩者有效的結合在一起,形成合力,更能準確的把握用戶需求。兩方面技能都跨過這三個門檻,就能成為用戶需求分析領域的高手了(或配合成高手團隊)。
這篇分析報告以后,TOMsInsight團隊內部起了爭論,卻是一個無聊的論點:在中國互聯(lián)網環(huán)境下,軟派硬派誰應該主導。這個爭論過于復雜以至于最終也沒有什么結果,但是有一個公認的結論也希望能給大家一些啟示:
有時候我們試圖去抓住一部分人群的需求,我們努力的去分析:用戶心理畫像、大數(shù)據建模,抽絲剝繭去尋找真相,但是真相卻離我們越來越遠。反而是我們自己聰明反被聰明誤:一部三國,耗費了羅貫中一生,流傳至今,記錄了多少經典的戰(zhàn)略戰(zhàn)術?一副象棋,楚河漢界細算得失,街頭巷尾,成就了多少民間豪杰,讓大家都過上一把將軍癮,而且其樂無窮。
這其實也是用戶需求的兩個極端:一種是精神世界的滿足,正如莫言所說“文學的最大的用處,也許就是它沒有用處”;另一種是平衡之美,用創(chuàng)新的工具來重新構建我們的社會關系和人與萬物的和諧。
而信息技術的精髓,對世界萬物包括需求的抽象。當我們處于互聯(lián)網前沿創(chuàng)新的時候,也許我們需要始終記得,我們是在抽象這個世界,而不是去描述這個世界。(文章來源:CDA數(shù)據分析師)
數(shù)據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據分析師:表結構數(shù)據 “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(如數(shù)據庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據分析師:解鎖表結構數(shù)據特征價值的專業(yè)核心 表結構數(shù)據(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據,如數(shù)據庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據差異是否 “ ...
2025-09-16CDA 數(shù)據分析師:掌控表格結構數(shù)據全功能周期的專業(yè)操盤手 表格結構數(shù)據(以 “行 - 列” 存儲的結構化數(shù)據,如 Excel 表、數(shù)據 ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據分析師:激活表格結構數(shù)據價值的核心操盤手 表格結構數(shù)據(如 Excel 表格、數(shù)據庫表)是企業(yè)最基礎、最核心的數(shù)據形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據的科學計數(shù)法問題 為幫助 Python 數(shù)據從業(yè)者解決pd.read_csv讀取長浮點數(shù)據時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據分析師:業(yè)務數(shù)據分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據分析師與戰(zhàn)略 / 業(yè)務數(shù)據分析:概念辨析與協(xié)同價值 在數(shù)據驅動決策的體系中,“戰(zhàn)略數(shù)據分析”“業(yè)務數(shù)據分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據解讀到決策支撐的價值導向 統(tǒng)計模型作為數(shù)據分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10