
用戶研究需要全面且綜合的了解及分析_數(shù)據(jù)分析師
1、是否對(duì)用戶有用是一切產(chǎn)品的基礎(chǔ),理智的設(shè)計(jì)過程是先從了解用戶開始的。
可用性是有環(huán)境基礎(chǔ)的,高跟鞋在舞會(huì)的時(shí)候可用在打網(wǎng)球的時(shí)候不可用,對(duì)女人可用對(duì)男人不可用;只有深入了解用戶和使用環(huán)境才能把確定是否有用,并把有用變成易用。
2、了解用戶和環(huán)境的手段有很多,最常見的是”數(shù)據(jù)分析”。
在IT行業(yè)中早期大家叫它”數(shù)據(jù)庫營銷”,沃爾瑪有個(gè)”啤酒和尿布的故事“是很成功的經(jīng)典案例,從中體現(xiàn)了專業(yè)數(shù)據(jù)挖掘的巨大商業(yè)價(jià)值;
3、現(xiàn)在很多的企業(yè)都比較重視數(shù)據(jù)的分析。
據(jù)我所知門戶網(wǎng)站的每個(gè)頁面都埋有數(shù)據(jù)統(tǒng)計(jì)的代碼;每個(gè)頁面每個(gè)位置的點(diǎn)擊率和操作情況都是詳細(xì)的記錄。
比如,一個(gè)注冊(cè)界面:”多少用戶進(jìn)來,注冊(cè)成功率(轉(zhuǎn)化率)多少”、”用戶出錯(cuò)比例多少”、”用戶填寫詳實(shí)程度多少”、”多少用戶直接離開,多少用戶遭遇挫折后離開,在那里受到什么樣的挫折離開”等等等等
4、這些海量數(shù)據(jù)的挖掘和分析,有著很大的價(jià)值和指導(dǎo)意義。
但,這種分析和挖掘也有著自身不夠完善和不能真正準(zhǔn)確的缺陷,因?yàn)楹芏嘁馔獾囊蛩睾苋菀讜?huì)造成數(shù)據(jù)的變形,而往往數(shù)據(jù)分析人員不一定都能知曉這些意外因素。
比如,一個(gè)本不該放在某個(gè)位置的按鈕、本不應(yīng)該那么大的圖片,可能會(huì)因?yàn)槲恢妹黠@、面積大而造成點(diǎn)擊量很高,這時(shí)通過數(shù)據(jù)的結(jié)果我們并不能得到正確的結(jié)論。
5、真正通過和用戶接觸溝通然后拿到數(shù)據(jù),是海量數(shù)據(jù)挖掘的一個(gè)有效補(bǔ)充。這種做法的手段可以比較多樣化:
往往我們也會(huì)把一些設(shè)計(jì)的原型拿去讓用戶試用,或者給用戶類似的同類產(chǎn)品讓他們?nèi)ビ?,設(shè)計(jì)師在一邊觀察用戶怎么做,從而得到設(shè)計(jì)啟發(fā)和思路。這是一種設(shè)計(jì)師自己去”看”的方式;
比如,要設(shè)計(jì)一個(gè)開紅酒的工具,你可以觀察用戶現(xiàn)在是如何開紅酒的,然后也可以把你設(shè)計(jì)的工具雛形交給用戶去用,看他如何用你設(shè)計(jì)的工具。
很多傳統(tǒng)的研究方式中(市場(chǎng)研究中較多),會(huì)請(qǐng)很多用戶填寫設(shè)計(jì)好的問卷或者做電話調(diào)研、街頭訪談、面對(duì)面用戶訪談和測(cè)試等,然后作出數(shù)據(jù)統(tǒng)計(jì)。這是一種讓用戶”說”的方式;
比如,要設(shè)計(jì)一個(gè)公用電話亭,你可以在大街上采訪市民,搜集他們對(duì)現(xiàn)有電話亭的抱怨和看法以及他們一般怎么在電話亭打電話..
當(dāng)然我們還經(jīng)常去想辦法發(fā)現(xiàn)用戶在怎么想,了解用戶腦袋里面的那個(gè)MAP。
比如,我們?cè)O(shè)計(jì)一個(gè)圓的需要擰開的門把手,我們可以把設(shè)計(jì)拿給用戶看,問他”看到這個(gè)圓的把手,你認(rèn)為應(yīng)該如何用它開門”;
6、有些時(shí)候我們也經(jīng)常根據(jù)用戶群的屬性特征去做經(jīng)驗(yàn)式的分析,
比如統(tǒng)計(jì)(或總結(jié)性模擬)用戶的基本屬性,分析用戶的學(xué)習(xí)能力和使用習(xí)慣等,”學(xué)歷”"對(duì)計(jì)算機(jī)的數(shù)量程度”"年齡”"專業(yè)”等等也都是對(duì)設(shè)計(jì)很有用的參考依據(jù)。
7、上面所說的這些手段是最常見的一些低成本的做法,當(dāng)然還有一些靠儀器的做法。
但,目前在國內(nèi),我個(gè)人認(rèn)為這些昂貴的儀器對(duì)大多數(shù)企業(yè)都起不到太多的真正作用,或者它們只是一個(gè)噱頭、業(yè)績…
8、前一段和一位在Yahoo美國的朋友談到用戶研究時(shí),她提到了一些做法也蠻有意思。
比如,在上期帖子回復(fù)里有人談到”走近客服”,他們?cè)诎湍民R的一些后期用戶研究中會(huì)有專門的人去和客服一起工作觀察和記錄他們的工作,也會(huì)親自嘗試接聽熱線電話;
(往往客服人員提交給數(shù)據(jù)部門的數(shù)據(jù)是把他們認(rèn)為不重要的數(shù)據(jù)篩選掉以后的,數(shù)據(jù)部門提交給設(shè)計(jì)師的數(shù)據(jù)可能又經(jīng)過了一次篩選;而他們篩選原則和判斷能力可能和設(shè)計(jì)師有著很大的差別)
再比如,記錄某個(gè)ID在網(wǎng)站上的全程活動(dòng),看這個(gè)ID怎么注冊(cè)的,去了哪里 點(diǎn)了那里過程中都干了什么等等,記錄用戶的真實(shí)交互軌跡,從而調(diào)整”用戶操作流程”的設(shè)計(jì);
(這種數(shù)據(jù)比海量分析真實(shí),比逐個(gè)用戶訪談高效且成本低。 但’隱私’問題需要考慮在內(nèi)..)
還有,讓用戶通過他們習(xí)慣的方式主動(dòng)描繪出他們對(duì)產(chǎn)品所期盼的感覺也值得嘗試;比如我以前提到過一次麥當(dāng)勞主動(dòng)了解用戶的例子。
9、總的說來:光靠對(duì)現(xiàn)狀海量數(shù)據(jù)統(tǒng)計(jì)不一定能真正呈現(xiàn)真實(shí)現(xiàn)狀,光靠點(diǎn)對(duì)點(diǎn)的訪談也不一定能全面的反應(yīng)整體概況。
10、設(shè)計(jì)師想要深入了解用戶和需求,首要的前提是:
通過各種方法走近用戶,把用戶當(dāng)作老師;
想方設(shè)法拿到一線數(shù)據(jù),把數(shù)據(jù)當(dāng)作可以淘寶的垃圾堆”。
11、數(shù)據(jù)不是金礦,用戶也不全都是正確的。
很多數(shù)據(jù)和用戶反饋是無用的,甚至是會(huì)造成設(shè)計(jì)誤導(dǎo)的。
最終,還得需要具備理智的分析和正確的判斷能力。 (所以我最崇拜的UED還是那些”數(shù)據(jù)分析師”)
ps:對(duì)于用戶研究我只是學(xué)習(xí)者,請(qǐng)更多的專業(yè)人士盡管指證。 :)
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)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(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)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(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)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(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)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(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)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