马海祥博客是一个专注于分享SEO优化、网站制作、网络营销和运营思维的自媒体博客!
马海祥博客 > 运营思维 > 数据分析 > 关于用户调研数据分析中常见的一些误区

关于用户调研数据分析中常见的一些误区

时间:2013-12-24   文章来源:马海祥博客   访问次数:

近期和一些做用户研究的人员进行了交流,发现很多做这个行业的人都对自己所做的工作有些迷茫,报告写了很多,数据也分析了很多,但是却感觉对产品的实际运营帮助不大,甚至分析出来的结果和实际情况比偏差很大。

其实用户研究并不是一个新兴的领域,在很多传统行业,用户研究为行业的发展发挥了巨大作用。

关于用户调研数据分析中常见的一些误区-马海祥博客

互联网行业的用户研究实际上和传统行业有非常大的不同,但我们很多研究人员实际上还是沿用了传统市场研究的理念和方法,结果效果并不好。在这里,马海祥总结了几个常见的误区,希望能够对从事互联网行业的用户研究的朋友起到参考作用。

1、毫无目的地做用户细分和用户画像

做用户画像这个事情其实是从快消品做用户研究的模式继承过来,通过定性、定量的方式,将自己的用户分成一类或多个类型的群体,并找到他们的典型特征,比如男性、25~24岁、收入4000~5000元、……快消品行业做这样的研究是有一定价值的,因为这个行业的产品同质化比较严重,市场上不同公司的产品,或者同一公司不同子品牌的产品,在功能上其实没有太大差别,谁都很难垄断整个市场。

所以每个产品都要找到自己的市场位置,并通过广告、价格等手段强化自己在这个位置中的地位。这个时候,找到一个细分的用户群体是很重要的。但对于互联网产品来说,基本不存在成本和定价问题,主要差别在于用户体验,而用户体验的好坏基本上是有一个统一的标准,不会因为群体的不同而有什么大的变化。

因此,这个时候做用户细分和对细分群体进行画像实际上就没有太大的意义了。虽然如此,大量的互联网企业的用户研究团队(包括他们的市场研究供应商)还在将用户细分和用户画像作为自己的一项重要工作,撰写大量精美、丰富的用户画像报告,但最终这些报告的成果根本无法得到利用。

2、将产品的忠实用户作为产品的核心用户来进行研究

什么是核心用户?不同的互联网公司有不同的定义。考虑到操作的方便,很多公司会把自己产品的忠实用户或者活跃用户作为自己的核心用户来研究,认为这些忠实的使用者是产品所能依赖的基础,很多时候,这样的假设是没有问题的,在传统行业中,对忠实用户深入研究,找到他们的共同特征,然后在相类似的群体中推广产品,从而扩大忠实用户的规模,这是很常见的操作方式。

但对一些互联网产品,特别是处于回落期的产品来说,忠实用户可能仅仅是惰性用户。他们还在使用这个产品的唯一原因可能仅仅是“懒得”去换一款更好用的产品,这个时候他们的特征并不能代表市场的需求和发展趋势,反倒是那些非忠实的用户,他们对于产品的认知特别敏感,才应该是产品团队需要特别关注的对象。

3、将产品的现有用户当成目标用户来研究

如果产品是自然增长获得的,一般情况下,现有用户就是产品的目标用户。但很多产品由于有营销拉动等原因,虽然用户数量非常可观,可是用户活跃度并不高。这时候很可能这些用户并不是产品的目标用户。他们本身对产品并没有什么需求,只是被迫或不经意的使用它。对其进行研究会发现得不到什么有价值的观点。

在传统行业中,如果发现现有用户和目标用户不一致,可以改变产品自身定位,以更好的满足现有用户需求,而这种情况如果在互联网产品中出现则可能麻烦大了,因为你可能根本没搞懂用户想要什么,也没法调整自己的产品以满足现有用户的需求。

互联网目标用户的确定实际上应该是产品概念期就要确定的,究竟什么样的用户有这类需求,了解清楚之后再针对性的开发产品。并在之后的产品迭代过程中始终把握目标用户的需求,营销工作也尽可能面向目标用户来开展(具体可查看马海祥博客《如何通过数据来分析用户与产品的关系》的相关介绍)。

现在很多产品之所以推出来并不是看到有用户需求,而是看到市场上有同类产品做得还算不错,自己也想尝试下,就开发出来了。推出市场后发现效果不好,目标用户不买账,就不断改功能,改变目标用户,结果还是四处碰壁,最终黯然退出市场。

4、通过问答创建用户画像

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,这样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。

5、重视用户意见而轻视用户行为

用户在考虑产品功能的时候往往不会想到实现的难度,甚至不会考虑这个功能真的推出来之后是不是真的能满足自己的需求,如果直接问用户的意见,他们可能会说很多,如果产品经理一一照办之后,做出来的产品却发现用户并不会用。

在传统行业的调研中看重用户意见是因为用户行为的观察和记录是很困难的,获得的数据也不准确,但在互联网行业,用户行为路径可以被完整的保存下来供研究人员分析。一方面是要对现有产品的用户日志数据进行挖掘,另外一方面要在专项的用户调研中尽量模拟用户真实的使用环境,观察其使用相关产品的行为。

对于研究人员的要求是一方面能够设计研究场景,假设哪些内容是值得观察行为的;另一方面要能够从用户行为的细节中观察到有价值的点,比如页面的停留时间过长,是因为看的内容多?还是因为找不到所需的内容?

6、调查用户行为而非心理

在调研中,我被频频提问一些占比分布,频度统计的问题。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:

(1)、用户是如何知晓并到达产品的?

(2)、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?)

(3)、对于用户哪些功能是must have?哪些是nice to have?

(4)、用户在什么情况下“想起并找到”该产品?

(5)、用户感知到的与竞品的明显差异是什么?

7、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,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。

8、不按规范解读数据

很多人不清楚样本量的意义,也就不会解读数据结果。比如只访问了10个用户,也敢说90%的用户喜欢,但实际上这种样本量,比例是没有任何意义的。

现在精益开发的理念深入人心,大家习惯于进行小样本的用户测试。进行用户测试是没有问题的,但象上面那样解读数据是有很大问题的。即使样本量达到具有统计意义的最小样本量30个(一说50个),有27个用户说喜欢,你也不能说90%的用户喜欢。在这种样本量下,统计精度非常之低,你只能定性地解读定量结果。30个用户里有27个用户喜欢只能说明喜欢的用户比不喜欢的多(具体可查看马海祥博客《分析解读数据的真正目的是什么》的相关介绍)。

9、把所有的问题放在一次项目(或访谈)里解决

很多客户觉得好不容易请到用户来一次,那非得多问几个问题不可。于是我经常看到这样的一幕:在两个半小时过去之后,

主持人问:“你对这个问题的看法是?”

一群受访者立刻回答:“跟他说的差不多。”

主持人不甘心:“有哪些不一样的呢?”

答曰:“其实没有了。”

无论是哪种访问方式,都有其有效时间。即使是座谈会这种受访者心理预期时间会比较长一点的,两个小时之后的访问质量也是急剧下降。因此,在设定项目目标时,一定要合理,切忌贪多。如果实在是有很多内容需要在用户研究项目中来解决,尝试把它们细分后分成不同的阶段的项目目标或选择多种研究方法的组合来解决各自最有针对性的内容。

10、使用研究方法的时候喜欢赶时髦

就象总有人喜欢搞些概念出来新瓶装旧酒一样,研究方法中的各种时髦概念也不少。

比如最近很流行人类学的研究方法。据说某些人把设计思维也跟人类学的研究方法包装在一起。似乎只要一提设计或创新,就得使用人类学的研究方法。

研究方法只是工具,就如同画家手中的笔或沙。有人用笔画画,也有人用沙画画。从没听说要做好用户研究,只能规定用某类方法。在我看来,只要可以帮助客户得到合理的研究结论,一切研究方法都可以酌情使用。

11、不注重样本量和样本的代表性

对于企业来说,寻找到的研究样本要具有典型性或者说代表性,这就涉及到一个如何消除其它因素影响的问题。

因为毕竟产品是给一群人用的,而并非只是为受访对象定制,具有一定比例的样本量并在所考虑过的影响因素中合理分布就是解决方法之一。

举个例子来说,我们已知性别会影响用户行为,但我们并不打算针对男女各出一款产品。因此,我们需要研究男女间的产品使用行为共性,而非差异。那么,我们需要在男和女两个区域内都有样本分布吗?答案是肯定的。无论是定性还是定量,设计样本方案时需要涵盖男性和女性,即使你只是打算关注共性的部分。可以设想,如果你的样本里没有女性,你怎么知道哪些是男女共性?哪些是男女差异呢?

12、分不清不同用户类型的研究价值

也有很多人一提到用户研究,就觉得要访问的用户是自己产品的典型用户。

其实不然,随着项目目的的不同,有很多种不同类型的用户可供选择。比如先导用户,即在产品的导入期就购买或使用产品的人。他们这么早就使用某个新产品,多数在对老产品的使用都有比较强烈的痛点或对新产品的痒点有比较强烈的共鸣,对用户研究人员来说,这群人的行为和意见对于产品随后的开发更新与运营推广有着异常重要的价值。

有些人比较早使用,但也会比较早放弃,这种用户叫流失用户。对他们的研究意义也很重要,非常有助于确定产品的功能或使用体验是否合理。

极端用户是指会在某些极端条件下使用产品或服务的人,有些人会把它跟极客搞混,其实它们并不是同一个概念。纪录片《objective》中有个例子,设计师需要设计修剪树枝的剪刀。他们并没有研究普通用户是如何使用剪刀的,而是研究有关节炎的人会在使用普通的剪刀中碰到哪些问题,如果这把设计出来的剪刀连有关节炎的人都可以使用,那对于普通人来说,就根本不是问题了。

除了提到的这些,还有很多种其它的用户类型,可以在研究方案的设计中斟酌使用(具体可查看马海祥博客《如何以客户为中心进行数据挖掘与分析》的相关介绍),这里不一一赘述。

13、把用户研究与营销推广混为一谈

自从小米模式成功之后,就再也不能愉快地做用户研究了。

好多人跑过来问我能不能象小米那样搞个社区,既做营销又做用户研究。大家是如此真心地想这么做,我也不得不仔仔细细地思考了一下这个问题。

我的结论是,恐怕不行哦。用户研究和营销推广根本就是两回事儿。小米最初是找了一帮意见领袖,这些意见领袖多数也是极客。小米对他们的意见和反馈高度重视并不断据此改进产品。所以这帮意见领袖也不遗余力地帮助宣传。说到这里,大家应该明白,这是一次营销活动,并不是用户研究。收集意见领袖的反馈意见、哪怕是收集用户的反馈意见。这不是用户研究。

用户研究的概念所包含的范畴要远大于收集使用反馈。用户研究的目的是客观地发现用户在产品或服务中的痛点以及创新机会,而营销推广的目的是要说服用户接受你的产品和服务。这是两个完全不同的方向。

14、带着强烈的观点进行用户研究

很多企业也很重视用户研究,经常在有用研项目的时候派出很多企业人员陪同访问用户,但实效并不显著。这通常是由于很多企业人员往往已经带有强烈的主观意见,这样他们在访问用户时往往只愿意听到自己想听的东西,这样的结果是去到用户家里实际上跟没去也啥分别。

研究之前当然应该有假设,但在进入实地阶段时,一定要忘掉所有的假设,不带任何主观偏见地去了解用户,向他们学习,才是正确的做法。

15、把自己的问题当做用户的问题

可能大家知道或当过这样的直男癌——某男不知如何取悦某女,情急之下脱口而出:“我如何才能让你喜欢我?”

在用户研究中,这种研究员也不少。这本来是某男的问题,跟某女其实并没有什么关系(某女对他亦有较强好感除外)。在用户研究中,如何让用户喜欢某款产品,其实是企业或研究员的问题,用户直接用脚投票就好了,可是你非要在研究中问用户,基本上会得到一些比较礼貌然并卵的回答。

本来嘛,用户为什么要挖空心思帮你让自己喜欢你?所以在进行用研之前,不要满脑子都是自己的产品,想想用户的问题是什么,这才是他们所真正关心的东西。

16、把用户当做专家

把用户当专家的典型访谈场景就是以问用户的观点为主,并要求用户解释。

这种访谈方式默认用户对于所使用的产品有着异常清晰的认知,严密的论述逻辑,强大的归纳能力和有条不紊的表述。

可是现实完全不是这样。用户对于他生活中所使用的绝大部分产品更象傻瓜而不是专家。他们懒惰而且无耐性,所以不会深入了解他们生活中的大部分产品。他们有常识而无知识,所以他们提供的解决方案大半是信口开河。他们健忘而且无记性,所以经常前言不搭后语,他们感性直觉优先,理性居后,所以很多行为根本就没有深入思考,只是兴之所至而已。

对于用户的研究,一定要以事实为主,尽可能地挖掘行为和场景的细节。所以好的访谈,在业外人看来通常平淡无奇,问的貌似都是一些家常里短的事儿。这些问题通常都不需要用户有太多的思考、归纳、演绎等。在收集到足够的细节时再逐步询问用户的观点与态度,这会是比较好的一种做法。

马海祥博客点评:

在做用户调研时,最怕的就是将个性与共性进行了混淆,某一位用户的想法是比较片面的,并不能直接代表全体用户的想法,分辨用户的个性与共性,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。

本文发布于马海祥博客文章,如想转载,请注明原文网址摘自于http://www.mahaixiang.cn/sjfx/362.html,注明出处;否则,禁止转载;谢谢配合!

相关标签搜索: 数据分析   用户调研   调研误区   调研探讨   眼球追踪技术   眼球追踪  

上一篇:如何通过分析广告数据来改进广告效果
下一篇:解读2013年大数据应用与趋势的调研

您可能还会对以下这些文章感兴趣!

  • 数据分析的流程及分析方法

    数据分析是指通过建立审计分析模型对数据进行核对、检查、复算、判断等操作,将被审计单位数据的现实状态与理想状态进行比较,从而发现审计线索,搜集审计证据的过程,在实用中,数据分析可帮助人们作出判断,以便采取适当行动,数据分析的目的是把隐没在看来杂乱无章……【查看全文

    阅读:11073关键词: 数据分析   数据分析流程   分析方法   日期:2014-09-19
  • 零基础学习数据地图的制作与分析

    有时在实际工作中会碰到这种情况,即数据与地名有关,这时虽然也能用Excel的图表来表现,但如果能将数据和地图结合起来,将会收到更加好的效果,应用地图来分析和展示与位置相关的数据,要比在Excel中单纯的数字更为明确和直观,让人一目了然,数据地图就是解决此类问题……【查看全文

    阅读:1884关键词: 数据地图   地图制作   数据分析   日期:2016-07-14
  • 大数据环境下衍生出的营销思路或策略

    “大数据”的概念距问世已经有39年了,而大数据营销的时代在前几年才得以到来,这种基于数据协同和深度计算的个性化营销正在用其巨大而全面的影响力改变着营销的格局和战略方向。淘宝每天处理数以万计的交易数据,Facebook每天接待40亿访客,在互联网这种领域,……【查看全文

    阅读:671关键词: 大数据   营销思路   营销策略   大数据营销   日期:2019-05-03
  • 预测2020年数据中心行业发展的10个趋势分析

    岁末年初正是对未来一年数据中心行业发展进行预测的时候,人们将会看到一些事情的到来:云计算的兴起、SSD硬盘的发展,以及其他问题,例如许多企业将业务从云平台遣返回到内部部署数据中心。而专家对数据中心行业的预测可能偶尔会带来一些惊喜。随着大数据行业和技术的发展,企业需要改善内部部署数据中心和云计算资源之间的平衡,在服务器上采用人工智能技术,并努力有效地管理数据蔓延。行业媒体通常会对未来一年进行预测,像往常一……【查看全文

    阅读:33关键词: 2020年   数据中心   行业发展   趋势分析   日期:2019-12-26
  • 解读2014年中国移动互联网用户行为洞察研究报告

    2014中国移动互联网用户行为洞察报告旨在协助行业上下游相关人士了解用户行为的最新动向,全面透析用户的媒体使用习惯、新媒体使用方式、对移动广告的接受程度以及移动广告如何影响用户的购买决策。更多移动互联网用户将手机作为他们首选或唯一的上网工具。……【查看全文

    阅读:1648关键词: 解读报告   中国互联网   移动互联网   用户行为   研究报告   日期:2014-01-14
  • 分类型数据可视化的操作方法及案例分析

    在当前互联网,各种数据可视化图表层出不穷,本文尝试对数据可视化的方法进行归纳,数据可视化可以将海量数据通过图形、表格等形式直观反映给大众,降低数据读取门槛,可以让企业通过形象化方式对自身产品进行营销。数据可视化技术的基本思想,是将数据库中每一个数据项……【查看全文

    阅读:1876关键词: 数据分析   案例分析   日期:2016-09-28
  • 大数据时代下的第三方数据公司和甲方公司的差异

    现在是一个大数据时代,人人嘴边都挂着数据创造价值、数据挖掘等一些热词。各公司内部也逐渐认识到数据的重要性,纷纷成立数据部门,期待数据可以真正的为业务服务。另外,也有一些专做数据服务的第三方公司不断涌现,希望能帮助产生数据的甲方分担数据分析的担子,挖掘……【查看全文

    阅读:1062关键词: 大数据   大数据时代   第三方数据   数据公司   日期:2014-02-23
  • 分析解读数据的真正目的是什么?

    最近我在马海祥博客上新开了一个数据分析专栏,主要是通过平时的一些数据解析来合理科学的提高网站的各项指标的。可能一说到数据,可能就会立马让人想到是数字、图表、模型、方程等容易让人怯步的词语。其实做数据分析的真正目的和意义,是躲在背后的那些人。 在营销学……【查看全文

    阅读:1002关键词: 分析数据   解读数据   解读数据目的   日期:2013-08-26
  • 关于用户调研数据分析中常见的一些误区

    近期和一些做用户研究的人员进行了交流,发现很多做这个行业的人都对自己所做的工作有些迷茫,报告写了很多,数据也分析了很多,但是却感觉对产品的实际运营帮助不大,甚至分析出来的结果和实际情况比偏差很大。其实用户研究并不是一个新兴的领域,在很多传统行业,用户……【查看全文

    阅读:813关键词: 眼球追踪   眼球追踪技术   用户调研   调研误区   调研探讨   数据分析   日期:2013-12-24
  • 如何以客户为中心进行数据挖掘与分析

    数据挖掘与分析可以说是信息领域发展最快的技术,很多不同领域的专家都从中获得了发展的空间,使得数据挖掘成为企业界讨论的热门话题,随着信息技术的发展,人们采集数据的手段越来越丰富,由此积累的数据日益膨胀,数据量达到GB甚至TB级,而且大数据也成为数据分析主流……【查看全文

    阅读:7628关键词: 数据挖掘   数据分析   分析数据   日期:2014-12-27
↓ 点击查看更多 ↓

互联网更多>>

SEO优化 更多>>

未来的站内SEO优化需要做些什么? 网站前端性能优化中最容易被忽略的10个技巧