中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

首先說一下，下邊的話是在忙里偷閑的時候一點感悟，身在創(chuàng)業(yè)型公司，把自己遇到的一些問題分享出來，共同提高吧。

內容不算高大上，但是相信好多人都遇到過這樣的問題，隨手就寫下來了，不對的地方，還請各路大神多多包涵指正，因為這些是自己遇到的，有些點還有待用心去驗證。

用戶調研的幾種方法:

當然了，在用戶調研開始之前，我們要做好用戶定位：我們的用戶分為哪些年齡段的，收入水平都是怎么樣的，等，其實也就是用戶畫像。在做好了這些工作之后，我們往往才會開始采取以下的方法，進行有針對性的用戶調研。

1. 問卷調查
2. 焦點小組
3. 相關人士訪問
4. 現(xiàn)場觀察
5. 二手資料
6. 競品調研

能想到的，大概也就這么多了，如果還有其它方法，歡迎大家一塊聊聊。

列舉了這幾個調研方法，看起來都是有理有據，非常科學的方法，但是仔細推敲一下，就會發(fā)現(xiàn)其中的問題所在：

問題：用戶反饋的信息有可能是假的數(shù)據

我們做用戶調研，挖掘用戶的本質需求的時候，我們當然是想讓用戶說出真實的想法，也可以說是沒有經過大腦思考的，最本質的客觀事實，沒有經過任何外界因素影響和干擾的，不摻雜任何主觀意識的反饋信息。

但是，我們獲得的用戶反饋數(shù)據往往是不真實的，為什么會導致這個結果呢，這需要從收集反饋信息的過程中查找根源，讓我們換位思考一下，站在用戶的立場去考慮，我為什么要花費我的時間，給你們填寫調查問卷，或者是跟你們聊一些這方面的需求；往往用戶是不愿意這樣做的，那么我們通常采用的方法是發(fā)放一些小禮品，或者抽獎之類的好處。

中國有句老話：吃人嘴短，拿人手短。用戶在這種得到好處的情況下，反饋的信息往往會是偏向好的一方面。比如：在我們的登錄頁面，這個登錄按鈕是否第一時間就引起了您的注意？這樣的問題，在用戶拿過好處后，還需要思考一下再決定的時候，他們往往會反饋相對利好的消息。在這個過程中，其實反饋的信息已經失真了。這其中也隱含著另外兩個問題，接下來再說另外幾個原因。

原因一：群體影響導致假數(shù)據

對于中國人來說，直白一點也可以說是面子問題的因素。

回憶一下調研場景，一群好哥們或者好同事，遇到你們在調研問題，人家拿了好處，基本都是給了利好方面的意見，你好意思給其它另類的意見嗎？如果你給了，人家肯定說你這人怎么怎么地吧？進過一番思想斗爭，你也就范了，隨大流吧。

原因二：調研問題的設置，導致數(shù)據失真

在頭腦風暴后決定的問題也好，或者是經過數(shù)據分析后得出的問題也好，往往一些確定下來的問題，就是有問題的，典型的一個問題就是：問題本身帶有導向性，容易誤導用戶做出錯誤的選擇，這個選擇往往是經過自己大腦思考后得出的結論。

原因三：認知水平參差不齊

對于調研中的問題，或則選項的描述，很多時候是沒有嚴格的界定的；不同的用戶對此問題的認知也不太一樣，那么調研就有可能出現(xiàn)與實際情況相差甚遠的情況出現(xiàn)。

比如：讓公司的30個男人評價一個女人是否漂亮。

• 張三評價說還行；其實他內心感覺這個女人的胸比較大，是自己喜歡的類型；
• 李四會評價說不好看，因為他內心感覺這個女人的腿型不夠好看，不是iphone6的腿；
• 但是王五可能會說太漂亮了，她的腰是A4腰，那小蠻腰，很性感；

其實我們調研的目的，就是綜合所有因素考慮這個女人是否漂亮，但是調研對象都太看重某一個方面，而把其它方面的因素剔除了。

原因四：把預設調研場景強加到調研對象身上了

調研時，需要預設一個場景或條件，再收集信息。然后從各個角度再調研，去交叉驗證這個預設場景是否正確。這是比較傳統(tǒng)的方法，理論上是合理的。

但實際上很少人去做「交叉驗證」這個環(huán)節(jié)，只做了「預設場景」，相當于把調研設計者的主觀意志強加到用戶身上。

舉例：調研問題這樣寫：你出門打出的話，首先想到的是哪個打車軟件：

1. 滴滴
2. 神州
3. Uber

這個例子，就是把位置因素強加到了調研對象身上，說到底還是用戶畫像沒有做好，假如這樣讓調研對象去選擇的話，有可能人家出門都是私家車，都不打車，這個時候可能人家就是憑感覺寫一個選項，可想而知，這樣的結果，肯定是存在很大的不準確性的。

說了這么多，總結一下：

用戶調研的最終目的是挖掘到用戶的最真實的需求。

為了獲取到這個需求，在調研之前，我們要做大量的準備工作，不然的話，我們后續(xù)工作的作用可能就會等于0,那么做什么工作呢？大概以下幾個：

1. 用戶分類：把用戶按照不同的維度進行分類，理想情況是分類越細越好。
2. 用戶分析：充分的了解我們的每一類用戶，最好是搞一個十分詳細的用戶畫像出來，還是越細越好。
3. 問題設定：要仔細推敲每一個調研問題的正確性，是否有隱性的引導意思，是否符合此類用戶類型。針對不同類別的用戶，同一類別不同調研場景下的用戶，都要設定好問題。

想到了這么多，就寫這么多吧，歡迎指正溝通。

本文由 @江羊羊 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載。