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

如果今天我們來復盤這場“馬車還是福特”的博弈，不難發現姬十三和他的團隊能夠勝出，是因為對用戶深層需求的不斷探索和準確理解。

一個不爭的事實是：所有卓越產品的誕生，都離不開對用戶需求和人性的深刻理解。這正是為什么“用戶研究”在每一個產品的成長歷程中都極其重要的原因。遺憾的是，產品經理不見得個個都是頂尖心理學家。怎么才能客觀又高效地抓住那些“用戶自己都不知道”的深層需求，用戶究竟想要什么、需要什么……為了找出這些問題的答案，人們嘗試了很多方法。問卷、訪談、現場體驗……這些辦法不是不好，但是樣本量受限，用戶的反饋還難免主觀、片面。

有沒有一種方法，能確保被研究的用戶不受觀察者的干擾、所使用情境更加真實、能看到更完整的用戶操作流程、能反復觀察比對分析、還能盡可能提供更大的樣本量呢？

對于所有互聯網產品來說，答案清晰可見：

采集并研究用戶行為數據，是最立體、客觀、低成本的用研方法。

一. 數據化用戶研究的三個步驟

1. 采集素材

就像做調研需要先準備問卷一樣，想通過數據研究來挖掘用戶特性，你得先準備素材，即：采集數據。這三方面的數據缺一不可：用戶屬性（不只是人口屬性）、行為事件和環境信息。

用戶屬性絕不等于人口屬性，與年齡性別相比，更重要的是要記錄用戶在平臺上的狀態。比方說，電商里的積分等級、社交app里的點贊關注數、運動健身的app可能關心體重、智能硬件產品關心是否綁定設備……

行為事件數據比較好理解，就是用戶做了什么。重要的操作節點是必須被記錄的，例如：模塊導航的點擊、瀏覽內容時的分類、搜索的效率、表單的填寫……

環境數據則包括渠道、設備、網絡環境和使用時間等信息。

2. 用戶群研究

在收集了完整的用戶屬性與行為數據之后，第二步就是要找出最需要關注的用戶群，以及他們的核心訴求。你不能只看所有用戶的屬性和行為分布，為了找到真正對產品增長有貢獻的用戶，你需要不斷地細分人群、進行對比。

留存用戶與流失用戶有哪些不同的特征，模塊A與模塊B對留存有何貢獻等，哪些環節導致了用戶大量流失……都是這一階段需要被提出的問題。

3. 測試驗證，找到最優解

經過前一階段的分析，你和你的團隊已經對產品的現狀有了更深的認識，也提出了一些改進策略。接下就該驗證這些假設。灰度發版、AB Test都是常用的手段。但不管你做了怎樣的改進，都別忘記在發版后仔細研究新版本的數據表現。用戶在指尖反饋回來的數據結果，將是驗證猜測的核心標準。

二. 分答誕生的背后邏輯

以在行/分答為例，分析其實如何通過數據分析，來實現病毒式增長的。

喬布斯有句經典語錄“用戶根本不知道他們想要什么”，福特汽車的創立者也說過，人們說自己想要一匹跑得更快的馬，但其實他們需要的是一輛轎車。這是一個人人都聽過的段子，前不久真實地在我們身邊上演了：

學員想要個更便宜方便的“在行”，但姬十三和他的團隊最終選擇了“分答”。而促使他們做出這個決定的關鍵動因，正是他們對“在行”中各類用戶的深刻理解。

在2015年9月，在行接入了精細化數據分析平臺，開始采集和分析他們的用戶行為數據。

在采集數據時，在行將「學員」與「行家」進行區分；然后按照查看行家、想見行家、發起約見、成功約見等事件定義用戶階段階段，對「學員」進行參與度分層；接著，疊加了約見次數、約見行家類別、客單價、所在地等數據維度，更細致地拆分這些學員，并最終建立了一系列不同活躍度、不同內容偏好、不同消費能力的用戶群組。

接下來，在行團隊開始對這十多個用戶群組進行特性分析。

最初，大家認為地域和時間是限制在行擴張的核心因素。然而在進行了簡單的數據比對之后，在行團隊發現：給學員匹配距離更近的行家、讓學員和行家用電話交流之類的方式，頂多算是一匹跑得更快的馬。而用戶內心所期待那輛“福特車”，應該是一種更輕、更高頻、價格更靈活、時效性更強的知識分享產品。

基于這個觀察，在行開始了一次大膽的Growth Hacking嘗試：在“在行”中開發”語音問答”的新模塊。由學員發起提問、圈出期望的答題行家并預設答題價格，再由行家通過語音在線競答。于是，以“有問題吱一聲”為名的「吱」模塊迅速上線，成為“輕在行”模式的第一個測試方案。

模塊「吱」是分答成功背后的神秘功臣。說它神秘，是因為許多在行的老用戶并不知道「吱」的存在。當時，在行團隊為了更好地研究語音問答模式的受眾特性，并未將這個模塊開放給所有在行的用戶。而是按照前期劃分好的用戶群組，分批次地開始做灰度測試，以此模擬各群組用戶在使用語音問答時的心智模型。

經過多輪測試和對比，一個出乎意料的結果顯現出來：高頻使用語音問答的用戶群，與喜歡線下約見行家的用戶群幾乎是毫無重疊的兩撥人。甚至于，從沒有成功約見過行家的用戶，使用模塊「吱」的參與度，比有約見經歷的用戶高一倍有余。

數據對比的結果給在行團隊帶來了全新的用戶洞察：“語音問答”與“在行約見”的受眾有本質不同的知識獲取需求，二者對知識的深度和趣味性有完全不同的預期。從產品層面來看，要滿足不同用戶的不同需求，最好的方案是：將“語音問答”模塊做成與「在行」互補的新產品。至此，「分答」始現其型。

三. 小結

如果今天我們來復盤這場“馬車還是福特”的博弈，不難發現姬十三和他的團隊能夠勝出，是因為對用戶深層需求的不斷探索和準確理解。

避免“拍腦門”式的臆測，讓行為數據替用戶代言，用數據結果衡量每一個假設……這種客觀嚴謹的用戶研究方法，是值得每一個產品團隊借鑒的。

總的來說，通過行為數據分析實現客觀高效的用戶研究，你需要：

1. 基于自身的業務特點，依托賬號體系，采集用戶屬性與行為數據；
2. 選擇一款合適的分析工具，既能還原用戶的操作流，身臨其境作單體洞察；又能快速實現多維度的用戶分群對比，以探索用戶特性；
3. 反復切分用戶群組，對比數據表現，大膽假設、快速驗證；
4. 比對產品迭代前后的數據指標，評估前期假設、衡量改版質量。

本文由 @諸葛io?原創發布于人人都是產品經理。未經許可，禁止轉載。