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

編輯導語：在準備一個創新活動時，往往需要先進行訪談，再對訪談數據進行分析和洞察。訪談數據的分析是個很費時間和精力的過程，它直接決定了后續步驟的價值，那么要如何進行訪談數據分析及洞察呢？本文作者分享了他在這一方面的心得，一起來學習一下吧。

小明最近有點郁悶，因為疫情已經居家隔離好多天了。實在閑得慌，于是在朋友群里發了一條信息：

看來，大家對訪談數據的分析和洞察都很感興趣，小明打算和大家分享一下這方面的心得，反正也是在家閑著。分析用戶訪談數據和信息是進行用戶研究時最令人興奮，但也是最麻煩的一步。

它令人興奮，因為它可以獲取令人大開眼界的洞察或見解，有助于創造改變游戲規則的產品和服務。

它也很混亂，因為沒有標準的程序可以遵循，而且大量的非結構化數據 可能會讓人無從下手。

一、分析訪談的目的

簡單地講，分析訪談的目的有兩個：

1）將訪談結果轉化成某種洞察或見解

這個目的顯而易見，將訪談獲得的原始數據轉化為某種洞察或見解是分析階段的中心目標。雖然分析可以讓原始數據更具操作性，但需要注意的是，這一步并不會產生絕對正確的結論，很多情況下，只是確定了某種假設。

2）和利益相關者達成某種共識，獲取他們的支持

人們往往會忽視這個目的。只有當獲得的洞察或見解后來被用作決策的基礎時，分析才有價值，這需要團隊成員、客戶及其他利益相關者對洞察或見解取得共識。實現這一目標的有效方法就是讓利益相關者積極參與分析，而不是僅僅向他們展示結果。

因此，只要有可能，請設計師、產品經理、工程師或任何與項目有利害關系的人參加。

二、什么是好的洞察或見解

雖然沒有一個標準來衡量分析是否成功，是否獲得一個好的洞察或見解，但是有一些指標可以表明分析是不是走在正確的道路上。

1）以訪談數據為基礎

所有洞察或見解均來自訪談獲得的數據。這里需要注意的一個常見問題是認知偏差，例如，人們總是傾向于已經相信的東西，這些會扭曲分析過程并誤導決策。

雖然在數據中建立洞察或見解很重要，但是訪談數據往往是定性類型的數據，而定性數據的局限性在于它往往很難產生統計上的顯著結果。所以，對于定性的訪談數據，我們要特別注意這些數據揭示的因果關系、用戶情緒或一些不易覺察的視角。

2）避免偏離研究目標

分析大量訪談數據的過程可能會漫長，因為疲勞或其他干擾因素，分析的過程有可能會偏離原來的軌道，所以在分析過程中要不斷地提醒團隊研究的目標是什么。

3）揭露隱藏的東西

需要注意的是，如果分析結論并沒有獲得令人期待的新洞察或見解，這是很正常的事情，切忌為了獲得新的、令人興奮的發現而篡改數據。與此同時，對數據要進行更深入的研究，來揭示意想不到的聯系或全新的洞察。

三、分析步驟

1. 熟悉訪談數據

如同電腦在運行軟件前需要將軟件加載到內存一樣，在分析前，需要將訪談的數據加載到參與分析的團隊成員的大腦短期記憶之中。如果參與分析的人員都是參與訪談的人員，那么這個過程相對容易。

但是經常會發生這樣的情況，一些沒有參與訪談的利益相關者會被邀請參與分析過程，那么熟悉訪談數據的過程顯得尤為重要。

可以給沒有參與訪談的分析者配對一名參與訪談的團隊成員，幫助他們快速熟悉訪談的數據。

2.結構化訪談數據

由于訪談獲得的定性數據本質上是非結構化的，難以分析，因此最初的任務是使其結構化，給內容的每一個意群（表達同一個主題的連續語句）打上主題標簽。比如，下面是一個旅行愛好者行為調查訪談項目的一份記錄：

將這篇訪談內容拆解到一個電子表格里，然后按照意群所表達的主題打上主題標簽，有的意群可能是多個主題標簽，如下：

需要注意的是，這些標簽會隨著標注的內容增加而變化，類似的標簽合為一個，為新的內容增加標簽。為了方便記錄和使用，在電子表格上也做一個標簽表，如下：

這樣，在給訪談內容標注的時候，可以在這個表里選或新增。如果訪談的數據很多，團隊一起這么一個一個文檔的過會非常耗費時間，通常的做法是先一起標注幾個文檔，在標簽的主題上取得共識后，就可以分拆成幾個小組同時標注不同的文檔。

3.主題挖掘

訪談內容被標注完主題后，就可以開始挖掘這些主題內容。將每個訪談內容的同一個主題匯集到一起，從中尋找共性或差異，如下所示：

鼓勵團隊成員分享他們的看法，因為這有助于形成新的洞察和見解。

聚合分析：將每個看法寫到便利貼并貼到白板上，采用聚合分析的方式，將類似的看法歸到一起（采用顏色或位置方式歸類）。

• 多視角分析：通過被采訪者的各個角度來分析數據，比如年齡、性別、職業等等。
• 放大縮小分析：除了改變視角，改變分辨率是另一種更清晰地理解數據的方法。在我們確定主題并在前面的步驟中深入研究每個主題之后，現在我們放大或縮小并查看更精細或更大的畫面。
• 主題間分析：確定主題之間的關系，并試著理解它們的相對重要性、時間順序或因果關系。

4. 輸出分析結果

分析完訪談數據后，需要輸出一些洞察或見解，最好的輸出形式取決于你最初的研究問題，常用的輸出示例如下:

• 按優先順序列出痛點和機會領域
• 用戶旅程地圖包括興奮點和低落點
• 有待完成的工作列表
• 用戶角色細分
• 分析報告

四、常見誤區

提高分析訪談技能的最佳方法是從實踐和經驗中學習，下面是一些常見錯誤，可以幫助更快地進步:

1）數據定量描述誤區

在使用基于定性的訪談數據的定量描述時要小心。例如，“75%的參與者提到了旅行安全是個問題”如果沒有對規模（比如總共樣本才4個，3個這么說）的描述，這個75%很容易產生誤導。

2）期待完美的清晰結果

定性數據通常是混亂的，在分析之后仍然是（盡管希望少很多）。記住，目標是減少不確定性，通常分析完你不會得到非常清楚的答案，你需要足夠的確定性來決定接下來的步驟。

事實上，如果不確定性已經所剩無幾，你可能已經分析過度了。

五、總結

小明給Karolina總結了幾條：

• 邀請項目的利益相關者一起參加分析
• 數據結構化過程先集體在標簽上取得共識，然后分頭行動，提高結構化效率
• 主題挖掘過程先統計學上的分析，然后從被訪者的多視角分析，對視角的放大和縮小分析，跨主題類別分析等等
• 輸出洞察和見解，避免定量描述誤區。如果結論很清晰，很有可能是分析過度或者是主觀認知偏差的影響

訪談數據的分析是個很費時間和精力的過程，但是它是各種創新活動的第一個里程碑，它的成功與否，直接決定了后續步驟的價值。

小明花了整整一下午給一群小伙伴們講解了如何做訪談結果的分析和洞察。小伙伴們都感覺這是一個有難度的活，需要回去好好琢磨琢磨，不過對于訪談的分析心里都有底了。Annie趁熱打鐵又提了一個新需求，要求小明講講最近很火的同理心訪談，當然不會白講，隔離結束后，大餐慶祝！

小明欣然應允，反正待著也是待著，“等我準備好，咱們同理心訪談見！”

本文由 @IDEA PRO 原創發布于人人都是產品經理，未經許可，禁止轉載。

題圖來自 Unsplash，基于 CC0 協議。