騰訊用研實(shí)戰(zhàn)策略全解析

1 評(píng)論 4064 瀏覽 93 收藏 17 分鐘

上一篇文章我們介紹了行業(yè)和競(jìng)品研究的框架與工具,這一篇章我們將圍繞用戶研究與分析來(lái)開展。下一篇文章講深入分析用戶分析方法及關(guān)鍵模型,歡迎關(guān)注隨時(shí)交流哈。

在互聯(lián)網(wǎng)運(yùn)營(yíng)能力模型中,我們看到“用戶畫像”、“用戶洞察”、“用戶分析”等在招聘需求中,都會(huì)被提及到。

用戶調(diào)研是產(chǎn)品研發(fā)運(yùn)營(yíng)和市場(chǎng)策略制定的重要環(huán)節(jié),幫助我們了解真實(shí)的用戶需求、行為和偏好。

在大量的互聯(lián)網(wǎng)C端業(yè)務(wù)中,不管是新業(yè)務(wù)啟動(dòng)、業(yè)務(wù)增長(zhǎng)突破點(diǎn),都要基于用戶群體理解、用戶行為分析,扎實(shí)的做好研究和分析,不僅能幫助我們?nèi)ブ贫ú呗?,還能幫我們識(shí)別重要增長(zhǎng)機(jī)會(huì)和商業(yè)機(jī)會(huì)。

在這個(gè)篇章中,我依然會(huì)用“方法論”+“實(shí)操”的結(jié)構(gòu),來(lái)總結(jié)和分享我過(guò)往在工作中積累的用戶研究經(jīng)驗(yàn)。

一、方法論

1. 產(chǎn)品不同階段用研重點(diǎn)

在實(shí)際工作中,用戶研究一般是作為業(yè)務(wù)發(fā)展的支持,為業(yè)務(wù)決策找到支撐點(diǎn)。滿足業(yè)務(wù)在宏觀層面,包括市場(chǎng)洞察、機(jī)會(huì)挖掘、用戶圈層和需求變化等;微觀層面,包括用戶心智、價(jià)值認(rèn)知、偏好調(diào)研、功能性測(cè)試等。

從上述框架可以看到,在不同的階段,業(yè)務(wù)目標(biāo)及用戶研究的側(cè)重點(diǎn)不同,需結(jié)合自身業(yè)務(wù)的階段來(lái)制定具體計(jì)劃。

2. 用戶研究實(shí)操重點(diǎn)

在了解業(yè)務(wù)不同階段的重點(diǎn)后,在實(shí)操落地層面,我一般會(huì)分為3個(gè)部分,研究設(shè)計(jì)、用戶研究、數(shù)據(jù)分析。

不管是有用研公線部門支持,亦或是運(yùn)營(yíng)同學(xué)自己落地執(zhí)行,用戶研究都要服務(wù)于業(yè)務(wù)的發(fā)展目標(biāo),以終為始。

以數(shù)據(jù)發(fā)現(xiàn)規(guī)律,以研究洞察真相,最終給到能支持業(yè)務(wù)發(fā)展的結(jié)論。

二、用戶研究(定量+定性)

在這個(gè)部分,我們將展開講清楚用戶研究方法,分為定量和定性2個(gè)常用的維度。二者的重點(diǎn)和區(qū)別如下:

在實(shí)際應(yīng)用中,定量和定性調(diào)研往往結(jié)合使用,以獲得更全面的用戶洞察。

結(jié)合我過(guò)往的經(jīng)驗(yàn),補(bǔ)充一點(diǎn),創(chuàng)新業(yè)務(wù)和成熟業(yè)務(wù)的研究方法也會(huì)有不同側(cè)重。

假設(shè)是獨(dú)立業(yè)務(wù),如新App等

側(cè)重:由于產(chǎn)品前期沒有流量積累,更側(cè)重在定性層面,如用戶訪談、現(xiàn)場(chǎng)使用觀察、原型測(cè)試反饋等。

Tips:在選擇用戶時(shí),在基于產(chǎn)品的用戶圈層,確定目標(biāo)用戶畫像,來(lái)挑選調(diào)研和訪談對(duì)象,以滿足圈層代表性。

存在的局限性:定性方法由于覆蓋范圍小和對(duì)象具有個(gè)體主觀性,因此結(jié)論存在一定的偏差。

假設(shè)是成熟產(chǎn)品新業(yè)務(wù),如新功能等

方法側(cè)重:產(chǎn)品具備一定流量時(shí),有一定的數(shù)據(jù)基礎(chǔ),則更側(cè)重定量層面,如數(shù)據(jù)實(shí)驗(yàn)、問(wèn)卷調(diào)查等。

Tips:一般新功能是加法,在做用戶圈選時(shí),要考慮大盤用戶、目標(biāo)用戶等不同用戶群在新功能中的表現(xiàn)。

存在的局限性:定量的方法有豐富的數(shù)據(jù)呈現(xiàn),但在用戶行為和動(dòng)機(jī)洞察上較有限。

下面,我們圍繞定量中常見的問(wèn)卷、A/B實(shí)驗(yàn),定性中常見的訪談、用戶旅程地圖,來(lái)具體講講實(shí)操。

1. 定量方法-設(shè)計(jì)一份高效的調(diào)研問(wèn)卷

這里我補(bǔ)充幾個(gè)分析方法,幫助大家更深入的洞察,避免停留于表面的描述性分析和總結(jié)。

1.1 描述性分析

一般是最為基礎(chǔ)的,描述不同題目中的數(shù)據(jù)概況,包括分布、占比、均值、中位數(shù)等數(shù)據(jù),也一般能得到一些基礎(chǔ)的發(fā)現(xiàn)。

1.2 相關(guān)性分析

相關(guān)性分析一般是把不同問(wèn)題之間進(jìn)行交叉分析,分析它們是否相互影響,識(shí)別潛在的因果關(guān)系或相關(guān)性。

舉個(gè)簡(jiǎn)單的例子,比如用戶的性別、年齡、職業(yè)與用戶的功能滿意度是否有關(guān)系,某個(gè)功能的用戶與另一個(gè)功能的用戶是否有關(guān)系,通過(guò)相關(guān)性分析可以看到共性和差異性。

1.3 聚類分析

聚類分析一般是有大量的問(wèn)題或變量,可以使用因子分析或聚類分析來(lái)簡(jiǎn)化數(shù)據(jù)結(jié)構(gòu),幫助我們識(shí)別潛在的因子分布或用戶群體分布。

1.4 細(xì)分分析

這個(gè)一般用于用戶群體的細(xì)分,去發(fā)現(xiàn)不同屬性的用戶在行為和偏好上的差異。

舉個(gè)簡(jiǎn)單的例子,對(duì)于個(gè)性化裝扮,女性用戶的喜愛程度比男性用戶高,初高中生群體比大學(xué)生高,可以初步總結(jié)為在個(gè)性化裝扮中,初高中女生是主力用戶群,再繼續(xù)下鉆,用數(shù)據(jù)佐證。

2. 定量方法-設(shè)計(jì)一個(gè)科學(xué)的A/B實(shí)驗(yàn)

在產(chǎn)品設(shè)計(jì)中,AB實(shí)驗(yàn)常用于在2個(gè)不同版本中,設(shè)計(jì)單一變量因素,測(cè)試不同的產(chǎn)品策略、UI設(shè)計(jì)、流程設(shè)計(jì)等因素對(duì)用戶行為的影響。

在AB實(shí)驗(yàn)的設(shè)計(jì)和實(shí)操中,存在下列三個(gè)重點(diǎn)

  1. 流量分配:在樣本提取時(shí),要保證樣本有效性,避免樣本偏差。可利用分桶實(shí)驗(yàn),來(lái)提高實(shí)驗(yàn)效率,保證每個(gè)分桶流量中的用戶在實(shí)驗(yàn)期間只看到一種實(shí)驗(yàn)形式,確保結(jié)果有效性。
  2. 數(shù)據(jù)質(zhì)量:定期檢查數(shù)據(jù)收集系統(tǒng),確保沒有數(shù)據(jù)上報(bào)有效,不會(huì)丟失或錯(cuò)誤記錄。
  3. 持續(xù)監(jiān)控:即使實(shí)驗(yàn)結(jié)束,也要監(jiān)控一段時(shí)間,以驗(yàn)證結(jié)果的穩(wěn)定性和長(zhǎng)期效應(yīng)。

下面我們用一個(gè)電商的商品界面,列表式(文本描述和較小的縮略圖)與圖片式(大尺寸圖片和簡(jiǎn)短描述),來(lái)進(jìn)行說(shuō)明

(1)實(shí)驗(yàn)名稱

商品列表展示形式效果對(duì)比實(shí)驗(yàn)

(2)實(shí)驗(yàn)?zāi)康?/strong>

確定列表式商品列表(A)圖片式商品列表(B)對(duì)用戶點(diǎn)擊率和購(gòu)買轉(zhuǎn)化率的影響。

(3)實(shí)驗(yàn)假設(shè)

假設(shè):圖片式商品列表(B)將提高用戶點(diǎn)擊率和購(gòu)買轉(zhuǎn)化率。

(4)實(shí)驗(yàn)變量

  • 獨(dú)立變量:商品列表的展示形式(列表式 vs 圖片式)
  • 控制變量:頁(yè)面布局、導(dǎo)航欄、搜索框、頁(yè)腳、商品信息(如價(jià)格、描述)、促銷活動(dòng)、頁(yè)面加載速度等

(5)實(shí)驗(yàn)設(shè)計(jì)

a.實(shí)驗(yàn)版本

版本A:列表式商品列表,包含文本描述和較小的縮略圖。

版本B:圖片式商品列表,包含大尺寸圖片和簡(jiǎn)短描述。

b.隨機(jī)分配

假設(shè)取用戶UID,取UID尾數(shù)為1/3/5/7/9,為A組,UID尾數(shù)為0/2/4/6/8,為B組,確保每個(gè)用戶在實(shí)驗(yàn)期間只看到一種商品列表形式。

c.實(shí)驗(yàn)持續(xù)時(shí)間

設(shè)定實(shí)驗(yàn)持續(xù)時(shí)間為兩周,以收集足夠的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。

(6)數(shù)據(jù)收集

關(guān)鍵性能指標(biāo)(KPIs)

  • 用戶點(diǎn)擊率(CTR)
  • 購(gòu)買轉(zhuǎn)化率(CVR)
  • 頁(yè)面停留時(shí)間
  • 跳出率

(7)分析方法

  • 使用統(tǒng)計(jì)軟件收集數(shù)據(jù)。
  • 對(duì)比兩個(gè)版本的KPIs,使用t檢驗(yàn)或ANOVA分析差異的顯著性。

(8)結(jié)果評(píng)估

  • 如果圖片式商品列表(B)在點(diǎn)擊率和購(gòu)買轉(zhuǎn)化率上有顯著提升,且在統(tǒng)計(jì)上具有顯著性,則認(rèn)為實(shí)驗(yàn)成功。
  • 考慮實(shí)驗(yàn)期間的外部因素,如市場(chǎng)活動(dòng)、季節(jié)性變化等,對(duì)結(jié)果的影響

(9)實(shí)操注意事項(xiàng)

  • 確保實(shí)驗(yàn)期間所有控制變量保持一致,避免其他因素干擾實(shí)驗(yàn)結(jié)果。
  • 實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)收集系統(tǒng),確保數(shù)據(jù)的準(zhǔn)確性和完整性。
  • 在實(shí)驗(yàn)結(jié)束后,繼續(xù)監(jiān)控一段時(shí)間,以驗(yàn)證結(jié)果的穩(wěn)定性。

3. 定性方法-做一場(chǎng)有效的定性訪談

定性研究方法往往作為定量和用戶行為分析的補(bǔ)充,用于發(fā)現(xiàn)在數(shù)據(jù)中無(wú)法解釋和用戶真實(shí)使用場(chǎng)景和動(dòng)機(jī)。

以一款聊天產(chǎn)品為例,我們通??梢栽谝韵陆Y(jié)構(gòu)中來(lái)輸出研究方案。

3.1 研究背景

XXX作為一款新興的智能對(duì)話助手,旨在為用戶提供高效、便捷的信息獲取和任務(wù)處理體驗(yàn)。為了深入了解用戶對(duì)XXX的整體滿意度,并收集改進(jìn)建議,計(jì)劃開展一系列半結(jié)構(gòu)化的定性訪談。

3.2 研究目標(biāo)

  • 評(píng)估某類用戶對(duì)產(chǎn)品的整體滿意度。在篩選訪談對(duì)象時(shí),要注意用戶是否具有代表性,是否是產(chǎn)品的核心用戶或者目標(biāo)用戶,結(jié)合研究目標(biāo)挑選用戶。一般包括活躍用戶、付費(fèi)用戶、流失用戶、未注冊(cè)用戶等群體做交叉對(duì)比。
  • 探索用戶發(fā)現(xiàn)產(chǎn)品的途徑、過(guò)程、使用頻率和場(chǎng)景。
  • 識(shí)別用戶最喜歡的功能和遇到的挑戰(zhàn)。
  • 收集用戶對(duì)產(chǎn)品改進(jìn)的具體建議。

3.3 研究方法

  • 半結(jié)構(gòu)化訪談:結(jié)合開放式和封閉式問(wèn)題,確保訪談的靈活性和深度。
  • 目標(biāo)用戶:年齡在XXX之間的活躍用戶等。
  • 訪談準(zhǔn)備:設(shè)計(jì)訪談指南,包括關(guān)鍵問(wèn)題和可能的追問(wèn)。
  • 數(shù)據(jù)收集:通過(guò)電話、視頻會(huì)議或面對(duì)面訪談進(jìn)行,確保記錄詳細(xì)的訪談內(nèi)容。

3.4 關(guān)鍵問(wèn)題

  • 您是如何發(fā)現(xiàn)XXX的?
  • 您使用XXX的頻率是多少?通常在什么情況下使用?什么情況下不使用?
  • 在使用XXX時(shí),您最喜歡的功能是什么?為什么?
  • 您在使用過(guò)程中遇到了哪些挑戰(zhàn)或問(wèn)題?
  • 您對(duì)XXX有哪些改進(jìn)建議?

3.5 訪談流程

  • 介紹:簡(jiǎn)要介紹訪談目的和流程,確保用戶了解訪談的匿名性和保密性。
  • 背景信息:收集用戶的基本信息,如年齡、職業(yè)、技術(shù)使用習(xí)慣等。
  • 核心問(wèn)題:圍繞關(guān)鍵問(wèn)題進(jìn)行深入訪談,鼓勵(lì)用戶分享個(gè)人體驗(yàn)和感受。
  • 追問(wèn):根據(jù)用戶的回答進(jìn)行適時(shí)追問(wèn),以獲取更多細(xì)節(jié)。
  • 總結(jié):在訪談結(jié)束前,總結(jié)用戶的主要觀點(diǎn),并確認(rèn)是否有遺漏。

3.6 數(shù)據(jù)分析

  • 對(duì)訪談內(nèi)容進(jìn)行轉(zhuǎn)錄和編碼,識(shí)別主題和模式。
  • 提煉用戶反饋,形成改進(jìn)建議報(bào)告。

3.7 報(bào)告撰寫:

  • 文章將以友好且專業(yè)的語(yǔ)言風(fēng)格撰寫,包含直接引用用戶的話語(yǔ),以增強(qiáng)可信度。
  • 結(jié)合訪談數(shù)據(jù),總結(jié)用戶滿意度和改進(jìn)建議。
  • 提供具體的用戶故事和案例,以展示用戶的真實(shí)體驗(yàn)。

?? 注意:假設(shè)在有條件的情況下,盡可能使用面對(duì)面訪談的場(chǎng)景,在初期建立對(duì)話關(guān)系后,盡量使用相關(guān)話術(shù)讓訪談對(duì)象放松,真實(shí)反饋。通過(guò)現(xiàn)場(chǎng)觀察用戶使用流程,交互習(xí)慣,以及真實(shí)的喜好原因。

4. 定性方法-設(shè)計(jì)用戶旅程地圖

在過(guò)往的工作經(jīng)歷中,用戶旅程地圖是一個(gè)非常有效可以把握產(chǎn)品增長(zhǎng)策略的關(guān)鍵方法。

4.1 研究目標(biāo)

創(chuàng)建一份詳細(xì)的用戶旅程地圖,以可視化的方式展示訪談對(duì)象在使用產(chǎn)品過(guò)程中的體驗(yàn)、感受和行為。這將幫助我們理解用戶的需求、痛點(diǎn)和滿意度,從而指導(dǎo)產(chǎn)品的優(yōu)化和改進(jìn)。

4.2研究步驟

用戶研究

基于已有的定性訪談數(shù)據(jù),識(shí)別用戶的關(guān)鍵接觸點(diǎn)、任務(wù)、痛點(diǎn)、喜悅時(shí)刻和決策點(diǎn)。

用戶角色創(chuàng)建

創(chuàng)建用戶角色(Personas),代表目標(biāo)用戶群體。這些角色應(yīng)基于用戶訪談中收集的信息,如職業(yè)、技術(shù)熟練度、使用習(xí)慣等。

旅程地圖構(gòu)建

確定旅程地圖的范圍,從用戶發(fā)現(xiàn)產(chǎn)品到使用過(guò)程中的關(guān)鍵互動(dòng)。

描述用戶在每個(gè)接觸點(diǎn)的行為、想法和情感。這包括用戶如何發(fā)現(xiàn)產(chǎn)品、下載和安裝、初次使用、日常使用、遇到問(wèn)題和解決問(wèn)題的過(guò)程。

關(guān)鍵接觸點(diǎn)

識(shí)別并標(biāo)注用戶旅程中的關(guān)鍵接觸點(diǎn),如產(chǎn)品廣告、應(yīng)用商店、用戶推薦、社交媒體等。

情感曲線

通過(guò)用戶在旅程中的情感變化,繪制情感曲線。這有助于識(shí)別用戶滿意度的高點(diǎn)和低點(diǎn)。

痛點(diǎn)和喜悅時(shí)刻

明確用戶在使用過(guò)程中遇到的主要挑戰(zhàn)(痛點(diǎn))和最滿意的功能或體驗(yàn)(喜悅時(shí)刻)。

用戶反饋整合

將用戶訪談中的直接引用整合到旅程地圖中,以增強(qiáng)地圖的真實(shí)性和說(shuō)服力。

改進(jìn)建議

根據(jù)用戶旅程地圖,提出具體的改進(jìn)措施,以解決用戶痛點(diǎn)和增強(qiáng)喜悅時(shí)刻。

驗(yàn)證和迭代

與用戶分享旅程地圖草稿,收集反饋,并根據(jù)反饋進(jìn)行迭代優(yōu)化。

示意(圖片來(lái)自網(wǎng)絡(luò))

最后,補(bǔ)充一下各類訪談方法的差異

不管是什么分析方法,最終一定是要圍繞著有價(jià)值、有輸入的研究結(jié)論,幫助業(yè)務(wù)判定方向和決策,謹(jǐn)記少做已知性研究(數(shù)據(jù)可以說(shuō)明的)。

在此推薦鵝廠CDC的用研書籍《在你身邊,為你設(shè)計(jì)》。

下一篇文章預(yù)告:用戶分析方法及關(guān)鍵模型,歡迎大家關(guān)注和交流!

本文由 @查理運(yùn)營(yíng)啟示錄 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash,基于CC0協(xié)議。

該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 寫得很棒!不過(guò)有一處小小的筆誤哈:AB測(cè)試-數(shù)據(jù)質(zhì)量-“確保沒有數(shù)據(jù)上報(bào)有效,不會(huì)丟失或錯(cuò)誤記錄”

    來(lái)自上海 回復(fù)