这四种分析方法,大牛产品经理都在用

大数据 数据分析
设计产品有两种常见方式:一种是坐在办公室里拍脑袋设计;一种是先深入一线进行用户调研,然后基于调研结果来设计。

一、换位思考法

换位思考,是设身处地为他人着想,即想人所想、理解至上的一种处理人际关系的思考方式。很多时候,把自己当成用户是不对的,这会带上强烈的个人主义色彩。再者,产品经理和普通用户的专业性不一样,看待问题和思考问题的角度也不一样,对于同样的问题,可能会得出完全不一样的结果。

换位思考法就是把自己代入用户所处的环境中,分析用户使用产品的场景。这对代入感要求比较高,基本上要达到演员级别。我们经常说要设身处地、换位思考,但真正能做到的人极少。一是很多人不够有耐心,觉得用户太外行,连最基本的操作都不会;二是代入感不够强,说着说着就变成“我觉得”“我认为”这种主观性很强的想法。

要想真正用好换位思考法,至少需要做到如下三点。

1. 要理解公司的产品战略和产品定位

有的时候我们不能理解老板为什么总是提一些稀奇古怪的需求,但并不一定是他不懂行。在你尚未对产品所在行业了解得很透彻的情况下,不要盲目否定老板的提议,可以适当了解一下老板所提需求的来源、背景和理由。掌握多方面的信息之后,你可能就会对老板所提需求有更加深刻的认识。

这个了解的过程其实是一种用户场景逆向推演的过程,先知道结果,然后从结果一步步反推背景和原因,最终得出哪类用户处于什么样的场景下才会有类似的需求。

另外一点就是当你理解了产品定位之后,能消除一些由于信息不对称而造成的不必要的问题。虽然是同一类目标用户群体,但没有明确目的的用户调研可能会收集回来截然不同的用户场景,可能一部分是往A方向发展,一部分是往B方向发展,当然这还与你所选取的用户样本量有关系。如果这时草率地进行产品设计决策,会造成沟通成本上升。

公司层面或者领导层面能接触到一些你接触不到的信息,要清楚地知道公司的战略安排,保持信息通畅,多和上级沟通。

还有一种可能是决策的需要。有时单从产品的角度分析产品的确还存在很多问题,但公司却已经做出相应决策了,这时除非有更优的解决方案,否则站在公司的立场上,必须先推进现有解决方案中的一种,哪怕是试错。做决策是很难的,不能只提出质疑却不给解决方案,要理解公司的难处。

只有理解公司的产品战略和产品定位,才不会在换位思考的过程中发生偏离。最忌讳的就是用个人思考和意见代入,而不是从公司战略和用户场景的角度出发。

2. 要了解目标用户群体

有些产品的目标用户群体会受相关干系人的影响,比如B2B类的产品就比较特殊,产品的目标用户群体并不一定是购买决策者,而购买决策者又不一定是目标用户群体。这时从营销的角度,要站在购买决策者的角度去换位思考;从产品使用的角度,要站在目标用户群体的角度去思考。

对目标用户群体了解越深,越容易产生强相关的代入感。如果你都不了解对方,何谈设身处地?不了解就没有参照标准,也就无法换位思考了。对于老人、儿童这些产品经理通常不太熟悉的用户群体,这一点尤为明显。

很多时候,产品经理要尽量与目标用户群体具有某些相似的特征,才能较好地进行换位思考。试想一个汽车后市场电商产品的产品经理,如果自身没有汽车,要了解有车一族用户的想法,难度肯定比有车的产品经理大多了。

3. 要以用户为中心

在设计产品的每一个步骤中,都要把用户列入考虑范围。有的时候自己操作一遍,再看用户操作一遍,就能发现其中的差异。非专业人士和专业人士差距明显,很多我们认为很平常的地方,在用户看来就是无法理解的鸿沟。

最基本的一点是,自己要非常熟悉产品的功能和操作流程,要先试用,然后才是去了解和观察用户是怎么使用的,这样能加深对用户场景的理解。

周鸿祎曾说过,产品经理要像小白用户一样去思考,像白痴用户一样去体验。小白用户的使用习惯和思考方式是最接近主流用户的,不要把用户都想象得很专业,很可能对方连智能手机都不太会用。

平时可以拿内部用户来锻炼换位思考的能力。技术人员的思考角度和产品经理肯定是不一样的,立场和出发点也不一样,就会导致大家对于需求的理解不一致。技术人员与你纠结于某些边界问题、逻辑设定问题,不要觉得难以接受,站在技术人员的角度思考,那叫逻辑严谨。

人与人之间由于各方面因素的不同造成了思维上的差异,如果能理解这一点,对于换位思考的理解就会更深。

做到以上三点之后,再去针对目标用户群体进行换位思考,你会发现思考的角度不一样了,这样能更加真实地还原用户场景。平时要多和一线用户沟通交流,才能不断地从用户身上获取到有价值的信息。

二、5W1H分析法

5W1H分析法也叫六何分析法,是一种思考方案,也可以说是一种场景创造分析法。5W1H分析法包含如下几个方面。

  • Why:为什么要做,是原因。
  • What:做什么、做成什么,是目标。
  • Where:在哪儿做,是地点。
  • When:什么时候做,是时间。
  • Who:谁来做,是执行对象。
  • How:怎么做,是方法。

对比一下用户场景分析的四要素用户、时间、地点、任务,你会发现5W1H分析法与用户场景是高度契合的,对用户故事的前因后果做了补充说明。中间的4个W构成了用户场景,Why和How对用户场景进行了补充。

在做用户研究的过程中,如果我们需要研究产品的详细功能点所发生的用户场景,那么5W1H分析方法显然是适用的。

对于互联网产品来说,我们需要确定用户是在哪种场景中才会使用某个功能或者服务,因此Who、Where、When、What是非常关键的因素。注意,这里的Where除了有地点的概念外,还可以是某个竞品的某个功能所在的位置,或者是我们自己产品的某个功能所在的位置。

通过下面这个简单的例子来说明5W1H分析法的应用。

刚从公司加班回家的小北,又累又饿,想吃顿小龙虾犒劳一下自己,于是打开外卖App看看哪家餐馆的小龙虾比较有特色。因为已经是晚上10点,还得看有没有线下门店可以送外卖的。

完整的用户场景是,小北在晚上10点左右想在家里叫外卖小龙虾吃。

  • 人物:小北
  • 时间:晚上10点左右
  • 地点:家里
  • 任务:点餐小龙虾外送

而通过5W1H分析法对这个场景进行拆分如下:

  • Why:加班回家晚,又累又饿
  • Who:小北
  • When:晚上10点左右
  • Where:家里
  • What:点餐小龙虾外送
  • How:通过外卖App,要筛选出目前还送外卖的餐馆

通过对比可以发现,5W1H分析方法更加有助于我们对用户场景下用户需求的理解。Why可以让我们知道此时用户的心态和情绪,在又累又饿的情况下,显然小北不愿意再出门,如果这个时候点不到可以外送的小龙虾,他很可能会换成别的。

而How则可以让我们知道小北对线上线下消费场景的选择,很显然小北是个习惯使用线上工具的用户,并且对于外卖App的筛选功能有一定要求。

从场景分析的角度,基于用户场景分析限制性更低,我们在例举场景的时候会更加多样化;而5W1H分析法则会将用户场景描述得更详细,好处是有助于我们理解和发现比较具象和细化的用户场景,缺点是对场景的刻画进行了范围限定。

比如我们通过这个场景案例,想要发现在外卖App里面开设夜宵专场版块的需求,相对来说用户场景分析想象的空间更大;而5W1H分析法的结果更容易理解,对于发现场景的阶段来说,5W1H分析法有其优势。

5W1H分析法有一个弊端是,对于5W1H中Why这个维度,通过询问原因我们可以了解用户为何会在特定场景下完成某件事,但需要注意的是,用户所说的Why和真正的Why是不是一致,需要我们通过分析进行判断。我们可以通过以下方式规避这个弊端:

  • 在用户调研过程中针对某个关键问题多换几种方式,多问几个Why,这样用户也会更加明确真正的原因。
  • 综合用户在场景中的决策过程和最终行为来判断背后的真正原因。
  • 通过调研过程中用户的语言和动作判断用户所说的是不是真正的原因。

三、用户画像分析法

用户画像又称用户角色,是一种勾画目标用户、联系用户诉求与设计方向的有效工具,在各领域得到广泛应用。我们在实际操作的过程中,往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。

作为实际用户的虚拟代表,用户画像所形成的用户角色并不是脱离产品构建出来的,形成的用户角色需要有代表性,能代表产品的主要受众和目标群体。

用户画像在电商领域应用较多,通过大数据将用户的每条具体信息抽象成标签,利用这些标签将用户形象具体化,从而为用户提供有针对性的服务,如精准化推荐和精准化营销。

用户画像分析法主要针对用户场景中的用户要素进行分析,对用户的了解有助于我们在例举用户场景的时候更细致和深入。用户画像研究和分析的目的是让我们更好地了解用户,这样我们才能更好地服务用户,最终更好地达成产品目标。

对用户使用产品的目的、行为、观点等进行研究,将这些要素抽象成一组对典型用户的描述,以辅助产品的设计和决策。以用户数据为依托,构建出完善的用户画像,借助其标签化、信息化、可视化的属性,通过数据更客观地了解目标用户群体。

用户画像具有PERSONAL八要素,具体如下。

  • P:代表基本事实( Primary),指用户角色是否基于对真实用户的情景访谈。
  • E:代表同理心(Empathy),指用户角色中包含姓名、照片及与产品相关的描述,该用户角色是否能引发同理心。
  • R:代表真实(Realistic),指对那些每天与顾客打交道的人来说,用户角色是否看起来像真实人物。
  • S:代表独特(Singular),指每个用户是不是独特的,彼此很少有相似性。
  • O:代表目标(Objectives),指用户角色是否包含与产品相关的高层次目标,是否包含关键词来描述该目标。
  • N:代表数量(Number),指用户角色的数量是否足够小,以便设计团队能记住每个用户角色的姓名,以及其中的一个主要用户角色。
  • A:代表应用(Applicable),指设计团队能否使用用户角色作为一种实用工具进行设计决策。
  • L: 代表长久(Long),指用户标签的长久性。

用户画像分析法与用户研究是有区别的,不能混为一谈。用户研究其实是用来验证用户画像,让其变得更真实。我们通过用户数据对用户进行刻画,虽然比较客观,但却不一定正确,有一个验证的周期。而用户研究通过调研、访谈用户得出相应的结论,可以用来印证用户画像是否具有可参考性。

我们通常用来做用户画像的数据分为以下两类。

  • 用户属性数据:姓名、性别、年龄、身高、体重、职业、地域、受教育程度、婚姻、星座、血型、兴趣爱好、家庭情况、消费特征等。
  • 用户行为数据:搜索、浏览、注册、评论、点赞、收藏、打分、加入购物车、购买、使用优惠券等。

上述每个数据项分别描述了用户的一个维度,各个维度之间相互联系,共同构成对用户的整体描述。但并不是说做用户画像分析一定需要这么多数据项,具体需要哪些数据项视我们构建用户画像的目的而定。一般来说,用户画像分析可以分为3个步骤。

1. 确定目标

明确的目标有助于确定分析的范围,某个功能或某块业务与用户的哪些特征属性和行为偏好有关系,使用产品的方式是否与预期的一致。

主要是基于用户使用场景和用户操作场景去定义分析目标,产品设计流程当中预设的场景与用户实际使用过程当中表现出来的是否一致。目标的范围不宜过大,应聚焦于用户使用产品的表现或精准化营销,这样更有利于得出结论,进而提升决策效率。

例如我们要筹办一次婴儿奶粉的营销活动,为了保障营销活动的效果,需要对目标用户群体的购买行为做一次分析。此时我们设定目标的时候,就可以围绕用户的购买行为进行设定,如:历史购买过婴儿奶粉的用户群体的特征和购买行为分析。这里:

用户使用场景为:什么类型的用户群体对婴儿奶粉有需求

用户操作场景为:这部分用户群体在购买婴儿奶粉时的行为是怎么样的

2. 数据收集和分析

这一步一般分为四小步:数据收集、数据整理、数据建模、数据分析。这个过程主要是与数据打交道。图1所示为数据分析工作中大致需要掌握的技能点。

▲图1 数据分析工作中大致需要掌握的技能点

3. 构建用户画像

根据数据分析的结果,最终得出针对某类用户的标签化描述,这就是用户画像的结果。例如婴儿奶粉营销活动针对历史购买用户群体做的一次分析,部分摘录如下:购买婴儿奶粉的人群主要为女性,年龄在24~30岁之间,购买时间呈现出一定的周期性,大部分用户单次购买奶粉的罐数为4罐,购买的奶粉品牌相对集中。

四、现状—结果分析法

要想让用户对某个产品从认知到信任,往往需要经历这样的过程:先是不了解产品,然后建立对产品的认知,最后才可能心动并最终信任。但大部分产品设计人员意识不到这一点,他们会基于自己对于业务和产品的理解进行设计,而忽略了用户和他们之间认知的起点其实是不一样的,导致产品功能上线之后用户的学习使用成本比较高。

现状—结果分析法的首要任务是弄清楚用户的现状,其次才是我们想让用户达到的结果。

我们强调从“小白”用户的角度去思考问题,去设计产品,但如果连用户的现状都没有找准,我们所做的用户场景分析就都是基于假设的,而不是从实际出发。通过对一线用户的访谈和调研能解决一部分问题,但归根结底还是在于产品设计人员如何定义用户的专业能力。图2所示是常见的产品设计人员的认知与用户的现状之间的差异。

▲图2 大部分产品设计人员的现状与用户的现状是不一致的

在现状不一致的情况下,我们所做的很多分析是不成立的,所谓“拍脑袋的产品设计决策”就是这么来的。用户还不了解产品,因此必须先引导用户了解产品,这就是我们在某些操作上增加“新手引导”功能的原因。

找准目标用户群体的现状很重要,我们期望的结果不是导向,而只是产品设计的指导方向。用户体验很好的产品设计一定是从用户使用产品的现状出发的,否则用户不会感受到体验上的优化。

基于用户场景分析,我们针对用户现状的了解和调查是围绕某个特定的用户群体在某个时间点、某个地点条件下所存在的现状。现状调查是针对目标用户群体对产品当前的认知状况、用户群体特征、用户了解和使用新产品/功能的规律进行专门研究,最终得出相应结论。

笔者团队之前在做K12在线教育的产品过程中,针对付费用户群体设计了一套相对科学的“测、学、练、考、评、问”的线上学习流程。

从产品设计的角度,我们希望用户在学习某个知识点之前先做一套练习题,系统根据做题的结果来评定用户的学业水平,进而给他推荐相应层次的视频课程。也就是说,我们期望的结果是用户要先进行“测”的环境。

但我们通过用户调研和产品上收集的用户使用路径数据分析发现,大部分学生用户对于“线上学习流程”是没有概念的,当他们打开一个有很多视频课程的产品时,都会直接找到对应的视频课程进行学习,他们自己意识不到自己的学业水平是可能不适合看对应难度的视频课程。

这样的用户现状让我们之前自诩“科学的线上学习流程”变成空谈,学生用户没有按我们设定好的流程进行学习使用,也就谈不上学习流程,更没有科学不科学的说法。但我们并不想放弃好不容易设计出来、受到多所学校老师普遍认可的线上学习流程,我们期望的结果还是学生按照设定好的流程来学习。

意识到问题之后,我们将整套学习流程融入三个难度梯度的课程体系当中,不管用户从哪个难度的课程开始学习,最终都会引导用户从适合他水平的难度开始学习。

读者可以用现状—结果分析法来反省一下自己设计的产品功能,哪些是凭感觉设计的,哪些是依据过往经验设计的,哪些是依据用户调研结果设计的,哪些在上线前或者上线后做过可用性测试。如果产品功能上线之后没有用户使用,我们往往会责怪运营人员没有运营好,殊不知可能是因我们不了解用户而导致的。

现状—结果分析法的优势在于,当我们分析出用户的现状与我们期望的结果差距较大时,我们可以去寻找中间节点,搭建到达结果的桥梁。

本文详细介绍了如何运用常见的分析方法发现场景,相信会对产品经理设计产品有一定的启发。在发现场景后,需要我们明确场景,以便在产品设计过程中更好地运用场景。如果您对这部分内容感兴趣,推荐您详细阅读由朱军华老师撰写的《场景化设计:场景驱动的产品设计与运营》。

关于作者:朱军华,资深产品专家,拥有超过15年的互联网产品设计和运营经验。既有在阿里巴巴、1号店和盛大网络等成熟的中大型互联网公司负责大规模产品的经验,又有在云衣库、铭师堂教育等创业型企业将产品从0做到1的经历。在产品设计方面既有实战经验,又有深度思考,尤其关注场景化的产品设计。现为杭州犇流品牌管理有限公司联合创始人&CEO、杭州堇生信息技术有限公司创始人&CEO、杭州产品经理线下社群堇创社创始人。与人合著有《运营前线》《产品前线》《互联网产品之美》等书,译有《人人点赞:让APP瞬间疯转的绝妙文案》一书。

本文摘编自《场景化设计:场景驱动的产品设计与运营》,经出版方授权发布。(ISBN:9787111696087)

责任编辑:武晓燕 来源: 大数据DT
相关推荐

2015-11-06 13:27:39

2017-08-01 16:42:09

数据分析互联网

2022-11-04 18:28:31

数仓建模大数据

2017-09-21 13:04:35

数据挖掘分析分析方法数据分析师

2019-01-29 15:43:28

数据分析数据挖掘分析方法

2020-11-10 10:08:41

Kubernetes容器开发

2009-12-09 11:03:45

安装Linux

2021-09-26 07:34:07

数据分析数据分析师工具

2023-02-10 11:13:42

网络功耗无线网络设备

2010-10-19 17:40:30

SqlServer主键

2017-09-03 08:10:54

2009-11-04 09:14:55

2020-06-24 07:49:13

Kubernetes场景网络

2023-10-12 11:32:03

网络分析数字化转型

2009-11-05 11:05:19

WCF服务合同

2012-02-29 09:44:54

MySQL

2023-08-30 23:41:16

AI框架项目

2014-09-19 01:49:40

2020-06-29 07:23:54

for循环数组JavaScrip

2019-08-13 09:00:24

REST API身份认证密钥
点赞
收藏

51CTO技术栈公众号