騰訊用研實戰(zhàn)策略全解析

1 評論 4177 瀏覽 94 收藏 17 分鐘
🔗 产品经理的核心价值是能够准确发现和满足用户需求,把用户需求转化为产品功能,并协调资源推动落地,创造商业价值

上一篇文章我們介紹了行業(yè)和競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)注隨時交流哈。

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

用戶調(diào)研是產(chǎn)品研發(fā)運營和市場策略制定的重要環(huán)節(jié),幫助我們了解真實的用戶需求、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、業(yè)務(wù)增長突破點,都要基于用戶群體理解、用戶行為分析,扎實的做好研究和分析,不僅能幫助我們?nèi)ブ贫ú呗裕€能幫我們識別重要增長機會和商業(yè)機會。

在這個篇章中,我依然會用“方法論”+“實操”的結(jié)構(gòu),來總結(jié)和分享我過往在工作中積累的用戶研究經(jīng)驗。

一、方法論

1. 產(chǎn)品不同階段用研重點

在實際工作中,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。滿足業(yè)務(wù)在宏觀層面,包括市場洞察、機會挖掘、用戶圈層和需求變化等;微觀層面,包括用戶心智、價值認知、偏好調(diào)研、功能性測試等。

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)重點不同,需結(jié)合自身業(yè)務(wù)的階段來制定具體計劃。

2. 用戶研究實操重點

在了解業(yè)務(wù)不同階段的重點后,在實操落地層面,我一般會分為3個部分,研究設(shè)計、用戶研究、數(shù)據(jù)分析。

不管是有用研公線部門支持,亦或是運營同學(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個常用的維度。二者的重點和區(qū)別如下:

在實際應(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)合我過往的經(jīng)驗,補充一點,創(chuàng)新業(yè)務(wù)和成熟業(yè)務(wù)的研究方法也會有不同側(cè)重。

假設(shè)是獨立業(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)場使用觀察、原型測試反饋等。

Tips:在選擇用戶時,在基于產(chǎn)品的用戶圈層,確定目標(biāo)用戶畫像,來挑選調(diào)研和訪談對象,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象具有個體主觀性,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,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)實驗、問卷調(diào)查等。

Tips:一般新功能是加法,在做用戶圈選時,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),但在用戶行為和動機洞察上較有限。

下面,我們圍繞定量中常見的問卷、A/B實驗,定性中常見的訪談、用戶旅程地圖,來具體講講實操。

1. 定量方法-設(shè)計一份高效的調(diào)研問卷

這里我補充幾個分析方法,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題之間進行交叉分析,分析它們是否相互影響,識別潛在的因果關(guān)系或相關(guān)性。

舉個簡單的例子,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,某個功能的用戶與另一個功能的用戶是否有關(guān)系,通過相關(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題或變量,可以使用因子分析或聚類分析來簡化數(shù)據(jù)結(jié)構(gòu),幫助我們識別潛在的因子分布或用戶群體分布。

1.4 細分分析

這個一般用于用戶群體的細分,去發(fā)現(xiàn)不同屬性的用戶在行為和偏好上的差異。

舉個簡單的例子,對于個性化裝扮,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)計一個科學(xué)的A/B實驗

在產(chǎn)品設(shè)計中,AB實驗常用于在2個不同版本中,設(shè)計單一變量因素,測試不同的產(chǎn)品策略、UI設(shè)計、流程設(shè)計等因素對用戶行為的影響。

在AB實驗的設(shè)計和實操中,存在下列三個重點

  1. 流量分配:在樣本提取時,要保證樣本有效性,避免樣本偏差??衫梅滞皩嶒?,來提高實驗效率,保證每個分桶流量中的用戶在實驗期間只看到一種實驗形式,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)上報有效,不會丟失或錯誤記錄。
  3. 持續(xù)監(jiān)控:即使實驗結(jié)束,也要監(jiān)控一段時間,以驗證結(jié)果的穩(wěn)定性和長期效應(yīng)。

下面我們用一個電商的商品界面,列表式(文本描述和較小的縮略圖)與圖片式(大尺寸圖片和簡短描述),來進行說明

(1)實驗名稱

商品列表展示形式效果對比實驗

(2)實驗?zāi)康?/strong>

確定列表式商品列表(A)圖片式商品列表(B)對用戶點擊率和購買轉(zhuǎn)化率的影響。

(3)實驗假設(shè)

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

(4)實驗變量

  • 獨立變量:商品列表的展示形式(列表式 vs 圖片式)
  • 控制變量:頁面布局、導(dǎo)航欄、搜索框、頁腳、商品信息(如價格、描述)、促銷活動、頁面加載速度等

(5)實驗設(shè)計

a.實驗版本

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短描述。

b.隨機分配

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,確保每個用戶在實驗期間只看到一種商品列表形式。

c.實驗持續(xù)時間

設(shè)定實驗持續(xù)時間為兩周,以收集足夠的數(shù)據(jù)進行統(tǒng)計分析。

(6)數(shù)據(jù)收集

關(guān)鍵性能指標(biāo)(KPIs)

  • 用戶點擊率(CTR)
  • 購買轉(zhuǎn)化率(CVR)
  • 頁面停留時間
  • 跳出率

(7)分析方法

  • 使用統(tǒng)計軟件收集數(shù)據(jù)。
  • 對比兩個版本的KPIs,使用t檢驗或ANOVA分析差異的顯著性。

(8)結(jié)果評估

  • 如果圖片式商品列表(B)在點擊率和購買轉(zhuǎn)化率上有顯著提升,且在統(tǒng)計上具有顯著性,則認為實驗成功。
  • 考慮實驗期間的外部因素,如市場活動、季節(jié)性變化等,對結(jié)果的影響

(9)實操注意事項

  • 確保實驗期間所有控制變量保持一致,避免其他因素干擾實驗結(jié)果。
  • 實時監(jiān)控數(shù)據(jù)收集系統(tǒng),確保數(shù)據(jù)的準(zhǔn)確性和完整性。
  • 在實驗結(jié)束后,繼續(xù)監(jiān)控一段時間,以驗證結(jié)果的穩(wěn)定性。

3. 定性方法-做一場有效的定性訪談

定性研究方法往往作為定量和用戶行為分析的補充,用于發(fā)現(xiàn)在數(shù)據(jù)中無法解釋和用戶真實使用場景和動機。

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

3.1 研究背景

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

3.2 研究目標(biāo)

  • 評估某類用戶對產(chǎn)品的整體滿意度。在篩選訪談對象時,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、付費用戶、流失用戶、未注冊用戶等群體做交叉對比。
  • 探索用戶發(fā)現(xiàn)產(chǎn)品的途徑、過程、使用頻率和場景。
  • 識別用戶最喜歡的功能和遇到的挑戰(zhàn)。
  • 收集用戶對產(chǎn)品改進的具體建議。

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)計訪談指南,包括關(guān)鍵問題和可能的追問。
  • 數(shù)據(jù)收集:通過電話、視頻會議或面對面訪談進行,確保記錄詳細的訪談內(nèi)容。

3.4 關(guān)鍵問題

  • 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,您最喜歡的功能是什么?為什么?
  • 您在使用過程中遇到了哪些挑戰(zhàn)或問題?
  • 您對XXX有哪些改進建議?

3.5 訪談流程

  • 介紹:簡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。
  • 核心問題:圍繞關(guān)鍵問題進行深入訪談,鼓勵用戶分享個人體驗和感受。
  • 追問:根據(jù)用戶的回答進行適時追問,以獲取更多細節(jié)。
  • 總結(jié):在訪談結(jié)束前,總結(jié)用戶的主要觀點,并確認是否有遺漏。

3.6 數(shù)據(jù)分析

  • 對訪談內(nèi)容進行轉(zhuǎn)錄和編碼,識別主題和模式。
  • 提煉用戶反饋,形成改進建議報告。

3.7 報告撰寫:

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

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

4. 定性方法-設(shè)計用戶旅程地圖

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

4.1 研究目標(biāo)

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

4.2研究步驟

用戶研究

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

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)品到使用過程中的關(guān)鍵互動。

描述用戶在每個接觸點的行為、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、遇到問題和解決問題的過程。

關(guān)鍵接觸點

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

情感曲線

通過用戶在旅程中的情感變化,繪制情感曲線。這有助于識別用戶滿意度的高點和低點。

痛點和喜悅時刻

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

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,以增強地圖的真實性和說服力。

改進建議

根據(jù)用戶旅程地圖,提出具體的改進措施,以解決用戶痛點和增強喜悅時刻。

驗證和迭代

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

示意(圖片來自網(wǎng)絡(luò))

最后,補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值、有輸入的研究結(jié)論,幫助業(yè)務(wù)判定方向和決策,謹記少做已知性研究(數(shù)據(jù)可以說明的)。

在此推薦鵝廠CDC的用研書籍《在你身邊,為你設(shè)計》。

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 @查理運營啟示錄 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。

題圖來自Unsplash,基于CC0協(xié)議。

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

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 寫得很棒!不過有一處小小的筆誤哈:AB測試-數(shù)據(jù)質(zhì)量-“確保沒有數(shù)據(jù)上報有效,不會丟失或錯誤記錄”

    來自上海 回復(fù)
专题
11451人已学习12篇文章
本专题的文章分享了情人节的营销思路。
专题
133244人已学习23篇文章
产品经理,除了会写竞品分析,还要会写产品分析。
专题
12170人已学习14篇文章
随着科技的发展,AI技术渗透进各个行业里边,AI图像生成和识别技术有了更大的突破性,本专题的文章分享了AI图像识别。
专题
45018人已学习22篇文章
可用又易用,产品逻辑和情感化体验两手抓,用户才会爱上你的产品。
专题
19528人已学习13篇文章
本专题的文章分享了跨境支付的行业、发展、支付方式和商业等信息。
专题
11805人已学习12篇文章
数据管理系统在后期能够为企业提供基础数据服务,保证企业往更好的方向运营。本专题的文章分享了如何做好数据管理。