用户调研流程

简介: 上一篇文中写到为什么要做用户调研和在项目的什么阶段要做用户调研,这一篇来聊下用户调研的流程。这里要强调一点,用户调研不是一步完成的,在每个用户调研后下个用户调研开始前都会对调研的内容做调整。

img_f148f108c2196130f8f1a60d3be28f1c.png

上一篇文中写到为什么要做用户调研和在项目的什么阶段要做用户调研,这一篇来聊下用户调研的流程。

img_a711f8a56d565330f6465099f955df2b.png

这里要强调一点,用户调研不是一步完成的,在每个用户调研后下个用户调研开始前都会对调研的内容做调整。

明确调研的背景和目的

背景:即什么情况下发起的调研?
目的:希望通过用户调研得到的结果是什么?

下面以百度有钱花为案例进行分析:
img_e9feb987ca36707636f910bca0d5e2e6.png

背景:是通过数据分析得出结论百度有钱花这款应用新用户申请转化率低于行业平均水平,需要运营团队和产品团队优化。
目的:如通过调研用户租房分期的使用路径,了解用户跳失背后的原因,提出改进方案并优化。

选择目标用户

一、基于背景和目的,先挑出符合行为大量的用户
二、选出部分目标用户
三、选出合适的用户(时间、地点、兴趣)
四、邀约用户

还是以百度有钱花为例:


img_f1d27823ef8747be5c62f3bf0e4ab53f.png

第一步:从统计工具中获取目标用户画像(统计工具如GA、growingio),就是从统计工具中查看哪些用户跳失了,这些用户有哪些特征,通过数据绘制出用户画像,再通过用户画像从数据库中把这部分人的信息提取出来。

第二步:对数据进行筛选哪些用户是租房分期跳失的。(以上两步需要开发小伙伴配合)

第三步:给筛选出来的用户发邀请函,上篇文章中举了个流利说的例子,大家可以查看,发邀请函目的是为了确定用户是否有时间来参加访谈、地点是否合适,比如我在深圳用户在上海那就不合适了,还有如果用户符合条件并且用户对访谈很有兴趣,那么访谈的效果也会很好。

第四步:如果用户填写了邀请函,那么给用户打电话邀约,并说明访谈可能发生的情况。

通过这样的方法层层筛选后,被访谈的用户是能代表这一类用户的,因为许多限制因素是我们后期加上去的,比如时间、地点不符的等。

分析用户的问题

这一步骤就是要以对用户的熟悉程度通过对用户、场景、问题、和当前解决的问题方案去分析用户需求,并提出解决方案,把方案落实成demo(demo形式不限),之后在访谈时先让用户操作现有版本并提问,之后再把之前准备的demo拿出来,看用户的肢体语音来判断是否是用户想要的。

有人可能会有疑问,为什么不是访谈后再根据用户反馈再做demo请用户来测试呢?em......访谈是有成本的有成本的,不能瞎折腾不是,一回能干完的事情尽量一回干完。

准备调研物料

img_6c402b51ffb599a39dbe1186ff202bd4.png

结合上图简单说下这个物料的阶段,还是以百度有钱花为案例:
第一步:已知问题看操作,就是先让用户完成指定的任务如申请租房分期,对于产品经理来说从数据上我们知道用户跳失了,但是我们不知道为什么跳失,所以这里是已知问题是相对产品经理来说的,主要看用户怎么操作,并记录下来用户操作的过程。

第二步:未知问题重访谈,比如说用户操作到某个需要提交资料的过程,直接关闭了,那么我们就要问用户为什么不继续操作了呢?就是知道跳失的原因。

第三步:如果用户不用我们的产品而是用别人的产品,那么我们就要问下用户为什么不用我们的产品呢?其实我们自己应该知道哪里有问题,这个步骤要确认。

第四步:把我们先准备好的demo拿出来给用户用,看用户的反馈,看我们新的方案是否会让用户从竞品回归到我们的产品中,并观察用户使用demo后的表情和反馈。

所以访谈提纲的制定大概就是按照这个思路制定,物料包括提纲、任务流程、新方案的demo、测试手机等,这里有一点要强调下访谈前一定要提前预演一下,除了熟悉访谈还有个目的,就是一些专业名词因为我们接触的多了习以为常,但是用户不一定能懂,如果用户不懂就可能会绕过这个问题,那么我们得出的结论可能就不准确了。

调研现场

这个问题留着单独去写

总结调研报告

一、整理单个用户的调研过程

整理上述步骤中输出的内容,包含访谈的步骤、录像、笔录、和得出的结论。

二、是否要调整调研的对象

通过访谈得出的结论,看是否有偏差决定要不要对访谈对象进行调整。

三、汇总本轮调研用户的过程和结论

所有访谈结束后,汇总一个总体的过程并得出结论。

相关文章
|
2月前
|
人工智能 自然语言处理 供应链
从体验到系统工程丨上手评测国内首款 AI 电商 App
近期,1688 推出了 1688 AI App,这貌似是国内第一个电商领域的独立 AI App 应用(若不是,欢迎评论指正)。本文试图通过产品界面这一入口,窥探其背后的系统工程。
426 34
|
3月前
|
缓存 自然语言处理 JavaScript
Github 3k+ star,中后台管理系统框架,支持多款 UI 组件库,兼容PC、移动端!比商业系统还专业!!
Fantastic-admin/basic 是基于 Vue3 与 TypeScript 的中后台管理系统框架,支持多款 UI 组件库,如 Element Plus、Arco Design、Naive-UI 等。它提供完整的项目结构、权限控制、国际化、多级缓存标签页等功能,兼容 PC、平板及移动端,适合快速搭建企业级后台应用。框架具备高度可定制性,拥有 3k+ GitHub Star,生态完善,适合中小团队和个人开发者提升效率。
201 2
|
8月前
|
SQL 自然语言处理 数据库
【Azure Developer】分享两段Python代码处理表格(CSV格式)数据 : 根据每列的内容生成SQL语句
本文介绍了使用Python Pandas处理数据收集任务中格式不统一的问题。针对两种情况:服务名对应多人拥有状态(1/0表示),以及服务名与人名重复列的情况,分别采用双层for循环和字典数据结构实现数据转换,最终生成Name对应的Services列表(逗号分隔)。此方法高效解决大量数据的人工处理难题,减少错误并提升效率。文中附带代码示例及执行结果截图,便于理解和实践。
226 4
|
SQL 关系型数据库 MySQL
大厂面试官:聊下 MySQL 慢查询优化、索引优化?
MySQL慢查询优化、索引优化,是必知必备,大厂面试高频,本文深入详解,建议收藏。关注【mikechen的互联网架构】,10年+BAT架构经验分享。
大厂面试官:聊下 MySQL 慢查询优化、索引优化?
|
机器学习/深度学习 数据采集 人工智能
函数式编程的实际应用
【10月更文挑战第12天】 函数式编程作为一种编程范式,在数据处理、金融、科学计算、Web 开发、游戏开发、物联网、人工智能等多个领域有着广泛应用。本文通过具体案例,详细介绍了函数式编程在这些领域的实际应用,展示了其在提高效率、确保准确性、增强可维护性等方面的显著优势。
835 60
|
10月前
|
存储 数据采集 数据挖掘
Pandas数据应用:用户行为分析
本文介绍了如何使用Pandas进行用户行为分析,涵盖从基础概念到实际应用的多个方面。首先简要介绍了Pandas的安装与基本功能,接着详细讲解了数据加载、初步探索及常见问题(如数据缺失、重复记录和时间戳格式不统一)的处理方法。随后探讨了用户活跃度和路径分析等模式挖掘技巧,并总结了常见报错及避免措施。通过掌握这些内容,读者可以更高效地进行用户行为分析,提升产品设计和用户体验。
431 8
|
人工智能 编解码 算法
MVPaint:腾讯PCG联合多所高校共同推出的3D纹理生成框架
MVPaint是由腾讯PCG联合多所高校共同推出的3D纹理生成框架,基于同步多视角扩散技术,实现高分辨率、无缝且多视图一致的3D纹理生成。该框架包含三个核心模块:同步多视角生成、空间感知3D修补和UV细化,显著提升3D模型的纹理生成效果。
218 2
MVPaint:腾讯PCG联合多所高校共同推出的3D纹理生成框架
|
JavaScript 前端开发 安全
2024年前端开发新趋势:TypeScript、Deno与性能优化
2024年前端开发迎来新趋势:TypeScript 5.0引入装饰器正式支持、const类型参数及枚举改进;Deno 1.42版推出JSR包注册表、增强Node.js兼容性并优化性能;性能优化策略涵盖代码分割、懒加载及现代构建工具的应用。这些变化推动前端开发向更高效率和安全性发展。
|
自然语言处理 物联网 图形学
.NET 技术凭借其独特的优势和特性,为开发者们提供了一种高效、可靠且富有创造力的开发体验
本文深入探讨了.NET技术的独特优势及其在多个领域的应用,包括企业级应用、Web应用、桌面应用、移动应用和游戏开发。通过强大的工具集、高效的代码管理、跨平台支持及稳定的性能,.NET为开发者提供了高效、可靠的开发体验,并面对技术更新和竞争压力,不断创新发展。
600 7
|
监控 Linux 开发者
如何在 Linux 中优雅的使用 head 命令,用来看日志简直溜的不行
`head` 命令是 Linux 系统中一个非常实用的工具,用于快速查看文件的开头部分内容。本文介绍了 `head` 命令的基本用法、高级用法、实际应用案例及注意事项,帮助用户高效处理文件和日志,提升工作效率。
267 7