一個(gè)不爭的事實(shí)是：所有卓越產(chǎn)品的誕生，都離不開對(duì)用戶需求和人性的深刻理解。這正是為什么“用戶研究”在每一個(gè)產(chǎn)品的成長歷程中都極其重要的原因。遺憾 的是，產(chǎn)品經(jīng)理不見得個(gè)個(gè)都是頂尖心理學(xué)家。怎么才能客觀又高效地抓住那些“用戶自己都不知道”的深層需求，用戶究竟想要什么、需要什么……為了找出這些 問題的答案，人們嘗試了很多方法。問卷、訪談、現(xiàn)場(chǎng)體驗(yàn)……這些辦法不是不好，但是樣本量受限，用戶的反饋還難免主觀、片面。

 

 

 

有沒有一種方法，能確保被研究的用戶不受觀察者的干擾、所使用情境更加真實(shí)、能看到更完整的用戶操作流程、能反復(fù)觀察比對(duì)分析、還能盡可能提供更大的樣本量呢？

對(duì)于所有互聯(lián)網(wǎng)產(chǎn)品來說，答案清晰可見：

采集并研究用戶行為數(shù)據(jù)，是最立體、客觀、低成本的用研方法。

數(shù)據(jù)化用戶研究的三個(gè)步驟

1. 采集素材

就像做調(diào)研需要先準(zhǔn)備問卷一樣，想通過數(shù)據(jù)研究來挖掘用戶特性，你得先準(zhǔn)備素材，即：采集數(shù)據(jù)。這三方面的數(shù)據(jù)缺一不可：用戶屬性（不只是人口屬性）、行為事件、環(huán)境信息。

用戶屬性絕不等于人口屬性，與年齡性別相比，更重要的是要記錄用戶在平臺(tái)上的狀態(tài)。比方說，電商里的積分等級(jí)、社交app里的點(diǎn)贊關(guān)注數(shù)、運(yùn)動(dòng)健身的app可能關(guān)心體重、智能硬件產(chǎn)品關(guān)心是否綁定設(shè)備等等……

行為事件數(shù)據(jù)比較好理解，就是用戶做了什么。重要的操作節(jié)點(diǎn)是必須被記錄的，例如：模塊導(dǎo)航的點(diǎn)擊、瀏覽內(nèi)容時(shí)的分類、搜索的效率、表單的填寫等等……

環(huán)境數(shù)據(jù)則包括渠道、設(shè)備、網(wǎng)絡(luò)環(huán)境、使用時(shí)間等信息。

2. 用戶群研究

在收集了完整的用戶屬性與行為數(shù)據(jù)之后，第二步就是要找出最需要關(guān)注的用戶群，以及他們的核心訴求。你不能只看所有用戶的屬性和行為分布，為了找到真正對(duì)產(chǎn)品增長有貢獻(xiàn)的用戶，你需要不斷地細(xì)分人群、進(jìn)行對(duì)比。

留存用戶與流失用戶有哪些不同的特征，模塊A與模塊B對(duì)留存有何貢獻(xiàn)等，哪些環(huán)節(jié)導(dǎo)致了用戶大量流失……都是這一階段需要被提出的問題。

3. 測(cè)試驗(yàn)證，找到最優(yōu)解經(jīng)過前一階段的分析， 你和你的團(tuán)隊(duì)已經(jīng)對(duì)產(chǎn)品的現(xiàn)狀有了更深的認(rèn)識(shí)，也提出了一些改進(jìn)策略。接下就該驗(yàn)證這些假設(shè)?；叶劝l(fā)版、AB Test都是常用的手段。但不管你做了怎樣的改進(jìn)，都別忘記在發(fā)版后仔細(xì)研究新版本的數(shù)據(jù)表現(xiàn)。用戶在指尖反饋回來的數(shù)據(jù)結(jié)果，將是驗(yàn)證猜測(cè)的核心標(biāo)準(zhǔn)。

 

在行/分答 用研驅(qū)動(dòng)產(chǎn)品升級(jí)的范例

上面說了方法，下面讓我們拿一個(gè)在行/分答舉例，看看“別人家的產(chǎn)品”是如何用數(shù)據(jù)深挖用戶需求，并最終實(shí)現(xiàn)爆炸式增長的。

喬布斯有句經(jīng)典語錄“用戶根本不知道他們想要什么”，福特汽車的創(chuàng)立者也說過，人們說自己想要一匹跑得更快的馬，但其實(shí)他們需要的是一輛轎車。這個(gè)人人都聽過的段子，前不久真實(shí)地在我們身邊上演了：

學(xué)員想要個(gè)更便宜方便的“在行”，但姬十三和他的團(tuán)隊(duì)最終選擇了“分答”。而促使他們做出這個(gè)決定的關(guān)鍵動(dòng)因，正是他們對(duì)“在行”中各類用戶的深刻理解。

早在去年9月，在行就接入了諸葛io數(shù)據(jù)分析平臺(tái)，開始采集和分析他們的用戶行為數(shù)據(jù)。

在采集數(shù)據(jù)時(shí)，在行團(tuán)隊(duì)首先通過諸葛io提供的Identify維度，將「學(xué)員」與「行家」進(jìn)行區(qū)分；然后按照查看行家、想見行家、發(fā)起約見、成功約見等 事件定義用戶階段階段，對(duì)「學(xué)員」進(jìn)行參與度分層；接著，他們?cè)谥T葛io數(shù)據(jù)顧問的支持下，疊加了約見次數(shù)、約見行家類別、客單價(jià)、所在地等數(shù)據(jù)維度，更 細(xì)致地拆分這些學(xué)員，并最終建立了一系列不同活躍度、不同內(nèi)容偏好、不同消費(fèi)能力的用戶群組。

接下來，在行團(tuán)隊(duì)開始對(duì)這十多個(gè)用戶群組進(jìn)行特性分析。

最初，大家認(rèn)為地域和時(shí)間是限制在行擴(kuò)張的核心因素。然而在進(jìn)行了簡單的數(shù)據(jù)比對(duì)之后，在行團(tuán)隊(duì)發(fā)現(xiàn)：給學(xué)員匹配距離更近的行家、讓學(xué)員和行家用電話交流 之類的方式，頂多算是一匹跑得更快的馬。而用戶內(nèi)心所期待那輛“福特車”，應(yīng)該是一種更輕、更高頻、價(jià)格更靈活、時(shí)效性更強(qiáng)的知識(shí)分享產(chǎn)品。

基于這個(gè)觀察，在行開始了一次大膽的Growth Hacking嘗試：在“在行”中開發(fā)"語音問答"的新模塊。由學(xué)員發(fā)起提問、圈出期望的答題行家并預(yù)設(shè)答題價(jià)格，再由行家通過語音在線競(jìng)答。于是，以 “有問題吱一聲”為名的「吱」模塊迅速上線，成為“輕在行”模式的第一個(gè)測(cè)試方案。

模塊「吱」，是分答成功背后的神秘功臣。說它神秘，是因?yàn)樵S多在行的老用戶并不知道「吱」的存在。當(dāng)時(shí)，在行團(tuán)隊(duì)為了更好地研究語音問答模式的受眾特性， 并未將這個(gè)模塊開放給所有在行的用戶。而是按照前期劃分好的用戶群組，分批次地開始做灰度測(cè)試，以此模擬各群組用戶在使用語音問答時(shí)的心智模型。

經(jīng)過多輪測(cè)試和對(duì)比，一個(gè)出乎意料的結(jié)果顯現(xiàn)出來：高頻使用語音問答的用戶群，與喜歡線下約見行家的用戶群幾乎是毫無重疊的兩撥人。甚至于，從沒有成功約見過行家的用戶，使用模塊「吱」的參與度，比有約見經(jīng)歷的用戶高一倍有余。

數(shù)據(jù)對(duì)比的結(jié)果給在行團(tuán)隊(duì)帶來了全新的用戶洞察：“語音問答”與“在行約見”的受眾有本質(zhì)不同的知識(shí)獲取需求，二者對(duì)知識(shí)的深度和趣味性有完全不同的預(yù) 期。從產(chǎn)品層面來看，要滿足不同用戶的不同需求，最好的方案是：將“語音問答”模塊做成與「在行」互補(bǔ)的新產(chǎn)品。至此，「分答」始現(xiàn)其型。

 

小結(jié)

如果今天我們來復(fù)盤這場(chǎng)“馬車還是福特”的博弈，不難發(fā)現(xiàn)姬十三和他的團(tuán)隊(duì)能夠勝出，是因?yàn)閷?duì)用戶深層需求的不斷探索和準(zhǔn)確理解。

避免“拍腦門”式的臆測(cè)，讓行為數(shù)據(jù)替用戶代言，用數(shù)據(jù)結(jié)果衡量每一個(gè)假設(shè)……這種客觀嚴(yán)謹(jǐn)?shù)挠脩粞芯糠椒?，是值得每一個(gè)產(chǎn)品團(tuán)隊(duì)借鑒的。

總的來說，通過行為數(shù)據(jù)分析實(shí)現(xiàn)客觀高效的用戶研究，你需要：

1. 基于自身的業(yè)務(wù)特點(diǎn)，依托賬號(hào)體系，采集用戶屬性與行為數(shù)據(jù)；
2. 選擇一款合適的分析工具（例如諸葛io），既能還原用戶的操作流，身臨其境作單體洞察；又能快速實(shí)現(xiàn)多維度的用戶分群對(duì)比，以探索用戶特性；
3. 反復(fù)切分用戶群組，對(duì)比數(shù)據(jù)表現(xiàn)，大膽假設(shè)、快速驗(yàn)證；
4. 比對(duì)產(chǎn)品迭代前后的數(shù)據(jù)指標(biāo)，評(píng)估前期假設(shè)、衡量改版質(zhì)量。