降低产品风险

最大的风险是做出用户不需要的产品。用户研究通过早期验证，降低这种风险。

降低风险的方法是：在开发前验证需求，在设计时测试方案，在上线后收集反馈。每个阶段的研究都在降低不确定性。

发现市场机会

用户研究发现问题，也发现机会。用户的行为、抱怨、期望，都可能指向未被满足的需求。

验证设计假设

每个设计都是假设。这个功能用户需要吗？这个交互用户能理解吗？用户研究帮助验证这些假设。

验证假设的方法是测试。不是等上线后再看数据，在设计阶段就进行测试。早期发现问题的成本远低于后期修复。

深度访谈

深度访谈是一对一的对话，深入了解用户的需求、动机、行为。

访谈的关键是开放性问题。不是问"你喜欢这个功能吗"，问"你平时是怎么解决这个问题的"。让用户讲述他们的故事，而不是回答是或否。

访谈的技巧包括：建立信任、追问细节、避免引导、记录观察。好的访谈像聊天，不是审问。

用户观察

用户观察是进入用户的真实环境，观察他们如何使用产品、如何解决问题。

观察的价值在于发现用户自己都意识不到的行为。用户说的和做的往往不一致，观察能揭示这种差异。

观察的方法包括：现场观察、远程观察、日记研究。关键是进入真实的场景，不是实验室的人造环境。

日记研究

日记研究让用户在一段时间内记录自己的行为、感受、想法。

日记研究的价值在于捕捉时间维度的信息。有些行为是偶尔发生的，一次访谈无法捕捉。日记研究可以记录这些间歇性的行为。

日记研究的关键是降低用户的负担。不是让用户写长篇日记，简单的记录和拍照。工具可以是纸质的，也可以是数字的。

问卷调查

问卷调查通过标准化的问题，收集大量用户的数据。

问卷的关键是问题设计。问题要清晰、无歧义、无引导。选项要完整、互斥、有逻辑。

问卷的技巧包括：控制长度、预测试、提高回收率。问卷太长用户会放弃，问题不清楚数据会失真。

数据分析

数据分析通过用户行为数据，发现使用模式和问题。

数据分析的价值在于客观性。用户说的可能不准确，但行为数据不会撒谎。用户实际做了什么，比他们说自己做了什么更真实。

数据分析的方法包括：漏斗分析、留存分析、用户分群、路径分析。不同的分析方法回答不同的问题。

A/B测试

A/B测试通过对比两个版本的表现，判断哪个更好。

A/B测试的关键是控制变量。每次只改变一个元素，才能确定是这个改变导致了结果差异。

A/B测试的技巧包括：确定样本量、设定统计显著性、避免过早结论。测试要有足够的样本，结论要有统计支撑。

根据研究目标选择

研究目标决定了方法选择。如果目标是理解用户为什么这样做，选择定性方法。如果目标是测量有多少用户这样做，选择定量方法。

研究目标要明确。不是"了解用户"，"了解用户在什么场景下使用这个功能"。目标越明确，方法选择越容易。

根据资源限制选择

资源限制也要考虑。深度访谈需要时间和专业技巧，问卷调查需要大量样本，数据分析需要技术能力。

资源限制不是不做研究的借口，选择合适方法的依据。资源有限时，可以选择低成本的方法，比如用户访谈而不是大规模问卷。

根据时间周期选择

时间周期影响方法选择。有些方法需要几周时间，有些方法几天就能完成。

时间紧迫时，可以选择快速方法，比如可用性测试而不是日记研究。但要注意，快速方法的深度有限，不能替代长期研究。

研究方法对比

数据整理

研究结束后，第一步是整理数据。访谈录音要转录，问卷数据要清洗，观察笔记要归类。

数据整理的目的是让数据可用。原始数据是杂乱的，整理后才能分析。

数据整理的方法包括：编码、分类、标记。定性数据要编码，定量数据要清洗。

模式识别

整理后的数据要识别模式。多个用户提到相同的问题，多个数据显示相同的趋势，这些就是模式。

模式识别的关键是开放心态。不要带着预设去寻找模式，让数据自己说话。有时候，最意外的发现最有价值。

模式识别的方法包括：频次统计、交叉分析、聚类分析。定性数据通过频次和关联识别模式，定量数据通过统计方法识别模式。

洞察提炼

模式还不是洞察，洞察是对模式背后原因的理解。

洞察提炼的方法包括：用户画像、用户旅程图、问题陈述。这些工具帮助将数据转化为可行动的洞察。

研究流程

练习1：选择研究方法

场景：你正在设计一款新的健身应用，想了解用户目前的健身习惯和痛点。

问题：

1. 你会选择哪种研究方法？为什么？

2. 你会问用户什么问题？

3. 你需要多少样本量？

练习2：设计访谈问题

场景：你想了解用户如何使用你产品的某个功能。

任务：将以下封闭式问题改为开放式问题：

练习3：从数据到洞察

场景：你发现80%的用户在注册流程的第三步流失。

任务：

1. 你会收集哪些数据来理解原因？

2. 你会使用哪些研究方法？

3. 你如何验证你的假设？