1、是否对用户有用是一切产品的基础，理智的设计过程是先从了解用户开始的。

可用性是有环境基础的，高跟鞋在舞会的时候可用在打网球的时候不可用，对女人可用对男人不可用；只有深入了解用户和使用环境才能把确定是否有用，并把有用变成易用。

2、了解用户和环境的手段有很多，最常见的是”数据分析”。

在IT行业中早期大家叫它”数据库营销”，沃尔玛有个“啤酒和尿布的故事”是很成功的经典案例，从中体现了专业数据挖掘的巨大商业价值；

3、现在很多的企业都比较重视数据的分析。

据我所知门户网站的每个页面都埋有数据统计的代码；每个页面每个位置的点击率和操作情况都是详细的记录。

比如，一个注册界面：”多少用户进来，注册成功率(转化率)多少”、”用户出错比例多少”、”用户填写详实程度多少”、”多少用户直接离开，多少用户遭遇挫折后离开，在那里受到什么样的挫折离开”等等等等

4、这些海量数据的挖掘和分析，有着很大的价值和指导意义。

但，这种分析和挖掘也有着自身不够完善和不能真正准确的缺陷，因为很多意外的因素很容易会造成数据的变形，而往往数据分析人员不一定都能知晓这些意外因素。

比如，一个本不该放在某个位置的按钮、本不应该那么大的图片，可能会因为位置明显、面积大而造成点击量很高，这时 通过数据的结果我们并不能得到正确的结论。

5、真正通过和用户接触沟通然后拿到数据，是海量数据挖掘的一个有效补充。这种做法的手段可以比较多样化：

往往我们也会把一些设计的原型拿去让用户试用，或者给用户类似的同类产品让他们去用，设计师在一边观察用户怎么做，从而得到设计启发和思路。这是一种设计师自己去”看”的方式；

比如，要设计一个开红酒的工具，你可以观察用户现在是如何开红酒的，然后也可以把你设计的工具雏形交给用户去用，看他如何用你设计的工具。

很多传统的研究方式中(市场研究中较多)，会请很多用户填写设计好的问卷或者做电话调研、街头访谈、面对面用户访谈和测试等，然后作出数据统计。这是一种让用户”说”的方式；

比如，要设计一个公用电话亭，你可以在大街上采访市民，搜集他们对现有电话亭的抱怨和看法以及他们一般怎么在电话亭打电话..

当然我们还经常去想办法发现用户在怎么想，了解用户脑袋里面的那个MAP。

比如，我们设计一个圆的需要拧开的门把手，我们可以把设计拿给用户看，问他”看到这个圆的把手，你认为应该如何用它开门”；

6、有些时候我们也经常根据用户群的属性特征去做经验式的分析，

比如统计(或总结性模拟)用户的基本属性，分析用户的学习能力和使用习惯等，”学历”"对计算机的数量程度”"年龄”"专业”等等也都是对设计很有用的参考依据。

7、上面所说的这些手段是最常见的一些低成本的做法，当然还有一些靠仪器的做法。

但，目前在国内，我个人认为这些昂贵的仪器对大多数企业都起不到太多的真正作用，或者它们只是一个噱头、业绩…

8、前一段和一位在Yahoo美国的朋友谈到用户研究时，她提到了一些做法也蛮有意思。

比如，在上期帖子回复里有人谈到“走近客服”，他们在巴拿马的一些后期用户研究中会有专门的人去和客服一起工作观察和记录他们的工作，也会亲自尝试接听热线电话；

（往往客服人员提交给数据部门的数据是把他们认为不重要的数据筛选掉以后的，数据部门提交给设计师的数据可能又经过了一次筛选；而他们筛选原则和判断能力可能和设计师有着很大的差别）

再比如，记录某个ID在网站上的全程活动，看这个ID怎么注册的，去了哪里 点了那里 过程中都干了什么等等，记录用户的真实交互轨迹，从而调整”用户操作流程”的设计；

（这种数据比海量分析真实，比逐个用户访谈高效且成本低。 但’隐私’问题需要考虑在内..）

还有，让用户通过他们习惯的方式主动描绘出他们对产品所期盼的感觉也值得尝试；比如我以前提到过一次麦当劳主动了解用户的例子。

9、总的说来：光靠对现状海量数据统计不一定能真正呈现真实现状，光靠点对点的访谈也不一定能全面的反应整体概况。

10、设计师想要深入了解用户和需求，首要的前提是：

通过各种方法走近用户，把用户当作老师；

想方设法拿到一线数据，把数据当作可以淘宝的垃圾堆”。

11、数据不是金矿，用户也不全都是正确的。

很多数据和用户反馈是无用的，甚至是会造成设计误导的。

最终，还得需要具备理智的分析和正确的判断能力。 (所以我最崇拜的UED还是那些”数据分析师”)

ps：对于用户研究我只是学习者，请更多的专业人士尽管指证。 :)

我要如何了解"她"

上回我们讨论UE在团队中的作用，有一点大家已经达成共识，那就是用户是所有体验的基础，如果用户的要求没被满足，良好的体验自然也无从说起。那么，我们怎样才能了解用户需求呢？

大家都知道可用性测试、调查问卷之类与用户进行沟通的途径，这些方法各有各的利弊，如果逐一分析的话，恐怕至少要分成三本书来写。现在我们先把它们放在一边，从另一个角度来看看这个问题：用户的需求会通过什么途径来表达呢？

举个小小的例子，某位小朋友饿了，他可能会说“我要吃点东西”，然后你就知道应该给他找点吃的；如果他什么都不说，抓起某样食物就狂吃，这很明显——他饿了；要是他说“我想吃火锅”，而你没有火锅只有馒头呢？我们稍后再说明这个问题。

不过你至少可以看出，用户的需求通过这样三种形式来传达——目标、行为、说法。

在这个例子中，用户最根本的需求是饥饿（我们通常不需要了解用户最根本的需求），目标是找东西吃下去，行为显示了这个目标，他自己认为火锅能解决这个问题。我们要做的，就是根据这些资料提供给他适合的食物。这里我们提供的是馒头，小朋友看到馒头的时候，有两种可能，一种是什么也不说，抓过来就狂啃；另一种是一边狂啃一边生气。第一种情况说明，你提供给他的选择比他想象的更实用。同时说明：用户所说的其实不一定就是他们真正的需求，行为才是最真实的。第二种情况说明，你对用户的需求了解得不够，需要再收集更多的数据，比如他爱吃米饭还是面食，喜欢甜还是辣等。

当然大多数研究比这个例子要复杂得多，但总的说来，我们除了要知道用户有什么行为，还必须知道为什么会出现这样的行为。所以必须要将各种方法综合起来使用，然后描述出一个完整的用户形象。

用户需求的组成就如下面这个图形所示。为什么“行为”占了一半的比重呢？我个人认为，受中国文化的含蓄和中庸哲学影响，国内用户恐怕很少能真诚、准确地说出自己的想法，所以应该在行为研究上有所偏重。

我们先不考虑如何分析数据，现在只需要想：有哪些方法可以收集到这些数据呢？看下面这个图：

正如你看到的，网站流量和日志文件，以及被大家交口称赞的眼动实验用于了解用户做了什么（行为），而用户访谈和调查问卷用于了解用户为什么这么做（目标和说法），情景调查、可用性测试和CRM统计则介于目标和行为之间。

首先说一下用户访谈和调查问卷。

这两者看起来很相似，都是提出一堆问题让用户来回答。但它们之间有个关键的差异：数量。用户访谈是抽样调查，数量少（每种类型的用户不超过10个），而调查问卷则是一种大范围内的普查。数量的不同决定了两种方法的性质，一种是定性的研究方式，另一种则是定量的研究方式。不过它们用于发现用户的观点是非常有用的，你往往会在用户的答复中，发现你之前根本就没考虑过的新想法，这也许就会改变你的产品的思路。

两者在运作的形式上也有所差异。用户访谈的形式是一种更加随意的谈话方式，而且要注意尽量不要提“是非题”（即“是”或“否”的问题），让用户自由表达。你可以事先有一个大纲，但一定不要照本宣科。在时间上也要保持一定的弹性，一般你会告诉用户需要1个小时，不过要是遇上一个善谈的用户，滔滔不绝讲1个半小时也是有可能的，你要做的，就是尽量别让他跑得太远：）。调查问卷则更严谨一点，不管是在网上还是线下进行的调查，大部分都应该是量级选择题，我们通常看到的“你是否同意这个说法，5分非常同意，0分完全不同意”，就属于这种问题，用户可以通过点击和画勾来回答。调查问卷同样也要避免“是非题”，同时为了保证用户不会因为耗时太长而放弃，最好自己测试一下答题时间，一般不能超过15分钟（我回答过超过20分钟的问题，不过那是几个心理测试）。

这里我只想强调一点，不管哪种方法，提问的技巧和问题的顺序相当的重要。如果你在一开始就告诉用户，你们准备开发几个新功能，后面又问到用户对现有产品的想法，这就是一种典型自我否定，势必会影响到用户对后一个问题的看法。我想这就是需要心理专家发挥作用的环节。挖掘人类心底的想法，从来都是一件斗智斗勇的事。在某种程度上这种沟通过程更像是你和你身边那个女孩相处的情形。你一直想弄明白她为什么不高兴，但是又不能直接问，因为你知道，她永远不会直接回答。你唯一能做的就是长叹一声“我要如何了解她？！”。可能她只是因为你没有穿她送的那件衬衣而生气，但她只会说：“你今天打扮得真没品味。”表现出来的行为就是不跟你去任何公众场合，目标就是8943;8943;你自己分析吧。

网站流量统计、日志文件用于了解用户做了什么，但通常不能解释他们为什么这么做，与之相似的还有CRM数据。所以这三者最好是能和调查问卷结合起来使用。 把某个用户的点击流（clickstream）与他完成的调查问卷放到一起分析，你就能了解这个行为背后的原因。当然，前提是您可以捕获某个特定用户的日志记录，并在调查问卷中找到同一个人的回复。大部分的网页里都埋有统计程序的种子，作用和我们今天的主题一样，只管尽可能多地收集数据。而在统计背后的数据挖掘，更是一场艰苦而长期的工作。

可用性测试和眼动实验本质上相同的，它们的局限很明显，只能用于发现已有产品的缺陷和障碍，而这同样可以用其它途径得到。所以在国内炒得沸沸扬扬的可用性测试，我个人认为对互联网产品似乎并不能产生太大的影响。这一节就跳过。

情景调查很有意思，组合了用户访谈和可用性测试两者的方式。简单说就是你跑到用户那儿去，看看他们在熟悉的环境下如何进行操作的，这样你得到的数据就比在实验室要真实得多，对于某些和环境有关的产品而言，进行实地考察是非常重要的。进行情景调查你可以突然袭击（偷窥）或者提前和用户说好。不过一般来讲，在用户不知情的情况下你能看到更多的东西，虽然听起来似乎有点不够君子。调查一开始，你一边观察用户的行为，一边记下有疑问的地方，这算是改良版的可用性测试。等用户完成他的日常工作，你就可以现身出来，邀请用户进行一次简短的访问，把你刚才的疑问一一提出，这又是一次简化版的用户访谈。这个方法的风险就是用户可能不愿意，或者没有时间接受你的采访。

以上就是常用的一些用户研究方法，有部分例子参考了我有史以来读得最认真的一本书《The User is Always Right》（就像你的女朋友总是对的一样），而“用户总是对的”正是UCD（以用户为中心的设计）所倡导并坚持的

角色设定——了解我们的用户

本想延续白鸦的上文来深入讨论,不过发现思路还是不是很清楚, 所以我还是来简单梳理一下这个主题涉及的信息:

其实在回答”如何了解我们的用户和需求”之前,我们也许应该也先回答一下:”为什么要了解我们的用户?” “谁是我们的用户” ,这不是要试图跑题, 只是为了更好的让我们为回答下一个问题做好充足的准备, 以免无的放矢. 也就是说,在我们对用户进行调查和分析之前, 也应该先弄清楚谁是我们的目标用户, 这样做的目的是什么,或希望达到什么样的结果等问题. 所以我们就有了下面这样的思维过程:

角色- 谁是我们的用户?

即使你觉得你的用户可以是各年龄层或各行业领域的用户, 但我们一样要根据我们的市场需求和用户特性做一定角色分组和区分, 比如对于网站访问者, 我们可以简单细分为新用户, 注册用户, 拥有多重帐号用户, 能进行在线支付用户, 携带促销折扣非会员的用户等等, 为什么我们需要了解这些特性呢? 在下面内容里我们会知道, 这些条件信息决定了用户在产品交互中的行为和目标.

计划 - 为什么要了解我们的用户?

这个问题其实也涉及到商业策略和市场营销等领域的内容, 我个人一直觉得我们有意识的去关注和协助我们的用户,其实本身就是一个商业策略手段, 目的无非是让用户更好的使用的我们的产品, 提升我们的销售份额,扩展市场范围, 所以作为用户调研的基础, 我们一样需要了解,我们将要针对的用户群体是哪些? 了解这些目标用户对我们的商业策略会有什么帮助, 如何来平衡或争取更大的市场, 更多的用户群体.

目的: - 我们要了解用户什么?

数据是有效的分析手段, 但数据带来的指导性大多是宏观或解释性质的, 在本质上往往很难做出有效的说明. 比如用户为什么会放弃或离开, 用户为什么找不到本已存在的信息? 等. 这些问题对于交互设计从某种角度通过数据是无法得到有效的解释的. 所以回过头来,我们就需要真正来了解一下下面这些信息:

背景 - 用户背景信息, 如年龄, 职业, 喜好等

动机 - 是什么需要趋势用户来使用这个产品;

特性 - 用户关心这个产品的哪些特性;

情景 - 用户在什么情况(外内在因素)下来操作;

行为 - 用户如何与产品交互;

目标 - 用户最终想要得到什么;

习惯 - 用户一般的操作或使用习惯, 比如左/右手操作, 阅读文字大小习惯等

期望 - 在为操作前或操作不能满足后的期望;

方法: - 以用户中心设计(UCD)原则应该是一个最好的用户需求分析指导方法

这个部分涉及内容比较多, 我大概列出常见的几种研究方法, 如有疑问, 请留言, 我们可以一起讨论补充

面试 - 面对面的倾听和观察

调查 - 问卷抽查

需求分析 - 问卷统计和分析

Card Sort - 卡片组合排序

群体任务分析 - 对整个用户群体的操作比较和分析

焦点用户群 - 专家”用户”评估

领域研究 - 种族, 年龄, 性别, 行业等不同领域的统计分析

标题注解: 因为用户这个概念的范围比较广, 所以我们在讨论中往往会把最

目标用户比喻为舞台中角色, 这样便于在团队合作中区分和理解特定需求范围的用户群体.

隐式挖掘网站用户行为

如何了解用户需求？根据用户是否主动参与分为显式与隐式两种挖掘模式，因为显式的动静比较大，有很大局限性，所以为了保证结果准确性以及提高用户接受度，一般都采用隐式。

用户的日常交互行为会产生四类关键数据：鼠标移动轨迹、链接点击分布、页面浏览流、页面停留时间。通过用户的行为能反映用户的观点，同时利用访问的网页次序可以找出网页之间的隐性关系。

收集数据

Web服务器的日志（用户会话记录）

Web trends或类似的第三方共享软件（客户端分析，流量分析，可用性分析）

自己开发的第三方软件/插件（需求自定义）

大型网站通常会把以上三种方法组合应用，大致原理就是给进入网站的用户赋予身份识别，每次产生交互动作就向服务器发回请求，通过时间和页面判断连接各个请求点并且记录下来。（算法不讨论）

过滤数据

明确目标，定义核心数据。

界定用户行为，利用多数人的行为来消除个人行为的主观性。

对用户进行归类，确定数据类别。

大型网站每天所产生的数据量是惊人的，所以常规需求一般都是定时或定量的分析。另外，额外的数据处理会减慢网站的速度，搜集的数据越多，潜在的负面影响越大。

习惯分析

对用户浏览过的页面进行内容分析，根据信息主题对页面进行聚类。

聚类过程中除了考虑页面内容相近程度，还应该考虑页面路径。

把用户浏览行为对其兴趣的作用列入聚类结果，得到综合评估模型。

用户兴趣分偶然和稳定两种情况，其中偶然可以认为是随机变化的，稳定的挖掘又有基于内容和行为两种方式，在内容上表现有重复度、相似度等，在行为上表现有停留时长、点此次数、拉动滚动条次数等。

实际案例

类似系统、浏览器、分辨率的客户端分析，常见而且简单，略过。

关于鼠标轨迹、点击分布的可用性例子：

跟踪用户在进行检索时的鼠标移动轨迹，可以获取用户操作的先后顺序、热点功能、动作曲线等一手数据，这些都是改善或简化表单的重要参考。

在重要的页面进行详细的点击分布监控统计，主要检查信息呈现的易用性，看看有没有偏离设计初衷，经常更新，找到规律。

处理特定用户行为、用户群、用户来路的任务流例子：

监控分布式注册流程，能够看到有多少用户填了表单、填完了表单，或者在某个步骤有异常流失。

监控不同模块入口过来的注册用户，能够统计出各模块导入的有效注册量、百分比、成功率，以便合理调配资源。

监控投放广告过来的注册量、注册成功率、转换付费用户成功率，以便明确广告的投入产出比。

监控用户的纵深浏览行为，是测试导航可用性很好的办法，也就是说用户会不会在你的网站内迷路？

结束

再次强调，这里的讨论仅限于后期研究的隐式挖掘，就是不去惊动用户，不让用户察觉的方法，完全通过技术手段拿到我们想知道的数据，再通过理论分析来改进产品。

之前在某上市公司全程参与了类似系统的开发，最艰难的部分还是在如何获取数据的基础建设阶段，但终归是一劳永逸的事情，对以后的发展有益无害。

贯穿整个产品生命周期的用户研究

首先并不是只有在开发阶段才进行用户研究，用户研究应该贯穿到整个产品生命周期中，这也是我们为什么说可用性测试应该伴随整个产品生命周期。更重要的是，在不同的阶段，用户研究有不同的重点和方法。

定性分析和定量分析

定性分析对于用户研究来说更为重要和有效，成本也较低。定量分析往往需要大量的数据，数据提炼是一个非常痛苦和漫长的过程。但是，定量分析在决策支持上面的作用，定性分析是无法取代的。在各个阶段，这两种分析方法是交叉使用的。另外，纯粹的定量分析在一些问题上无能为力，最直接的比如：用户的需求是什么？

开发期的用户研究

也就是整个产品的最早期。首先需要知道：

* 谁是目标用户？

* 产品将会满足他们哪方面的需求？

然后通过一些用户研究的方法回答以下问题：

* 目标用户的需求应该如何被满足？

这是我所理解的最重要的三点——Who、What、How。当然，在大部分情况下，设计师还应当细化和提炼目标用户来满足设计需要，通过用户访谈、参考文献和主题专家访谈来了解用户的需求，这是比较常用的三种定性分析方法。

另外，在这个阶段用户研究还有一个重要的工作，就是为以后的数据分析做准备（特别是网站）。需要什么数据、什么结果，这应该由设计师、市场告诉数据分析人员。

进入期和成长期的用户研究

产品刚上线，大部分目标用户还不了解产品，除了少数前沿的、时髦的、猎奇的用户外，产品基本上没有人使用。所以进入期更多的是调整营销策略，以避免产品还没到成长期就失败了。这个时候，仍然是定性分析为主，和开发期一样，因为没有真实数据！不过放心，好的产品进入期非常的短。

成长期的用户研究非常重要。这个时候产品使用（购买）人数高速上涨，整个产品团队需要保证两点：

* 保证和提高质量

* 维持高的增长率

这个阶段以定量分析为主。保证增长，可以对人群进行细分，然后采用一些定向的数据挖掘方法（分类、估计），往往比较高效和准确。细分人群之后，可以通过定性分析的方法获得用户对产品使用的一些反馈，从而保证产品的质量、提高竞争力。

比如你的用户表里面记录了用户登录的 IP 和时间，再通过访问日志进行交叉分析，马上就可以知道用户都在干什么。而更好的解决方案是根据数据挖掘的风险函数（比如浴缸型风险），重点跟踪那些流失可能性非常大的用户，分析是否产品哪方面设计的问题导致用户受到挫折？比如用户以为注册成功后就离开了，下次过来发现其实没有注册，挫折一下。

成熟期的用户研究

成熟期看上去只是增长的不是那么快的成长期。不过在这个阶段产品已经成型，成为公司的利润来源，或者流量稳定。这个时候，用户流失会变得更明显，幸运的是，数据挖掘可以告诉你哪些用户可能会在明天离开。针对这些定量分析的结果，再通过定性分析方法，可以准确的得到为什么。

在这个阶段，产品必须通过不断创新来保证竞争力，延长成熟期的时间。所以在这里，再次需要定性分析来发挥威力。发挥什么威力？如下：

* 根据用户需求，增加新的特性，重新进入成长期

* 发现新的用户群，开辟新的市场

比如针对用户的一些需求，Sony 不断升级 PSP 固件，增加新的特性。

衰退期的用户研究

如果成熟期无法顺利延长或者不能再次进入成长期，那么产品会逐渐消亡。如果是网站的话，具体表现为：每天新用户数下降、老用户流失率增大。

战略上可能会选择淘汰这个产品，或者调整产品以适应其他用户群。如果是后者，那么又回到了“开发期”。

其他

用户研究总脱离不了定性分析和定量分析，如何合理运用是关键。比如通过定性分析可以很好的区分关联规则（Association Rule）中的可操作规则（Actionable Rule）、平凡规则（Trivial Rule）和费解的规则（Inexplicable Rule）。在这点上，定性分析优势尽现。