用户访谈➡️调查问卷➡️可用性测试➡️数据分析

一、定性的说——用户访谈(开放式问题)

一对一、几个到几十个用户、几十分钟到几个小时的访谈时间、几个特定的话题

用户访谈经常用在新产品方向的预研工作,或者通过数据分析发现现象之后去探索现象背后的原因。

1、做和说不一致

尽量在用户可以和产品发生交互的场合下进行

“我做了什么,步骤如何,碰到了什么问题” 之类的事实可信度高

“我觉得、我认为” 之类的观点可信度低

2、样本少,以偏概全

尽量做到随机选择样本(不随机的例子:全是本市用户、预留手机号的用户、非常愿意来参加访谈的用户)

首先,尽量识别出各种可能引起偏差的因素

然后,以增量的方式做访谈(先谈五个,再谈五个)

3、用户过于强势

要时刻牢记访谈的目的

4、我们过于强势

(1)避免一组固定的问题

(2)多问用户为什么这么做

(3)听用户说,但不要都照做

(4)避免讨论技术问题

(5)多以讲故事的方法进行

(6)避免诱导性问题:诸如“如果有❌❌功能,你会使用吗?”

用户大会(几十到几百人)——明确目的和意义——资源确定(时间、地点、人物「工作人员用户嘉宾」、材料、备用方案)——现场执行——材料整理

二、定量地说——调查问卷(封闭式问题)

净推荐值(NPS)=(推荐者数/总样本数)×100%-(贬损者数/总样本数)×100%

NPS(Net Promoter Score),净推荐值,又称净促进者得分,亦可称口碑,是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数。它是最流行的顾客忠诚度分析指标,专注于顾客口碑如何影响企业成长。通过密切跟踪净推荐值,企业可以让自己更加成功。

确定您的净推荐值是直截了当的:问您的客户一个问题-“您是否会愿意将“公司名字”推荐给您的朋友或者同事?”,根据愿意推荐的程度让客户在0-10之间来打分,然后你根据得分情况来建立客户忠诚度的3个范畴:

推荐者(得分在9-10之间):是具有狂热忠诚度的人,他们会继续购买并引荐给其他人。 

被动者(得分在7-8之间):总体满意但并不狂热,将会考虑其他竞争对手的产品。 

贬损者(得分在0-6之间):使用并不满意或者对你的公司没有忠诚度。

NPS计算公式的逻辑是推荐者会继续购买并且推荐给其他人来加速你的成长,而批评者则能破坏你的名声,并让你在负面的口碑中阻止成长。

NPS的得分值在50%以上被认为是不错的。如果NPS的得分值在70-80%之间则证明你们公司拥有一批高忠诚度的好客户。

三、定性地做——可用性测试

通过让实际用户使用产品或原型方法来发现界面设计中的可用问题

招募测试用户➡️准备测试任务➡️测试过程➡️询问(询问用户对于产品整体的主观看法或感觉)➡️研究和分析

从部分次级页面改起,新旧版本并存,小面积实验,榜上一个用户已经习惯的风格

四、定量的做——数据分析

数据来源:用户使用产品的日志、客户管理系统里的信息、网页访问情况的统计信息等

数据统计方法:Excel、统计软件、数据库软件、写程序自己解决等

能发现问题,不能了解原因

日志分析的商业价值:在对产品足够熟悉的基础上,先做出方向性的假设,在提取相应的数据并分析,得到一些现象,最好是 之前没发现的现象,然后尝试解释,接下来做用户调研修正解释,最终指导产品发展方向。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,902评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,037评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,978评论 0 332
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,867评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,763评论 5 360
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,104评论 1 277
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,565评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,236评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,379评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,313评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,363评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,034评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,637评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,719评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,952评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,371评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,948评论 2 341

推荐阅读更多精彩内容