用户是如何把天给聊死的?

访谈在用户研究工作中的基础性与重要性毋庸置疑,但是在实际的访谈中,出于各方面的因素,用户很容易会把访谈的话题聊死,经常导致我们无言以对,从而无法从用户身上获取真实有效的信息。

本文要解决的一个问题就是:面对用户的一些无效/宽泛/抽象的回答,如何正确的引导与追问。

什么叫做用户把天给聊死了?

我们所从事的移动物流行业,产品的使用者为货车司机,由于很多货车司机的表达意愿与表达能力比较差(其实还有川普等各地方言,大中华区域辽阔真恨自己没有多学几门语言),非常容易把天给聊死了,比如:

用研:为什么你会使用这个软件?
用户:你们工作人员给我装的/忘记了/随便用用…

又比如:

用研:你觉得这个软件怎么样?
用户:感觉不错/不知道啊/没想过/还行吧/额…说不上来

以上的对话情境相信大家都非常熟悉,这种现象基本上可以总结为:无法给出具体、详细的语言反馈,从而把天给聊死了。

这种情境之下,如果研究员没有经验的话,就不知道如何进行下去了,可能会直接进入下一个问题。

这会造成什么结果?

我们做研究主要解决的是两个问题:需求和用户

需求:问题,行为,原因
用户:属性,场景,频次

这个也基本上可以理解为我们大部分研究的研究目的。

而我们从用户那边获取的原始信息是:Goal / Do / Think / Feel即基于用户目标的用户行为、用户观点和用户态度。

1 数据来源

若我们无法越过这些抽象、宽泛的回答去获得详细细节,则对于我们的洞察、转化都无法产生帮助,即无法完成我们的研究目的,最后可能产出的是一些泛泛而谈的观点,一份浅访的报告。

判断的核心标准

那么一个回答是否具体详细有哪些标准?

  1. 所有说法都要有定义(区分形容词和动词)
    比如所有的形容词,应该是有定义的,如“不错”应该指出“到底是哪里不错”或“解决什么问题的时候是不错的”。

  2. 所有的判断都要有例子(区分事实和观点)
    比如觉得“这个软件很好”,应该有事实例子来说明自己是如何得出“软件很好”这一结论。

  3. 所有的操作都要有原因(区分结果和原因)
    比如用户做了下载动作,应该明确用户下载之前的动作,如动机,场景。同时应该明确下载以后的动作,如第一个行为,下载的目标。即,你从哪里来,要到哪里去,这些都是有因果关系的。

可能的原因

我们可以把用户的知识从两个维度进行区分:知道/不知道、说出来/没有说出来:

2 用户的知识
  • 知道且说出来:这个维度的信息容易获得。基本上只要你开口问,都会获得,但是一般只是一些比较表面浅显的内容,即通过问卷法都可以获得一些行为及态度信息。

  • 知道但不想说出来:这个维度的信息较难获得。需要去转移用户的压力和注意力,这样才能获得这些维度的信息。

  • 不知道但是说出来:这个维度的信息较难获得。需要用研去帮户用户去梳理。这个维度需要筛选谎言信息的存在。

  • 不知道且说不出来:这个维度的信息最难获得。除了帮助用户梳理,还需要经常性使用一些投射的技术。

我们一般获取的浅显信息就是知道且说出来的,但是我们更多想知道是:知道但不想说出来的,不知道但是说出来,不知道且没有说出来这三个象限的内容。

这三个象限的内容往往很容易出现前面说的“抽象而且宽泛的回答”。这里面可能有各样的原因:

  • 用户自己没有思考这些问题

  • 用户思考过,但是记不清楚

  • 用户思考,但是没有理清楚逻辑

  • 用户觉得很难回答

  • 用户觉得这些问题很白痴

  • 敏感信息

  • 社会赞许认同方面的考虑

这些可能的原因都是可以一一对应到上图的三个维度中。这些原因都是从用户角度来说,而作为一名用户研究员,应该从自己角度找问题,那么原因就变成:
访谈者没有提出一个好的问题

解决方案

那么面对这种状况的时候如何以正确的姿势应对,并提出正确的问题呢?
1. 定义

用户:我觉得这个软件很不错
用研:你可以详细说说哪里不错吗?/解决了你什么问题让你觉得不错?

2. 激活

用户:我觉得这个软件不错
用研:有发生什么事情让你觉得这个软件不错?

3. 对比(以前/竞品)

用户:我觉得这个软件不错
用研:(以前)和之前没有使用这个软件相比,你觉得有什么变化
用研:(竞品)为什么不使用某竞品?

4. 缺失

用户:我觉得这个软件不错
用研:如果没有这个软件,你会怎么做来达到自己的目标?

5. 转移

用户:我觉得这个软件不错
用研:你最好的司机朋友在使用的话,你觉得他会怎么评价这个软件?

6. 转述(朋友/小白)

用户:我觉得这个软件不错
用研:(朋友)如果你要向一个没用过这个软件的朋友介绍这个软件,你会如何介绍?
用研:(小白)假设我是一名不了解这个软件的人,你会如何向我介绍这个软件?

总结

访谈虽然是用户研究中一个非常基础的工具,但是里面坑还是很多。今天和大家介绍的是 “什么是用户的抽象无效回答并可能造成的相应后果”,然后提出 “好的反馈的标准是什么”,最后分析可能的原因并提出相关的解决方案。

参考文献

  • 《Laddering: A ResearchInterview Technique for Uncovering Core Values》作者:Michael Hawley

  • 《打破坚冰的深度访谈》作者:袁岳

  • 《用户力》作者:郝志中

如果想要探讨相关或延伸的一些内容,请在微信公众号用户研究社中留言。

END

最后编辑于
©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 206,602评论 6 481
  • 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 88,442评论 2 382
  • 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 152,878评论 0 344
  • 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 55,306评论 1 279
  • 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 64,330评论 5 373
  • 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 49,071评论 1 285
  • 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 38,382评论 3 400
  • 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 37,006评论 0 259
  • 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 43,512评论 1 300
  • 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 35,965评论 2 325
  • 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 38,094评论 1 333
  • 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 33,732评论 4 323
  • 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 39,283评论 3 307
  • 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 30,286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 31,512评论 1 262
  • 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 45,536评论 2 354
  • 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 42,828评论 2 345

推荐阅读更多精彩内容