用户调研与需求分析

一、用户需求的来源

1、需求的来源:自己、大众

2、产品经理如何了解大众的用户需求

聊天:和身边的朋友聊天,了解他们的需求

观察:对生活的观察

产品经理对用户需求的把握和捕捉,其实并不是在你学习一些技能或看一些书去获得的,而是真正在你的日常生活中不断的去观察和揣摩用户的需求获得的。汝果欲学诗,功夫在诗外。

3、如何观察日常生活?

敏感、怀疑、提问

如有一段时间抽屉式导航很火,很多app使用抽屉式导航;你是否注意到这样一个场景就是用户在座公交车时是一只手拿着手机,现在手机屏幕那么大,用户要去点击导航菜单时就比较麻烦,是否有注意到和想一想解决方法。

4、如何处理用户需求

用户提出了功能需求,不要马上去做,而要先去了解需求的动机,在判断是否要做。

保持开阔的胸襟,一视同仁;老板也是用户。

二、需求分析方法

1、判断需求靠不靠谱:角色、场景、路径;

什么角色?什么样的场景?通过怎样的途径去实现?

角色:搞清楚提出需求的这个人,他的角色是什么,他提出这个需求的原因是什么,有什么动机;

场景:需求的应用场景。比如我们在一个咖啡厅聊天,这个时候,咖啡的应用场景就是社交;

路劲:用户提出一个需求,你在设计的时候要考虑,能不能在一条完整的路径上都能满足他,而不是说,只能满足这个需求的一部分;

举例个例子,支付宝AA收款在五六年前就出现了,为什么直到最近一两年才火起来,被大大众所熟知。

首先是角色分析。AA收款这个功能有哪几种人会用?第一种,朋友一起吃饭,可能会用到。第二种,如果用户是某个兴趣团体的成员,比如某个球队的队员,他们常常一起出去踢球,也可能用AA收款。第三种,就是用户在一个相对固定的团队里,人数比较多,比如某个班的班长,常常要收班费,这样也可能用到。

再看这三种人会在什么场景下用呢?第一种,我们和朋友出去吃饭,然后AA制付款。现在已经有了当面付这个功能,付款的时候两台手机靠在一起就能转账。在当时那个场景下为什么不行呢?因为五六年前,智能手机还没普及,如果要用AA收款这个功能,就会发生这样的场景:你在一家餐厅和朋友吃完饭,先付了钱,然后回家打开电脑,挨个问朋友的支付宝账号是什么,再一个个添加好友,最后发一个AA收款的请求。这个场景实在是太复杂了,所以这种情况下,这个功能就不合适做。

再看第二种场景,对一个小团体而言,AA收款就很合适。为什么呢?因为团队是相对固定的,每次都是从这些人当中发起收款请求。也就是说,用户只要记录一次每个人的账号就可以,还是很方便的。

第三种场景,收班费。这个情况下,人数往往很多,可能没有人愿意连续输入40多个人的支付宝账号。这种体验太痛苦了,所以这个情况也不合适用AA收款。

最后的情况就是,支付宝的这个功能,在上线后很长的时间里都没有人用,因为这个需求的应用场景和完成路径并不匹配。但是,到了移动互联网的时代,AA收款就变得好用了,为什么?很重要的一个原因是,大家的智能手机里都包含通讯录,现在的AA收款不需要再去问每个人的支付宝账号是什么了。用户只要添加通讯录找到指定的朋友,就能发出收款请求,整个场景和路径都很简单。

2、只判断需求靠不靠谱还不够,想找到准确的需求,还需要两个步骤,先把所有需求都列出来并进行归类,再进行重点抓取。

拿音乐需求来举例。王诗沐发现,音乐需求分为两大类,主动和被动。主动发现音乐就是,用户主动去搜索他想听的,比如搜歌曲名称、搜歌手,或者识别环境音乐,比如用户在咖啡厅里,听到一首很好听的歌,他想知道这首歌的名字是什么。还有就是,用户也会主动去找一些新歌、当下比较热门的歌曲。

再看被动发现。比如熟人之间会交流,你最近听了什么歌啊?另一种就是意见领袖的,比如很早之前,大家都听电台的DJ,电台里放什么歌,我觉得这歌好听,就会去找。还有一种就是随便听听,用户懒得找音乐时,比如在读书或在厨房做饭的时候,可能需要听音乐。这个时候,大多数人都不太愿意去费心思找,所以他需要一个比较快的找音乐方式。

上面这些就是发现所有需求的过程,就下来就要抓重点。王诗沐就把这些列出来的需求做一个市场分析。他发现,音乐市场上已经有很多人做搜索、新歌排行榜这样的功能了,你再去做也做不出新意。但是被动需求里,像熟人推荐、意见领袖推荐,这些功能虽然有人在做,但是还不深入,就可以去试试。还有就是做得比较好但很小众的需求,比如随便听听。这类需求还有很大的增长空间,可以一展拳脚。你看,通过这种需求分析方法,王诗沐就准确抓住了用户需求,做出了一款受用户欢迎的好产品。

3、抓完需求后如何去组织需求

一个产品不可能把所有的需求都满足得特别好,也不可能把每个需求都做成一个功能,这样产品会很复杂、臃肿。就需要考虑能不能从这些需求当中能够抽象出来一种通用的功能去满足所列举的需求。

三、快速建立用户模型

用户画像主要有两部分构成:一部分是社会学、人口学方面的属性,如年龄、性别、收入;另一部分是垂直领域属性,及产品所在领域能够划分用户的属性,如工程领域:甲方、乙方、丙方。

建立快速用户模型的过程

1、获取用户需求

2、选择因子,因子是建立用户模型时用以划分用户群体的用户属性,如:年龄、性别、收入、职业等;

3、划分用户群,分为几类用户;

4、填充信息,如:对象、场景、目的、喜好、其他等;建立起用户模型。

5、根据用户模型,通过用户群的划分和重点选择,了解此类用户的特点、特征和需求;辅助产品的决策。

总结:产品经理根据自己需求选择相应的因子将用户划分成不同的用户群,填充不同用户群的行为与需求的信息,建立起用户模型,用户模型可以辅助决策与执行。过程中,若最终得到的用户模型不符合预期则可以通过不断调整得以完善,而整个过程能够帮助产品经理加深对用户的了解。

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 200,302评论 5 470
  • 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 84,232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 147,337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 53,977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 62,920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 48,194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 37,638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 36,319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 40,455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 35,379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 37,426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 33,106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 38,696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 29,786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 30,996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 42,467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 42,043评论 2 341

推荐阅读更多精彩内容