惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

L
LINUX DO - 最新话题
C
Cyber Attacks, Cyber Crime and Cyber Security
G
GRAHAM CLULEY
T
Tenable Blog
T
Threatpost
C
CXSECURITY Database RSS Feed - CXSecurity.com
I
Intezer
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
D
Darknet – Hacking Tools, Hacker News & Cyber Security
K
Kaspersky official blog
Security Latest
Security Latest
P
Privacy & Cybersecurity Law Blog
Google Online Security Blog
Google Online Security Blog
SecWiki News
SecWiki News
P
Palo Alto Networks Blog
TaoSecurity Blog
TaoSecurity Blog
Webroot Blog
Webroot Blog
Spread Privacy
Spread Privacy
O
OpenAI News
The Last Watchdog
The Last Watchdog
P
Proofpoint News Feed
C
Check Point Blog
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
人人都是产品经理
人人都是产品经理
S
Security @ Cisco Blogs
Scott Helme
Scott Helme
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
月光博客
月光博客
S
Securelist
酷 壳 – CoolShell
酷 壳 – CoolShell
V
V2EX
T
Troy Hunt's Blog
W
WeLiveSecurity
GbyAI
GbyAI
N
News | PayPal Newsroom
Y
Y Combinator Blog
C
Cisco Blogs
H
Help Net Security
The GitHub Blog
The GitHub Blog
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
博客园 - 【当耐特】
Jina AI
Jina AI
MongoDB | Blog
MongoDB | Blog
P
Proofpoint News Feed
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
云风的 BLOG
云风的 BLOG
小众软件
小众软件
N
News and Events Feed by Topic

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
用户研究方法一:如何设计高质量B端调研问卷?(附调研问卷模板)
B端设计情报局 · 2022-08-25 · via 人人都是产品经理

B端设计师在日常工作中,难以像产品经理那样深入用户,了解更加全面的需求。因此 ,深入业务,了解用户价值,是B端设计师对产品升级及优化的一大突破口,当中会涉及到用户研究。本文分享了其中的一种方法:问卷调查,希望对你有所帮助。

前言

B端设计师在日常工作中一定遭遇过以下3个痛点:

  1. 视觉价值权重低—>能看就行
  2. 体验优化权重低—>能用就行
  3. 改版重构阻力大—>能跑就行

因为工作流程的缘故,B端设计师很难像产品经理那样深入了解业务全貌,做需求往往陷入“知其然而不知其所以然”的困境。想要寻求价值点,去做一些突破的难度可想而知。因此深入了解业务是每个想突破的B端设计师必做的功课。

在这个过程中,就会涉及用户研究,本文也会和大家分享其中的一种方法,问卷调研。

首先我们先了解下产品在常规优化或者体验升级时,通常会采用的3种手段:

1. 同理心代入

方法:想象自己就是用户,在某个特定场景下会完成某个操作的路径,该路径是怎样的?是否有卡点?

弊端:ToB的业务场景非常复杂,设计师很难感同身受的去理解用户。因为一个功能易用度的判断,是需要结合角色定位+使用场景+使用诉求去考虑,尤其是使用场景的千差万别是没办法感同身受的。

2. 取长补短

方法:顾名思义就是拆解对比竞品的功能点以及操作链路,这也是最便捷的一种方式,选择已经被市场验证过的方案,补齐自己的短板。

弊端:该方法最大的弊端就是自身的产品一直处在模仿补齐的阶段,并不能主动打造产品自己的核心竞争力。

3. 用户研究

方法:通过已知的信息去挖掘潜在的需求,问卷调研就是一种很值得大家尝试的手段。

问卷调研是其中一种成本低、效率高的调研方法,并且调研结果更精准更具指导性。

近期针对我们的POS产品做过一次问卷调研,在不断的研究探索过程中我也收获了一些心得体会,跟大家分享一下本次调研的一些方法和经验,希望给大家提供一些思路。

本文将根据以下结构给来阐述整个流程:

一、关于问卷调研

1. 什么是问卷调研

问卷调研是收集用户真实反馈的一种研究方法。他的本质是通过一系列的问题调查,收集用户对于某个功能模块的使用感受或者态度想法。

谈到问卷调研,就会涉及到两个名词叫做定性研究和定量研究。

比如组织产研团队到门店进行回访调研就属于定性研究,样本量小针对性更强,收集到的一手信息更有价值。而线上问卷的形式就属于定量调研,样本量比较大、成本也低,收集到的信息更具备优化方向性。

从载体区分,调研问卷的触达形式通常有两种,纸质问卷和网络问卷。因为触达便捷的原因,通常采用网络问卷的形式。

从调研目的区分,问卷分为满意度问卷和产品使用基本情况问卷两种。实际在使用过程中,题型也会互相穿插一下。

2. 设计师为什么要做问卷调研

为何要做问卷调研的原因总体归纳有两点。

1)第一点从工作流程出发,为自己争取更多的主动权

因为设计师在整个工作闭环里处于比较下游的环节,通常是作为资源方被安排。尤其是B端复杂的业务,如果我们对业务一知半解,还停留在功能的理解层面去做设计,甚至是在视觉层挣扎,那其实这个岗位的价值感就很低,因为目前市面现有的开源组件就非常的丰富,视觉发挥空间很有限。

2)第二点从设计师的职业定位出发,不再单纯的基于感性做设计

去了解一些用研手段的目的,并不是要求要精通于此,而是通过一些数据支撑,发现有价值的机会点,让我们的优化思路有理可依。

目前,大多数设计师会采用同理心代入以及取长补短的竞品研究方法做设计,而用户研究方法就区别于前两种,通过该方法获得的信息更精准,并且得出的一些结论是具备方向性的,可以挖掘产品某个核心模块的操作卡点,确定优化重心。

下面我们将重点分析下问卷调研的方法与优势。通过对问卷结果的分析比对,可以得出发掘一些槽点重灾区,让我们的产品优化方案从感性趋于理性,有数据作为支撑也更容易获得团队的认可,推动优化方案落地。

二、准备工作

1. 明确调研目标

因为问卷提问的局限性以及B端产品本身的复杂性,我们是无法通过一份问卷了解多个模块的问题。一般是建议针对单一模块中的1-2个核心链路进行深挖调研。

这个调研的目标可以来自业务方,比如某个模块的核心功能需要提升效率,也可以来自某次更新的满意度调研。整个问卷也是围绕这样一个核心目标展开问题设计。

比如我们这次的调研目标是需要了解门店服务员在开台>点餐>环节中遇到的问题卡点主要集中在哪里,我们可以围绕这样两个点进行调研:

1)卡点问题挖掘:根据开台到买单环节中常用操作进行问题调研,发现问题集中点

2)产品更新验证:根据一些新版本的优化点进行视觉+体验的提问

2. 目标用户

B端产品通常会有多个角色使用,每个角色会有固定的使用模块。并且该角色可能因操作权限的限制、或者工作范围的原因,只了解自己职责范围内的涉及到操作功能。

因此在设计问卷的时候,我们需要明确知道什么角色会使用该功能,针对这些角色进行问题设计。并且在题目之间需要设立逻辑关系进行跳转。

后期在进行数据清洗的时候,也可以剔除不符合条件的数据。

3. 产品问题收集

产品调研设计问卷绝不是设计侧或者产品侧一方能独立完成的事情,我们需要去各方了解产品目前集中的问题点。这个环节其实和我们的产品迭代优化是类似的,需要多方参与确定问题。

4. 工具选择

知道调研的目标、调研的对象以及调研问题的收集,下面即将进入问卷设计环节。

问卷设计通常采用第三方平台作为载体,目前可用作问卷调研的平台工作很多,比如问卷星、腾讯问卷,这边我采用了老牌的调研平台问卷星。

三、设计问卷

1. 问卷框架结构

一般来说,问卷的题目不建议过多,尽量控制在3分钟以内,或者15题左右。

在《匹配度》一书中,描述题型设计上需要循序渐进,问卷的框架可以从整体到细节、行为到心理、客观到主观的层次来设计,切忌一上来就抛出难度很大的问题,很容易劝退受访者。

我们了解了问题的设计节奏,以及提问的维度,那么具体在设计问题的时候,我们应该怎么去描述具体的问题呢?

将上面的拆解细化后,其实就可以围绕3个核心去提问:

1)是谁用?–>背景:基本信息

通过基础信息对用户进行筛选,主要提问的内容有岗位?年龄?使用频率?使用模块/机器。

2)好用么?—>客观:操作感受

该环节主要为打分+多选环节,从整体到细节的打分,通过分值高低来判断用户在各个环节的使用满意度,以此作为依据判断功能点的易用性。

3)怎么改?–>主观:用户心声

这一块的问题设置通常就是聚焦某个操作进行提问,常用题型可有单选、多选、填空类型,其目的也是为了深度挖掘用户的意见以及了解他们期待的方向。

2. 题型选择

问卷的题型大致分类有选择题、填空题、矩阵题、评分题、个人信息等。我们在设计问卷的时候可以根据自己的实际需求进行题型选择。大致常用的题型有以下几种:

3. 注意事项

1)控制问题数量

为了尽可能平衡用户的填写成本与问卷回收的有效性,问卷的题目数量一般保持在15道题目左右,回答时间3分钟。

2)避免敏感性问题

提问的时候避免直接问关于隐私度很高的问题,比如门店的营业额流水、毛利、净利等。

3)提问方式保持一致

提问的时候尽量是一个维度的提问方式,尽量避免同个问题不同维度的选项描述。

4)选项穷举

题型的选项必须穷举,避免受访者出现没有合适的选项而随机选择,导致影响最终的准确性。

5)鼓励提示

在倒数第3-4题的时候,文字给出提示,比如“马上就要结束啦”,缓解用户回答的焦虑感。

6)留下联系方式或商户名称

我们在给ToB产品做问卷的时候,建议预留入口,可留下商户真实信息或联系方式。ToB的用户基本都是花钱购买的服务,更关注这种售后的服务体验,并且预留联系方式的好处还有3点。

  • 对于商户在问卷里反馈的一些问题,可以及时找到PMO或者顾问跟进处理
  • 可以更好的根据商户的体量以及答题情况综合分析
  • 可以归纳分析出本次问卷遗漏集中反馈点,总结后有助于下次设计问卷更深入

4. 问卷示例模板

综上所述,我们可以整体分为3大块去填充问卷内容,问卷重点也是在第二块。

四、问卷发放

C端问卷由于用户体量大以及产品内部有多处预留问卷的入口,发送回收会更容易点,数据量也会更大。

而B端问卷的鉴于发放路径和用户体量的限制,更建议找运营、客服团队进行有针对性的投放,将链接发给我们的目标用户进行填写。

五、数据清洗分析

1. 清洗筛选

初始数据下载后,可以通过Excel进行筛选分析,尤其是B端问卷量小的情况下,筛选数据变得不再那么难。

可以通过简单的维度来判断问卷的有效性。比如根据回答时间过短,或者打分题目呈现规律性等,通过这样比较简单的方式剔除无效样本。

2. 分析工具

目前比较常用的分析工具有Excel、SPSS等。我们可以用平台自带或者Excel的图表的分析能力进行单一维度的分析,也可用SPSS中的部分能力进行两个维度交叉分析。

例如可以在问卷星就可以在平台自带的功能里进行简单分析,或者数据导入到Excel当中进行简单分析。

进阶一点的,可以选择SPSS当中的一些基础功能进行两个维度的交叉分析。

3. 分析维度

1)单一维度

我们在设计问卷的时候的分析会有一些单维度即可分析的数据。比如用户的年龄、地域分布、使用时长占比分析,或者是打分题目的分析

2)交叉维度

在进行了单一维度的分析后,我们可以针对这些结论结合起来,进行交叉维度的分析。这种交叉分析的办法有点类似于去重。

例如提问用户在XX模块使用频率最高的功能占比和影响XX速度的原因占比,二者结合分析,可以知道某些功能用的多并且影响效率的原因也很大。

3)整理归纳

在问卷里会设置开放回答环节(填空题),这边会收集到各种各样的答案。这种开放式的答案是没有统一标准去分析的。

因此我们需要整理归纳出用户大致的问题类型,可以采用表格+思维导图的方式整理,便于后期将有价值的问题点进行排期优化。

六、报告产出

报告的结构通常可以分为5块:

  1. 基础情况与结论:调研目的、模块、对象以及回收情况
  2. 各环节满意度打分:单一维度、交叉维度的分析打分
  3. 各环节使用卡点分析:交叉维度的分析比对,原因总结
  4. 用户心声:这边包含了开放问答以及问卷当中设置的一些竞对使用情况总结
  5. 后续规划:有了研究与结论,肯定是要落地形成闭环,给出优化的方案和大致排期

汇报的时候按照以上5个模块步骤来呈现,从如何发现问题,到结合调研结果给出策略,让产品后期的设计优化不再单纯的停留在感性阶段。

结尾

产品的体验优化一般都是对细节功能点进行优化,看起来工作量以及成就感不如项目重构,但是达到的效果往往很超预期。

如果能够解决用户1-2个致命痛点,这样的产品好感度会明显大于视觉层大刀阔斧改动后带来的体验。不过目前常用的几种用户研究方法都有各自的特点和局限性,比如,本文分享的问卷调研,通常是只能作为辅助手段来研究。

这边想给大家推荐一本关于用研的书《匹配度》,通俗易懂的了解到如何挖掘用户需求的全流程方法,属于非常实用的工具宝典。

我们不需要做到专业数据分析师那样的程度(也很难做到~),而是通过各种手段挖掘有价值的需求点,尝试成为owner,做一个自燃型的设计师,而不是仅仅只是可燃型。

本文由 @B端设计情报局 原创发布于人人都是产品经理,未经授权,禁止转载

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。