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

奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
博客园_首页
大猫的无限游戏
大猫的无限游戏
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
Apple Machine Learning Research
Apple Machine Learning Research
B
Blog
B
Blog RSS Feed
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
P
Proofpoint News Feed
MyScale Blog
MyScale Blog
Engineering at Meta
Engineering at Meta
量子位
H
Hackread – Cybersecurity News, Data Breaches, AI and More
T
Tailwind CSS Blog
Stack Overflow Blog
Stack Overflow Blog
N
Netflix TechBlog - Medium
T
The Blog of Author Tim Ferriss
U
Unit 42
aimingoo的专栏
aimingoo的专栏
博客园 - 叶小钗
博客园 - 【当耐特】
云风的 BLOG
云风的 BLOG
博客园 - Franky
博客园 - 聂微东

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,
一套十分实用的用户研究方法,适合3年以内产品经理,建议收藏
老余AI副业笔记 · 2025-01-02 · via 人人都是产品经理

在快节奏的互联网时代,产品经理们常常面临着如何深入了解用户需求、优化产品体验的挑战。本文将带你走进用户研究的世界,帮助你更精准地识别用户画像,更有效地收集用户反馈,以及更科学地分析数据。

01.用户是谁

前两天销售突然问我:买我们产品的用户是哪些人啊?

我说:不是那些制造业、服务业的老板吗?

他说:可以再细致一些吗?比如多大的企业,年销售额多少?年龄多大?在哪些城市?使用电脑熟练吗?为什么要买我们的产品?使用频次怎么样?

诸如此类的。

只记得当时脑子有点乱,一下子要很清晰的回答那么细,也答不上来。

02.模糊的客户印象

事后回想,答不上的原因只有一个,那就是对客户的认知不够具象化。

也就是说,脑子里对客户只有一个大概的模糊的印象,比如年龄大概30-60岁之间,年龄跨度非常大。

他们中很大一部分连清理回收站里的垃圾都不会,对这部分群体而言,使用电脑本身就是一件难事,还要让他们来学习如何操作使用SaaS系统,总觉得在为难他们。

仔细思考了以后,才意识到我已经很久没有在一线跟客户打交道了,很多需求都是被动的推送过来,而不是我们去主动的跟客户链接而得到的。

想到这里,感觉一阵恐慌,庆幸现在还有那么多客户愿意相信我们,继续使用产品,这是一件多么“幸运的事情”。

03.靠近用户

意识到这个问题后,就想着多靠近靠近客户,多听听他们的诉求是什么,现在这个产品真的能解决客户目前遇到的问题吗?到底能给客户带来什么价值?

基于以上这些,就去找了一些具体的用户研究方法,经过一段时间的调整,产品的大方向又变得清晰起来。

具体是哪些方法呢?

1. 去现场

我们的客户每个月都会有很多新老客户过来公司,我都会和其他的几个小伙伴去现场辅导客户使用产品。

在现场总能发现客户出现一些很“奇葩”的问题,就算我们测试了很久,还是没想到会出现这种问题。

其实说白了,是我们在设计的时候没能完全覆盖到具体每个客户实际使用的场景,也就是对客户的实际使用流程了解的不够深,才会造成客户在现场出现的困境。

不过话又说回来,就算你能想清楚、覆盖全所有的客户应用场景,公司对应的资源是有限的。

只是,我们虽然没想到,但是当客户遇到的时候就要及时想办法避免或减少这类问题的发生。

重点是解决问题,再去想一套实际可落地的解决方案。

2. 用户访谈

除了去现场,我们还会定期邀请正在使用的客户进行面对面访谈。

交谈过程中,基本不会去引导客户讲什么。而是让他们一点点的讲清楚使用流程,包括开始的第一步、第二步、第三步,一直到完整整个流程。

就拿发布视频作品来讲,客户首先是要写文案,去哪里写?怎么写?写出来后去哪里用?然后是去找素材,做视频,发布视频。最后才是查找视频作品的数据反馈。

基于这样一个详细的工作流,我们从他们的流程中去找客户使用过程中存在的卡点,重新思考产品的使用的流程,最终去梳理解决方案。

一般这样下来,都会很方便的知道用户的卡点,对于后续的产品迭代是有非常大的帮助的。

这种方式也是我们用的最多的,也是效率最高的一种,缺点是难约客户,比较耗费时间成本。

3. 数据反馈

数据反馈也是比较常见的一种方式,通过后台数据的变化,反过来推测客户目前可能遇到的问题。

像我们用的比较多的是定期调出某段时间客户的使用数据,针对数据去做产品方向调整。

比如对需求排优先级的时候,其中一个参考标准就是价值。那些对大客户或大多数客户有价值的功能一般都会排在最前面,毕竟这些功能更新上去以后,能极大的提高客户的使用体验和用户价值,我们团队也能收获正向反馈,那就必须要优先去做。

这种最容易被忽略,效果没有前两种那么直接、高效,但也是一种经常要去做的事情。

04.小结

如果你们遇到跟我类似的情况,要赶紧警醒下自己。长时间的离客户太远,是一件很危险的事情,产品会很容易走偏,对用户的“伤害”越来越大,却不自知。

要多跟客户进行“互联”,就像朋友一样。如果离得太远,感情终归会变淡。

双方连接起来,经常去同用户沟通,去熟悉他们的偏好、行为习惯、遇到的问题、期望的东西、了解需求的场景等等。

接着去挖掘出用户背后深度的痛点,如此,才能更好的为他们提供更好的产品体验,以及解决他们真正遇到的问题。

本文由人人都是产品经理作者【产品成长日记】,微信公众号:【产品成长日记】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Pexels,基于 CC0 协议。