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

freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
爱范儿
爱范儿
WordPress大学
WordPress大学
博客园 - 三生石上(FineUI控件)
J
Java Code Geeks
Vercel News
Vercel News
aimingoo的专栏
aimingoo的专栏
T
Tailwind CSS Blog
罗磊的独立博客
B
Blog
博客园_首页
A
About on SuperTechFans
有赞技术团队
有赞技术团队
V
V2EX
U
Unit 42
I
InfoQ
IT之家
IT之家
博客园 - 司徒正美
阮一峰的网络日志
阮一峰的网络日志
博客园 - 叶小钗
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Stack Overflow Blog
Stack Overflow Blog
The Cloudflare Blog
H
Help Net Security

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,
三步搞定定性调研的分析
三余的脑袋瓜子 · 2022-10-21 · via 人人都是产品经理

与定量调研不同,定性调研没有直观的数据支撑,它需要分析的是用户行为、消费习惯、认知极限、价值观等。在调研分析工作中,如何建立一个理想的分析过程呢?一起来看一下吧。

定性调研不像定量调研那样有直观的数据支撑,需要分析的是用户行为、消费习惯、认知极限、价值观等。

那么,在调研分析工作中如何建立一个理想的分析过程呢?

01 获得最初的见解

用户研究是应用型研究,即在开始分析之前,就有对要回答的问题有明确的列表。要从这一过程中得到哪些结果,须有明确的指导方针,这是做好定性数据分析的前提。

制定一套规程,在收集信息期间就着手分析,研究过程中会产生大量的信息,当所有的调研结束之后,以免对着一堆的研究资料无从下手。

其实在最开始收集信息时,哪怕只有一丁点信息,大脑都会不自觉的尝试从中找出规律,随着获得的信息越多,规律便会越清晰,也会发现有些问题是最初没有预想到的,或是采用的方法与实际有所偏差,但不管怎么样,观察永远是第一位。

大脑自动化归纳信息,如果没有刻意记录下来,也会在后续的分析中把最初的想法抛之脑后,调研中一拿到信息就进行直觉式的观察,趁信息在脑海中还比较清晰,尽早记录,粗略、快速的分析建立一个良好的开端,也为后续的分析建立维度,从而节约后面大量的分析时间。

另外也可与小组成员讨论,这样会可以记录更具体的细节,核对解释,质疑假定,暴露分歧,从而获得更多的见解和维度。讨论时长根据对研究工具的熟悉程度,和该主题范围内的知识量及项目进度,每次讨论少则10分钟,多则1小时。

02 对信息进行整理并分类

对调研得来的信息进行整理分类也是分析的一部分,要根据研究计划来检查所提取的信息内容。

最终的目标是把所有相关的信息整理成团队可以共同处理的形式。信息整理好之后,团队成员可以同时处理不同的内容,每个人都可以轻松对信息分析。这些工作可以按调研阶段进行。

调研的原始信息包括文本、图片、音频、视频等,分三个步骤对调研资料进行整理:

1)从设备中把图片、视频、音频等导出来,建立专门的文件夹,并把重要信息做标签票房,最初的元数据可能包含三要素:拍摄时间、参与者的名称、研究人员的名称、项目名称。

2)音频和视频转录为文本文件,一些长达好几个小时的录像或音频无法逐一去看去听,需要把这些整理成文本,阅读文字比听音频或看视频的效率高,也更易于分析。音频转文字的方式有很多,如讯飞的录音器、飞书的妙记、钉钉的闪记等。另外也要把手写的笔记也要转写为文本的形式,以免丢失或遗忘。

3)把信息拆解成更具体的小单元,以便进行重新组合分析。例如深度访谈中对每个问题收集到的信息进行归类到表格中。

经过这三个步骤基本上就把信息整理的差不多了,接下来就到了分析的关键环节。

03 分析用户的行为模式

因为咱们是带着问题寻找答案的,有个取巧的办法就是用不同的方法分类信息,直到回答完全部研究问题为止。

常用的分类方法有演绎分组和归纳分组。演绎分组自上而下,在信息分组之前确认维度;归纳分组,则自下而上,从信息中提取维度。

无论是哪种归纳方法,目标都是给每组一个简短的、说明性的标签来定义该组,用于描述不同信息的特征。

对于信息分组,从细节开始检查,对于照片首先识别人、地点和图片所传达的信息,哪些是紧密在一起的?哪些是分开的?哪些是公开可见并容易获取的?哪些是隐藏或难以获得的等等。

大部分要分析的是文本信息,请仔细阅读,除了被访者提供的信息,这些内容意味着什么,可以尝试用不用的词语重新陈述。

另外常见的研究目标是对使用产品或执行行为的多种类型的人群进行识别和定义,这个目标通常可以产出很多人物角色。这里有一些维度可以了解不同人群之间的差异:

  • 价值观:价值观系统包括喜欢、不喜欢、信念以及这些元素和物体、人、生活场景之间的连结。他会认为什么是有价值的?用什么样的标准来判断?怎么评价人与物的相互关系等。
  • 心理模型:怎么理解这个世界,是对系统和组织工作机制的更详细的理解。通俗地讲就是人的思维方式和习惯。
  • 目标:他想从产品中获得什么?是如何判断成败的?
  • 行为:他通常表现哪些行为?目标是什么?什么引起他的这个行为?产生的结果是?
    理解他在做什么。在什么样的情景下做,都是设计开始的关键点。
  • 角色:他在企业中、社团、家庭中有什么作用?
  • 偏好或替代性工具:使用什么工具来进行活动或解决问题,这在竞品分析中非常有用。
  • 痛点:他在使用产品时面临着哪些困难?
  • 人口社会信息:他们的共同个人特征,如性别、年龄、收入水平等。

在整个过程中,需要用不同的维度来分析用户的偏好,根据实际情况对以上维度进行交叉分析,会得出丰富的分析结果。

总结

分三个阶段分析定性调研的内容就到这啦,总结前面的内容:

  1. 在调研过程就记录观察到的现象,并与组员讨论见解;
  2. 按调研阶段对信息进行分类拆解;
  3. 对用户行为进行多维度交叉分析。

本文由 @三余的脑袋瓜子 原创发布于人人都是产品经理,未经许可,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。