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

Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
T
Troy Hunt's Blog
Scott Helme
Scott Helme
T
Threat Research - Cisco Blogs
T
Tenable Blog
L
LINUX DO - 热门话题
V
Visual Studio Blog
I
Intezer
Blog — PlanetScale
Blog — PlanetScale
Cisco Talos Blog
Cisco Talos Blog
A
Arctic Wolf
C
Cyber Attacks, Cyber Crime and Cyber Security
F
Fortinet All Blogs
aimingoo的专栏
aimingoo的专栏
Know Your Adversary
Know Your Adversary
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
N
Netflix TechBlog - Medium
SecWiki News
SecWiki News
I
InfoQ
Microsoft Security Blog
Microsoft Security Blog
Project Zero
Project Zero
W
WeLiveSecurity
Microsoft Azure Blog
Microsoft Azure Blog
A
About on SuperTechFans
Recorded Future
Recorded Future
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Vercel News
Vercel News
S
Securelist
Spread Privacy
Spread Privacy
L
LangChain Blog
云风的 BLOG
云风的 BLOG
G
Google Developers Blog
MongoDB | Blog
MongoDB | Blog
Google DeepMind News
Google DeepMind News
Recent Commits to openclaw:main
Recent Commits to openclaw:main
D
Darknet – Hacking Tools, Hacker News & Cyber Security
C
CERT Recently Published Vulnerability Notes
罗磊的独立博客
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
The Last Watchdog
The Last Watchdog
Attack and Defense Labs
Attack and Defense Labs
博客园 - 司徒正美
Help Net Security
Help Net Security
L
Lohrmann on Cybersecurity
人人都是产品经理
人人都是产品经理
Forbes - Security
Forbes - Security
Hacker News - Newest:
Hacker News - Newest: "LLM"
PCI Perspectives
PCI Perspectives
博客园 - 【当耐特】
T
Tor Project blog

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,
访谈了300+客户,我的一些感想
陈果说体验「DTer · 2025-01-07 · via 人人都是产品经理

在用户体验设计中,深度访谈是一种重要的研究方法,能够帮助我们深入了解用户的真实需求和反馈。本文作者通过与300多位客户的访谈,分享了她在用户研究中的经验和感想,供大家参考。

对于用户场景半结构化深度访谈,我采访过300+客户,涉及到客户,一线客户经理,一线客服,二线业务。是我最常收集用户反馈的渠道,通过不断挖掘客户的观点和态度,挖掘客户现状的使用情况,不满,诉求,期待。用户半结构化深度访谈需要深入理解和洞察机会,具有灵活性,帮助研究者理解被访者的语境和背景,更好地解释和分析数据。对访谈者的技能要求较高及数据分析和解释的复杂性。也有不少人觉得存在主观偏见、分析过程的复杂性、样本数量限制等。下面我会详细聊聊具体的做法/想法/成效。如何避免主观形成有用的结论落到产品,信息架构,交互设计上,形成好的体验。

(图:访谈现场)

我对于深度访谈的感想

深度访谈是一种强大的工具,可以帮助研究人员获得深刻的见解,但它也有其局限性和挑战。正确使用时,它可以为理解复杂现象提供宝贵的视角。很快能了解客户的想法,观点,现状的很好的工具,比起运用定量问卷,我使用的频次更高,一来可以直接跟客户建立沟通,直接对话,听听他的话术,语气,情绪,态度等很直观的感受到,小的样本量里面很快的反馈途径。很灵活,对于问题根因的挖掘很直观,也很容易建立与客户的信任。深度访谈能够提供对参与者观点、感受和行为的深刻理解,因为它允许研究人员探讨复杂和微妙的主题。根据参与者的回答灵活调整,有助于探索未预见的主题和细节。

一、如何避免主观性带来的偏差?

不少人觉得深度访谈具有主观性,被认为是一种主观性较强的研究方法。因为访谈者的个人偏见可能影响访谈过程和结果。但是我倒觉得在没有很多人和时间的配置下,深度访谈是非常好的工具,一般1星期或者2周即可完成10人+角色分层配额样本的访谈和小结工作。

下述方法,可以在一定程度上减少深度访谈中的主观性偏差,提高研究的客观性和准确性。

  • 【多数据源验证】:通过收集和比较来自不同来源的数据来验证访谈结果,增加研究的可靠性和有效性。
  • 【引导用户表达真实想法】:建立信任,提出开放性问题,倾听和观察,使用探针等;
  • 【半结构化问题多次对话验证】:一个问题觉得有异议的,针对性进行佐证;
  • 【科学的数据分析方法】:社会科学方法论强调数据采集的科学性和实证研究的严谨性,以确保研究过程的客观性。在深度访谈中,可以采用统计学的方法对访谈结果进行分析,以减少主观性的影响。
  • 【标准化的访谈流程】:建立标准化的访谈流程和问题,减少访谈者个人风格对访谈结果的影响。这包括使用结构化或半结构化的访谈指南,确保每个参与者都被问到相同的问题,以便于比较和分析。
  • 【训练和监督】:对访谈者进行适当的训练,确保他们理解如何避免主观性偏差,并在访谈过程中进行适当的监督和反馈,减少个人偏见的影响。
  • 【透明度和可重复性】:确保研究方法和过程的透明度,允许其他研究者重复研究过程,验证结果的一致性和客观性。
  • 【反思和自我监控】:自我反思,识别并记录可能影响研究的个人偏见在分析和解释数据时考虑这些因素。
  • 【避免访谈者的主观】:在访谈结束后的分析阶段,邀请其他人员参与资料分析。不同的人有不同的观点和视角,多人一起分析可以发现自己可能忽略或者曲解的部分。同时,对自己的分析过程和结论进行反思,检查是否存在不合理的推断或者过度解读的情况;

二、如何将访谈的内容形成策略落在市场/产品体验/信息架构?

这是一个相对复杂的问题,因为很多用户研究懂一些产品,不懂交互,不懂信息架构,更不知道怎么助力视觉,反之3个岗位也不知道怎么开展用研工作,运用用户洞见完善和提升体验。因此很多人拉上交互设计参与用研过程,让他知道直接感受,听听意见/建议/看法。

1. 关于优化产品/体验的调研

产品体验,改进/新增产品功能,跟进不同的目的梳理对应的访谈大纲,聊聊客户对于现有产品功能使用情况,对于现状需求是否满足,对于未来改进的期待和诉求,根据相关的访谈内容,梳理产品机会形成策略。

【分析数据】:完成访谈后,对数据进行整理和分析,识别出重要的主题和模式,并进行比较和解释。

【问题分析】:对反馈的直接问题进行梳理和分类,反馈问题数据统计,趋势分布情况;对于问题象限分析,拉起利益工作者共创问题的根因,问题大小定义,排序及问题共创解决跟进。

【用户研究小结】:反复阅读,归纳主题,提炼观点,如产品使用体验可分为功能体验、情感体验等主题,分析各主题下观点和规律,总结发现和结论,为后续研究或决策提供依据,如改进产品设计或制定营销策略。

(图:产品机遇)

2. 关于信息架构改版的调研

信息架构是用户体验设计的骨架,确定了产品或服务的信息结构和布局。通过类别和属性分析、用户流程分析、信息结构模型等方法设计信息架构,并使用数学模型公式计算信息的相关性和相似性。

  • 【用户流量路径】:根据用户描述的操作流程和优先信息获取的顺序,我们确定整体的信息架构和不同场景下的
  • 【占比】:整体用户反馈中的统一用户流量路径反馈的数量占比如何,趋势分布如何;

3. 关于市场需求的调研

基于原先设想的用户场景进行梳理,针对用户对于它的场景描述进行访谈,所在场景下的需求是怎么样的,使用情况如何等将半结构化访谈中得到的消费者反馈转化为产品开发和市场策略改进的步骤,可以将半结构化访谈中得到的消费者反馈有效地转化为产品开发和市场策略的改进,从而更好地满足市场需求和提升竞争力。

  • 【分析消费者反馈中的问题和需求】:根据消费者反馈制定针对性的产品改进计划,分析反馈中提到的问题和需求,如功能改进、用户体验等。
  • 【制定具体的产品改进方案】:设定产品改进的目标和预期效果,包括产品问题、功能改进、改进目标和用户需求。
  • 【了解市场需求及竞争对手情况】:通过市场反馈了解消费者对产品的需求和期望,以及竞争对手产品的优势和劣势,确定产品的特点和定位,并进行针对性的调整。
  • 【改进产品设计与功能】:根据消费者反馈发现产品的不足之处,并进行改进,如设计、功能、性能等方面的改进。
  • 【定价和营销策略调整】:利用市场反馈提供关于产品定价和营销策略的参考意见,确定合理的定价和制定有效的营销策略。
  • 【开拓新市场和产品线】:通过市场反馈发现潜在市场和新的用户需求,开发新产品或改进现有产品,以扩大市场份额。
  • 【进行SWOT分析】:对产品在市场上的优势、劣势、机会和威胁进行分析,以便制定相应的策略。
  • 【风险评估】:识别市场进入的风险和挑战,以及可能的风险缓解措施。
  • 【推荐策略】:基于市场调研和分析结果,提出具体的市场策略建议,包括品牌建设、产品改进、市场扩张等。
  • 【持续优化】:利用用户评论推动产品改进,包括收集用户评论的渠道、分析用户评论、制定改进计划、反馈用户改进结果以及持续优化。

三、确立了明确的访谈流程

1. 访谈前

【明确业务诉求/目标】,输出体验/研究目标/验证指标;确定想要探讨的问题,并将其分成主题或话题;

【编写访谈计划和大纲】:

【确定人群】:收集现有用户情况(数量/特点/分布情况)进行角色分层,配额,确定抽样人群;

【开展用户招募】,筛选确定目标用户,用户访谈排期等;

2. 访谈中

【开场建立关系】:

【记录】:记录访谈过程,可以使用录音设备或笔记。

【提问与引导】:按提纲提问,先从简单、开放性问题开始,如“能谈谈您最初接触这个产品的情况吗?”根据回答灵活追问细节,像“您提到使用时有困难,能具体说说是什么样的困难吗?”,保持中立态度,不打断或引导特定方向回答。保持中立和开放的态度,鼓励被访者自由表达。遵循访谈指南,但同时也要灵活调整问题顺序和深度,以便更好地理解被访者的观点。通过主干进行对话的深入沟通,不断延展问题。访谈者先自我介绍,营造轻松氛围,比如“非常感谢您抽出时间,咱们就像聊天一样,您可以畅所欲言”明确需要录音文字记录等。

3. 访谈后

【分析数据】:完成访谈后,对数据进行整理和分析,识别出重要的主题和模式,并进行比较和解释。

【问题分析】:对反馈的直接问题进行梳理和分类,反馈问题数据统计,趋势分布情况;对于问题象限分析,拉起利益工作者共创问题的根因,问题大小定义,排序及问题共创解决跟进。

【用户研究小结】:反复阅读,归纳主题,提炼观点,如产品使用体验可分为功能体验、情感体验等主题,分析各主题下观点和规律,总结发现和结论,为后续研究或决策提供依据,如改进产品设计或制定营销策略。

(图:目前的访谈输出)

三、前中后台的用户做访谈时候有什么区别?

1. 客户端

【访谈目的和内容】:访谈通常更侧重于用户体验和界面交互,关注用户如何与产品直接交互及他们的直观感受和反馈。

【访谈方法】:可能更多采用情景访谈法,通过模拟实际使用场景来收集用户的行为和体验数据。

【访谈深度】:访谈可能更注重用户的情感反应和个人偏好,探讨用户对产品的第一印象和使用感受。

【用户样本设计】:样本可能更注重多样性,覆盖不同用户群体的使用习惯和偏好。

【访谈环境和氛围】:可能更倾向于在用户熟悉的环境中进行访谈,如用户家中或公共场所,以减少用户的紧张感。

【沟通方式】:沟通时要使用通俗易懂的语言,避免过多的专业术语。因为他们可能不熟悉产品背后的技术细节和业务流程,更多是从日常使用的角度来反馈。

2. 中台客户经理/客服/产品经理

【访谈目的和内容】:访谈可能更关注业务流程、数据管理和内部协作,探讨用户如何使用系统来优化工作流程和提高效率。

【访谈方法】:可能采用半结构式访谈,结合既定问题和灵活的问题顺序,以适应业务流程的复杂性。

【访谈深度】:访谈可能更深入到用户的工作流程和决策过程,了解用户如何平衡不同的业务需求。

【用户样本设计】:样本可能更注重典型性,选择有代表性的用户以挖掘更多有价值的业务流程信息。

【访谈环境和氛围】:可能在办公室或工作场所进行访谈,以便更好地理解用户在实际工作环境中的行为。

【沟通方式】:可以适当使用一些行业术语,确保对方能够理解。他们对业务有一定的专业性,但不像后台用户那样专注于技术底层。

3. 后台二线业务/技术人员

【访谈目的和内容】:访谈可能更深入到技术层面,包括系统的稳定性、安全性和维护性,以及如何支持前台和中台的业务需求。

【访谈方法】:可能更倾向于全结构式访谈,因为后台操作往往有固定的流程和规范,需要按照既定的顺序和题目来完成。

【访谈深度】:访谈可能更关注技术细节和系统架构,探讨用户如何管理和维护复杂的技术环境。

【用户样本设计】:样本可能更注重专业性,选择具有特定技术背景和经验的用户。

【访谈环境和氛围】:可能在技术环境中进行访谈,如数据中心或控制室,以便于讨论技术细节。

【沟通方式】:可能需要使用专业的技术术语进行沟通,因为他们熟悉业务/技术细节,这样能够更精准地交流关于业务/技术方面的想法和问题。

四、写在最后

通过半结构化深度访谈与300多家客户互动的经验,深入探讨了如何从客户反馈中提取宝贵见解,并将其转化为产品体验、信息架构和市场方向的实际改进。

概述半结构化访谈的流程,强调了在访谈前、中、后与不同背景客户沟通的重要性,及如何根据客户的特点调整访谈策略。进一步讨论了如何避免主观性带来的偏差,提出了保持中立、积极倾听和客观分析客户反馈的方法。

如何将调研结论落到实处,详细介绍了将客户反馈转化为具体行动的步骤,包括产品功能的优化、信息架构的调整和市场策略的制定。展示了半结构化深度访谈不仅是一种收集数据的工具,更是一种推动产品和市场发展的强大动力。

作者:陈果说体验,公众号:Design Thinker

本文由 @ DTer 原创发布于人人都是产品经理。未经作者许可,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。