在做用户研究时，不少人可能会陷入惯性误区，或者盲目地选择了不合适的用研方法。这篇文章里，作者就总结了三个用户研究技巧，一起来看看，或许可以帮助你避开误区，提升用研的有效性。

这篇文章主要讲的是用户研究的一些方法和技巧。

正文：

我目前的角色是在Trivago优栈网（一家成立于德国的全球酒店搜索网站）担任设计师，我负责轻量级的用研活动，同时与专门的用研团队合作。目前，我已经进行了超过30场有主持的用户访谈、超过15场没有主持的可用性测试等等。

在这篇文章中，我主要想分享三个简单的步骤进一步加强你的研究之路。这些见解来源于我主持的用户研究、与研究者进行合作以及一些有影响力的阅读，例如《像用户一样思考》、《足够的研究》、《持续发现习惯》、《尼尔森诺曼集团》和一些其他的文章。

一、确定用户行为和业务指标所需的转变

在选择一个用研方法之前，先问一下你自己为什么要做用户研究。你期待怎么样的改变？避免盲目地选择用研方法，我发现自己遇到过这样的情况：由于频繁使用，我被提示进行可用性测试或者用户调查，意识到这可能不是最合适的用研方法。

因此，您如何决定使用什么样的研究方法呢？这完全取决于您的研究问题以及您想要了解的内容。我强烈建议在推进研究之前把问题记录下来。

“如果你不知道如何提出正确的问题，你将什么也发现不了”——W.爱德华·戴明

你是如何提出正确的研究问题的呢？问很多问题：你有什么信息？你想知道什么？你期待什么结果？与你的调研人员进行参与讨论。与我共事过的很多优秀的调研人员都会问很多的问题，这将有助于帮助他们建立清晰度。一旦你找到了正确的研究问题，你就可以深入去寻找相应的方法、场景和任务。

关键说明：

建立一个明确的研究问题（实际上是用提问的方式把它写下来）：我建议分解主要问题和次要研究问题，直到你已经规划好你的问题后再开始研究。此外，了解你想要尝试解决问题所达到的期望结果，避免使用开放性词语，例如“探索”和“理解”，相反，选择一些具象的东西，比如“评估”和“识别”。

二、基于研究问题精心制定你的研究方法

在深入搞清楚研究问题对研究方法的影响之前，我们先来了解一下研究的基础知识。正如大卫·特拉维斯（David Travis）和菲利普·霍奇森（Philip Hodgson）在《像用户体验研究员一样思考》一书中指出的那样，从根本上来说，所有的用户体验研究都在回答以下两个问题中的一个：

1. 谁是我们的用户？他们想要做什么？
2. 人们可以使用我们设计的东西来解决他们什么问题？

从本质上来说，用户研究的核心在于彻底地理解问题并随后评估其可用性，让我们下面进行进一步的拆解，以更深入地研究并探索常用的方法。

因此，在计划研究活动时，请确定您的研究阶段并将其与您的研究问题结合起来以达到目标。以下提供了一些最常见研究方法的详细信息。

一个小提示：如果你想要提升现有系统，请不要错过可用性测试。

如果你只能做一件事情去提升现有的系统，那必定是做定量的可用性测试，这是提升可用性最有效的方法。

我从常见的研究方法列表中排除了日志研究、焦点小组等方法，因为他们对于设计师来说可能不太实用。

关键标注:

针对发现阶段最大的风险和假设进行研究活动：这是我从Teresa Torres持续发现会议中学到的东西，我发现这很有用。在任何项目的初始启动中，我们倾向于记录我们可能拥有的所有假设，并根据研究问题使用不同方法来测试最关键的假设。

三、使用数据三角测量做出明智的决策

人们所说的，人们所做的，和他们说他们做了什么是完全不一样的事情。——玛格丽特·米德

在项目的每一个阶段，我强烈建议结合定性和定量研究方法。研究方法的选择取决于研究问题。在很多场景中，我试着将每个阶段这两个不一样的方法合并到每个阶段，每一个方法都有它的优点和缺点。例如，在发现阶段，用户访谈可以作为定性指标来理解潜在的推理内容。但是，你可能需要类似于问卷调查形式的定量指标，来证实为什么解决已验证问题的重要性。

相似的是，在评估阶段，可用性测试提供了定性指标来帮助理解原因。结合这些定量指标（例如转化率、任务完成时间、跳出率）相结合，可以帮助你全面证明设计的有效性。

关键标注：

在发现阶段定义定量和定性的用户体验成功指标：也许在发布了一个功能后，他并没有对业务指标产生预期的影响。在这种情况下，你可能想要突出显示该特定功能的行为结果。为了解决这个问题，请使用用户体验定量指标（系统可用性得分、任务成功率等）来支撑你的立场，并使用定性指标来揭示其隐藏在背后的原因。提前定义他们以避免后期遇到挑战。

四、额外提示：避免犯错

1. 避免避免提出引导性和直接性的问题

人们通常喜欢投其所好，当问到引导性的问题时，他们倾向于将将自己的答案和问题保持一致。

另一方面，直接性问题可能无法提供完整的情况，他们给出的答案通常反映了他们渴望成为的人。

2. 抵制你对大数字的喜爱

我记得一位同事说，这些设计师/研究人员们通过5-10个用户，问上一堆问题来做测试设计的好坏，太天真了。

好吧，听起来样本量越大越合乎逻辑，结果应该越好，但是并不意味着更多的用户一定会提供更好的结果。一个针对5个用户明确的好的可用性测试，与1000人参与的不明确的可用性测试相比，却可以产生更好的产品改进机会。

3. 了解用户研究数据的强度

不是所有的用户研究数据都同等可靠，研究数据的强度扮演着至关重要的角色。

强有力的证据方法涉及行为数据，主要关注目标用户在任务上的执行。另一方面，弱的证据方法由意见数据组成，以人们的言论为中心。

记住：关注用户做了什么，而不是用户说了什么。

结论

1. 确定用户行为和业务指标所需的转变；
2. 根据研究问题制定您的研究方法；
3. 使用数据三角测量做出明智的决策。

补充：避免提出引导性问题和行为的问题，抵制对追求大数字的喜爱，并理解用户研究数据的强度。