现有产品调研分析是否是你工作中的“老大难”问题？本文拆解调研的时机、对象、方式及流程的具体步骤，讲解整理输出和分析下一步策略的方法，形成一套逻辑框架清晰的现有产品调研分析实践方法论。推荐相关领域的童鞋们阅读学习～
现有产品调研分析实践方法论，是基于正在使用的客户、弃用的客户、未曾使用的客户来综合分析当前产品的使用量、使用场景、使用频次、使用操作等情况。识别现有产品使用情况是产品经理最常遇到的场景，也是接手一个产品模块/功能的第一步，属于主流场景。基于现有产品使用情况，才能给出下一步的策略，如是否继续演进，怎么演进等。这里的现有产品一般是业务级、模块级、功能级的产品，即对局部产品的使用情况进行调研。
识别现有产品使用情况一般会设计数据分析、真实使用案例、工单分析、线上访谈、线下调研几个步骤，以结构化数据分析为骨架，更重要的是以场景化分析为血肉，从而真正的了解产品的使用情况。
识别现有产品使用情况是高频调研场景，在较多情况下我们会识别现有产品使用情况的调研。对于产品经理而言常遇到的场景有四种情况。
情况一，接手一个产品、模块、功能，需要对现有产品的使用情况进行全面了解，以确定接收后的策略及规划，在SaaS公司因为组织调整、人员迭代、产品矩阵调整等各种原因，经常涉及要接手其他产品的情况。
情况二，负责新的产品模块上线后，经过2周或1个月的沉淀，可以识别产品使用的情况，一方面验证当时新产品、模块立项时的假设是否成立，另一方面基于产品使用的情况迭代产品规划。
情况三，产品版本进行了较大的迭代，这时候识别产品的使用情况，并对比迭代前的数据，以观测迭代带来的正负效应，对产品迭代进行复盘。
情况四，当我们要下线一个产品功能的时候，也需要识别产品的使用情况，然后判断下线一个产品的代价，客户的接受程度，可能带来的舆情等，给出合适的策略，以最小成本、最小影响的方式下线一个功能。SaaS产品如何稳健的下掉一个模块、功能，也是一个专题，属于策略层，待专题讲解。
当然还有很多其他场景也需要识别产品的使用情况，比如当运营想重新运营某些功能模块的时候、当销售同学要炒冷饭包装新场景的时候。
另外，如果对公司级的整体产品的使用情况进行调研，虽然也可以使用此框架，但仅对产品使用情况进行调研无法给出战略级的指引，建议参考后续分享的“以全面摸底客户为目的的客户调研”。
识别现有产品使用情况，核心目的都是基于客户真实使用产品的场景、频次、操作，挖掘客户障碍点、关注点、客户价值等，给出下一步的策略。基于调研时机的不同，调研的最终目的也会有差异，对应策略方向也匹配调研目的调整，比如基于调研目的不同，最终给出的可能是下线策略、迭代策略、运营策略、销售策略等。
调研的目的是识别现有产品使用情况，那么调研对象涉及的维度主要基于客户的使用情况，一般包括正在使用的客户、弃用的客户、未曾使用的客户，其中正在使用的客户可以按照使用频次区分高频使用客户和低频使用客户，如果再细分的话，可以按照用户角色、新老客户维度、实施情况等再进行细分，具体根据产品特性来识别。
举例对于不同角色提供的产品价值差异较大的产品，可能需要在使用维度的基础上叠加角色维度；如果是对历史重点模块进行重构，则需要在使用维度的基础上叠加新老客户维度，因为新客户感受到的只有最新的版本体验，没有习惯迁移的障碍，而老客户感受到的除了新版本的体验，还存在习惯迁移的障碍。
因为识别现有产品的使用情况，需要结构化的分析及场景化的分析相结合，所以会在1V1客户调研之前进行数据分析、工单分析得到结构化的分析结果，然后再通过抽样客户的真实使用案例具象化客户应用的主要的场景，再进行1V1调研，挖掘背后的原因和深度的场景。在识别现有产品使用情况时问卷调研非必须，因为真实数据比问卷更可靠，在进行规划下一步策略的时候，可以补充问卷调研以对策略进行验证。
调研遵循一定的流程或步骤，一方面使得调研过程更严谨，另一方面可以最大效率地获得调研结论。调研步骤的提供是给予大家参考，并不是说一定要严格遵循，而是基于实际的情况，有节奏的进行。在每一步的分析之后都会形成一定的假设、疑问和结论，带着这些假设、疑问和结论，在下一个环节分析中可以得到佐证或解惑，并补足前步分析的局限性。
步骤一：数据分析
数据分析：数据分析是基于现有数据进行分析的过程，数据分析是一个基本技能，市面上也有较多相关的书籍，大家可以参考。常见的数据分析方法有对比分析、分组分析、结构分析、交叉分析、漏斗分析、矩阵关联分析、假设检验等。在进行产品功能模块分析的时候，可以提前梳理好数据看板，然后基于数据系统构建动态数据看板，便于实时观测数据。市场面上常见的前端数据系统有Growingio，神策等，也有一些可以和公司数据库打通的数据工具，灵活性更好，但操作上有一定的门槛。
调研目的：基于产品功能模块的目标客户量、使用量（渗透率）、使用频次、使用角色、留存情况、核心使用客群的画像特征等数据进行分析，以获得产品功能模块使用的结构化数据。基于结构化数据分析客户主流使用的场景和目的，基于数据分析更多的是假设，可以在后续的调研步骤中进行验证假设。
步骤二：工单分析
工单分析：工单是指用户进行咨询、反馈建议、反馈问题、提出需求的一种方式，工单分析是SaaS产品基础工作，是了解用户需求和场景的基本渠道。在识别现有产品使用情况的场景中，主要功能场景维度分析工单，识别聚焦在相关功能或类似场景下客户反馈的信息，以洞察客户的业务诉求。这里需要注意的是，能够通过工单反馈问题的客户已经属于目标客群中自主意识比较强的客户了，工单分析不能代表全量目标客户，所以在做分析的时候，不要以偏概全。
调研目的：倾听客户原声，以识别客户最关注的场景，并洞察不同类型客户反馈问题的共性和差异性。
步骤三：真实使用案例
真实使用案例：真实使用案例是抽样正在使用的客户，看他们到底是怎么使用的，创建了哪些数据，这些数据代表的行为和场景是什么。举例，针对SaaS系统中的日程/任务，则看客户到底创建了哪些日程/任务，一周创建多少条日程/任务，这些日程/任务的构成是怎么样的，他是怎么描述这些日程任务的，是否大多数的日程/任务会完成，是否涉及协同其他人等。当然真实使用案例的抽样数据，需要在客户授权的情况下进行观测。
调研目的：基于真实使用案例，识别客户的使用习惯，更具象地感受客户的使用情况，基于此识别客户当前使用功能模块所承载的业务场景。
步骤四：线上访谈
电话访谈：电话访谈是一种兼容效率和效果的调研方式，电话访谈较线下访谈速度更快调研周期更短，同时较问卷调研有更多的灵活性。基于识别现有产品使用情况的目的，电话访谈可以快速地识别现有产品使用情况中“什么时候用”“为什么不用”“为什么弃用”等具象的问题，给出构成这些问题的关键因素。这里可以参考“以识别关键问题为目的的客户调研”
调研目的：基于现有产品使用情况的一些具象问题，给出构成这些问题的关键因素。
步骤五：线下访谈
线下访谈：线下访谈是一种对客户深度访谈的方法，也叫面对面访谈或现场访谈。线下访谈可以观测到用户环境、行为和表情，可以提供更多的信息。针对识别现有产品使用情况的调研，一般我们是到访式访谈，即到用户的工作地点或生活地点进行访谈，对于B端的产品，到客户工作地点访谈可以观测到用户工作的环境，工作的设备，公司的情况，这本身就会增加对客户的感知。基于前面调研的基础上，线下访谈主要观测客户使用产品功能模块整体操作、了解客户对该产品功能模块的认知以及该公司是怎么把该产品功能模块使用起来的，在什么场景下会触发使用。这里也可以套用5W2H模块来观测客户使用产品功能模块的场景。
调研目的：一方面真实的感受客户的环节、行为、情绪，另一方面对于数据分析、工单分析、真实使用案例、线上访谈结论进行背后场景的挖掘，以进一步验证结论。同时，还可以在拜访客户的时候，帮助客户更好地将产品使用起来，对于已经使用特别好的客户，还可以包装成标杆案例，做成产品的运营、宣传案例。
结构化整理调研资料能够有效地沉淀核心信息，并让未到场的同事也能快速高效的了解客户。结构化的整理资料，一般需要做看板结构，以方面大家整体一览。可以按调研方式的维度整理每次调研的结果，并给出猜想，每一步的调研都是层层递进，多方对比进行验证和调整，在这个过程中调研结论也在不断的迭代、收敛、验证。
基于调研资料的总结输出调研结论，一般包括调研背景、各个维度的关键调研分析、调研结论。各个维度的关键调研结果一般包括不同客户类型的分析，不同业务状态的分析，基于此进行客户分层、问题分层、需求分层、价值分层，并识别每个分层所对应的客户画像的关键特征及其在整体客户群中的占比。基于识别现有产品使用情况，侧重点在于对“正”“负”的分析，一方面对使用好的客户、场景、案例，然后在已经形成的被市场验证的点的基础上进行扬长，另一方面对使用不好的客户，为什么不用，为什么不知道等问题形成结论，解决短版，从而形成下一步的策略。
识别产品现有使用情况的核心目的是给出下一步策略。基于调研的时机不同，对应策略方向也匹配调研目的调整，比如基于调研目的不同，最终给出的可能是下线策略、迭代策略、运营策略、销售策略等。虽然策略的类型不一样，但对应策略侧重点主要在于对“正”“负”的分析，一方面对使用好的客户、场景、案例，然后在已经形成的被市场验证的点的基础上进行扬长，另一方面对使用不好的客户，为什么不用，为什么不知道等问题进行针对性提供解决方案，解决短板问题。
在SaaS领域中，识别现有产品使用情况是产品经理最常遇到的场景。针对产品现状，做到知其然，知其所以然，也是产品经理“业务学习能力”的体现。
作者：Sunny；公众号：产品经理职场那些事（yaoyao202001）；前华为产品经理，曾担任AI领域创业公司COO，现SaaS领域产品经理，7年互联网产品设计经验。
本文由@产品经理职场那些事 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。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。