飞雪踏浪

版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明
http://lengfeixue.blogbus.com/logs/33658254.html

中心新一期Newsletter还没出，把我的这篇粘在这里了先：）   看其他文章>>

编译：Charrywang

参考：Zooming In and Out

作者：Robin Beers

来源：UX

背景介绍

Wells Fargo公司在2003年时，用户研究部门和市场研究部门还是分开的，其中一边在研究和关注什么另一边完全不知道。到了2005，这种情况有所好转，他们把两个部门和到了一起，叫做“用户体验研究与设计部”（CERD）这种重组带来很多好处，两个部门的研究可以相互借鉴，更加深入的了解用户，帮助上层来制定更好的决策。

市场研究和用户研究——相同，也不同

市场研究和用户研究都会研究用户，动用各种方法来探究用户想要什么，他们的行为模式是怎样。但不论是哪种方法，需要明确的是：研究如何指导设计，如何应用于商业。

市场研究通常都是大范围大数据量的，研究者通过用户说什么来了解他们的态度喜好以及其他人口学特征。并且其结果都会以分析数据为主，用来制定市场战略，商业利润等。

用户研究则倾向于深入的研究少量用户的行为习惯，个人使用产品情景等。研究者会关注于用户真正是如何操作，而不单单是他们说什么。研究结果通常都以衡量产品可用性，服务，以及体验为主，将结果用于指导设计。

市场研究通常都会“列出一个需求清单，并根据市场需求排序。但设计师想要的却是产品如何能更好的融入用户的日常生活。”两种研究各有优缺点，只有当二者的界限不那么明显时，才能很好的通过提高用户体验来提升商业价值。

深入了解不确定性

大公司通常都会采用那些传统市场研究方法，因为这样的结果所代表的是大量人群的心声。

但需要提醒他们的是，即使大量人群的数据看上去很客观很权威，但并不会减轻不确定性或决策上的冒险。比如，一个商业决策依据的是可能喜欢某个产品人数的百分比，但这个数字并不能表明如何避免产品未能达到预期效果。如何避免失败则取决于使用产品用户真实的想法，目标和习惯。

措辞也很重要。定量研究比如自信心评估（confidence intervals）、统计分析（statistical significance）都让人们觉得他们是在降低不确定性。相比之下，定性研究比如开放式访谈（open-ended interviews），非结构化问题（unstructured questions），解释性说明（interpretive anecdotes），故事版（stories）等等都会增加人的不确定和不信任感。不同的用词表明了为什么商务人士不相信定性分析而相信定量的方法。

市场研究中不能涉及的部分是个人使用场景的体验和人的直觉感官体验，而这部分是很重要的。如果研究能够涉及这些人做决策和行为的习惯，则能在定义新产品概念的时候省去不少猜测的成分；它让我们更好的了解用户真实生活中的交互和体验。定性研究比如参与型设计和可用性测试，都能让我们了解到一些未知信息，相比于定量研究在产品生命周期的早期会减少很多风险。

一旦我们通过深入的定性研究确定了主要的用户需求，行为，任务，工作流程，动机以及情感，我们就能通过定量研究来证实这些动机和产品的可接受度，设计原型，测试用户满意度等。混合运用定性和定量研究就可以在确定产品概念的时候把用户需求和商业目标联系在一起。

放大和缩聚

减少不确定性的一个关键方法就是能够有效的放大和缩小。比如，在数据采集的时候：

• 市场研究放大到去观察大量人群，但也必须缩聚到每一个问题上去，确保调查控制在有效的范围内。
• 用户研究会缩聚到一小撮人的复杂难以观察的日常行为上去，但也同样要放大去询问一些开放性的问题。在这里我们可能有很多假设，但也可能通过观察真实的用户行为而证实那是错的。

对于一个团队或组织来说准确的同时使用这两种方法可能有点难。这就需要两个团队之间更多的沟通合作。

举个简单的例子：一个市场研究的团队调查用户制定预算和跟踪交易的需求。一个问题是：“这是你想在线上完成的事情吗？”用户的答案都集中在：“是”。当用户研究团队来做这同一个调查时，情况就变的很明朗了：制定预算和跟踪交易这两者之间有很明显的区别！当用户持续跟踪他们的帐户余额和交易时，大部分人在预算上不想做任何实质性的操作。如果能在用户研究之后再做市场研究，我们在设计问题的时候可能已经把跟踪交易和制定预算分开了，这样就能避免将两种不同的金融行为混杂在一起。最终，这个团队意识到研究用户体验的重要性，设计出一款可以自动的制定预算的工具，就像My Spending Report。

整合多种学科

早期的研究可以促生很多新的想法，可能性和创新。这也是多学科交叉的团队可以做出更好的东西的原因。诀窍就在于运用正确的规则和方法来制定正确的问题。比如，可用性测试通常需要6-12个用户参与。

想要通过增加样本量来提供更好的定量数据，这可能并不能说明测试目的就能直接辅助设计。数据采集和满意度评分都是通过定量的收集，来评定产品是否成功，促进产品改进，提高用户体验。

在一个银行里，数据成千上万。要想找到我们需要的信息就要有过人的洞察力，判断哪些是来自综合测试的哪些来自个别元素的。传统的问题是：“你如何把数据付诸于产品实践？”我们重新修改的问题是：“你如何综合使用两种方法来更有效的理解用户行为和需求？”这种洞察力需要用户和市场研究人员之间开诚布公，就像产品经理和研究人员之间。产品经理如果能同时聘用两个团队，那将帮助我们更好的合作设计更好体验的产品。

根据长时间的讨论（正式的或非正式的），以及我们过往合作的经验，以下两种方法已经证明是行之有效的：用户角色（类似Cooper的人物角色）以及任务模型。

• 研究人员通常会运用三个独立的用户角色和五个简单的商务角色来指导设计。
• 我们建立任务模型来描述一个人管理个人财务时的所有任务。这个模型是基于用户研究和市场研究所建立的。现在我们知道了人们执行这些任务的频率，它们的重要程度，以及他们是否想要在线完成这些任务。这些信息则决定了他们将在网页上得到多少服务，以及所有这些服务的优先顺序。这个模型也能帮助我们决定设计的ROI（Return on Investment）。

改进以用户为中心的方法为两个团队相互沟通理解打下了基础。每一个项目都要求我们拿出最佳的研究方案，这就需要我们学习、倾听、尊重、以及思考每一种方法，用它们来为用户建立一个丰满生动，与别人不同的形象。