如果今天我们来复盘这场“马车还是福特”的博弈,不难发现姬十三和他的团队能够胜出,是因为对用户深层需求的不断探索和准确理解。

一个不争的事实是:所有卓越产品的诞生,都离不开对用户需求和人性的深刻理解。这正是为什么“用户研究”在每一个产品的成长历程中都极其重要的原因。遗憾的是,产品经理不见得个个都是顶尖心理学家。怎么才能客观又高效地抓住那些“用户自己都不知道”的深层需求,用户究竟想要什么、需要什么……为了找出这些问题的答案,人们尝试了很多方法。问卷、访谈、现场体验……这些办法不是不好,但是样本量受限,用户的反馈还难免主观、片面。

有没有一种方法,能确保被研究的用户不受观察者的干扰、所使用情境更加真实、能看到更完整的用户操作流程、能反复观察比对分析、还能尽可能提供更大的样本量呢?

对于所有互联网产品来说,答案清晰可见:

采集并研究用户行为数据,是最立体、客观、低成本的用研方法。
一. 数据化用户研究的三个步骤

1. 采集素材

就像做调研需要先准备问卷一样,想通过数据研究来挖掘用户特性,你得先准备素材,即:采集数据。这三方面的数据缺一不可:用户属性(不只是人口属性)、行为事件和环境信息。

用户属性绝不等于人口属性,与年龄性别相比,更重要的是要记录用户在平台上的状态。比方说,电商里的积分等级、社交app里的点赞关注数、运动健身的app可能关心体重、智能硬件产品关心是否绑定设备……

行为事件数据比较好理解,就是用户做了什么。重要的操作节点是必须被记录的,例如:模块导航的点击、浏览内容时的分类、搜索的效率、表单的填写……

环境数据则包括渠道、设备、网络环境和使用时间等信息。

2. 用户群研究

在收集了完整的用户属性与行为数据之后,第二步就是要找出最需要关注的用户群,以及他们的核心诉求。你不能只看所有用户的属性和行为分布,为了找到真正对产品增长有贡献的用户,你需要不断地细分人群、进行对比。

留存用户与流失用户有哪些不同的特征,模块A与模块B对留存有何贡献等,哪些环节导致了用户大量流失……都是这一阶段需要被提出的问题。

3. 测试验证,找到最优解

经过前一阶段的分析,你和你的团队已经对产品的现状有了更深的认识,也提出了一些改进策略。接下就该验证这些假设。灰度发版、AB Test都是常用的手段。但不管你做了怎样的改进,都别忘记在发版后仔细研究新版本的数据表现。用户在指尖反馈回来的数据结果,将是验证猜测的核心标准。

二. 分答诞生的背后逻辑

以在行/分答为例,分析其实如何通过数据分析,来实现病毒式增长的。

乔布斯有句经典语录“用户根本不知道他们想要什么”,福特汽车的创立者也说过,人们说自己想要一匹跑得更快的马,但其实他们需要的是一辆轿车。这是一个人人都听过的段子,前不久真实地在我们身边上演了:

学员想要个更便宜方便的“在行”,但姬十三和他的团队最终选择了“分答”。而促使他们做出这个决定的关键动因,正是他们对“在行”中各类用户的深刻理解。
在2015年9月,在行接入了精细化数据分析平台,开始采集和分析他们的用户行为数据。

在采集数据时,在行将「学员」与「行家」进行区分;然后按照查看行家、想见行家、发起约见、成功约见等事件定义用户阶段阶段,对「学员」进行参与度分层;接着,叠加了约见次数、约见行家类别、客单价、所在地等数据维度,更细致地拆分这些学员,并最终建立了一系列不同活跃度、不同内容偏好、不同消费能力的用户群组。

接下来,在行团队开始对这十多个用户群组进行特性分析。

最初,大家认为地域和时间是限制在行扩张的核心因素。然而在进行了简单的数据比对之后,在行团队发现:给学员匹配距离更近的行家、让学员和行家用电话交流之类的方式,顶多算是一匹跑得更快的马。而用户内心所期待那辆“福特车”,应该是一种更轻、更高频、价格更灵活、时效性更强的知识分享产品。

基于这个观察,在行开始了一次大胆的Growth Hacking尝试:在“在行”中开发”语音问答”的新模块。由学员发起提问、圈出期望的答题行家并预设答题价格,再由行家通过语音在线竞答。于是,以“有问题吱一声”为名的「吱」模块迅速上线,成为“轻在行”模式的第一个测试方案。

模块「吱」是分答成功背后的神秘功臣。说它神秘,是因为许多在行的老用户并不知道「吱」的存在。当时,在行团队为了更好地研究语音问答模式的受众特性,并未将这个模块开放给所有在行的用户。而是按照前期划分好的用户群组,分批次地开始做灰度测试,以此模拟各群组用户在使用语音问答时的心智模型。

经过多轮测试和对比,一个出乎意料的结果显现出来:高频使用语音问答的用户群,与喜欢线下约见行家的用户群几乎是毫无重叠的两拨人。甚至于,从没有成功约见过行家的用户,使用模块「吱」的参与度,比有约见经历的用户高一倍有余。

数据对比的结果给在行团队带来了全新的用户洞察:“语音问答”与“在行约见”的受众有本质不同的知识获取需求,二者对知识的深度和趣味性有完全不同的预期。从产品层面来看,要满足不同用户的不同需求,最好的方案是:将“语音问答”模块做成与「在行」互补的新产品。至此,「分答」始现其型。

三. 小结

如果今天我们来复盘这场“马车还是福特”的博弈,不难发现姬十三和他的团队能够胜出,是因为对用户深层需求的不断探索和准确理解。

避免“拍脑门”式的臆测,让行为数据替用户代言,用数据结果衡量每一个假设……这种客观严谨的用户研究方法,是值得每一个产品团队借鉴的。

总的来说,通过行为数据分析实现客观高效的用户研究,你需要:

基于自身的业务特点,依托账号体系,采集用户属性与行为数据;
选择一款合适的分析工具,既能还原用户的操作流,身临其境作单体洞察;又能快速实现多维度的用户分群对比,以探索用户特性;
反复切分用户群组,对比数据表现,大胆假设、快速验证;
比对产品迭代前后的数据指标,评估前期假设、衡量改版质量。

本文由 @诸葛io

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。