搜索
查看: 3899|: 0

互联网产品用户研究的四大误区

[复制链接]

149

主题

5

回帖

554

积分

高级会员

积分
554
发表于 2014-7-23 08:48:15 | 显示全部楼层 |阅读模式

近期和一些做用户研究的人员进行了交流,发现很多做这个行业的人都对自己所做的工作有些迷茫。报告写了很多,数据也分析了很多,但是却感觉对产品的实际运营帮助不大,甚至分析出来的结果和实际情况比偏差很大。其实用户研究并不是一个新兴的领域,在很多传统行业,用户研究为行业的发展发挥了巨大作用。

互联网行业的用户研究实际上和传统行业有非常大的不同,但我们很多研究人员实际上还是沿用了传统市场研究的理念和方法,结果效果并不好。在这里,笔者总结了几个常见的误区,希望能够对从事互联网行业的用户研究的朋友起到参考作用。

误区一:毫无目的地做用户细分和用户画像

做用户画像这个事情其实是从快消品做用户研究的模式继承过来,通过定性、定量的方式,将自己的用户分成一类或多个类型的群体,并找到他们的典型特征,比如男性、25~24岁,收入4000~5000元……快消品行业做这样的研究是有一定价值的,因为这个行业的产品同质化比较严重,市场上不同公司的产品,或者同一公司不同子品牌的产品,在功能上其实没有太大差别,谁都很难垄断整个市场。

传统行业的产品都要找到自己的市场位置,并通过广告、价格等手段强化自己在这个位置中的地位。这个时候,找到一个细分的用户群体是很重要的。

互联网产品基本不存在成本和定价问题,主要差别在于用户体验。而用户体验的好坏基本上是有一个统一的标准,不会因为群体的不同而有什么大的变化。因此,这个时候做用户细分和对细分群体进行画像实际上就没有太大的意义了。

虽然如此,大量的互联网企业的用户研究团队(包括他们的市场研究供应商)还在将用户细分和用户画像作为自己的一项重要工作,撰写大量精美、丰富的用户画像报告,但最终这些报告的成果根本无法得到利用。

误区二:将忠实用户作为核心用户来研究

什么是核心用户?不同的互联网公司有不同的定义。考虑到操作的方便,很多公司会把自己产品的忠实用户或者活跃用户作为自己的核心用户来研究。认为这些忠实的使用者是产品所能依赖的基础。很多时候,这样的假设是没有问题的。

在传统行业中,对忠实用户深入研究,找到他们的共同特征,然后在相类似的群体中推广产品,从而扩大忠实用户的规模,这是很常见的操作方式。

在互联网行业中,产品,特别是处于回落期的产品来说,忠实用户可能仅仅是惰性用户。他们还在使用这个产品的唯一原因可能仅仅是“懒得”去换一款更好用的产品。这个时候他们的特征并不能代表市场的需求和发展趋势。反倒是那些非忠实的用户,他们对于产品的认知特别敏感,才应该是产品团队需要特别关注的对象。

误区三:将现有用户当成目标用户来研究

如果产品是自然增长获得的,一般情况下,现有用户就是产品的目标用户。但很多产品由于有营销拉动等原因,虽然用户数量非常可观,可是用户活跃度并不高。这时候很可能这些用户并不是产品的目标用户。他们本身对产品并没有什么需求,只是被迫或不经意地使用它,对其进行研究会发现得不到什么有价值的观点。

在传统行业中,如果发现现有用户和目标用户不一致,可以改变产品自身定位,以更好地满足现有用户需求。

在互联网产品中出现则可能麻烦大了。因为你可能根本没搞懂用户想要什么,也没法调整自己的产品以满足现有用户的需求。互联网目标用户的确定实际上应该是产品概念期就要确定的,究竟什么样的用户有这类需求,了解清楚之后再针对性地开发产品,并在之后的产品迭代过程中始终把握目标用户的需求,营销工作也尽可能面向目标用户来开展。

现在很多产品之所以推出来并不是看到有用户需求,而是看到市场上有同类产品做得还算不错,自己也想尝试下,就开发出来了。推出市场后发现效果不好,目标用户不买账,就不断改功能,改变目标用户,结果还是四处碰壁,最终黯然退出市场。

误区四:重视用户意见而轻视用户行为

用户在考虑产品功能的时候往往不会想到实现的难度,甚至不会考虑这个功能真的推出来之后是不是真的能满足自己的需求。如果直接问用户的意见,他们可能会说很多,如果产品经理一一照办之后,做出来的产品却发现用户并不会用。

在传统行业的调研中看重用户意见是因为用户行为的观察和记录是很困难的,获得的数据也不准确。

在互联网行业,用户行为路径可以被完整的保存下来供研究人员分析。一方面是要对现有产品的用户日志数据进行挖掘,另外一方面要在专项的用户调研中尽量模拟用户真实的使用环境,观察其使用相关产品的行为。对于研究人员的要求是一方面能够设计研究场景,假设哪些内容是值得观察行为的;另一方面要能够从用户行为的细节中观察到有价值的点,比如页面的停留时间过长,是因为看的内容多?还是因为找不到所需的内容?


您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2024-12-23 05:43 , Processed in 0.052636 second(s), 24 queries .

快速回复 返回顶部 返回列表