常用功能

分类

链接已复制好,马上发给小伙伴吧~
下载App

扫码免费下载

用户行为研究中的定性研究方法有哪些?

用户行为研究中的定性研究方法旨在深入理解用户行为背后的动机态度需求和情境,其核心在于“为什么”和“怎么样”,而非仅仅“是什么”。这些方法通过非结构化或半结构化的数据收集方式,捕捉用户在自然态下的真实表现和深层想法。以下是几种核心且可落地的定性研究方法,结合具体案例进行说明:

1. 深度访谈 (In-depth Interview)

深度访谈是一对一的、半结构化的对话,研究者通过开放性问题引导受访者深入阐述其经历、观点和感受。这是挖掘用户深层动机最直接有效的方法。

核心要点与实施步骤:

  • 招募: 精准招募目标用户,而非随机抽样。例如,研究一款高端理财App的用户行为,应招募拥有一定可投资资产、且有线上理财经验的用户。
  • 准备访谈大纲: 大纲是提纲挈领的路线图,而非死板的问卷。问题应从宏观到微观,从行为到态度。例如:
    • “能聊聊您平时是如何管理个人财务的吗?”
    • 行为探索: “您最近一次使用理财App是什么时候?能带我回顾一下整个过程吗?”(情景回顾法)
    • 动机深挖: “当时您为什么选择那款产品,而不是其他的?” “在决策过程中,您最看重什么?是收益率、安全性还是操作的便捷性?”
    • 痛点挖掘: “在使用过程中,有没有遇到过让您感到困惑或不满意的地方?”
  • 访谈技巧:
    • 5 Whys分析法: 对关键行为连续追问“为什么”,直至触及根本原因。例如,用户说“我很少看那个功能”,追问“为什么?”,可能得到“因为图标不显眼”,再追问“为什么不显眼会影响您?”,可能得到“因为我担心会错过重要信息”,最终发现用户对信息及时性的核心焦虑
    • 保持中立: 避免引导性问题,如“您是不是也觉得这个设计很难用?”。应改为“您对这个设计有什么看法?”。
  • 数据分析 将录音转为文字,采用主题分析法(Thematic Analysis)进行编码和归类,寻找反复出现的模式和观点。

具体案例 一家在线教育公司想了解用户为什么课程完课率低。通过对20名中途放弃课程的用户进行深度访谈,发现普遍原因并非课程内容质量差,而是:

  1. 缺乏即时反馈: 用户在完成练习后,无法立刻知道对错和解析,导致挫败感。
  2. 学习路径不清晰: 用户不知道学完这一节后,下一节该学什么,失去了方向感。
  3. 社交孤立感: 缺少与同学和老师的互动感觉像在孤军奋战。 这些洞察是定量数据(如“50%用户在第三章流失”)无法提供的,直接指导了产品在“即时反馈系统”、“学习地图”和“学习社群”功能上的优化。

2. 焦点小组 (Focus Group)

焦点小组是由一位 trained 的主持人引导,6-10名背景相似的用户就特定主题进行讨论。其价值在于群体互动,观点的碰撞能激发个体在单独访谈中不会想到的想法和态度

核心要点与实施步骤:

  • 同质化招募: 参与者应在人口统计学特征、经验水平或行为模式上具有相似性,以确保他们有共同的语言和关注点。例如,可以组织一个“新手妈妈”焦点小组讨论母婴App的使用体验。
  • 主持人角色: 主持人是关键,需要引导讨论、控制节奏、鼓励沉默者发言、抑制过于强势的参与者,并确保讨论不偏离主题。
  • 讨论设计: 通常从宽泛的话题开始,逐步聚焦。可以结合一些投射技术,如:
    • 卡片分类: 给参与者一些功能卡片,让他们按自己的逻辑分组,并解释原因。这有助于理解用户心智模型
    • 品牌拟人化: “如果把我们的App想象成一个人,你觉得他/她是什么样的人?性格如何?”
  • 环境布置: 营造轻松、平等的讨论氛围,通常采用圆桌形式。客户方可以通过单向玻璃观察讨论过程。

具体案例 一家快消品公司计划推出一款面向Z世代的新型气泡水。他们组织了两焦点小组,每场8名Z世代消费者。讨论中发现:

  • 当主持人展示包装A(极简设计)和包装B(潮酷插画)时,多数人表示喜欢B,但一位参与者提出“B太花哨了,拍照发朋友圈会显得很幼稚”。这个观点引发了激烈讨论,最终揭示出Z世代对“酷”的定义是“有品味但不张扬”。
  • 在讨论口味时,“白桃味”被频繁提及,但深入追问后发现,他们喜欢的并非真实桃子的味道,而是一种“记忆中的、甜而不腻的、带点奶香的复合香精味”。这个发现对产品研发部门的口味调配至关重要。

3. 人种学/现场观察 (Ethnography / Field Observation)

研究者进入用户的自然生活环境(如家庭、办公室、商场),观察他们的实际行为互动过程以及他们与周围环境的互动。这种方法能揭示“用户所说的”与“用户所做的”之间的巨大差异。

核心要点与实施步骤:

  • “追随”用户: 研究者像“影子”一样,在不打扰用户的前提下,观察其完整的行为流程。例如,研究家庭购行为,可以跟随用户从列清单、去超市、选购、付款到回家储藏的全过程。
  • 情境访谈 (Contextual Inquiry): 在观察的同时,结合即时提问。“我看到您在两款酸奶前犹豫了很久,您在比较什么呢?” 这种问题基于具体行为,用户的回答非常真实。
  • 记录方式: 详尽的田野笔记、照片、视频录像都是重要的数据来源。记录不仅要包括行为,还要包括环境细节、用户表情、自言自语等。
  • 伦理考量: 必须获得用户的明确同意,并告知数据用途,保护用户隐私。

具体案例 一家厨房电器公司想了解人们如何使用电饭煲。研究团队进入多个家庭进行现场观察,发现了许多在实验室测试或访谈中无法预料的场景

  • “一锅多用”: 很多用户用电饭煲煮粥、炖汤、甚至蒸蛋糕,但现有产品菜单和功能设置并未充分考虑这些场景,导致操作复杂。
  • 清洗痛点: 观察到一位用户在清洗内盖时,因为拆卸困难而弄湿了衣服,并抱怨“每次清洗都像打仗”。这直接催生了“可拆卸内盖”的改进设计。
  • 空间限制:小户型家庭中,电饭煲被放在角落,插头插拔非常不便。这提示设计师可以考虑将电线设计成可收纳或使用更灵活的L型插头。

4. 日记研究/日志研究 (Diary Studies)

日记研究要求用户在一段时间内(几天到几周不等),在特定行为发生时或按固定时间间隔,记录自己的行为、想法、情绪和情境。这种方法擅长捕捉行为的演变和 longitudinal(纵向)数据

核心要点与实施步骤:

  • 工具选择: 可以是纸质的日记本、电子邮件、专用App微信群。工具的选择应考虑用户的便利性。
  • 提供清晰的指引: 明确告知用户需要记录什么、何时记录、如何记录。可以提供一个模板,如:【时间】、【地点】、【行为】、【当时想法/感受】、【遇到的问题】。
  • 激励与跟进: 研究期间需要定期提醒和鼓励用户,以保持参与度。可以提供小额报酬作为激励。
  • 数据分析 分析日记内容,寻找行为模式、情绪波动、痛点和关键时刻

具体案例 一家健身App想了解用户如何养成运动习惯。他们邀请30名新用户进行为期14天的日记研究。

  • 数据发现: 日记显示,第一周用户热情高涨,但第二周中段(第8-10天)出现普遍的“倦怠期”。记录的情绪多为“疲惫”、“不想动”、“觉得没效果”。
  • 关键洞察: 通过分析度过倦怠期的用户的日记,发现他们有一个共同点:要么降低了运动强度(从HIIT改为散步),要么找到了运动伙伴,要么在App上获得了虚拟勋章的激励。
  • 落地策略: 基于此,App在用户注册后第8天,会主动推送“感觉累了?试试今天的轻度恢复训练”或“邀请好友一起,奖励双倍积分”等个性化内容,成功帮助更多用户度过了习惯养成的关键瓶颈期

5. 可用性测试 (Usability Testing)

虽然可用性测试常被看作是一种评估方法,但其核心是定性的。它通过观察真实用户尝试完成特定任务的过程,来评估产品或设计的易用性,并发现具体的问题。

核心要点与实施步骤:

  • 任务设计: 设计真实、有代表性的任务。例如,对于一个电商App,任务可以是“请找到并购买一双42码的黑色耐克运动鞋”。
  • 出声思考法 (Think Aloud Protocol): 要求用户在操作过程中,把自己心里的想法、疑惑、判断都说出来。这是理解用户心智路径的关键。“嗯,我在找购车……哦,在这里,这个图标不太明显。”
  • 观察与记录: 重点观察用户在哪里犹豫、出错、表现出负面情绪,以及他们如何尝试从错误中恢复。
  • 衡量指标 虽然是定性研究,但可以记录一些量化指标作为补充,如任务成功率、任务耗时、错误率等,但分析的焦点依然是行为背后的原因。

具体案例 一个旅游预订网站重新设计了其筛选功能。在可用性测试中,5位用户中有4位在尝试筛选“带免费早餐”的酒店时失败了。

  • 观察记录: 用户普遍在价格区间和酒店星级筛选器里寻找,没有注意到页面顶部一个不太起眼的“设施”标签页。一位用户在尝试失败后抱怨:“找个早餐怎么这么难!”
  • 问题定位 问题不在于功能缺失,而在于信息的层级和可见性。用户的心智模型是将“早餐”作为一种常见的、基础的筛选条件,而不是一个隐藏在“设施”下的次要选项。
  • 优化方案: 设计团队将“免费早餐”、“免费取消”等高频筛选选项提升到与“价格”、“星级”同等重要的位置,显著提升了用户的预订效率满意度

总结: 这些定性研究方法并非孤立存在,优秀的研究者常常会将它们组合使用,形成一个完整的研究证据链。例如,可以通过焦点小组初步探索一个新领域的用户需求和语言习惯,然后通过深度访谈进行深挖,接着用可用性测试验证具体的设计方案,最后通过日记研究观察用户在真实生活中的长期使用情况。选择哪种方法,取决于研究目标资源限制和时间周期。最终,所有这些方法的共同目标,都是超越表面的数据,洞察人性的复杂与真实,为设计出真正满足用户需求的产品服务提供坚实可靠的依据。