About Face 4 第二章(3)访谈并观察用户

上一篇最后概括地讲了对用户的访谈与观察,这一篇将具体说明。主要分为四个步骤:情境调查—访谈准备—进行访谈—访谈之后。

访谈并观察用户

情景调查

模式:师傅带徒弟。用户为师傅,访谈者是学徒,学徒提出用户相关的问题并观察师傅的言行。

进行情境:选择用户的正常工作环境或是适合产品的物理环境。除了让用户更加放松,也利于挖掘出情境下行为相关的所有重要细节(例如摩拜进行访谈观察时不会选择室内)。

关系:采取与用户合作方式,交替讨论其对产品的观察、架构与细节。

过程把控:访谈者应巧妙地引导访谈,捕捉与设计相关的信息,而不是用调查问卷提问回答或是让访谈自由发挥。

信息解读:将收集到的用户行为、环境和谈话内容进行综合分析,发现设计意义(期间要防止访谈者的主观臆测)。

以下几点可助于提高访谈效率:

缩短访谈过程:保证访谈数量的前提下将每次访谈时间控制在一小时左右。

小规模访谈团队:两到三名设计师组成的团队进行所有的访谈工作,如此不仅能杜绝不同访谈者交流信息时的偏差,还有助于更有效的综合和分析用户数据。

首先找出用户目标:情境调查的设计过程的重点是“任务”,而任务是为了完成目标。故应该在访谈观察前通过人种统计学找出用户目标,并确定其优先级。

访谈准备

咱们先来理解一个概念:人种学。

人种学是借用人类学中的一个术语,意味着系统深入地研究人类文化。在人类学中,人种学研究人员花费数年时间生活在他们研究和记录的文化中。

我们对用户进行人种学访谈不需要做到理解整个文化中的行为与社会利益,但要吸收其精髓。我们需要理解的,是与产品相关用户的交互行为与习惯。由此,我们需要确定好以下几点:

确定候选人

因为一个产品要成功必须捕捉和其相关的所有用户行为,所以在找寻访谈对象时,除了“合适”,还必须需满足“多样化”。所以,在前期对于利益相关者、主题专家的访谈与文献收集的过程中,访谈者就需要确定将要采访的用户/潜在用户类型。

人物模型假设

“人物模型假设”是为产品定义不同用户类型的第一步,说白了就是筛选出合适的访谈对象。这种筛选能为后面的确定人物模型打基础。

人物模型假设试图解决以下问题:

— 哪些类型的人会使用这个产品?

— 他们的需求和行为可能会有什么变化?

— 我们需要探索哪些行为和哪些环境?

行为和人口统计学变量

人物模型假设应该建立在不同的变量基础上,这些变量能够根据用户的需求与行为将用户划分成不同群体。

以线上商店举例,以下是与购物相关的行为变量:

— 购物频率(经常-不经常)

— 购物喜好程度(喜欢-厌恶)

— 购物动机(买便宜的-只买需要的)

因为相同职业相同工作的用户可能存在完全不同的需求和动机,所以我们需要用行为变量来将这些用户区分开来。

建立人物模型假设的另一个有效途径就是使用“人口统计学变量”。也就是利用市场研究确定的目标人群的年龄、区域、性别和收入来寻找被访者,从而尽可能确保被访人群多样化,方便日后确定用户显著的行为模式。

技术专业知识&行业专业知识

技术专业知识(比如用手机)与行业专业知识(比如金融行业)是区分用户行为的一个关键指标。由于目标用户对两种知识掌握的情况不尽相同,领域支持以及技术易用性也可能成为产品设计的重要考虑点。因为若界面没有提供领域支持,经验较少的用户只会使用产品的很小一部分功能。

环境因素

对商业产品来说,用户就职组织之间的文化差异也是需要考量的一点。例如:

小公司职员:工作职责较广,人际交往频繁;

大公司职员:组织层级较多,分工高度专业化。

由此将环境变量展示如下:

— 公司规模(小型公司-跨国公司)

— 公司位置(亚洲/欧洲/北美...)

— 产业、部门

— IT部门规格(非正式-正式-严格)

— 安全级别(松-严)

做好计划

创建好人物模型假设,研究了行为、人口统计学以及环境变量后,我们就要开始制定访谈计划了。

从实践中得知,对于企业产品与专业产品,每个假设的行为模式都要经过大概6次访谈才能得到证实/证伪。也就是说,通过人物模型假设得到的每一个角色、行为变量、人口统计变量和环境变量都应该在4~6次访谈中进行探索。

进行访谈

在构造完人物模型并制定好采访计划后,终于能进行访谈了!

对业务和技术产品而言,访谈期间若是能请到利益相关者共同参与会是再好不过的了。

访谈团队和时间

团队规模:两名设计师。一名负责访谈与适当做些笔记,另一名详细记录访谈内容。

访谈时间:一小时左右(医疗、科技、金融等复杂领域除外)。

访谈频率:每天六次以内。这样设计师有足够时间进行总结并作出策略调整,也不会太过劳累。

访谈阶段

按照时间顺序可以把访谈分为三个阶段:

早期访谈:具有探索性质,重点是从用户角度收集领域知识。提问问题通常较广泛、开放,很少探究细节。

中期访谈:用户模式初步显现,设计师开始提出开放或明确的问题,形成初步设计轮廓。此时提问问题更关注于行业细节设计。

后期访谈:确认之前两阶段观察到的模式,进一步阐明用户角色与行为,并对任务和信息需要的假设进行细微调整。提问侧重于封闭性问题,同时对数据进行收尾工作。

基本方法

虽然访谈的基本方法简单直接,没太多技术含量,但掌握受访者的细微差别还是需要一段时间。若访谈者遵循以下建议,就能获得大量有用的定型数据:

— 在交互发生的场景下进行访谈(如摩拜在室外) — 避免按照固定的问题提问 — 假装成门外汉而不是专家 — 开放式和封闭式问题相结合 — 首先关注用户目标,其次才是任务 — 避免把用户当成设计师 — 避免讨论技术问题 — 鼓励讲故事 — 请求演示和讲解 — 避免诱导性问题

在交互发生的场景下进行访谈

这样的访谈不仅能让访谈者观察正在使用的产品,也能让访谈团队了解交互发生的环境,由此深入洞察产品的局限性与用户需求/目标。

访谈期间可以仔细观察环境存在的,受访者没有提及的任务线索。遇到有趣的是可以请受访者聊一聊。

避免按照固定的问题提问

人种学访谈的前提是:访谈者事先并不了解产品所在领域,也无法预设提出的问题,必须从访谈对象那里了解到哪些信息是重要的。若采用固定的调查问卷进行访谈,不但可能会疏远访谈对象,还有可能错失丰富且有价值的用户数据。但是,访谈者必须要做到心中有问题类型预设,而实际提出的问题可随着访谈的进程而进行调整。访谈者需要在访谈中收集到足够多的细节,好从中发现受访者明显的行为模式。

目标导向型问题:

目标:那些事会让你感觉愉快或是糟糕?

痛点:目前那些事在浪费你的时间?

优先级:那些事情最重要

信息:什么信息能帮你做决定?

系统导向性问题:

功能:使用产品时做得最多的事情是什么?

频率:使用频率最高的功能是什么?

偏好:你最喜欢/讨厌产品的哪些方面?

失败:你如何解决遇到的问题?

经验:你会使用什么快捷操作?

工作流程导向型问题(商业产品):

过程:早起做的第一件事情是什么?然后呢?

频率:这件事多久做一次?什么事情是每周每月都要做,而不是每天都做的?

特殊情况:通常一天是怎么过的?什么事情是不寻常的?

态度导向型问题:

期望:未来五年的规划是什么?

避免:你不愿意做什么?哪些事在拖延?

动机:工作/生活中最满意的是什么?哪些问题是你最先会解决的?

假装成门外汉而不是专家

之前文中有写到,访谈模式是师傅带徒弟。所以在访谈过程中,访谈者需要忘记自己的专业性,以徒弟的方式进行提问。

访谈者的目标是广泛而客观的听取受访者的谈话内容,并鼓励受访者与自己进行深入详细讨论。问一些肤浅的问题有助于增强受访者信心,使他们更为放松。做一个富有同理心、善于倾听的访谈者,你会发现人们很愿意分享他所知道的任何信息。

开放式和封闭式问题相结合

开放式问题:鼓励受访者详尽地回答,并据此引导出更多细节,从而获得更多信息。典型的开放式问题以“为什么”、“是什么”、“如何”开头。

封闭式问题:鼓励受访者简短回答,来达到关闭询问或是将受访者偏离访谈方向时将其拉回正轨。典型的封闭式问题以“你是”、“你会”开头。

受访者回答了封闭式问题后,对话通常会有暂停,接着访谈者就可以用开放式问题重新引导新的问题讨论。

首先关注用户目标,其次才是任务

人种学调查的首要问题并不是执行的任务是什么,而是理解用户行为背后的原因,即什么激发了不同个体的行为,以及他们希望如何达成目标。当然,理解任务也是非常重要的,访谈者需要详细的将其记录下来,方便日后更好地配合用户目标。

避免把用户当成设计师

与主题专家访谈类似,受访者可能在访谈过程中提出解决方案,虽然这些方案大都是不能使用的,但访谈者可以借此为跳板,将问题引向他们会提出此方案的原因,从而了解用户真正的需求。

避免讨论技术问题

Emmmmmm...我可能是见了一个假用户...

鼓励讲故事

鼓励受访者讲述使用产品时体验的具体事例,远比让他们给出设计建议更有效。细致的询问受访者如何使用产品,对产品的看法如何,使用产品时会和什么人接触,在哪些场合下会使用产品等问题是了解客户如何与产品进行交互的最好方式。

值得注意的是,访谈中要鼓励受访者讲述产品使用时典型&特殊的案例。

请求演示和讲解

在了解了用户的使用产品的流程和结构后,可以请受访者演示如何使用产品。过程中除了记录内容本身,还要留意受访者的描述方式,并且要问足够多的问题弄清受访者的表述。

避免诱导性问题

因为访谈者对于产品比较了解,故可能通过暗示或者明示有关行为的解决方案和观点,使得受访者产生偏见。以下是诱导性问题的示例:

— XX功能是否对你有帮助?

— 你喜欢XX,对吗?

— 如果有可能,你会使用XX功能吗?

— XX对你来说是个不错的选择吗?

访谈之后

每次访谈结束后,设计团队都要比对笔记,讨论访谈中观察到的有趣趋势或是具体细节。若有时间还应该回顾之前的笔记,看看之前访谈中没有涉及到的问题是否得到了恰当地回答。这些宝贵的访谈信息将被用来为后续访谈做制定访谈策略。


下一篇(也是本章最后一篇)会比较轻松,主要说一下定性研究的其他类型与适用情境。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

【AI 复始,万象更新】2017 年机器学习技术&市场预测 Top 10

【新智元导读】在新年来临之际,新智元向你推荐 bigML 网站 2017 开年特稿,文章引用权威报告、著名媒体报道等各种数据,从投资、创业、人才、工作内容、竞争...

28810
来自专栏ATYUN订阅号

布里斯托大学的研究人员利用AI分析8亿条推文,从而研究思维模式变化

根据PLOS ONE发布的最新研究结果表明,我们的思维模式在一天中的不同时间会发生变化。布里斯托大学的研究人员通过人工智能分析8亿条推文中使用的七十亿个单词来研...

923
来自专栏新智元

【揭秘】微软亚洲研究院机器学习在做什么?(14篇干货)

机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人...

3226
来自专栏新智元

【Nature】AlphaGo赢了围棋,但玩量子计算游戏人的直觉强过机器

? Quantum Moves游戏过程 来源:nature.com 【新智元导读】Nature日前刊发论文,丹麦奥胡斯大学的科学家设计了一款量子计算游戏,...

35210
来自专栏Android 开发者

[译] 预测你的游戏的货币化未来

1764
来自专栏大数据文摘

业界 | 尴尬了,数据故事讲不好,模型再酷炫都没用

导言:数据科学风靡了几年,已经完成了从普及到应用的商业落地,越来越多的公司都已经同意数据驱动战略的重要性,但雇几个数据科学家和有一个数据团队,并不等同于公司就能...

680
来自专栏灯塔大数据

探秘|为何最强人工智能比不上婴儿大脑?

机器可以理解语音、识别面部和安全驾驶汽车。这让人们十分讶异于近期的技术方面的进步。但是,如果人工智能领域想要实现革命性的跨越,从而建造出类人式的机器,它首先将...

4017
来自专栏Albert陈凯

大数据到底怎么学:数据科学概论与大数据学习误区

作者|杜圣东 “数据科学家走在通往无所不知的路上,走到尽头才发现,自己一无所知。”-Will Cukierski,Head of Competitions &...

3527
来自专栏机器之心

业界 | 阅面科技发布堪比服务器的终端视觉模块,将云端计算能力搬至终端

36512
来自专栏新智元

华为李航:对于 AI,我们应该期待什么(专访+25PPT演讲实录)

【新智元导读】华为诺亚方舟实验室主任李航博士18日在自动化学会与新智元携手举办的首届 世界人工智能大会 AI WORLD 2016 发表主旨演讲《对于AI,我们...

4099

扫码关注云+社区

领取腾讯云代金券