关于不做用研的原因我们没有做更详尽地调研，个人总结会有结论难以落地、性价比不高、领导不重视等原因。那么这现象合理吗，可以如何优化呢？下面和大家分享我的一些思考，抛砖引玉，欢迎共同探讨。
用研的困境及破局思考
前面说到的互动结果，或许是实际快节奏的互联网设计工作中，用研环节的尴尬或者说无奈。
一方面对用户的研究和理解是以用户为中心的产品设计必不可少的环节，不然空拍脑袋做出的产品很可能只取悦了自己；
另一方面传统用研方法在国内实际的敏捷开发设计中多少有些「水土不服」：难以匹配敏捷开发节奏、效率及性价比不高……
面对这两难境地，如何能够调整出适合国内工作流程特色、切实有效的用研方法呢？
这个问题就很大了，需要持续地思考与验证，目前我总结可以有这么几个方向：
- 取传统方法的精华，保证对方法理解透彻、执行有效，通过提升结论的价值来拉高性价比；
- 将用研工作均匀地分配到产品设计团队每天、每个人的工作中，如每个人都关注负责模块的数据变化、用户诉求等内容，及时敏捷地洞察、思考、行动；
- 应用新的研究方法，如通过分析用户自主反馈内容、搜索用户在微博等社交媒体中的体验评价、跟进产品运营社群动态这些方式，同样可以、并且能够更广泛地观察用户使用产品的情境、对产品的评价，并且持续地跟用户进行交流。
本文将展开分析第一点，在使用传统用研方法时，尽可能地接近用户想法、获取有价值的结论的三个关键因素：
- 确保研究对象是典型目标用户
- 确保获取信息的真实全面
- 将用户研究结论应用到产品设计中
一、确保研究对象是典型目标用户
网易云音乐研究热爱音乐的用户群时，有给目标用户下一些定义，例如：
在实际研究过程中，除了请用户自己回答，还会在用户允许的情况下查看手机中音乐 App 使用数据，如听歌记录、收藏音乐情况、账号注册时间等，因为用户可能说谎、但数据不会。
（曾经有声称自己是资深欧美音乐爱好者的用户，但是查看他手机中的听歌记录时，发现他才听了100多首歌曲，而且多是华语流行KTV风格的歌曲。）
进行研究时要清晰地定义目标用户的细分属性，并鉴别确保研究对象符合定义。不然研究对象选择偏差，整个研究不但白忙活，还会误导对真实目标用户心理和行为的理解。
目标用户的鉴别可以从3大块入手：
人口统计学基本信息包括性别、年龄、教育程度、职业、家庭状况、现居城市等信息。
不同产品场景中，属性的影响程度不同，如在直播带货中性别属性有较高的区分度、女性用户占大多数，在音乐 App 中年龄属性有较高区分度、不同年龄段用户的音乐口味和使用行为有很大区别。
- 一般行为信息包括使用XX网络/设备的年数、经常使用的产品、每周使用网络的时间、付费习惯等信息。
- 与研究目的相关的信息，也就是与产品垂直领域相关的内容，包括行为次数、时长、付费情况、内容偏好等内容。如对于在线视频产品，就会有打开的频次、每次观看的时长、是否付费、最近观看的内容及分类等信息。
二、确保获取信息的真实全面
假定我们通过用户筛选清单初步判定研究对象为目标用户，如何判断用户在研究中提供的信息是否真实呢？这一方面取决于研究人员的逻辑判断及经验，另一方面可以通过研究方法来校验。
1、经验判断
网易云音乐团队研究三线城市粉丝群时，调研的一位用户提供信息如下：
乍一看仿佛是资深的粉丝，但是通过对每点信息的深入访谈发现：
对比前面用户自发表达的内容，我们很容易发现用户个人总结的结论/现象，与真实情况/本质行为还是有很大出入的。用户是一个喜欢XX多年的粉丝，但并不狂热，喜欢偶像更多的是为了满足自己在音乐上的需要，而不是为偶像奉献（狂热粉丝的奉献精神占比很大）。
这要求研究人员在研究内容项目设计、实际执行的环节中，要利用沟通相关技巧，引导用户尽可能多地表达自己的想法和看法，并适时地应用先前介绍过的对比法、缺失法等方法深挖问题，引导用户深入描述使用场景和具体行为。
在此基础上，研究人员还需要结合上下文语境，利用逻辑和对产品领域的理解，分析用户的真正想表达的内容是什么、内在逻辑是否合理，不要被用户表述的浅层信息所迷惑。
2、校验方法
除了对用户提供信息进行经验判断，还可以用下面这两类校验方法：
一是，在拟定题项等内容时，设定相互校验的逻辑。如问卷调查中，可以分隔设置两个实质内容相同、提问方式不完全相同的题目，通过分析用户作答结果来相互验证。
二是，通过作答时间长短、数据是否有某种集中规律来判断。还如问卷调查时，答题时间太短，说明态度不认真；时间太长则反映答题时受外界干扰较多。多道多选题全选、量表中集中选择某几个选项、逻辑矛盾等现象，都会反映出用户提供信息的真实性，在进行数据分析时都需要校验筛查。
以上是关于信息真实性的验证。接下来为了让信息获取得尽量全面，在研究内容考虑周全的前提下，还需要保证调研对象的数量范围充足。其中，不同调研方式中对数量的要求有所不同：
1、定性调研（从性质上研究，数据为文本、图片等不可进行运算的形式）
依据经验，每类细分用户群体的人数应为 5-8 人。当然更多的用户参与可能会带来更多的发现或结论，但是 5-8 人是投入产出比较为划算的经验方案。
如可用性测试中，根据尼尔森的经典理论，8个人就可以发现80%的问题（更准确的说是 8 个人可以有 80% 的概率发现发生可能性在 18% 以上的问题）。
2、定量调研（从数量上研究，数据为数字等可运算的形式）
定量调研中有这么3个关键数字：
30 可以说是最小、最基础的用户量，一般在成本较高的研究（如眼动的定量研究）中采用。
通常资源条件比较有限的情况下，研究 300 的用户量是比较靠谱的。
如果资源投入比较充足，1000 是比较好的研究量，可以保证研究的结果与真实情况相差甚小了。
确保研究对象的数量符合统计学要求，是保证获取信息全面的重要因素。
划重点
篇幅有限，第3点-「将用户研究结论应用到产品设计中」将在下篇中分享。
本文分享了保证传统用研方法有价值的前两个关键点：
- 清晰地定义目标用户的细分属性，并用它们来筛选研究对象，让研究对象都是典型的目标用户，以保证结论方向不跑偏；
- 研究实施过程中的深入沟通、逻辑经验判断、校验分析方法以及研究对象数量的相关规范，都能促进获取真实而全面的信息。
这两点做详实，可以保证用户研究所得结论的价值，让你的研究不白忙活啦~
