需求挖掘第一步：如何做高质量的需求调研-尚媛媛
第一个主题，问卷调研的使用场景。
例如很多问题是不能通过问卷调研提供的，必须得找用户进行深度沟通，才能够获得，所以这是第一步
第二个问题，要区分问卷法和标准量表的实验场景，例如满意度，的题目，前面已经总结了非常标准的量表，可以直接拿来用。
第三个如何收集行为信息态度的信息，意见类的信息。
第四个如何来判断，我的信息是否有效还是随便乱填的，这是有方法的。
第五个，收集起来的数据如何去分析
个人思考：
提纲部分非常清晰，逻辑清楚，全面覆盖整问卷调研的全部
第一部分什么样的研究问题需要问卷调研呢？
问题分为两类，一类是为什么的问题？一类是什么的问题？
为什么的问题适合于用问卷调研做，这是属于量化的，它主要是研究相关因素，和研究影响因素的，比如说用户会有哪些类型？为什么会有这几类，又比如说，胖子是如何形成的，是有哪几种因素所造成的这是为什么的问题，而是什么的问题呢？
而是什么的问题不适合用部队调研，而是适用于深度访谈深度沟通，例如健身对你来说意味着什么？你是如何使用健身软件？这些事属于是什么的问题。还有就是焦点小组，深度访谈是一对一交，焦点小组访谈是一对多。
个人思考：
学习工具第一步不要了解这个工具的使用场景以及局限性，不能因为一个好用的工具而什么问题都用这个工具。
问卷的优势和弊端：
优势是标准化，操作方便，调查面广，分析，结果可量化，成本低，而且速度快
问卷发放的弊端，手机端上的题目非常有限（一般手机端上的题目控制是十五到以内），调查的很广却不深，同时，调查质量不一致。很多问题没办法深入。虽然我们可以把链接发给更多人，可是无法深入获取信息，第三个质量无法，把控用户他放弃你也没办法，第四，要求被调查者的文化水平，如果我们的，用户是货车司机以小学水平为主，那么有些问卷理解起来就会比较吃力。
第三部分，问卷的使用场景。
问卷是由一系列的问题构成，可以用收集态度方面的信息，行为性的信息，事实性的信息。我们的问卷是为目标服务的，而不是先投放出去，回头再看看先得出什么结论，否则这就是一场失败调查，
1、态度方面，比如说，调查，对活动的满意度，对社区的运营内容的偏好，视觉觉得好看与否。
2、行为信息方面，在做需求挖掘的时候。需要了解清楚，用户在家庭使用的时候的行为习惯，包括，如果用户没有相关信息，遇到这样的痛点，通过什么样的行为方式去解决，包括产品的时候？用自己的产品之后。
3、意见类的信息，主要是产品功能的意见反馈，例如吃饭咯，就餐的意见，智能硬件，售后的意见反馈等
第二部分，区分问卷法和标准量表产品。
1.两者的区别，编写是否有足够的发挥空间，
问卷的时候，它只是一堆问题的集合；但是量表，一个是非常困难的，一般需要几年时间，需要许许多多的数据工作，还有信度和效度的问题，需要，长期的检验，得到行业专家的认可，才可以正式使用。量表示非常养个
2.问题的题型和答案的类型上是有区别的，
量表的选项是代表对问题的程度，例如这是一个量表的问题，首先，题目会说一个陈述句，比如，我是一个非常漂亮的人，这个时候，用户来选择认同的程度，多大程度认同这句话，一代表非常不同意，二代表不同意，三，代表不确定，四，代表，同意代表，非常同意。
问卷的题目，是一个问题答案，比如说，大学可以做一个问卷调查，你认为学校，开设公开课的目的是什么？答案各种各样的目的，选择，比如a，公开课，b提高知识面，c，增加学分，公开课，客观，d，其他
3.三。回收的数据类型不一样，
从分析的角度来看，通过量表收集的数据，可以认为是等比数据，123456789，可以进行加减乘除运算，问卷调查的数据，称之为类比数据。问卷调查只能同进出某一个问题出现的频率，出现的这个比例，而数据却能够通过加减乘除的计算，得出平均分，例如，多少人认为自己的漂亮，他推算出一个平均分。
4.四，数据分析方式不一样
个人思考：
原来只知道问卷调研，不知道还有量表这个东西的存在。结合上次蓝山老师讲的聪明人如何更好的学习，有一个观点是学习的原点，量表就是问卷调研里面的学习原点。站在巨人的肩膀上更快的的学习
第二部分，量表的使用技巧
一、评分量表在用户体验中的应用
基本上产品使用场景：量表在用户体验当中的应用分为几个模块：
第一，我们会让客户在产品易用性上机测试，
第二，在文案的易懂性，进行测试，
第三，第三，对某些使用方法的知晓程度上，
第四，第四，娱乐游戏，
第五，对视觉吸引力，
第六，对产品的整体满意度进行测试。
第一张Likert量表，第二个语义差异量表，这是两个经典的评分量表，
李科特量表：
首先是阐述一个观点，例如产品的界面，美观，然后让用户，选择他的同意程度，从非常不同意到非常同意，然后选择其中的一个分数。
在阐述，一个观点的时候，注意遣词造句。不能使用一些误解的词汇和牵动用户的词汇。例如问：产品界面美观就好了，而不能写产品界面非常美观，这就会容易造成误解。
语义差异量表
他是表达了一个问题，选择这个问题的时候，再看一看，答案，两个极端给出了一对反义词，然后在中间，选择一个你认同的程度，比如你认为这个设计师如何，最差的话是业余。最好的话是专业，会让你从两者之间，选择一个区分，大家可以看到，这边对它的题目，回答，注意事项进行了阐述，在磊哥特量表的注意事项是，
接下来讲几种使用场景的应用量表。这主要是从“用户体验度量”的书籍
用的比较多的是，sumi软件可用性测试和sus软件可用性问卷，还有是任务问卷评估，这里的问卷评估问卷，有针对难易程度，也有针对用户，操作这个任务的时候的脑力负荷，也有难度期望的评估，第三块，是网站感知评估问卷，相当于网站可用性测试问卷，还有就是nps净推荐值测试。顺便给大家介绍一下，tam技术接受模型。是什么样的因素会影响用户，是否愿意接受？会使用，这项技术或者这款产品，如果大家需要做这方面的研究，可以用这方面的模型
个人思考：
将常见的问题场景进行分类，不同的分类其实已经有了很多非常有效的量表，在进行问卷调研的时候，应该对问卷调研的进行分类，找到合适的量表，如果实在找不到，才要进行自行设计。
大家在问卷设计的时候要提前看一看，有哪些量表可以用，如果实在找不到，需要自己设计，需要注意事项：
第一，一个问题需要进行多维度的拆解细分，不然很容易提出一个很宽泛的概念，用户不能准确地评估自己的态度给出分数，比如询问用户对界面设计的满意度的评分？这个对于用户来说，是很难的，因为包含的内容太多，色彩，图标颜色，行间距，排版等等等等，如果你问用户如此宽泛的问题，用户很难给出。
第二，等级的书数量，要为奇数，1到5分，1到7分，因为基数必然有一个中间项，因为会设为不确定，这样会缓解用户的一种压力，因为，当用户实在无法判断，就可以选择中间项
第三。建议大家用七点量表，虽然，12345比较顺手，但是研究结果证明，七点量表，精确度会更高，并非标标点数越高越好，因为越高，用户无法准确判断自己的态度，
第四，七点量表表以下，就不要在用户选择的圆圈圈上，附上等级数字，只需要给两个极端，非常不满意，非常满意，中间有五个点，就好了，就不需要标分数，标注分数后。当用到九点，十点，让标标分数后，就必须得标分数，这样可以节省，用户的，选择时间。
个人思考：
问卷调研是一个科学性和心理学想结合的学问，一个小小的细节，可能可以让同样的人对同样的答案得出完全不同的结果。例如选项数字要奇数，原来觉得这仅仅是对称，现在才知道中间项可以给被调研者选择的缓解。另外什么时候要表明数字，什么时候不需要表明数字，这里面也有非常大的讲究。
第三部分，收集数据的方式及优缺点
第一，用户只需要进行口头回答
一般有研究员代为填写，第一种，进行街头来访，第二种，电话访问
由研究员口述，用户回答，这个时候对研究员进行系统培训，每个人对问题的口述表达方式不一样，就会造成很大的误差，这种方式对用户来说非常方便，对研究员，需要提升。这种情况非常适合，理解力比较低的人，文化水平比较低的人来做。这种方式对于研究员，确实比较痛苦，因为在手工录入问卷，其实是非常繁琐的过程，
其次担心用户，先给我们低分，因为在面对面的沟通，他需要口头报出分数，可能会不太好意思，查过就不知道比较准确的分数
最后是这个方法对调查员的口头沟通表达能力要求非常高。
第二，第二种用户用纸和笔自己填写，分成两类，一种用户当面填写，第二种，通过邮寄，把问卷邮寄给用户。当面填写比较多。好处就在于，用户只需要看指导语就好了，这个时候可以减少，调用者给用户带来的误差现场的话我们可以对用户的意见，同时可以观察，用户当时使用产品的情况，或者生活的环境，辅助问卷进行现场分析，那么缺点是，纸质问卷的排版比较麻烦，问卷需要手工录入。
第三，在线自己填写，这是覆盖范围最广，可以大量，填写，因为没有纸质需要打印，所以比较环保，现在很多平台，在线制作，很方便，缺陷是，要求用户一定要求在网络的情况下，完成的，包括问卷星的平台，在使用之后，会让用户进行抽奖，这样会让我对用户进行投诉，把抽象当作我们公司给他们的，问下问卷填写福利。如果在线填写，用户中途放弃，我们是没有办法控制，而现场的话呢，我们可以通过鼓励给礼品，让大家填完。
第三部分介绍一下，行为类，态度类，意见类信息收集。
1、行为类问题，问人们的特征，做过的事情，在他们身上再发生过的事情，这些，可以用来旁观者，和身边的朋友证实
2、态度问题，为用户的心理状态和态度，这些事没有办法被证实，仅存于用户个人心中，而态度问题，不同的问法，产生不同的答案，一旦问题问得不好，很可能问卷作废
3、第三，意见问题，意见和态度，并没有非常差的，因为发现，有时候态度和意见其实是一样的。如何区别，问卷中，意见类是用一个问题来问的，而态度，需要一组，或者是一系列问题，来组成一个态度问题，而且态度，需要把这些组合在一起进行分析，态度类的问题，适合量表来进行调研。
第一，行为类信息的问题和答案设计
用户行为分析，是产品设计最关心的，包括对用户使用产品的，所有的数据，下载量，使用频率，访问量，都会通过第三方平台，或者后台埋点进行统计。这个问题的收集统计，主要用来发现用户使用产品的规律。可是很多时候，数据是无法通过后台埋点来获取的，例如，用户在使用竞品的时候的行为习惯，当产品仅仅为概念的时候，是否解决了用户身上是否发生了痛点，例如后台数据，用户只能提供几点几分进行了操作，还没有办法告诉你用户为什么中断而离开，以上这些，需要通过问卷的收集。
首先应该有大的调研目标，因为调研目标比较大，一般对目标进行拆分，通过哪些信息能够间接达到调研目的，例如行为类的调研目的进行拆分？一般会考虑，用户的属性，用户的使用情况，使用场景，使用动机是什么？会通过这些问题的采访完成。最喜欢那个标的收集工作。这些问题进行参与后，可以拆分成个个信息点，例如用户属性，包括姓名，联系，职业，教育程度，然后在设计问题的时候，需要想好具体提出，什么样的问题，可以获取到这些信息，在设置问题的时候，需要尽量的明确，何人何事？为什么，如何做，举个例子，例如，你的老板，调查用户在竞品的时候习惯，首先需要想的事，用户这些相关的竞品有哪些，需要先收集，然后才能再一步的确定，用户使用的竞品有哪些？通过第一步，我们需要收集用户的种类，前期需要发放一个开放式问题，用户会用哪些产品的类型，开放式的问题，这需要问用户，你使用过哪些竞品？收集回来之后，进行整理和归纳，接下来归类，在设计半封闭式的问题进行调研，让用户具体选择这些竞品使用的频次和人群。如果你想具体使用一款用户选择最多的产品使用最多的产品，让用户单选题即可，如果多去了解，可以用的多选题。
第三让用户进行排名排名
通过前两步了解到哪些竞品最受用户欢迎，你想调查的具体的某款竞品之后，再可以通过逻辑关系的问题，我第二步就是管理，例如具体用户在电商类产品中，使用过淘宝，第三个问题，用户在淘宝上的使用情况，这个时候设计一个逻辑题，这一选项中，要选择是，才能出现下一道题，的出现，如果否，下一道题就，不出现。
个人思考：
我们往往在收到一个任务的时候，非常有可能直接奔着最终的测试结果目标进行设计问卷，而没有很好的去对问题本身进行拆解。这里非常好的提醒大家着一定，大问题一定要拆解成小目标。从不同的侧面和子维度进行调研，然后才能汇总成大问题的调研结果。
大家看一下这两个问题：
1.你的问题是否具有威胁性？
无论什么问题，尤其关于行为类问题，可能最直接和最常见的，这么简单的一个事情，很容易出错，例如可能问：您现在开的车是自己的还是公司的，汽车保研购买什么牌子的机油？
这种问题被用户视为威胁性，排斥，会使用户感到不安。因为真实回答，会暴露不太光彩的一面，会让报告失真。
例如货车司机：问学历问题，会有虚报现象。所以社交关系、活动轨迹、家庭收入都算为威胁性问题
2.如何判断一个问题具有威胁性
有时候一个问题，对于特定的人群具有威胁性，所以不能一概而论。我们只能判断一个问题对于大多数人而言，是否具有威胁性。问自己：用户会不会认为这个问题的答案有对错之分？是否答案是否符合社会期许的？例如捐款次数
答案是反社会的，会少报。例如一年几次醉酒驾驶。
参考一下做过相似问题调研的经验，无经验的时候，找部分用户进行一些测试。
个人思考：
威胁性问题非常容易出现，还有一种就是认知类问题，例如问：你相信电视广告吗？很多人会选择不相信。可是在实际的购物过程当中，客户的选择购买很多时候在不知不觉当中，被电视广告所洗脑。例如脑白金、恒源祥等广告，已经深入人心
1、无威胁性问题设计
采用辅助记忆方法：在问题设计的时候，把回忆的线索作为组成部分。您使用过哪一些app社交：微信、qq，竟可能列举所有的可能性
l让问题变得具体：填写人会花很多心思思考，举例：你通常买什么饮料？通常指的是什么时候？这个就会比较模糊
l选择恰当的时间段：询问用户非常重要的事情，在题目的内容时间涵盖上，时间扩展的而要长一些。例如重要的事情发生的频率不高。另外用户的会议，比较重要的时间，把问题设计范围更广一些。买房：十年之内，买房的次数。医疗：最近一年的花费，而不是问一个月
l学会使用日志和追踪研究：例如家电、智能硬件等可以通过用户写日记的方式记录相关事件，用在经常发生，不太显眼的。成本高，但是想获得精确、细节信息，高频率发生，又不太显眼，可以使用这种方法
l确定问题的适当长度？
如果你希望用户通过问题对自己行为和发生的事件进行回忆，设计比较长好一些。可以帮助用户更好的回忆，心理学：回答问题的长度和提问的问题长度也是有关的。开放式问题，非常有用的结论。
2、威胁性问题设计
l采用自填的方法，研究员不看。例如捐款这种情况
l使用开放性的问题，很多时候封闭式的问题比较好处理，但是如果是威胁性问题，要用开放式的问题。因为所有封闭式问题有逻辑顺序，例如从最不平凡，到平凡，两端是极端的数值。一般用户会避免选择两边的极端。一旦用户有这种心理，威胁性问题更会出现低报的情况
l嵌入问题：如果用户先问一个更具有威胁性的问题，下一个问题哪怕有威胁性问题，可以降低。例如醉酒问题之前，可以问一个杀人问题。副作用：如果用户面对如此高威胁性问题，后续就不会很好的配合
举例：想了解用户的竞品使用情况，请问您使用哪款软件炒股？
1、他到底想问我什么场景呢？手机上、电脑上还是股吧里面用的
2、他是问我最喜欢的还是最常用的还是最近的？
3、时间频率规定不清楚？上个月还是这个月用的？
选项要用半封闭的问题选择填写，或者针对不同用户随机排列，很多人喜欢专门排名第二或第三的答案。
举例：了解用户是否有场景性问题，需求挖据。加油的时候用于支付的APP，了解用户是否在加油的嗓唱没带零钱
你经常发现加油时候没带零钱？
1、经常如何判断？
2、问法的诱导性太强？问我对吗？很多人说对
是否曾经发生过至少一次，确定之后再确定发生的频率，一周月还是年？然后再由研究员判断
需求类和场景调研类的问题，不能让用户自己的判断何为经常。
个人思考：
威胁类问卷设计考研的完全是心理战，让被调研者的能够放心的真实表达自己的想法，不被问卷的题目诱导性的给出答案，也不会担心其他问题而可以隐瞒。这里面还需要做到的例如保密性原则，例如纸质版问卷我们收集起来之后会进行密封处理，填写的时候匿名处理等等
第二个部分：关于态度的问题
1、认知：由用户的信念决定的：例如以下的维度上，产品是如何帮你实现。。。。这个时候就是用户对产品的认知
2、评价：用户对某个个体的态度，好还是不好，喜欢还是不喜欢。
3、行为：回答用户自己回答和行动态度有关的，例如下次你将使用什么产品去听歌？对于自己行动的判断态度的判断。
态度可以分为三个方面
态度目标拆分的时候，避免问题的一般化，维度进行拆分。了解产品满意度的调研，可以按照功能拆分，可以按照业务方向的：在社交、娱乐方面的帮助，还可以体验：交互、视觉的满意度。功能上：投诉处理问题等等
不同的拆解大家要多尝试，看看哪一种可以让客户得到更好的答案。
态度问题和行为问题一样，会问到敏感性的问题，如果问题对研究非常有价值，不要直接提敏感性问题，例如个人利益和隐私，风俗习惯等等问题，都是敏感问题。三种方法：
1.转移对象发：不要直接问用户对这个观点的看法，社会上有几种看法，你同意哪一种
2.假定方法：二胎政策开放，之前二胎不认可。假设政府不再对人口限制，您希望生几个孩子。
3、提供背景信息：直接问你平时会用安全套吗？如果问：肯定和这个问题相关性，例如现在社会上普通采用安全套和避孕药两种方法，安全套维护健康方面比避孕药更好，您平时使用安全套吗？不会决定很突兀
态度类问题的几种形式：
1、是非型
2、选项型
3、用户给答案排序
4、认同程度等级选择
5、一堆反义词的量表
6、模拟：用情绪头像代替情绪
态度类选题注意事项：
1、穷尽并且相互独立
2、按照统一维度标准设计问题
3、前后选项要堆成
案例：
1.您喜欢用哪种类型APP：设计类、手游类、社交类，这个是无穷尽和相互独立
2.您觉得APP使用起来：简单便捷、有点麻烦，这个是没有按照维度标准分类，便捷应该是非常便捷、比较便捷等等
3.您认为新上线的功能：非常出色、很好、一般、不太好。这个是前后不对称
个人思考：
态度类问题是测量当中一个难点，需要将脑海中的概念进行量化。三种涉及敏感类问题的解决方案非常巧妙
第三种问题：意见类问题
基本上有一道开放式问题决定的。你想深入了解某一种特殊主题，非常有价值。想研究某个领域也是这个问卷方式。
优势：用户自由表达自己的意见，用自己熟悉的语言表达自己的观点。缺点是标准化程度低，后续需要归类和编码，分类提取
举例：你问***功能的意见是？
一般性在收集开放式问题之后，进行归类和编码，如果需要进一步验证，会通过多选和排序进行验证。优点是选择轻松，标准化程度高，缺点是意见受限。
举例：你觉得需要改进的三个是？这个是多选题和排序题
设计意见类问题，大家要考虑清楚，是否需要进行预编码？
举例：请问你对**产品的意见是什么？
1.在界面方面。。
2.在功能方面。。
如果不进行编码，就让客户自己填写就好了。经常做的进行预编码，这样用户的考虑方面会比较，没有预编码的好处就是可以得到更广泛的信息。
编码的流程图：
1.预编码：是否提供一级编码共用户选择？如果不需要编码，建立语料库
2.根据准备好的语料库对文本进行归类，或者直接按照内容出现的词频归类
3.检验编码是否合适？第一请其他同事为一模一样的资料进行编码，对比结构是否一致，第二一分为二，50%用户建立编码库，另外一半建立另外一个做对比。我经常要修改编码，分类修改。在进行第二次第三次调研，很多编码的工具在重构编码的时候非常方便。
三个编码工具：R、Nvivo、Atiasti
个人思考：
原来往往认为开放性问题就无法控制，所以基本涉及开放性问卷的设计都非常头疼，这里提供了一个预编码的设计流程，既在一定程度上保证了问题的开放性，有把调研对象的答案控制在一定范围内。非常好
第四部分：
如何判断问卷质量？
1、可信度和效度
一个好的研究具备可靠性和有效性两个特点，统计学叫做信度和效度。信度：测量结果是否一致稳定可靠？举例：我妈让我去买糖，第一次买了两斤，第二次买了三斤，这就不稳定。效度：能够在多大程度上测量了你想测量的事物，例如买糖结果买了味精。
2、如何测量结果具有稳定和一致性
问卷针对用户做两次或者多次调研，结果一直，说明高信度。信度会受到问卷设计的影响，后续很少为了验证再做一次同样客户的调研。那么如何评估呢？
a/跨时间的一致性
稳定系数，测试前作为预测是，如果是稳定的关系，就是跨时间的一致性。访谈：首次访谈和后续的跟踪访谈一直，说明是一致性的。我们不太会说让用户填写两次，我们一般先进行问卷填写+后续进行回访。回访的人数尽量进行全面回访，如果题目数量比较大，选择重点问题。
b/跨形式的一致性
例如：同样的问题，看看这个人胖瘦，可以通过不同问题：体重、衣服大小，本质上都是想了解胖瘦，可以设计多个不同形式问题提问。如果答案一样，就是跨形式一致性
c/内在一致性：用的最多最方便
用来测量统一概念下，不同题目之间的关联性。用的比较多的态度评分量表和需求属性的评分
例如：用户界面的设计满意度评分，视觉效果，图标大小，可以归纳为用户界面满意度的。
用内在一致性表示的信度：spss工具的操作界面，可以一步做出效果
UI满意度是第一列，交互满意度+功能满意度评分，输入数据可以直接得到一致性。这个例子结果是0.177
α系数如果低于0.6，内部一致性不足；
0.7-0.8具有相当信度
大于0.9信度相当好
不同领域标准不一样，平时实物性研究，具体了解功能的满意度，探索性研究主要是了解一个新功能，用户的使用需求点，这种一般大于0.6就可以用了，
基础研究或者学术研究，会对这个系数比较高，要求0.8以上
3、是否测量了真正想要的东西？如何判断（效度）
检测问卷有效性上，效度用的不多。信度是主要的，效度的真正含义是否策略了老板本来就像知道的东西。例如我想调研不同手机用户
同样互联网在线形式的问卷，对于白领合适，而对家庭主妇进行调研就很难获得想要的东西。由于通畅情况，无法知道真正有效，所以很难有效。三大类：
a/准则关联效度：自己测量的结果和公认结果进行比较。例如通过后台数据看出用户在线时长平均值，如果调研结果比较接近，就是比较好。行为类问题比较好判断，态度类的比较难。
b/内容效度：一般用子态度评分，需求评分，设计一个总问题，：用户界面满意度：分类问题可以是颜色、敏感、字体大小。总问题满意度和子问题满意度得分进行关联，就能知道内容效度的强弱。但是要求问卷里面有同质性很强的问卷，经常用到的是态度评分和需求评分
c/结构效度：每份问卷都会有自己的内部结构，例如产品上线后的满意度，就会涉及ui界面的满意度，交互的满意度、操作流畅度等多个维度，下面会涉及相关问题进行调查。
看的是设计的子维度在结果上，是否归结为一个维度。一般用因素分析法，属于一种进阶性的统计分析。
互联网企业，讲究敏捷开发，很多时候做的实物研究，不会太考虑效度，一般通过经验，来权衡设计的效度。
个人思考：
整体内容详实，有方法有案例有步骤，还有第五部分没有分享，继续等待！
这是我在怒马21天受虐计划的第5天。笔记内容来自：需求挖掘第一步：如何做高质量的需求调研-尚媛媛
网友评论