研究阶段在为成功的服务设计奠定坚实的基础方面发挥着关键作用服务设计提升高达 300%。转化率并根据用户反馈进行迭代的公司可以见证令人惊叹的效果用户研究。根据 Nielsen Norman Group 的一项研究，在设计过程的早期进行 进程。在当今世界，越来越多的服务机构认识到研究的巨大价值及其与设计流程的整合
研究采用多种方法，从用户访谈到调查、观察和数据分析。这些动态方法提供了重要的见解，形成构想、原型制作，以及测试您的服务设计概念。研究阶段是一个不断展开的旅程。当新发现的见解浮出水面时，它需要您的团队致力于迭代和改进。
确定研究目标
定义研究目标是实现目标的重要一步服务设计过程。它可以帮助团队确保他们收集正确的信息来为他们的设计决策提供信息。采取以下步骤来确定有效的研究目标：
• 确定研究的性质。探索性研究涉及在没有任何事先假设的情况下更多地了解某个主题，而验证性研究则涉及验证特定假设。根据您项目的性质，您可能需要在研究中使用其中一种或两种方法。
• 明确您的设计目标。考虑您的研究是侧重于现有服务还是旨在产生新的想法或概念。
• 集思广益研究问题。清楚了解需要采取的研究方法后，就开始制定研究问题。这些应该是具体的并且与服务设计目标相关。例如，您可能会问“服务用户最常见的痛点是什么？”之类的问题。或“服务的哪些功能对用户最重要？”
• 细化研究问题。一旦您有了潜在研究问题的列表，请细化它们以确保他们专注且可执行。考虑每个问题是否可以用可用资源来回答，并与整体服务设计流程保持一致。
• 提出假设。根据您的研究问题，提出可以通过研究进行检验的假设。例如，您可能假设改进服务的某个功能会提高用户满意度。
提示！始终允许在研究过程中进行调整和完善，因为焦点通常会随着研究的进展和新信息的发现而发生变化。
确定研究参与者
抽样是指从较大群体中选择较小群体的个体或单位的过程。目的是利用他们的反应或行为来得出关于更大人群的结论。
在概率抽样中，总体中的每个成员都有平等的被选中的机会。此技术用于定量研究，以确保样本能够代表所研究的总体。
一些概率抽样技术包括：
• 简单随机抽样：从抽样框架中随机选择参与者
• 系统随机抽样：从人群中选择每 *N-* 个人作为参与者
• 分层随机抽样：根据特定标准将总体分为几组，并在这些组中随机选择参与者
• 集群采样：创建列表基于特定标准的集群并随机选择其中一些集群，然后在所选集群中随机选择参与者
非概率抽样涉及根据主观标准选择参与者，用于定性研究。这些技术用于更深入地了解特定人群。
一些非概率抽样技术包括：
• 便利抽样：选择随时可用的参与者，例如候诊室的人员
• 自选抽样：参与者自愿选择参与一项研究，没有特定标准，例如通过点击链接 在公司网站上
• 滚雪球抽样：从几名参与者开始，要求他们推荐符合特定标准的其他人
• 极端案例抽样：选择代表极端或不寻常立场的参与者，例如新技术的早期采用者
• 紧急抽样：在实地工作期间跟踪新线索，灵活利用新知识
• 最大输入采样：选择对整个体验或系统有全面了解的参与者，以获得最大输入输入来自他们
选择研究方法
《这就是服务设计》的作者建议使用多种研究方法收集同一现象的数据可以提高准确性和丰富性研究。它还可以确保见解基于足够强大的综合数据集，为设计决策提供基础。这称为三角测量。
选择三角测量时，请混合使用不同类别的方法，例如：
• 案头研究：使用现有信息源，例如已发表的文献、报告和数据库收集有关感兴趣主题的信息
• 自我民族志方法：收集有关服务和公司的数据，以了解其如何影响用户体验
• 参与者方法：通过参与者观察、情境关联等方法直接从参与者收集数据采访、深度访谈和焦点小组
• 非参与者方法：通过观察参与者而不与他们互动来收集数据。例子包括非参与观察、民族志和文化探索。
• 共同创意研讨会：让参与者参与设计过程通过共同创建人物角色、旅程地图
验证研究工具
研究仪器是用于在研究阶段收集数据的工具。它们可以是调查，面试指南、观察清单或焦点小组脚本。这些工具应该经过精心设计，以确保它们收集必要的数据，并且对于研究参与者来说是可以理解和易于使用的。在与实际参与者一起使用这些工具之前，重要的是要对一小部分用户进行试点测试，以识别任何问题并进行必要的调整。
验证研究工具的其他方法包括：
• 专家评审：询问专家场地审查您的研究工具并提供有关其有效性和可靠性的反馈。
• 重测可靠性：在两个不同时间对同一组参与者使用研究工具，以评估结果的一致性。如果结果一致，说明该工具是可靠的。
• 认知访谈：对参与者进行认知访谈，了解他们如何解释研究工具中的问题和说明，并找出任何混淆或误解的地方。
在进行必要的更改后，研究仪器就可以在实际研究阶段使用。
定量与定性数据分析
定量数据分析使用数值数据和统计数据从大量样本中得出结论。在服务设计，它通常用于衡量客户满意度或评估新服务设计的有效性。
定量数据分析技术的示例包括：
• 描述性统计（例如平均值、中位数、众数、标准差）
• 相关性分析
• 回归分析
• 假设测试
例如，服务设计师可以从大量客户样本中收集调查数据，以确定他们对特定服务的满意度。然后可以使用定量方法对调查数据进行分析，以识别数据中的模式和相关性，这可以帮助设计人员做出数据驱动的决策：改善服务。
另一方面，定性数据分析解释非数字数据，例如访谈、观察和开放式调查答复。在服务设计中，定性数据分析通常用于深入了解客户体验和行为。
定性数据分析技术的示例包括：
• 内容分析
• 专题分析
• 话语分析
例如，服务设计师可能会对一小群客户进行深入访谈，以了解他们对新服务的需求和期望。这面试然后可以使用定性方法进行分析，以识别数据中的主题和模式，这可以帮助设计人员开发更好地满足客户需求的服务。
定性数据分析的类型
定性数据分析方法至关重要服务设计当他们允许的时候设计师解释和理解人类经历和行为的复杂性和主观性。它们为设计人员提供了一种结构化的方法来分析和解释从各个方面收集的数据。研究方法例如采访、焦点小组和观察。他们包括：
• 主题分析：这涉及识别和分析定性数据中的主题或模式。研究人员根据数据的相关性和频率对数据进行编码和分类。例如，在一项关于客户对餐厅体验的满意度的研究中，主题可以确定为食品质量、服务质量、氛围和价格。
• 内容分析：这涉及分析通信内容以得出推论并识别模式和趋势。研究人员检查文本、图像和其他形式沟通以确定主题、模式或趋势。例如，内容分析可用于识别用户在特定社交媒体平台上表达的常见主题和情绪。
• 叙事分析：研究人员分析叙事的语言、结构和内容，以确定共同的主题或模式。例如，在一项关于癌症患者经历的研究中，叙事分析可用于识别应对策略、支持系统和生活质量等共同主题。
• 话语分析：研究人员分析语言、语境和社会规范，以了解权力和意义是如何通过话语构建的。例如，在一项关于公众对气候变化看法的研究中，话语分析可用于确定如何使用语言来框架问题并构建不同的观点。
• 框架分析： 在这种方法中，研究人员使用预先确定的类别或主题来组织数据并识别模式或主题。例如，在一项关于工作场所团队成员满意度的研究中，可以开发一个包含工作与生活平衡、薪酬和福利、成长机会和工作环境等类别的框架。
数据可视化
可视化数据服务设计 可以帮助团队理解和组织复杂的信息，识别数据中的模式和差距，并培养与被研究人员的同理心。 有多种可视化方法研究数据，例如：
• 物理或虚拟研究墙，显示和组织所有研究成果、数据和见解
• 角色举例说明不同人群
• 旅程地图可视化服务生态系统中的体验
• 显示服务生态系统中关系的系统图
• 突出问题或潜在解决方案的关键见解
• 全面概述的研究报告
选择可视化方法时要考虑目标受众，可视化的目的要明确。不同的受众会有不同的需求，任何需要在团队之外传达的研究成果都应该易于理解。
以上内容为转载
网友评论