创建人物角色的方法
创建人物角色的流程可以根据具体情况而定，这本书中讨论了三种主要方法，它们是根据用户研究的类型和分析方法来区分的：
1、定性人物角色
2、经定量检测的定性人物角色
3、定量人物角色
用户研究方法：
用户研究纵览
做用户研究是想更好地去理解您的用户，那么您真正想了解的内容都是什么呢？特定的方法是为发现特定类型的信息量身定做的。
用户研究的一个角度：定性和定量
定性研究：是从小规模的样本量中发现新事物的方法，（通过与少数用户10到20个互动得到新想法或揭露以前未知的问题），用户访谈和可用性测试都属于这一类
定量研究：是用大量的样本来测试和证明某些某些事情的方法。调查问卷和网站流量统计（浏览您的日志文件以了解用户在网站上的活动情况）是很典型的定量研究方法。
人们说了什么很重要，因为这揭示了他们的目标和观点。目标触发了用户和你之间的对话，所以你需要彻底理解他们来到这个网站的原因，包括他们想要完成的任务。另一方面，观点透露了人们对自己的和在线体验的感受，去理解这些感受也是同样的重要。
人们做了什么同样重要，因为与他们所说的相比较，实际行为能显示出更多与人们有关的信息。行为不仅仅显示他们在哪里可能会有问题，也显示他们在使用网站时的普遍倾向。其中一个关键点：人们说的和做的可能完全不一样
用户访谈对用户目标和观点进行定性的观察和发掘，而调查问卷则用于测试和验证这些发现。可用性测试对用户的行为进行定性的观察，而网站流量分析则是通过大量的数据来确保这些行为模式具有统计意义的真实性。
定性人物角色
许多得企业创建角色时会遵从以下步骤：
1、 进行定性研究
一般会以用户访谈的形式定性研究，其中有的企业会选择一对一的与用户进行谈话，还有一些企业会用现场调查来代替用户访谈，地点会在用户最熟悉的环境（办公室或家中），这样不仅可进行可用性测试，而且用户的的反应和动作也会带来很大的收获。
2、 在定性研究的基础上细分用户群
根据每个群体中人们的共同点创建用户群组，对于人物角色而言，细分用户的目标就是找出一些模式，把相似的人群归集到某个用户类型中去，细分群体的基础通常是他们的目标、观点和行为。
3、为每一个细分群体创建一个人物角色
为用户的目标、行为和观点加入更多细节后，每个类型的用户群就会发展成一个人物角色，在这个人物角色基础上为其添加更多的资料后，人物角色就会变得生动。
优点：
1、只需要相对低廉的投入
2、更为简单的人物角色故事增进了理解和接受程度（角色来自于访谈和您曾经通过的故事，任务角色只是根据一两个属性来进行定义，所以比较容易）
3、需要的专业人员比其他方法要少（包括以下工作：主持用户访谈、发现用户模式、基于访谈结果创建人物角色，不需要统计分析，因为没有做定量研究）
缺点：
1、没有量化的证据（首先你能够访问的用户数量很少，这些用户的想法知否适合与所有的用户；其次访谈的准确性还需考量）
2、已有的假设不会受到质疑，（在于用户访谈的时候，您已经假设了谁是您的用户以及他们需要什么，将会不可避免的将这些假设带进访谈中，结果就会变成验证自己的假设，这次访谈就是没有作用的）
定量人物角色
为了找到对创建人物角色最有用的用户细分模型，您将使用统计分析的方法一次性地测试多个模型，而不是测试您关于某个细分模型的定性假说。
1、进行定性研究
再一次，定性研究揭示了对用户的目标、行为和观点的直观感觉。
2、形成关于细分选项的假说
与立刻决定最终的细分模型不同的是，您用定性研究来得到各种有可能用于细分用户的方式。这样做的目的是得到一个用于定量分析的、多个候选细分选项的列表。
3、通过定量研究手机细分选项的数据
对于每一个细分项采用问卷（特定的问题）或流量统计（使用频率）的方式定量的研究分析。
4、基于统计聚类分析来细分用户
统计算法在帮助您的得到细分模型上扮演了一个更加活跃的角色，而不是只是证实您已有的假设。（简单地说，就是您把一组变量放进机器里，它就会自己去寻找基于一些共同特性而自然发生的一组聚类数据）它会试着用不同的方式来细分用户，并且执行一个迭代的过程，寻找一个在数学意义上可描述的共同性和差异性的细分模型，实际上，它会有一个迭代过程，同时很大程度上仍会受您的执行方式。
（统计不仅仅是为了验证前面提出的假设，在迭代的过程，会有其他的数据聚合形成更多的细分模型）
5、为每一个细分群体创建一个人物角色
当这些聚类分析产生出细分群体后，您通过与之前相同的程序提取数据并使其逼真可信；加入人物角色的姓名、照片和故事，将这些电子表格变成真实可信的人物。
优点：
1、 定量技术与人的智慧相结合产生人物角色。与其他方法相比较，人为、个人的主观影响相对较少，量化的数据保证了创建角色的准确性，它更多的是在第一时间验证了多个细分模型。对于boss来说，完全可以赶走对于所创建角色准确性的怀疑。
2、 迭代的方式能发现最好的方案。在数量众多的可能性中通过迭代找到一个您能用于创建人物角色的最好模型（您仍然拥有关于最终使用哪些细分模型对的决定权，但是通过迭代有更多的数据和选项来支持您的决定）迭代的同时也会带来更好的对于用户的认识，和令这些用户更加满意的行为。
3、可以检查更多的变量。通过大量的数据，你能够知道很多没有发现的事情。
缺点：
1、这个方法需要大量的工作。这类统计分析需要时间同时又是一个反复的过程，所以总体项目消耗从7到10星期不等。跟所有的方法一样，这通常是一个连续的过程、每一步会使用上一部的输入（访谈、假设、调差问卷、聚类分析）。
2、 需要配备更那多的专业人员。需要专业的统计分析人员，能够将各种分析数据应用于数据的人
3、分析结果可能会引入一个新的、对企业的管理层来说会更加错综复杂和不适应的思考方式。细分模型的结果可能不是每个人期望的那个，可能和很多因素的综合作用有关，可能会出现细分群体与现有的假设和商业方向相悖。
网友评论