用户是如何把天给聊死的？

访谈在用户研究工作中的基础性与重要性毋庸置疑，但是在实际的访谈中，出于各方面的因素，用户很容易会把访谈的话题聊死，经常导致我们无言以对，从而无法从用户身上获取真实有效的信息。

本文要解决的一个问题就是：面对用户的一些无效／宽泛／抽象的回答，如何正确的引导与追问。

什么叫做用户把天给聊死了？

我们所从事的移动物流行业，产品的使用者为货车司机，由于很多货车司机的表达意愿与表达能力比较差（其实还有川普等各地方言，大中华区域辽阔真恨自己没有多学几门语言），非常容易把天给聊死了，比如：

用研：为什么你会使用这个软件？
用户：你们工作人员给我装的／忘记了／随便用用…

又比如：

用研：你觉得这个软件怎么样？
用户：感觉不错／不知道啊／没想过／还行吧／额…说不上来

以上的对话情境相信大家都非常熟悉，这种现象基本上可以总结为：无法给出具体、详细的语言反馈，从而把天给聊死了。

这种情境之下，如果研究员没有经验的话，就不知道如何进行下去了，可能会直接进入下一个问题。

这会造成什么结果？

我们做研究主要解决的是两个问题：需求和用户

需求：问题，行为，原因
用户：属性，场景，频次

这个也基本上可以理解为我们大部分研究的研究目的。

而我们从用户那边获取的原始信息是：Goal / Do / Think / Feel，即基于用户目标的用户行为、用户观点和用户态度。

1 数据来源

若我们无法越过这些抽象、宽泛的回答去获得详细细节，则对于我们的洞察、转化都无法产生帮助，即无法完成我们的研究目的，最后可能产出的是一些泛泛而谈的观点，一份浅访的报告。

判断的核心标准

那么一个回答是否具体详细有哪些标准？

1. 所有说法都要有定义（区分形容词和动词）
   比如所有的形容词，应该是有定义的，如“不错”应该指出“到底是哪里不错”或“解决什么问题的时候是不错的”。

2. 所有的判断都要有例子（区分事实和观点）
   比如觉得“这个软件很好”，应该有事实例子来说明自己是如何得出“软件很好”这一结论。

3. 所有的操作都要有原因（区分结果和原因）
   比如用户做了下载动作，应该明确用户下载之前的动作，如动机，场景。同时应该明确下载以后的动作，如第一个行为，下载的目标。即，你从哪里来，要到哪里去，这些都是有因果关系的。

可能的原因

我们可以把用户的知识从两个维度进行区分：知道／不知道、说出来／没有说出来:

2 用户的知识

• 知道且说出来：这个维度的信息容易获得。基本上只要你开口问，都会获得，但是一般只是一些比较表面浅显的内容，即通过问卷法都可以获得一些行为及态度信息。

• 知道但不想说出来：这个维度的信息较难获得。需要去转移用户的压力和注意力，这样才能获得这些维度的信息。

• 不知道但是说出来：这个维度的信息较难获得。需要用研去帮户用户去梳理。这个维度需要筛选谎言信息的存在。

• 不知道且说不出来：这个维度的信息最难获得。除了帮助用户梳理，还需要经常性使用一些投射的技术。

我们一般获取的浅显信息就是知道且说出来的，但是我们更多想知道是：知道但不想说出来的，不知道但是说出来，不知道且没有说出来这三个象限的内容。

这三个象限的内容往往很容易出现前面说的“抽象而且宽泛的回答”。这里面可能有各样的原因：

• 用户自己没有思考这些问题

• 用户思考过，但是记不清楚

• 用户思考，但是没有理清楚逻辑

• 用户觉得很难回答

• 用户觉得这些问题很白痴

• 敏感信息

• 社会赞许认同方面的考虑

这些可能的原因都是可以一一对应到上图的三个维度中。这些原因都是从用户角度来说，而作为一名用户研究员，应该从自己角度找问题，那么原因就变成：
访谈者没有提出一个好的问题

解决方案

那么面对这种状况的时候如何以正确的姿势应对，并提出正确的问题呢？
1. 定义

用户：我觉得这个软件很不错
用研：你可以详细说说哪里不错吗？／解决了你什么问题让你觉得不错？

2. 激活

用户：我觉得这个软件不错
用研：有发生什么事情让你觉得这个软件不错？

3. 对比（以前／竞品）

用户：我觉得这个软件不错
用研：（以前）和之前没有使用这个软件相比，你觉得有什么变化
用研：（竞品）为什么不使用某竞品？

4. 缺失

用户：我觉得这个软件不错
用研：如果没有这个软件，你会怎么做来达到自己的目标？

5. 转移

用户：我觉得这个软件不错
用研：你最好的司机朋友在使用的话，你觉得他会怎么评价这个软件？

6. 转述（朋友／小白）

用户：我觉得这个软件不错
用研：（朋友）如果你要向一个没用过这个软件的朋友介绍这个软件，你会如何介绍？
用研：（小白）假设我是一名不了解这个软件的人，你会如何向我介绍这个软件？

总结

访谈虽然是用户研究中一个非常基础的工具，但是里面坑还是很多。今天和大家介绍的是 “什么是用户的抽象无效回答并可能造成的相应后果”，然后提出 “好的反馈的标准是什么”，最后分析可能的原因并提出相关的解决方案。

参考文献

• 《Laddering: A ResearchInterview Technique for Uncovering Core Values》作者：Michael Hawley

• 《打破坚冰的深度访谈》作者：袁岳

• 《用户力》作者：郝志中

如果想要探讨相关或延伸的一些内容，请在微信公众号用户研究社中留言。

END