作为一名积极向上的有志青年，学习的步伐自然是不能止步于一边啃着从大学里学到的老本，一边从实际工作中积累经验。如果想要成长得更快一点，业余时间就需要多阅读、多思考、多总结。进入UX行业之后，总是会接触到很多新鲜的概念和技术，跟自己的领域或多或少都有相关。一开始就像刘姥姥进大观园，什么都想接触，但后来发现这些东西多而杂乱，不成体系，便开始给自己划划重点，梳理一下作为一个用户研究员需要掌握的知识框架。

如果希望自己足够优秀，就需要以T型人才的标准要求自己，知识的深度和广度都应该有。下面这个图是我认为一个满足T型人才标准的用户研究员需要学习的八大领域：其中右边四项（1-4）是T的竖线，体现的是专业纵深度；左边四项（5-8）是T的横线，体现的是知识广博度。

用户研究知识树

正如大家可以看到的，1-4是用户研究领域的内容，从1到4越来越细分和精深；5-8属于产品研发团队中其他岗位的专业领域，从5到8对应领域与用研的相关性和重要性逐渐降低。

1. 社科研究方法论

用户研究是科学研究方法论以实现某种商业价值为目的而衍生出来的具体实践领域，并且这种方法论是基于社会科学研究，而不是自然科学研究。因此社会科学研究方法论对于用研来说，是底层的方法论，是必须掌握的基本知识。

而在社会科学领域中，心理学又占据着一个非常重要的位置——如果说数学是自然科学之母，那么心理学就是社会科学之母。这也是为什么很多用研岗位都倾向于招聘有心理学背景的从业者。

社科研究方法论

在这一部分，我们首先需要具备的是一些心理学的基本知识。认知心理学、生态心理学、工程心理学都与HCI关系密切，心理测量学、心理统计学、心理学质性研究能够让你了解定性定量研究的本质和基本方法。但我觉得心理学带给我的最重要的影响来自以下两方面：

• 心理学对人的意识、认知、情绪、人格的解读和探讨，它让我更了解“人”，因此也更能理解人是复杂的、不自知的甚至自我矛盾的；
• 心理学作为一门科学，非常注重科研结论的严谨性，因此我们做研究时不轻易下结论，而要非常注意对相关变量的控制和对结果的合理解读。

如果有了心理学的基础训练，对于定性研究和定量研究自然就会比较熟悉。比如我们从大二开始每一门专业课都至少要做一个研究，几年下来，研究设计和数据分析能力都是比较强的。

2. UX研究方法

如果掌握了心理学的研究方法论，对于各种社科领域的研究就都能够驾轻就熟了。但是用户体验是一个实践性很强的细分领域，它有自己的一套研究方法和工具，也有特定的行业知识背景，这些都是必须了解的。

UX研究方法

首先必须了解什么是用户体验，怎样才算是一个好的用户体验，因为用户研究常常都是以创造优质的用户体验为目的。这对于刚刚接触用研的心理学学生来说，是一个陌生而又充满乐趣的领域。

其次，了解用研常用的研究方法。虽然总逃不开定性和定量这两个领域，但具体到产品的不同阶段以及不同的调研目的，需要用到不同的方法。比较常用的方法有可用性测试、焦点小组、一对一访谈、A/B测试、问卷调查、竞品对比等。

此外，还有一些工具可以帮助进行研究和分析，举几个例子：

• 研究过程：探索信息架构可以用卡片分类法，比较视觉设计可以用合意性研究，锁定用户需求可以用卡诺模型；
• 数据分析：梳理观察数据可以用AEIOU框架，整理定性数据可以用亲和图法，生成用户画像可以用聚类分析法；
• 结果呈现：体验地图可以呈现用户完成特定任务时的行为和情绪体验，用户画像可以呈现对用户群体的细分，心智模型图可以呈现用户达成特定目标的过程的心智模型，故事板可以呈现用户情景故事。

3. 统计分析

统计分析也是用研人员的必修课，但是不必一蹴而就。在掌握了基本的统计学知识后，可以根据手头的项目需要寻找最合适的统计方法。

统计分析

很多数据分析工作其实用描述性统计就可以了；而且即使我们用了严谨的统计学方法得出了一个令人满意的p值，在结果呈现的时候也应该用可视化的方式，而不是直接把p值摆出来。这是为了增强报告的可读性，让利益相关者愿意读且能读懂，所以数据可视化是一项很重要也很基础的工作。用excel就可以做出很漂亮的图表，如果自己不太擅长做漂亮的图表的话，infogr.am、canva和tableau都是不错的工具。

统计学知识可以从最简单的SPSS学起，即使不太知道算法原理，至少要知道哪种情况下用什么统计方法，以及如何解读结果。推荐《用户体验度量》一书，作者对用研可能面对的多种情况给出了统计方法的建议，尤其对于小样本研究。

R是一个可选项。它的优势是容易学，且在线资源非常多。R可以完美实现数据统计和可视化，尤其后面如果想学数据挖掘，R也是最常用的语言之一。

4. 数据科学

这算是个人的一个兴趣，对于用户研究的日常工作来说，掌握数据挖掘和数据库技术并不是必须的，但是如果掌握了这门技术，自己可以尝试做一些有意思的实践。

数据科学

如果你像我一样喜欢研究，那你一定会为数据以及数据背后隐藏的知识而感到激动。数据挖掘就是一门用来探索隐藏在数据背后的知识的技术，它也许是一片能够给你很多惊喜的宝地。至于数据库，是结构化地组织、管理和存储数据的一个仓库，要学习数据挖掘的话，数据库也需要了解。

这个领域水比较深，我目前也只是看看相关的文章，还没有真正开始学习和实践。如果有这个领域的前辈，希望可以多多指导。

5. 交互设计

接下来是T的横轴了。在用研需要了解的几个相关领域里面，交互设计应该说是最重要的了。用户研究常常会发现产品设计上的很多问题，但我们希望研究发现是建设性的而不是破坏性的，因此提出合理建议是非常重要的。这个时候就要求用研人员有一定的设计能力，这个设计主要是指交互设计。

除此之外，我觉得用研接触一些交互设计的工作是很好的。因为很多团队往往做不到让用研真正融入到产品研发流程中，这时候用研跟产品、设计、开发的交流就会相对较少，不利于用研了解产品研发规划和进程。即使不承担哪个功能的交互设计工作，平时多花时间跟交互设计师讨论他们的方案也是个不错的选择。

交互设计

如果从未接触过设计，那么设计思维对用研来说是个门槛。因为用研平常都关注于如何发现和还原问题，而设计师关注的是如何解决问题。设计思维是需要多花费精力去培养的，这极大地影响了用研能否提出“建设性”解决方案。

除此之外，多了解一些通用的设计规范（比如iOS的设计规范，谷歌的Material Design等），碎片时间可以多体验一下优秀的APP，培养自己的审美品位，了解优秀的设计应该是什么样子的。

6. 互联网产品

仅次于交互设计的领域，是产品。因为用户研究不仅仅会发现交互设计的问题，有时也需要对产品方向和功能给出建议；此外，作为产品团队的一员，对产品有基本的了解也是跟团队其他成员高效合作的前提（因此不只是用研，研发团队其实都应该对产品有了解）。

互联网产品

首先要培养的是产品思维。在交互设计领域我们首先提到的也是设计思维，为什么呢？我觉得了解一个相关领域，最重要也是最精华的部分，就是这个领域的“思维”，即他们思考问题的角度。毕竟我们学交互、学产品，不是为了去做他们的工作，而是为了跟他们更好地沟通和合作，因此我觉得思维是最重要的部分。

除了培养思维之外，也需要多看看优秀的案例。多看看互联网各个领域的标杆产品，尝试去思考它们为什么成功。互联网前沿的技术和产品，都需要有所了解，毕竟这个行业发展太快，跟上技术才能跟上时代。

7. 程序开发

为什么一个用户研究员要学编程？我们刚刚提到的数据挖掘领域，是需要学习R或者Python的；使用excel，有些功能也需要VBA才能实现。然而，这些都不是最重要的理由。最重要的理由是：作为一个互联网从业人员，如果你对程序开发没有了解，这将是知识框架上的一大空缺。且不说跟程序员们沟通的能力，如果对程序开发没有基本的了解，我们有时候很难判断一个问题出现的原因，不知道一个设计方案实现起来难度如何（甚至是否可能），我们会犯很多不必要的错误。

程序开发

我觉得编程语言学一门就好了，毕竟我们并不是为了转行去打代码。上图列出的只是我觉得比较合适的两门语言。JS作为前端开发的语言，入门相对简单，并且在HTML5标准发布后具有了跨平台的优势；Python也是胜在入门简单，并且可以用作数据挖掘。

8. 视觉设计

视觉设计被放在了最后，是因为视觉设计是更加感性的领域，并且视觉的工作也需要设计能力比较强的人来做，一般用研不会在发现了视觉问题之后还顺便给出方案的（即使给出了方案可能也不忍直视）。另外，如果用研了解了交互和产品，那么跟视觉设计师也不会有太大的沟通障碍。

尽管如此，作为一个T型人才，我们对视觉的了解绝不能是一片空白。

视觉设计

我认为用研最需要了解的有两个部分。一是视觉心理学，这是与视觉设计相关的比较理性的学科。不同的视觉刺激物，比如颜色、线条、字体、布局，会让用户产生怎样的心理反应？二是设计美学，要不断提高自己的审美品位，对美感有一定的理解。这样在评估视觉界面的时候，就有了理性和感性两个标准，也就渐渐能对视觉设计有自己的理解。

总结

光是写下这八个领域，已经洋洋洒洒几千字，何况每个领域都要花时间去学，实在是感觉时间不够用了。

我个人的建议以及自己的初步计划是：对用研的纵深领域（第1-4点），从底层开始，每一个领域作为一个专项去学习，安排较多的大块的时间；对其他领域（第5-8点），大部分可以用碎片时间去学习，毕竟追求的是知识广度，时间不够的情况下保持多接触多思考就好了。也可以参考敏捷迭代的方式，第一轮先掌握各个领域的基本知识，之后继续迭代，每一次迭代都让T字的横轴和纵轴都长一点，这样就能够在知识深度和广度上都不断得到提升。