小站主人說一句：這篇文章指出了許多人學習過程中存在的問題，優秀的學習者都是會思考的學習者，他們會思考老師布置每個問題的目的是什么。
文中重點部分我已經加黑。
作者：網易云課堂助教
用戶調研作業的總結
1整體思路
作業的本意是，首先根據你對總體用戶群體的了解，選取合適的用戶因子，然后對總體用戶群進行劃分，通過把他們劃分成不同的具有明顯區分特征的用戶群體，然后你再針對不同的用戶群體，選擇典型用戶進行細訪，挖掘出不同用戶群背后的真正需求以及原因，然后根據不同用戶群的需求及原因，設計出不同的產品原型，并且說出自己的設計原因以及背后的深入思考。
但很多同學似乎并沒有完整理解，甚至不少人只是按照給的調研模板，把作業當成填空題，而不是真正的去思考模板的設計原理，去深入的思考自己到底應該怎么完成作業。這不得不說對于學生自身還是對于閱卷的老師，都是極大的傷害。因為學生失去了一次重要的學習實踐的機會，而老師不得不浪費很多時間去批改很多毫無亮點的卷子。
望諸位同學，下次切記——一定要想明白作業的真正設計原理和用意，再去思考如何動手，否則，自己的進步是會很有限的，更為可惜的是，自己雖然付出辛勞汗水，實質上做的卻是無用功。
2典型問題
2.1因子的選取
2.1.1 因子選取完全沒有區分度。
有一個同學做的是有關舊書處理的，選取兩個因子，一個是年齡，一個是性別，他首先對用戶群用年齡劃分——大學生 職場新人，中年，和老年。劃分的很合理，因為這些用戶群的特征比較明顯，比如大學生書多，而且身在校園，所以無論是賣還是送，都比較容易。但是職場新人就不是了。可他選取的另一個因子——性別，就完全沒有區分度。所有年齡段的人，無論男女，行為都是相類似的。后面的數據調查也顯示，每一項行為男女都是各占50%左右。說明該因子確實完全沒有什么用。
這就是典型的因子選取錯誤。因為因子的選取就是為了劃分用戶群，如果按照選取的因子對用戶群進行劃分后，發現各個群體之間沒有什么區別，那肯定就是因子選取錯誤了，而且這種錯誤最為嚴重。
2.1.2因子選取的模糊，難以量化。
不少同學是做在線教育調查的。選取的因子大多是年齡和興趣（或者類似的，比如動力，自主性等）。選取年齡很合適，不同年齡段的人，學習的方式和內容都不太相同，相對特征明顯，而且年齡段劃分簡單明了。但是興趣就很難被量化了。比如一個成天打游戲的大學生，你問他愿不愿意好好學習，估計沒幾個人說自己就死活不愿意學習的，但實際上，就是沒有實際的學習行為。更何況，有的學生寧愿做一天物理實驗，也不想背一頁單詞，那這算是學習興趣高，還是低？更何況，就算你能通過對比顯出它卻是不同，那你怎么進行量化呢？年齡可以按歲數劃分年齡段，對用戶群進行區分，那興趣按照什么對用戶群進行劃分呢？僅僅依靠弱中強，怎么區分界限呢？類似的例子還有，做網購調查的，選擇購物意愿作為因子，做閱讀調查的，選擇獲取知識等。
這些都屬于選取因子的時候，沒有想清楚，想明白，就套了一個似是而非的概念上去。其實學習興趣確實不可以被量化，但是某些特征是可以體現出來興趣的程度，比如他每天花多長時間學習，比如他完成的作業量，比如他每月讀多少本書，寫多少筆記，這些都可以很清楚的進行量化，而且也可以很直觀的表現出來學習習慣。而習慣的背后自然就是意愿。
因此，以后選取因子的特別注意，一定要選取可被量化的，否則無法形成劃分用戶群時的邊界。（順便說一個小竅門，因子的選取，盡量不用興趣或者意愿等描述心理活動的詞，而采取描述行為的詞，比如閱讀時間，比如購買金額等，就會避免類此問題了。）
2.1.3 因子選取過于細碎。
有不少同學的用戶調查是做的在線閱讀。選取因子時，按照慣例，一個是年齡，另一個就麻煩了，寫了一堆，一會兒用閱讀文章長短，一會兒又用如閱讀時間，發現還是不能精準劃分用戶群，又加上書籍類型等，搞的很復雜。
這就說明因子選的太細了。用一個很細小的標準進行區分，那樣的話，劃分出來的用戶群數量很多，而且特征很雜。的確，對用戶群劃分，就是為了找到典型用戶，特征越明顯越好，但是不代表特征越細節就越好。因為特征越細節，就說明用戶群的人數越少，比如你選定讀書一小時，文章不超過500字，還限定流行小說，那劃分出來的用戶肯定有高度一致的特征，但是這樣的用戶群滿共不超過200人，根據200人設計的產品，都不用考慮什么商業模式，單憑人數就知道開發產品是不現實的。因為首先找到這200人就不容易，另一方面，這200人有多少愿意掏錢你也不知道。
所以，應該通過對這些細節進行整合，找到它們的交叉點。只要認真思考，就會發現無論是讀書時間還是文字個數，都跟讀書類型高度相關，比如流行小說字數一般不會超過50萬字，讀的時間不會超過3天。那就可以之間按照書籍品類進行用戶群劃分，在各個用戶群下面再根據讀書時間和字數進行細標記。
2.1.4 因子選取屬于同一類別。
選取因子的時候，之所以最少選擇兩個，就是希望通過至少兩個維度，對用戶群進行劃分。但是有的同學選取的因子，本質上是同一維度的。比如一個同學做的是商品配送調查，他選取的因子是，起運費和配送費。這兩個因子也確實能對用戶群進行劃分，劃分出來的用戶群也確實有不一樣的特征，但是這些特征本質上沒啥不一樣，比如有人喜歡配送費高而起運費低，有人則喜歡配送費低而起運費高，他們本質上無非就是希望錢能少掏一些而已。還有類似的比如，做在線教育調查的，選取因子是目的性和功利性，或者目的性和有效性。他們本質上都是希望學習進行的又快又好。以此為因子，所區分出來的用戶群其實沒有什么本質區別。
所以選取因子的時候，務必想明白因子背后的行為邏輯是什么。如果是同一邏輯下的不同行為，那就算是被選做因子，其意義也不是很大。比如配送的案例，完全可以選擇配送費用和配送時間作為因子，費用反映的是用戶經濟承受能力，而時間則是用戶等待的迫切程度。完全不在同一邏輯之下。類似的，在線教育則可以換成 學期長短和學費高低。
2.1.5因子選取的過于死板
不少同學沒有深入思考，就直接套用課程所給的模板，甚至把因子硬套了事。比如一個同學很有特點，觀察到寫字樓早上因為大家都著急上廁所，所以導致廁所坑位短時間相對不足，以此為現象做了一份用戶調查，其中一個因子選取的是內急程度。這就有點搞笑了，都內急了，還有著急程度比較低的么？那些內急程度比較低的人，本來不想上廁所，但是看著廁所圍的人比較多，所以非要跟同事爭一下，寧愿聞著廁所臭氣，也要堅持在旁邊排隊的么？又或者有人忍了15分鐘，而有人忍了30分鐘，所以忍30分鐘的就一定比忍15分鐘的急？你確信如此用因子硬套的方式對用戶群進行劃分，不是胡鬧么？
所以用因子進行劃分時，不見得一定非要用優良中差或者從小到大等方式劃，比如用對購買圖書進行用戶調查，就沒有同學用書籍字數當因子，進行用戶群劃分的。
2.1因子總結
從以上因子選取的典型問題當中，就可以看出，不少同學并沒有理解因子的含義。因子本質上應該是觸發用戶面對相同需求時，做出不同選擇的原因。但是這樣的因子太難找了，而且，就算找到了，有時也不容易進行量化。所以退而求其次，因子的選取也就變成了能把用戶群劃分成特征明顯的不同子用戶群的標志。
因子的選取必須是非常慎重的事情，因為因子如果選取錯誤，就會導致用戶群劃分錯誤，進而導致不同用戶群的特征總結錯誤。那么，基于此而如此完成的用戶調研報告，就只能得到沒有任何實際價值的結論。所以選取時一定要慎重。
2.2 用戶調研
2.2.1 在線問卷與面對面用戶交談的異同。
不少同學可能是比較忙，或者沒有做過面對面的街頭采訪，拉不下臉來，因而采取了比較先進的在線調研問卷，而且一般在線調研都會有相應的數據分析，然后把餅狀圖，條形圖一截屏，貼到作業里就算完事。其實這是很錯誤的，因為根本沒有弄明白這兩種調研的含義。
在線調研，因為只能被動的設計問題，而設計問卷的人，往往都不是什么資深用戶，所以設計的只能是一些常規的沒有深度的問題，因此得到的問卷結果，很大程度上只能表現或者驗證通過因子劃分出不同用戶群體的行為特征，并沒有辦法深入的了解用戶的實際需求和原因。有少不同學意識到這個問題，所以還設計了開放性問題。但是一樣效果不大，且不說很少有人愿意寫，單是因為在線答題狀態往往注意力比較分散，很難進行認真思考，寫出的答案可信度就比較低。
所以一般在線調研問卷并不能得到很多有效結論，它其實是幫你快速了解用戶群整體狀態與結構的手段。
面對面的用戶交談，則因為可以不斷的進行追問，從而得到不少有價值的信息，但通過單個用戶訪談得到的結論，不一定適用于其他人。
所以用戶調研，最好是將問卷與用戶交談相結合。這樣就可以同時保證深度與廣度。
2.2.2調查的人數。
有不少同學直接在總結里寫道，因為填卷的人數太少（通常只有二三十人）所以，所得到的結論沒有普遍意義。
這是因為不明白用戶調研的意義。
按照統計學的規定，所得數據確實必須是大量的而且是完全隨機排布的，才能進行相應的數據分析，因為這樣的數據可信度比較高。但是按照這樣的調查分析得到的是普遍意義結論，是進行全社會摸底的調查，數據基本上都是按照嚴格的統計規則進行分析，進而得出的是科學結論。
可咱們進行的不是這種調研，咱們的調研很大程度上是為了挖掘不同用戶群的需求。所以它并不需要完全按照統計學所設定的標準進行。因為它只要能得到有效結論就夠了。如果你是某一領域資深用戶，你甚至都可以不用進行大規模調研，就可以直接寫出調研結論了，它一樣有效，而且指不定比一般人調研的結構更有效。
更可況，你希望有成千上萬人來認真填寫你的問卷，但實際上可能有幾百人填就算非常多了。如果執意追求大量的人數，就會把調研的時間拉的比較長，也許得到的結論很正確，也很有效，但是早就過了時效期。根據此類結論所涉及的產品可能早就壟斷市場了。因此，單單討論結論是否正確有效，有時會顯得不太明智。
當然，這么說并不是意味著人數不重要。只是方法要變一變。比如有的同學進行的投資方面的調研，你很直觀的感受到，收入越高，投資意愿越強，你只需要隨機找到幾個典型用戶，然后調查，如果結論符合你的假設，那寫出調研結論就可。如果不符合，思考為什么，然后重新調整假設，然后繼續調研。
所以調研結論的有效性，不是靠人數來證明，而是靠邏輯。
2.2.3 調研問卷的設計。
有不少沒經驗的同學，做面對面交流時并沒有提前設計好調研問卷，所有雖然訪談記錄寫了不少，但實際上有價值的信息很少。而另一類同學則是完全按照事先設計的問卷一個個的問，無論是誰，并不做相應調整，問完記下了事。
這都是不對的。
調研時最好有事先設計好的問卷，但是問的時候則不要完全拘泥于問卷。問卷的問題，說白了就是自己根據經驗事先判斷出來的信息關鍵點，所以一定要問。但是問卷是死的，人是活的，如果在問的過程當中，你發現用戶說出了你不知道或者沒有意料到的事情，應該趕緊追著問這條線索。也許就會發現可能是自己問卷設計錯誤，或者發現別的更有價值的信息，從而得出獨特結論。
問卷的設計，本質上是為了獲得更有價值的信息，而不是問卷本身是否合理。沒有必要在問題設置的細節上想太多。問題的不同問法，固然會導致回答有所不同，但肯定不會出現本質上的不同，如果真的出現了，那是問題本身沒弄明白，也不是語序等細節問題。
更重要的，每一個問題的背后，都應該包含你的思考，問卷的答案，都應該是你想要得到信息。它應該是你推理過程當中的重要一環，否則，沒有必要設置。有不少同學問卷開頭先問姓名年齡職業等私人信息，且不說人家愿不愿意真實填寫，就算得到了，你通過問題收集到的信息，跟你調研的方向基本沒什么關系，分析它們什么有價值的結論都不會得出。信息的收集自然是越多越好，但前提是相關的，如果非相關，所進行的不僅浪費人力物力，而且在分析的時候還容易誤入歧途。
2.2.4調研結論
用戶調研時，到底采用什么方式，分析時采用什么高級工具，其實都不重要，重要的是得出了怎樣的結論。
如果只是得到了只是一些通過常識進行推理就可以判定的結論，那調查的越細致，分析的越透徹，其行為就越失敗。因為調研的目的，就是為了獲得有價值結論，而不是別的。
有價值的結論往往是建立在數據和經驗分析的基礎之上。所以自己對結論的思考和解釋，其實是更為重要的。
不少同學，餅狀圖折線圖弄了一堆，卻沒有寫下自己對結論的思考和解釋，有點買珠還櫝的意思。望下次注意。只有一個同學，每對一組數據進行分析，就會就寫下一條對數據的理解和解釋，從而得出不少有價值的結論。
有價值的結論，往往是有深度的，要么能對用戶群的某些特征行為進行深入解釋，或者比較獨特的，就是雖然現象大家經常見，但是很少有人仔細去想背后是什么原因。
2.2用戶調研總結
用戶調研，其實就是針對不同的用戶群做的更詳細更認真的調研，本質上是為了更深入的了解用戶群特征的原因與需求，從而為下一步的產品構思提供出發點和支撐點。模板當中所寫的典型用戶A 產品A，是希望大家通過對某一類用戶群的分析，選出其中一個典型用戶A，然后根據對他的分析，設計出產品A，或者找到他所需求的產品A，然后逆向分析，為什么他會喜歡產品A。不少同學答題時，直接按照作業一的需求場景路徑進行分析，不是說這么分析不對，而是如果不了解問題設計原理，就硬套分析模板，得到的結論往往是沒有任何價值的，而如果得到的結論是無意義的，那無異于判定整場調研是無用功。
小站主人語：用戶A，產品A；那么用戶B自然也有產品B了，然后看看，產品A、B、C；我們是選擇A、B、C還是AC、AB、BC，甚至ABC，選擇什么樣的產品，就是選擇什么樣的用戶。
同學們應該謹記。
3 產品的構想或者產品的改進
這本來也應該是包含在用戶調研問卷當中的，因為通過用戶調研得出的結論，本質上就是為了能夠提出產品的構想或者改進。
但是大部分同學都沒有意識到這個問題。所以絕大多數人都沒有寫。
