品玩

科技创新者的每日必读

打开APP
关闭
创业

致互联网创业者:请别把自己当作典型用户

大多数互联网创业者并不具有非典型用户的特征,依靠主观判断往往容易导致产品的失败,创业者应该学会用定性和定量的方式去搜集用户反馈作为产品设计的考量,但永远都不要让用户告诉你该如何去做。

陈粲然 Ray

发布于 2013年4月9日

今天在看Vision Mobile最新一期的移动开发者报告时,一个数据挺令我惊讶的——只有24%的开发者会进行市场调研,越来越多的开发者选择相信自己的判断,“远离用户”似乎正在成为这个快时代下产品决策的主旋律。

我先说两个故事。

2009年3月,Google首席视觉设计师Doug Bowman宣布从Google离职,并撰写了《Goodbye,Google》一文抨击了Google数据主导产品设计的流程,其中谈到了一个案例——Google对41种蓝色进行了测试,最后根据反馈数据选择了其中的一种,而不允许设计师根据自己的判断去做选择,Doug Bowman认为这种方法十分的僵化。后来我和创新工场用户体验总监吴卓浩对此问题进行过交流,作为Doug Bowman在Google曾经的同事,他表示,对于这个案例,他更认同Google的做法——Google的产品服务的是数以亿计的用户,他们在不同的环境下使用着不同的屏幕、操作系统和浏览器,Doug Bowman眼中最好蓝色效果对于他们中许多人而言并不使用,只用通过测试数据,才能找到最普遍合适的颜色。

第二个故事也是关于Google的,前段时间,Google宣布即将关闭Google Reader后,一部人声称Google精神缺失,开始“抛弃用户”,原因是他还是Google Reader的重度使用者。但实际上结果恰恰相反,应该说是由于大部分用户抛弃了Google Reader才导致Google的这一决定:在Google宣布这一决定后,许多用户选择将RSS源导入其他的产品之中,美味爱读就将导入的数据进行了对比,发现有约 83% 的源头自 2010 年就已经不再更新,甚至已经有约 24% 的源头永久失效。那些人们所留恋、经过精心整理的 RSS 列表,已是一个巨大而荒凉的坟场——这才导致了Google对Google Reader痛下杀手。

从上面两个故事中我们可以看出,用户调研在产品设计中依然占有十分重要的地位,因为一个互联网从业者,几乎永远无法变成一个通用领域的典型用户。

例如他们在说自己在移动端从来不用浏览器进行某些操作时,没看到通过移动浏览器阅读新闻的用户比例已经超过移动应用,而使用搜索引擎进入网页的比例一直在80%以上;再例如,他们说自己已经好几年不看电视时,就把2012年单年出货量已破5000万的智能电视市场抛在了脑后……

当然,这并不意味着数据是驱动产品的唯一标准,只不过它能从一个相对客观的角度为你的产品设计提供参考,实际上,我们应该从定性和定量两个角度进行考量。

先说定性,我认为这种方式非常适合用在产品初期,尤其是对那些没有足够的用户量去进行数据调研的团队而言。最简单的方式就是选取少量你产品的目标用户,让他们来使用产品或进行调查问答,观察他们的反映、听取他们的反馈。需要注意的是,任何问题都应该是简洁、细化和可答的。

而在定量分析中,除了市场数据外,在产品设计时最常使用到的是A/B测试和1/100测试。A/B测试就是将一个产品的两个或几个并行方案分别部署给不同的用户,根据他们的反馈来决定最好的那一个。在A/B测试中,每个方案之间只能存在一个单一的变量,否则无法进行判断,其中包括时间上的一致性——几个方案需要同时进行。1/100测试则是将产品的另一个版本部署给少部分用户使用(往往是核心最核心的用户),再根据反馈迭代并扩散开来,相较于A/B测试,1/100测试的迭代速度更快,也更适合初创团队使用,不过从效果上来看A/B测试还是更为直观。

可以看出,无论是A/B测试还是1/100测试,都需要较大的用户量作为基础,对初创公司而言,这似乎有些困难,不过好在现在有各种大型的测试平台能够帮助你实现这一点。当然,除了测试外,现在也有很多的统计平台和分析平台能够为你的产品提供数据参考。而对于如何把握和衡量定性与定量之间的平衡的问题,我在之后将会邀请一些创业者分享详细的案例来阐述,也欢迎各位参与讨论。

最后,我想说明的是,别把自己当作典型用户并不等于你需要那些典型用户去告诉你怎么做,而是根据他们的反馈决定你去怎么做,就像可用性专家Jakob Nielsen说的那样——Don't listen to users,watch users work。

 注:图片来自网络

下载品玩App,比99.9%的人更先知道关于「创业」的新故事

下载品玩App

比99.9%的人更先知道关于「创业」的新故事

iOS版本 Android版本
立即下载
陈粲然 Ray

不揣测动机、不质疑资格、不定义身份、不混淆概念、诚恳承认错误,做良性讨论。

取消 发布
AI阅读助手
以下有两点提示,请您注意:
1. 请避免输入违反公序良俗、不安全或敏感的内容,模型可能无法回答不合适的问题。
2. 我们致力于提供高质量的大模型问答服务,但无法保证回答的准确性、时效性、全面性或适用性。在使用本服务时,您需要自行判断并承担风险;
感谢您的理解与配合
该功能目前正处于内测阶段,尚未对所有用户开放。如果您想快人一步体验产品的新功能,欢迎点击下面的按钮申请参与内测 申请内测