产品用户研究和基础用户研究

当然，如果我希望提供更精准的服务，用来区分用户群体的维度就需要再增加，那么上面那个2×2象限图就不够用，我们可以用表格来代替。

不管怎样，你可以看到，Analytics不能帮我解决这些疑问，它提供的只是一个汇总之后的平均数据，而“平均数据”恰恰抹掉了用户和用户之间的“差异”。

基于人口统计特征的研究也同样如此。我的访问者中有60%男性，40%女性（假设），这个结果对我的决定并不能产生太大影响。北京的比上海的多，可能会使我少举几个具有北京特色的实例，但仍然对内容没有决定性影响。因此回过头来看，也许基于Demographic来总结用户特征，并不适用于产品设计。

怎样的划分标准适用于产品设计呢？我不能给你准确的答复，因为这完全取决于产品的性质和规划，没法一概而论。但我可以分享一下我这个博客的例子。

用户的专业水平和研究兴趣，是我划分读者群体的两个维度。然后我得到了四种不同的人群，接下来我就可以分析这几个群体之间可能的差异，和Analytics的数据结果进行对比，看看是否能解释一些现象。比如：《人物角色：理性与感性的结合体》的停留时间远远高于《我为什么要登录》；《 如果交互让你崩溃》的浏览量远远大于《大UE？小UE？》……等等。如果不能合理解释，那么我可能需要做几次用户调查（问卷、访谈、测试……）来了解真相，而调查的抽样标准，仍然是以“专业水平和研究兴趣”为标准的。

我想这才是真正与产品有着紧密结合的用户研究，为了和以前的研究方法以示区别，我称之为“产品用户研究”，而将之前提到的传统方式称为“基础用户研究”。它俩之间的唯一区别，是划分用户的维度。而你现在也知道了，基于人口统计学特征的用户研究只能输出大家常见的那种报告。

产品用户研究的维度，通常是从用户的行为差异开始分析的，不过差异行为背后往往是驱动因素（动机）在起作用，而动机又取决于目标，所以最后通常会落到用户目标上。先按“目标”来划分用户群，然后去了解具有相同目标的用户Demographic，这和基础用户研究是刚好相反的，也正因为如此，两者是相互补充，互通有无的。

补充：

很巧，今天看到UIE的一篇文章，Avoiding Demographics When Recruiting Participants: An Interview with Dana Chisnell，与本文观点不谋而合，有兴趣的同学可以一读。

摘两段话：

None of those percentages had anything to do with what they wanted participants to do in the study. None of those percentages said anything about how motivated the people we selected might be to do the tasks that were part of the study.

This made it much easier for us to recruit for this study because as you can see, there’s nothing about age, gender, or profession in that visualization. Instead, it was about what people did and their motivations for doing it.