标签：取出 归类 年龄 建议 min src 需要 报告 工作
转载：http://spss-market.r.blog.163.com/blog/static/73142268201183013022414/
无论是产品经理、设计师、工程师，大家都是为用户服务的。用户各有所好。你喜欢这个，我喜欢那个，也有我们都喜欢的。那么在用户的心理隐藏着什么样的秘密呢？要想发现其中的奥妙，通常有两种方式：定性研究、定量分析。定性的信息告诉你为什么会发生，它灵活、快速、细节丰富，但缺乏普遍性，我们能听到的只能是少部分用户的声音，他们是否代表大多数用户是无从判断的。另一种方法就是让数据来说话，定量的信息告诉你发生了什么，它真实、精确。也就是说，用户研究并不一定总要使用“定性研究”这样的方式才能进行。借助数据分析也可以达到了解用户喜好的效果。
一、“数据分析”在“用户研究”中的作用
“数据分析”如何作用于“用户研究”呢？
（1）了解用户概况
了解目标用户“背景信息”：通过数据统计目标用户“人口统计”信息，比如，年龄构成、性别比例、等等（如下图），达到对目标用户背景情况摸底效果
（2） 区分用户群体差异
按照多种维度，发现用户不同特征，将相同特征用户归类，进而准确形成用户分组，为之后进一步用户分析工作在此基础上进行，为产品优化设计工作指明用户群体的方向（如下图）
（3） 分析用户偏好
以调研的产品为核心，按照多种维度统计“频次”、“含量占比”，从而挖掘目标用户各种“偏好”，让“产品优化设计”能够迎合用户需求，有的放矢：如下图一，产品使用地点排行，挖掘用户对地点的偏好；如下图二，产品分类排行，挖掘用户对产品分类的偏好
二、 用户研究中的“数据分析”方法
收集用户数据->制定编码分类->数据分析（用户特征提取）->确定优化方向->提升商业回报，下面进行简要介绍
（1）制定编码分类
抽取近几周到几个月内的数据，根据分析的产品目标建立编码规则，执行编码，直到不再产生新的编码为止。编码可以是任何维度上的，只要对后续的分析有帮助
（2）数据分析（用户特征提取）
编码建立之后，围绕研究“目标产品”用户特征这个中心，按照各种有用的维度进行数据统计，通过数据分析结果，分析提取出“用户特征”
（3）确定优化方向
在分析出来的众多“用户特征”中，根据商业目标和用户体验双方向共赢的原则，寻找产品优化设计的方向
三、 为“数据分析”穿上美丽的外衣
（1） 数据说明“图形化”，让分析结果更易理解
给统计图表增加“图形化数据说明”，可以更直接快速的传达结论，更易于读者理解，如下方的两张图，分别给横轴的“性别”、“年龄”、“峰值原因说明”增加了形象的图形说明
（2）数据分析图，要能直观的反应结论
统计图表中，在说明不同类别占比或者频次有差异的时候，图形本身尺寸大小建议和所反馈的占比频次成正比，以便读者观看分析报告时候，一目了然，快速理解图表含义，比如下方图形，“YES类”占比多所以“图形面积”大；“NO类”占比少，所以“图形面积”小
最后，“数据分析”需要与“定性研究”相结合，才能发现规律并且追根溯源，更高效的指导设计和产品
标签：取出 归类 年龄 建议 min src 需要 报告 工作
原文地址：http://www.cnblogs.com/qiuhuiting2016/p/6121501.html
