問卷調(diào)查與數(shù)據(jù)分析,對于創(chuàng)建用戶模型方法

問卷調(diào)查與數(shù)據(jù)分析，對于創(chuàng)建用戶模型方法屛媒體履菇目標(biāo)人詳Q0后'■無稱屛媒體履菇目標(biāo)人詳Q0后'■無稱N?￥!和冋用H：品科靈Jfe力、日駆化.WdiXI3G.4G上網(wǎng)場冒和寤主忖訐為的妙戶十很想寫一些東西來總結(jié)總結(jié)自己的工作，可惜工作太忙一直也沒顧得上來寫。最近閑來想和大家討論討論關(guān)于創(chuàng)建用戶模型的事情。一、用戶模型的建立與問卷數(shù)據(jù)的采集Persona：（Persona是用戶模型的的簡稱）是虛構(gòu)出的一個用戶用來代表一個用戶群。一個persona可以比任何一個真實的個體都更有代表性。首先，用戶模型是對用戶的一種劃分，是將一個類的概念轉(zhuǎn)化成為一個角色。這里舉一個簡單的例子：電影里有很多角色，但是生活中有和電影中一模一樣的角色么？顯然是很少的，除非遇到極品。電影中人物的角色是集合了廣大角色的共性而產(chǎn)生的角色代表，代表的是一類人或是一個群體。用戶是大量混雜的，我們需要將用戶按照角色分開來確定不同角色的偏好與場景的結(jié)合，這才是建立persona體系的主要目的。下面具體講講建立Persona體系的步驟。談起建立Persona體系高手頗多，我這個菜鳥可不敢班門弄斧，我個人比較推崇Dr.LeneNielsen的10步建立Persona方法。Findingtheusers發(fā)現(xiàn)用戶Buildingahypothesis建立假設(shè)Verifications調(diào)研Findingpatterns發(fā)現(xiàn)共同模式Constructingpersonas構(gòu)造虛構(gòu)角色Definingsituations定義場景目標(biāo)Validationandbuy-in復(fù)核與買進Disseminationofknowledge知識的散布Creatingscenarios創(chuàng)建劇情On-goingdevelopment持續(xù)的發(fā)展按照Dr.LeneNielsen的方法可以建立起一套完整的用戶模型體系（雖然有幾條我也不是太會用），不過對于大多數(shù)產(chǎn)品這個方法還是有點高深莫測。我剛接觸這個玩意的時候看了一下午還是不太明白這玩意怎么用。所以只能基于這個高深玩意，自己總結(jié)了一套能夠切實可行的Persona模型構(gòu)造方法準(zhǔn)備在下面簡單說說，我本屬菜鳥，大家多多提意見哦！第一步：確定用戶，做出假設(shè)首先，要明確用戶群體，這個在大多數(shù)應(yīng)用開發(fā)之前就應(yīng)該明確了。連用戶群都不知道還開發(fā)個毛產(chǎn)品。其次，做出用戶角色假設(shè)。這個時候大家就要問了，我本來就是要確定用戶角色模型，這不是本末倒置了么？？我要說明一點，在用戶角色分析之前，我們要有個對用戶劃分的方向。比如對于一個游戲，我們要劃分用戶模型，其實有很多種分的方法。用戶可以分為，初級玩家、中級玩家；還可以分為，戰(zhàn)略性玩具、視覺性玩家、裝備性玩家。任何一個用戶群體都有多種分類方式，首先要確定我們到底怎么來分類用戶。確定了分類方式之后，再來一個一個分類來研究。下面以一個我從事的互聯(lián)網(wǎng)醫(yī)療產(chǎn)品作為一個簡單的例子，來對這一點進行說明。這里只是簡單舉例，真正的用戶模型假設(shè)分類遠比例子復(fù)雜的多。首先簡單定義用戶群：身體出現(xiàn)非緊急病癥的人群。如果是急癥或是嚴(yán)重的病癥一般會直接前往醫(yī)院，并不會打開手機應(yīng)用來咨詢醫(yī)生或者詢問用藥指導(dǎo)。所以我們的適用人群是身體出現(xiàn)異樣且非緊急的人群。做出假設(shè)，為了舉例方便，我們簡單的把用戶角色分為：細(xì)心護理型、粗放型。細(xì)心護理型：主要是指非常注意自己的健康狀況，不放過一點一滴的問題。粗放型：只需要知道個大概有事沒事，不太關(guān)心自己的健康狀態(tài)。我們先簡單將用戶角色分為這兩種，繼續(xù)第二步發(fā)分析。第二步：確定用戶興趣點（提取變量變量）對于這一步，可以通過少量用戶訪談來完成，其實就是找到所有用戶關(guān)注的點，我們將這些用戶關(guān)注的點稱為變量。比如對于醫(yī)療產(chǎn)品，經(jīng)過對用戶的訪談，我們簡略總結(jié)用戶關(guān)注度為：醫(yī)生的真實可靠性、醫(yī)生的負(fù)責(zé)程度、能否找本地醫(yī)生掛號、產(chǎn)品視覺、產(chǎn)品交互。為了舉例方便，我們簡單總結(jié)用戶關(guān)注的這5個特點。從而可知，我們得到5個變量，下面將設(shè)計問卷分析出對不同角色用戶對這5個變量的差異性。第三步：設(shè)計問卷（最關(guān)鍵的一步）問卷是針對我們產(chǎn)品真實用戶群的調(diào)查，所以題目的設(shè)計必須非常具有針對性，并且通過結(jié)果能夠達到我們預(yù)期的效果。首先，要先將問卷問題分成三個區(qū)：甄別性問題區(qū)、變量問題區(qū)、建議性問題區(qū)。估計有人要問這都是些神馬？？？其實這些很簡單。甄別性問題，是用來甄別出用戶屬于哪個角色；比如我設(shè)置了10個問題，符合1，3，5條問題的用戶屬于角色A,符合2,4，6條問題的用戶屬于角色B。甄別性問題：以剛才的例子，我們簡單設(shè)置3個甄別性問題：Z1.您一般在線咨詢病情的時間是多久？A.<5minB.5-10minC.10-20minD.>20minZ2.您是否需要隨時的咨詢醫(yī)生？A.需要B.不需要C.看情況Z3.如果手上被劃了一個小口子，并不是非常嚴(yán)重，您會？A.立刻消毒包扎B.清洗干凈后該干嘛干嘛C.壓根不管我們定義甄別規(guī)則如下:為了舉例方便，我們簡單給甄別角色設(shè)置了上述規(guī)則。這里說明幾點，第一，規(guī)則是人設(shè)定的，可以更改，只有更好的規(guī)則，規(guī)則沒有對錯；第二，問題1、問題2、問題3之間是“與”的關(guān)系，問題內(nèi)選項是“或”的關(guān)系。有個問題，如果用戶的答案都不滿足于上面的規(guī)則，那如何分配用戶角色呢？？？答案很簡單：要么真正研究規(guī)則并修改規(guī)則；要么作為數(shù)據(jù)清洗將用戶清洗掉（說明該用戶沒有認(rèn)真答題，或是用戶屬于極小類群）。當(dāng)然這個地方還有很多可以優(yōu)化，具體參考數(shù)據(jù)挖掘資料。變量性問題：變量性問題其實是指針對用戶關(guān)注的點進行問題設(shè)置。我們剛才舉例總結(jié)出的關(guān)注點為：醫(yī)生的真實可靠性、醫(yī)生的負(fù)責(zé)程度、能否找本地醫(yī)生掛號、產(chǎn)品視覺、產(chǎn)品交互，5個方面，針對每個方面可以設(shè)置1-n問題。（為了簡便，每個變量僅列出一個問題）下面在列舉出一個變量舉出多個問題的例子：產(chǎn)品交互：您對頁面扭轉(zhuǎn)時的流暢性要求如何？請用1-100分給出（1代表不在意，100代表非常在意）您對手機應(yīng)用的操作頻率如何？請用1-100分給出（1代表不經(jīng)常，100代表經(jīng)常操作）您喜愛扁平化的交互設(shè)計還是深度立體的交互設(shè)計？請用1-100分給出（1代表喜歡扁平化的交互設(shè)計，100代表喜歡深度立體的交互設(shè)計）總之，在設(shè)計變量性問題的時候，最好得到可量化的數(shù)字，這樣方便于對以后的多元回歸統(tǒng)計工作。建議性問題：建議性問題是不用用戶角色給我們提出的要求，他們可能提出一些非全局的變量問題。比如，對于老年用戶，可能會提出應(yīng)用設(shè)計中存在放大鏡功能，但這個功能明顯不適合年輕人。建議性問題的很多可以設(shè)置成開放性問題，不用角色的用戶可以將自己的想法寫出來，如果大家都需要，那就變成了新需求，也就是產(chǎn)品功能的發(fā)展方向。按照我們剛才的例子，給出2個建議性問題：J1.您作為用戶還希望我們的應(yīng)用添加什么樣的功能？語音服務(wù)功能24小時服務(wù)電話中英文其他 J2.您希望我們用什么方式和您聯(lián)系?電話email寫信（哈哈，這里來個復(fù)古的方式）直接上門其他

到這里，我們的一套問卷就搭建完成了。最后再說一句，在問卷的最后，要給出一個綜合評價性的問題哦?。。?！綜合滿意度：您對我們的應(yīng)用滿意度是什么？請用1-100分給出（1代表很不滿意求，100代表非常滿意）好啦，大功告成，這就是一套完整persona問卷。確宦不同庫戶誦色的信蚌確廬不同耳戶角色臨血迎件霉求按照規(guī)期對用戶角色進行覽分B1B2B364B5a確宦不同庫戶誦色的信蚌確廬不同耳戶角色臨血迎件霉求按照規(guī)期對用戶角色進行覽分B1B2B364B5a30&71128054447639中英文電話上圖描述了這一過程，其中每個顏色的小人，代表通過甄別問題后，區(qū)分出的用戶角色。最后用上面的問卷對10個用戶進行訪問，得到數(shù)據(jù)如下:說明:P1、P2、P3…P10代表10個用戶;Z1、Z2、Z3代表3個甄別性問題;B1、B2、B3...B5代表5個變量性問題;J1、J2代表2個建議性問題甄別性問題結(jié)果按甄別問題對用戶分類如下：細(xì)心護理型：P1、P2、P4、P5、P10粗放型：P6、P7、P9數(shù)據(jù)異常問卷：P3、P8異常數(shù)據(jù)的產(chǎn)生通常是由2個原因造成的，第一個是甄別邏輯設(shè)置不完善，比如我們這個例子甄別性問題少，很多情況都沒有考慮清楚，所以在設(shè)計甄別問題時，盡量將所有情況思考清楚，以免出現(xiàn)過多無效數(shù)據(jù)；第二個是被調(diào)查用戶填寫不認(rèn)真，這也是個很常見的問題，在設(shè)置問題時，盡量減少繁瑣問題，使被調(diào)查用戶能夠比較準(zhǔn)確的完成所有問題。

變量性問題結(jié)果:用戶的調(diào)查結(jié)果以數(shù)表的形式展示出來，這樣有利于進行多元回歸分析。建議性問題結(jié)果:用戶J1J2P1ABP2AP3ACP4CBP5CP6AAP7CCP8BDP9DCP10CB綜合滿意度:用戶P1P2P3P4PSP6P7P8P9P10勰度90B577at707S899080二、數(shù)據(jù)處理數(shù)據(jù)的常規(guī)處理對于剛才得到的數(shù)據(jù)，可以進行常規(guī)的處理。即求出平均值或者份額進行相應(yīng)比較分析，所得到的結(jié)果如下。對于樣本量為10的上述調(diào)查結(jié)果經(jīng)計算，細(xì)心護理型占50%，粗放型30%，異常數(shù)據(jù)20%。?細(xì)心護理型?粗放型?，異常數(shù)擄變量性問題平均值:

問題B1B2B3B4B5Mean83.684.270.676.277.B對于各個角色均值數(shù)據(jù)如下:問題81B283B4B5細(xì)虬護理型84.28466.878.869.880B77277.5'90變董性冋題數(shù)結(jié)果■細(xì)心護理型■粗放型從上述數(shù)據(jù)結(jié)論可知，對呀B1-B4問題，兩個用戶角色觀點相差不大。但是對于B5（產(chǎn)品交互）問題粗放型用戶比細(xì)心護理型用戶更為重視。經(jīng)過對建議性問題分析結(jié)果可以得到如下圖表：由此可得出結(jié)論，細(xì)心護理型用戶對email的要去較為強烈；粗放型的用戶傾向與寫信的方式。對于添加的服務(wù)項，這兩種角色均有需求。綜上所述，我們只是舉了一個非常非常2b又簡單的例子來說明構(gòu)建用戶模型的方法，實驗的樣本量也很小。這個簡單的例子可以說明基本方法，要真正應(yīng)用到自己的case中，還需要認(rèn)真研究分析。多元回歸方法分析用戶模型對于數(shù)學(xué)好的童鞋，可以給出一種多元回歸統(tǒng)計的方法來分析我們得到的數(shù)據(jù)。這里寫的并不詳細(xì)，也沒聽提供假設(shè)檢驗，望高手多多指點交流。我們僅用多元回歸方法來分析變量性問題的結(jié)果。我們的例子提出了5個變量性問題，所以要回歸的線性方程具有5個變量，形式如下:Y=b0+blx1+b2x2+b3x3+b4x4+b5x5我們的目的就是要對b0、blb2...b5計算出估計量。寫成矩陣的形式為Y=BX其中丫為綜合滿意度數(shù)據(jù)Y=[9085773170763991903O]T-x是變量性冋題結(jié)果數(shù)據(jù)，根拐多元回歸規(guī)則，將:＜改寫為總｛逑個冋題可以回去翻翻書）r80 9S 79 78 67'87 6& 60 89 7897 77 S7 69 9074r80 9S 79 78 67'87 6& 60 89 7897 77 S7 69 907479865798^.67996768095797SS7-8766608978977787699078737S77908S8767679769766(}J日杲我們要估計的矩陣7"B=[&-Qb2血打扎]B是我們要估計的矩陣B=[如嘰血幅%SjJ*使用MATLAB中的regress（y,x）可以對B進行多元回歸，結(jié)果如下:（這里沒有進行假設(shè)檢驗等，大家可以自行完善）>>y=load('C：\Users\ydbj0017\Desktop\y.txt')90857781707889919080>>x=load('C：\Users\ydbj0017\Desktop\x.txt')x二1809579786718766608978197778769901