在快節(jié)奏的互聯(lián)網(wǎng)時代，產(chǎn)品經(jīng)理們常常面臨著如何深入了解用戶需求、優(yōu)化產(chǎn)品體驗的挑戰(zhàn)。本文將帶你走進用戶研究的世界，幫助你更精準地識別用戶畫像，更有效地收集用戶反饋，以及更科學地分析數(shù)據(jù)。

01.用戶是誰

前兩天銷售突然問我：買我們產(chǎn)品的用戶是哪些人??？

我說：不是那些制造業(yè)、服務業(yè)的老板嗎？

他說：可以再細致一些嗎？比如多大的企業(yè)，年銷售額多少？年齡多大？在哪些城市？使用電腦熟練嗎？為什么要買我們的產(chǎn)品？使用頻次怎么樣？

…

諸如此類的。

只記得當時腦子有點亂，一下子要很清晰的回答那么細，也答不上來。

02.模糊的客戶印象

事后回想，答不上的原因只有一個，那就是對客戶的認知不夠具象化。

也就是說，腦子里對客戶只有一個大概的模糊的印象，比如年齡大概30-60歲之間，年齡跨度非常大。

他們中很大一部分連清理回收站里的垃圾都不會，對這部分群體而言，使用電腦本身就是一件難事，還要讓他們來學習如何操作使用SaaS系統(tǒng)，總覺得在為難他們。

仔細思考了以后，才意識到我已經(jīng)很久沒有在一線跟客戶打交道了，很多需求都是被動的推送過來，而不是我們?nèi)ブ鲃拥母蛻翩溄佣玫降摹?/p>

想到這里，感覺一陣恐慌，慶幸現(xiàn)在還有那么多客戶愿意相信我們，繼續(xù)使用產(chǎn)品，這是一件多么“幸運的事情”。

03.靠近用戶

意識到這個問題后，就想著多靠近靠近客戶，多聽聽他們的訴求是什么，現(xiàn)在這個產(chǎn)品真的能解決客戶目前遇到的問題嗎？到底能給客戶帶來什么價值？

基于以上這些，就去找了一些具體的用戶研究方法，經(jīng)過一段時間的調(diào)整，產(chǎn)品的大方向又變得清晰起來。

具體是哪些方法呢？

1. 去現(xiàn)場

我們的客戶每個月都會有很多新老客戶過來公司，我都會和其他的幾個小伙伴去現(xiàn)場輔導客戶使用產(chǎn)品。

在現(xiàn)場總能發(fā)現(xiàn)客戶出現(xiàn)一些很“奇葩”的問題，就算我們測試了很久，還是沒想到會出現(xiàn)這種問題。

其實說白了，是我們在設(shè)計的時候沒能完全覆蓋到具體每個客戶實際使用的場景，也就是對客戶的實際使用流程了解的不夠深，才會造成客戶在現(xiàn)場出現(xiàn)的困境。

不過話又說回來，就算你能想清楚、覆蓋全所有的客戶應用場景，公司對應的資源是有限的。

只是，我們雖然沒想到，但是當客戶遇到的時候就要及時想辦法避免或減少這類問題的發(fā)生。

重點是解決問題，再去想一套實際可落地的解決方案。

2. 用戶訪談

除了去現(xiàn)場，我們還會定期邀請正在使用的客戶進行面對面訪談。

交談過程中，基本不會去引導客戶講什么。而是讓他們一點點的講清楚使用流程，包括開始的第一步、第二步、第三步，一直到完整整個流程。

就拿發(fā)布視頻作品來講，客戶首先是要寫文案，去哪里寫？怎么寫？寫出來后去哪里用？然后是去找素材，做視頻，發(fā)布視頻。最后才是查找視頻作品的數(shù)據(jù)反饋。

基于這樣一個詳細的工作流，我們從他們的流程中去找客戶使用過程中存在的卡點，重新思考產(chǎn)品的使用的流程，最終去梳理解決方案。

一般這樣下來，都會很方便的知道用戶的卡點，對于后續(xù)的產(chǎn)品迭代是有非常大的幫助的。

這種方式也是我們用的最多的，也是效率最高的一種，缺點是難約客戶，比較耗費時間成本。

3. 數(shù)據(jù)反饋

數(shù)據(jù)反饋也是比較常見的一種方式，通過后臺數(shù)據(jù)的變化，反過來推測客戶目前可能遇到的問題。

像我們用的比較多的是定期調(diào)出某段時間客戶的使用數(shù)據(jù)，針對數(shù)據(jù)去做產(chǎn)品方向調(diào)整。

比如對需求排優(yōu)先級的時候，其中一個參考標準就是價值。那些對大客戶或大多數(shù)客戶有價值的功能一般都會排在最前面，畢竟這些功能更新上去以后，能極大的提高客戶的使用體驗和用戶價值，我們團隊也能收獲正向反饋，那就必須要優(yōu)先去做。

這種最容易被忽略，效果沒有前兩種那么直接、高效，但也是一種經(jīng)常要去做的事情。

04.小結(jié)

如果你們遇到跟我類似的情況，要趕緊警醒下自己。長時間的離客戶太遠，是一件很危險的事情，產(chǎn)品會很容易走偏，對用戶的“傷害”越來越大，卻不自知。

要多跟客戶進行“互聯(lián)”，就像朋友一樣。如果離得太遠，感情終歸會變淡。

雙方連接起來，經(jīng)常去同用戶溝通，去熟悉他們的偏好、行為習慣、遇到的問題、期望的東西、了解需求的場景等等。

接著去挖掘出用戶背后深度的痛點，如此，才能更好的為他們提供更好的產(chǎn)品體驗，以及解決他們真正遇到的問題。