zoukankan      html  css  js  c++  java
  • 调研方案如何炼成?

    调研,人们接触它往往是始于报告,甚至是止于报告,几行精辟的结论足以吸引万千目光,成为评判调研优劣的唯一标准。

    用结论的人只关注结论,是对的。但找结论的人,所谓的研究者,必须思考“精辟的结论从何而来?”

    入行以来,从报告到提纲,从提纲到方案,就像一段逆江溯源之旅,深切体会到高水平方案是高水平结论的必要条件。举个形象的例子,方案就像脑神经元,结论就像行为表现,如果一个人在某一方面表现优异,那么他在这方面的思维能力一定不差。

    对市场研究者来说,方案是整个调研的智慧精髓所在

    既然方案如此重要,那怎样才能写出高水平的方案呢?
    事实上,方案是“炼”出来,不是“写”出来的。这里有两层含义:

    第一,它是思考的修炼过程;
    第二,它是有方法可循的提炼过程。

    第一层,属于意识情志层面,这里不多说。
    第二层,方案的炼成方法,是这篇文章尝试解答的核心问题。

    在方法说明之前,我们试着为检验方案水平高低提供一个参考标准: 高水平方案ok=问卷和提纲ok=数据和分析ok=报告目录和分页内容ok。 简言之,方案好了,在报告结论和建议之前,只需要执行,并且能确信我们一直走在一条对的路上。

    进入正题,说说调研方案的炼成方法。

    第一步,搞清楚,你将要做什么?

    说来简单,做到很难,因为我们不知道怎样叫做“搞清楚”。要证明确实搞清楚了,你至少要知道:问题能在哪里找到/问题是什么,解决问题的措施建议中哪些是不能落地的。

    谈两个经验:
    1.1、与用户和产品来个第一次亲密接触
    接触前,心中默念N遍代入角色,我没空也没精力研究这个产品,我不认识它,我随时可以抛弃它另结新欢。然后做下面两件事:
    A.    给将要调研产品一次亲近我的机会,用它,体会小白变油条的滋味。
    B.    抓几个能抓的人,问下小白和油条们的看法(没用过和用过的人)。

    亲密接触第二步,心中默念N+1遍代入角色,我刚来实习,我现在一无所知,但我有炽热的好奇心,我会征服它的。然后做下面两件事:
    C.    把将要调研产品的历史研究资料搞到手,多多益善。
    D.    了解产品的前世今生来世(过去、现在、将来,为什么有/没有变化)。

    亲密接触时,务必专心“洞察”,数理分析请别瞎掺和,诸如样本来源/数据结构等。

    1.2、了解需求方的大脑
    A.    【定义问题】需求方知道自己出了什么问题吗?不知道请先讨论预估问题,怎么预估?请教你的市场洞察。
    B.    【解决方案】知道问题所在,需求方打算怎么治?为什么要这样治?治疗效果预计如何?
    C.    【干系人】需求方中,谁来治?谁关注这个治疗?这个治疗会影响谁?

    第二步,写清楚,你的思路。

    2.1、基于要调研的问题,构建研究思路框架
    构建框架,和读书很像,都需要从薄到厚,从厚到薄。差别只在,前者要读懂产品和用户,后者要读懂作者和作者的时代。

    所谓“从薄到厚”,就是坐标轴上撒网,横着盖得宽,竖着分得细,覆盖面广,颗粒度细。这样的框架往往是个身形庞大的家伙,这时就需要“从厚到薄”,根据对解决问题的支持力度有的放矢地展开或收缩某些枝节。

    根据问题类型,归纳出对应的三种思路构建方法:
    用思维导图把你的框架建起来,每种思路构建方法提供简繁两个案例。

    触点分解示例1:用户流动】

     2

    触点分解示例2:操作流程】
    操作流程的触点有:打开程序、登录、查找人、添加到组、进入聊天窗口、使用界面功能、关闭窗口、退出程序。

    3

    认知分解示例1:认知到留存】
    认知到留存的环节有:知道、查看/了解、试用、继续用、最近仍在用。

    4

    认知分解示例2:听过到想要】
    听过到想要的环节有:听过/知道、有了解、熟悉、喜欢、有意向购买。

    5

    产品解构示例1:对战系统】
    对战系统解构的模块有:将领、士兵、国王、装备、城池。每个模块纵向拆分成:基础(基准/差距)、提升(方法/难度/支出等)、操作方法等。

    6a

    产品解构示例2:体验系统】
    体验系统解构的模块有:数量、质量、更新、展示方式等。

    7a

    2.2、回顾“需求方的大脑在想什么?”
    这里要做的事情有两个:
    A.    重点是什么?重点问题对应的框架枝节是否能够界定并解决问题?
    B.    重点部分请扩展,非重点部分请收缩。(示意图)

    8a

    第三步,思路清晰后,动笔写方案。

    调研方案包括6部分:项目背景、调研目的、调研内容、调研方法、调研对象与资源、时间安排。

    3.1、项目背景 “需求方在想什么?”的研究思考写出来,一般有两部分:现存问题、计划解决方法。现存问题,包括:认知率、转化率(新进用户数)、继续使用意愿、流失率、活跃度等。计划解决方法,包括:活动、改版、宣传、更新等。
    3.2、调研目的及调研内容 这部分是方案汇聚智慧的精华页。笔者通常会把目的和内容放在同一页里,方便展示和检查它们的对应关系。下面是笔者的案例: 问题是新用户转化率低,老用户续用率低。转化率按认知分解,续用率按触点分解,可以分解出这样的内容:

    9

    调研目的和内容对应如下:

    10  

    可能有人会问,如何评判自己写得好与不好?
    笔者的检验方法是:调研目的=报告目录;调研内容=问卷题目。

    3.3、调研方法、调研对象与资源
    我们的行动应该是这样的:
    A.    调研方法,每一种调研方法对应解决某一类问题,根据调研内容选择方法。比如:要量化缺选项的,用开放式问卷找选项;要场景化,用深访/座谈定义场景;要修缮交互,用可用性测试操作过程。
    B.    阶段目的,基于方法及其对应的问题,设定每个阶段目的。即:哪种方法应该解决哪些问题。
    C.    调研对象/资源,根据阶段目的复杂程度,确定调研对象和资源数量。
    依旧用上面的例子:

    11

    最后一部分关于时间计划,根据调研方法的几个阶段安排即可。

    【结语】 这样的方案可能要耗费一些脑力,要花一些时间,但它有巨大的好处,试想下当你的方案确定了,就能走在一条正确的研究路上,是一件非常幸福的事。 笔者期待着更精辟的智慧调研方案,横空出世。

    12

  • 相关阅读:
    Linux下 高性能、易用、免费的ASP.NET服务器
    K-means算法
    K-means算法
    机器学习之深度学习
    机器学习之深度学习
    Tracking-Learning-Detection (TLD算法总结)
    Tracking-Learning-Detection (TLD算法总结)
    机器学习技法之Aggregation方法总结:Blending、Learning(Bagging、AdaBoost、Decision Tree)及其aggregation of aggregation
    机器学习技法之Aggregation方法总结:Blending、Learning(Bagging、AdaBoost、Decision Tree)及其aggregation of aggregation
    迭代是人,递归是神(迭代与递归的总结:比较)
  • 原文地址:https://www.cnblogs.com/YTFuture/p/3195068.html
Copyright © 2011-2022 走看看