优界网

首页 > 产品经理 > 如何对定性人物角色进行定量验证

如何对定性人物角色进行定量验证

36

0

0

2015-05-14 17:55:46

 青青莲子

分享一下,又不会怀孕!

本作品为转载作品,版权为作品原作者所有,感谢上传者的分享!

首先,要对定性研究、定量研究做一个简单的定义:

定性研究是指从小规模的样本量中发现新事物的方法,例如用户访谈、可用性测试、焦点小组等;

定量研究是用大量的样本来测试和证明某些事情的方法,例如问卷调查、网站流量/日志文件分析等。
然后,为什么在得到定性人物角色后还要进行定量研究呢?目的有以下两个:

1,用大量的样本来验证定性研究中得到的分类变量以及人物角色类型

2,获得定性研究(小规模的样本量)时无法得到的数据,例如各类用户的产品使用情况、人口统计学指标,可以帮助产品方更方便的辨认各类用户,判断各类用户的活跃程度、占比等

那么,我们应该何时进行定量验证呢?视具体情况而定:

1,在定性研究完成之后,何时进行均可;

2,也可以在得到定性人物角色类型后就立即进行定量研究,具体如下图所示:

最后,我们该如何进行定量研究来验证定性人物角色呢?下面将要分享的是问卷调查后用聚类分析进行验证的一般步骤以及一些心得:

第1步,进行问卷调查:获得数据

问卷需要测量以下两部分变量:

(1)定性研究中得到的分类变量(a,b,c…),用于对分类变量、人物角色类型进行验证。所谓分类变量就是在定性研究中我们用于定义人物角色的关键差异(他们的明确的目标、行为和观点)。我们需要设计观测变量(a1-an,b1-bn, c1-cn…)来对每个分类变量(a,b,c…)进行测量,每个观测变量和一个问卷题目或选项对应。观测变量主要是根据定性研究进行设计的,因此定性研究的研究人员最好参与此过程。

以下以消费者对某公司业务的满意度为例来说明分类变量和观测变量:

(2)产品使用情况、人口统计学指标等其他变量,用于获得定性研究(小规模的样本量)时无法得到的数据,也可以用于在分类后对各个类别进行描述。

对于产品使用情况,我们一般都会考虑如下变量:使用年限、登录频率、功能偏好等

对于人口统计学指标,我们一般都会考虑如下变量:性别、年龄、学历、职业、行业、收入等

在此步,产品人员可能会提很多他们关心的产品问题,我们需要根据情况进行取舍,有一些问题并不适合在定量验证人物角色时进行调查,例如用户是否会使用快捷键等,就需要和产品人员进行沟通留待以后的研究中加以解决

第2步,对变量聚类:对观测变量的有效性进行检验

此步是后面的分析的基础,是为了回答这个问题:这些观测变量(a1-an,b1-bn, c1-cn)能否有效的对分类变量(a,b,c…)进行测量?

解决的方法为:将观测变量(a1-an,b1-bn,c1-cn…)作为聚类变量,对变量进行聚类,若聚类结果得到的变量分类(1,2,3…)和分类变量(a,b,c…)基本一致,也就是说a1-an聚为变量分类1,b1-bn聚为变量分类2,c1-cn聚为变量分类3等,则说明这些观测变量可以用于测量分类变量。

需要说明的是,虽然在检验测量的信度和效度上有着更为严谨、科学的方法,但出于操作上的复杂性以及对产品的实际价值较小,我们仅仅是用对变量进行聚类来检验这些观测变量的有效性。

第3步,对用户聚类:对人物角色进行验证

此步通过回答如下两个问题来对人物角色进行验证:

(1)用这些分类变量可以把用户分为几类?得到的分类和人物角色类型是一致的吗?—-解决的方法为:用分类变量对用户进行聚类

(2)这些分类变量中的哪些变量可以有效的区分几类用户?—–解决的方法为:检查不同分类在各分类变量上的差异的显著性

在用分类变量对用户进行聚类时,有两种选择:

(1)将观测变量(a1-an,b1-bn,c1-cn…)作为聚类变量,对用户进行聚类

(2)将分类变量(a,b,c…)(需要将观测变量(a1-an,b1-bn,c1-cn…)进行分别加权)作为聚类变量,对用户进行聚类

两种方法都可以通过最后得到的用户分类来验证定性人物角色,不同的是:第1种方法比较适用于想要了解不同分类在各观测变量(a1-an,b1-bn,c1-cn…)上的差异的情况;第2种方法比较适用于想要了解不同分类在分类变量(a,b,c…)上的差异的情况

解释一下,此处所说的“对用户聚类”和上一步的“对变量聚类”的差异在于聚类的对象不同,“对用户聚类”是通过分类变量将用户细分为几类,聚类的对象是用户;“对变量聚类”是将分类变量聚为几类,聚类的对象是变量。

在分析所得到的用户分类时,可能会发现一些和定性研究的结论不一样的情况,一般可以分为以下3种情况:

(1)得到先前定性研究中没有的人物角色类型。这是很有可能出现的一种情况,因为在定性研究的用户招募时很容易招到那些使用产品程度较深、对产品十分忠诚的用户,导致我们可能会忽略某些类型的用户,例如使用产品程度较浅、动机不强的用户。此类用户对于产品来说一般是较不重要的用户,在报告中加以说明即可;

(2)没有得到先前定性研究中的某个人物角色类型。这可能是问卷样本有偏或者在用户群体中该类用户数量过少导致的,应该根据这类用户对产品的重要性来进行取舍;

(3)先前定性研究中的某个人物角色类型需要分拆为几类。如果在定量验证中发现分拆后的几类用户确实在分类变量上存在较大差异,对于产品来说是属于几类有着不同需求的用户,则需要分拆为几类用户。

总之,是否需要增删某类用户,都是根据该类用户对产品的重要性来决定的。对产品是否重要则可以综合定性研究、定量研究以及和产品人员进行讨论后进行判断。

第4步,对各类用户进行描述

在进行2、3步骤之后,就已经完成了对定性人物角色的验证,然后就可以用人口统计学、产品使用情况等变量对几类用户进行描述。在确保问卷样本无偏的情况下,此步骤可以回答我们的如下一些问题:

(1)哪类用户在用户中占比最高?—-解决的方法为:计算各类用户的人数比例

(2)如何从人口统计学指标来对几类用户进行辨认?—-解决的方法为:对各类用户的人口属性进行描述,计算各类用户在人口统计学指标上是否具有显著差异

(3)如何判断哪类用户是我们的活跃用户?—-解决的方法为:计算各类用户的产品或重要功能的使用频率

(4)如何判断哪类用户是我们的重要用户?—-解决的方法为:分析各类用户的功能使用情况或功能需求后,结合定性研究并与产品人员沟通后进行判断

。。。。。。

这些问题可能是在做定性研究时产品人员就在强调的一些需求,而定量研究可以用大量的数据来帮助我们找到答案。

PS:一个误解:

和产品人员沟通人物角色报告时,产品人员对于人物角色经常会有如下的误解:

是否每一个人都可以对应到某一个人物角色?我不知道自己是哪一类,是不是大家都是混合型用户?

实际上,虽然是通过对用户分类来验证定性人物角色,但人物角色并不能和真实的用户完全对应。因为人物角色只是一个原型,某类人物角色具有一群真实用户中某些共同的行为模式,而某个真实用户可能同时具有某几类人物角色所代表的行为模式。

已有0人赞过

+1赞

认真评论的都成大咖了

还可输入1000个字

我要评论 我要评论
  • 刚刚
  • 登录优界网 ×