▲点击 "TCC翻译情报局" 关注，回复 "社群" 加入我们

本文共 6132 字，预计阅读 17 分钟

TCC 情报局的第 91 篇干货分享

2021 年的第 79 篇

TCC 推荐：大家好，这里是 TCC 翻译情报局，我是李泽慧。与其说这是一份教你如何开展 UX 研究的文章，倒不如说这是一篇“劝”你学习使用定量研究的文章，而且在数据分析方面，本文实现了对目标用户从认知改变到实践指南的无缝衔接。本文所要阐述的是：首先，定性研究固然好，但是定量研究也注定是无法逃脱的。因为 “数据” 胜于雄辩，还能帮你发挥更大的、且正确的影响力；其次，不要以为自己是设计师就不算UX研究人员了，他们之间并没有如此的泾渭分明，因为这是未来职业要求的一个趋势。所以，只要你在从事用户体验相关方面的工作，你都需要去克服那种对数字的本能抗拒。如果你被本篇文章说服了，根据本文的小贴士，快速开始你新的旅程。

在进入用户研究领域之前，大多数用户体验研究者从事着不同领域的设计工作，他们并没有任何数据统计相关的教育背景。而且当下的用户体验研究日渐变成了一种混合式的方法，我希望可以鼓励每一位年轻的用体验研究从业者克服他们对数字的恐惧，能够开始接触与学习数据分析技巧。

你需要数据来支撑自身观点

1. 用户体验研究既简单也复杂

1. UX research is both simple and very complex.

近些年来，用户体验研究越来越成熟和专业，这不仅体现在肉眼可见的日益壮大的 ResearchOps 社区[1]，还更被大众接受，例如在用户体验研究领域里，有越来越多的招募岗位和公司投资。伴随着设计思维的日渐普及，越来越多的人开始对这一领域感兴趣，并从心理学、人种志研究、人类学、设计学等其他领域过渡到用户体验研究中去。

（[1]Kate Towsey是 WhatIsResearchOps 全球研讨会和研究计划的发起人，也是ResearchOps 社区的创始人，这是一个有组织的团体，他们公开学习建立和管理研究业务的意义。共同得出了以下定义："ResearchOps是启动用户研究的机制和策略，它提供了支持研究人员在整个组织中提供和扩大影响所需的角色、工具和流程"。ResearchOps是指用户研究和设计研究的运作和操作，ResearchOps包括人员、机制和策略，这些都是研究的基础。类似的称谓还有DevOps（开发团队）以及DesignOps（生产团队））

参考链接：

https://uxmastery.com/researchops-a-sign-of-ux-maturity/

The power of UX research lays both in its simplicity and also its complexity. While UX research is simple in the sense that the outcome of projects are mostly understandable and need no deep background knowledge to be understood (in comparison to many areas of science), UX research is also complex if you want to do it right. There is a lot you can do wrong, that will impact the outcome, accuracy, and reliability of your findings. The nuances and details matter so much that you need the professional to do it and it is not something anyone could do. As a professional UX researcher, you need the detailed skills to meet the highest standards of research execution, while speaking a language that everyone understands in order to have an impact on the product and business of your company.

用户体验研究的作用既体现在它的简洁性上也体现在它的复杂性上。当用研项目的输出几乎可以不需要深刻的专业背景来支撑（相较于许多科学领域来说）而能完全理解，它处于一种简单的状态。当然它也是复杂的，尤其是想要“正确”开展时。在实操过程中，很多方面你都可能会做错，这些都会对你研究发现的输出物、精确度和可靠性造成影响，而这些细微差别都非常重要，所以你需要专业科学地开展，这不是任何人都能做的。作为一名专业的用户体验研究员，你需要精细的技能来满足研究执行中的最高标准，例如，说大家都能理解的语言以营造对贵公司业务和产品有益的影响。

2. 相较于数据分析，定性研究更易于掌控

2. Qualitative research is easier to master than data analysis.

为什么人们在选择支付方式时会从购买流程中退出？
为什么人们会在不同的屏幕尺寸上使用不同的视频格式？
人们在通勤的路上如何消费内容？
在网站文案中使用幽默和嘲讽元素人们会有何种感受？

定性的用户研究与当前步骤 / 当前界面设计的关联性极强，在帮助决策、识别解决方案中的潜在问题、理解忽略预期路径缘由等方面均有所裨益。定性研究聚焦于具体问题，同时，它所生成的答案也是相关的且容易掌控的 —— 你可以通过一个产品看到人们无法有效地使用界面导航；你可以在人们的谈论中了解到为什么一个产品不符合他们的需求。你可以和你的交流对象建立同理心，这也就意味着你可以透过他们的研究看世界，站在用户的视角上来重新评估你自己的方法。借助于定性研究，你可以获取事情为什么以及如何发生的深刻理解。

除了它所创造的色彩丰富的图片，尤其相较于定量研究、数据分析和数据可视化及一切可怕和令人困惑的研究方法，定性研究也是比较“容易”的。定性研究是研究员可以闪耀自身个性的地方，当你在访谈用户时，你的同理心和积极性可以有助于创造比较好的氛围。另外，当你仔细聆听用户并仔细观察用户做什么的时候，个人对于细节的偏好可以帮你辨别出细微的差异。你的创造力将会帮你输出高质量的报告，有利的汇报展示和对许多问题的极致视觉呈现。你会变得更加擅长脚本编写，访谈技巧（如五个为什么）。客户旅程图实质上是一个练习。通过对反馈的积极倾听，然后是批判性的自我反思练习，再通过最佳案例和一般原则的练习，乃至更多的实践。如果你想成为一名优秀的定性用户体验研究员，你可以控制自己的命运。努力工作，随着时间的推移，你会变得更好。

3. 在商业世界中，事实建立在数字之上

3. In the business world, facts are based on numbers.

然而在定性研究领域里，它更多的是个人长期努力的成功，同样的内容并不适用于定量研究。许多人对数字有一种天然的恐惧，对于他们来说，数据仿佛是一种完全陌生的语言，只是看着数据就会让他们觉得非常畏惧。

数字 —— 某些人的噩梦

但事实是，作为一名有七年经验的用研专业人员，我可以对你说的是：你只有用“数字”的语言，才能对上层决策有真正的影响力。如果你想要拥有对贵公司商业决策的影响，你必须！以数据说话！如果你想要塑造贵公司的长期战略，你必须要知道如何谈论数据。而且，最为重要的是：如果你想要在用户体验研究领域有持久的发展，抱歉，你仍然必须要学习数据，否则一些重要的点你就无法占据。一个很简单的事实是大约有一半的潜在研究问题需要定量的方法，而如果你不了解的话，你就无法处理它们。这也就意味着你将会一直需要别人来支持你去进行数据处理，而在大多数时候这种局面都会令人觉得非常沮丧，因为他们才拥有话语权。数据从来不会说谎，你和你的五个参与者是谁？他们还有代表性吗？我们都经历过类似的数据收集和处理过程，其实我们想要的是处理数字并利用它们讲故事的能力，以及从个人采访中获得丰富多彩的关键认知。如果你想掌握这种混合方法的话，那么你就需要具备一种能力 —— 解释你的定性观察在多大程度上适用于大量用户样本。

在观察近期的设计趋势之后，你会发现越来越多的 UX / UI 设计师岗位被不断释放出来。而当你读过岗位描述之后，你就发现前端开发会是一个加分项。虽然你可以假装这些公司甚至不知道 UX 和 UI 之间的区别，但很快他们会要求求职者具备涵盖产品设计所需的全部技能。多年前电视制作中开始出现同样的趋势：一般来说，一个拍摄镜头的电视摄制组包含一名摄影师（或女性）、一名音响专业人士和一名编辑是很正常的，但如今这些工作往往会被一个人包揽 —— 他 / 她会是一名具备脚本写作、素材拍摄并确保视频材料具有良好的声音的专业人士。

伴随着用户体验研究在专业业务上的增长，对它的期望也在随之上涨。我们并非只是对设计的支持团队，用户体验研究还可以为商业计划的定义、市场扩张、产品策略、定价策略、最高级别的管理决策提供支持。但是这一切的发生都有一个共同的基础，那就是学会使用 “数字” 的语言。

有多少人还记得在网站上看到过的定向广告？
对于NPS（净推荐值），我们发现了哪些市场差异？
处于条件 A 的人比处于条件 B 的人更多沮丧还是更少沮丧？
用户的年龄是否与他们的购买意愿相关？
认为我们品牌“现代”的人是否更愿意向他们的朋友和家人推荐我们的服务？

这些问题都不能用定性方法来回答，例如用户访谈、可用性测试、焦点小组等 —— 它们都需要收集数据集。但所有这些问题都与高层管理人员相关。如果你能够回答这些类型的问题并围绕数据讲述一个故事，那么你一定会对业务产生影响并能够获得一席之地。如果你不是，你的工作仍然是一些不为人知的事情。

4. 无它，唯有学习数据统计

4. Learn statistics, there is no way around it

在我五年的心理学学习期间，我必须 学习统计学和定量研究方法，这是我的独特优势所在。这段学习经历的痛苦从未停止过 —— 但这也是我从大学学到的最重要的技能，它也帮助我更好地开始了我的用户体验研究员的职业生涯。所以，我可能很容易向那些在大学里没有涉足任何科学领域的人讲课（并不只是因为我的心理学专业背景），但这并没有改变我上面所说的：当你想影响公司的重大决策时，你需要依靠数据来主张你的观点。

如果你需要一点动力，请听我说：

我可以向你保证，你不需要大学讲授的 80% 的数据统计知识。你只需要学习应用一个小而强大的分析类产品组合。
我可以向你保证，整个学习过程会非常顺利。一旦你知道如何使用刀叉，机会是无穷无尽的。
你不是仅在学习一项新技能，与数字打交道会真正改变你看待自己的职业、所从事的行业以及可能生活的世界的方式。
如果你很聪明，你可以同时学到两件事：数据分析和编程。甚至不要从 Excel 或 SPSS 开始，即使是基础知识也不要。立即从 R 或 Python 开始。我向你保证不会后悔的。这就是行业正在使用的，这是未来，不要投资过去的工具。

从零到这一步：最多三天

1）数据收集

在后续的文章阅读中，你会学习不同的概念，从而帮助你在问卷中设计出合适的问题，还可以帮你在数据收集后更好地解读它们。在开始之前，你只需要知道以下内容：

你最重要的问题类型是单选题、多选题和评分量表。这三种问题类型足以入门。限于篇幅，具体信息可以自行进行查询“问卷问题类型”了解。
你收集的数据类型会影响你可操作的分析。简而言之，如果不收集数据，则无法进行计算（平均值，中位数）。有关数据类型的解释可作如下简介，对不同种类的数据，依据其尺度水平所划分的类别，这些尺度水平分别为：名目（nominal）、次序（ordinal）、等距（interval）、等比（ratio），他们统称为测量尺度（scale of measure）或称度量水平（level of measurement）、度量类别。限于篇幅，具体信息可以自行进行查询了解。
设计好的调查需要遵循一些原则：为调查定义一个清晰、可实现的目标；把更私人的问题留到最后；不要让调查的时间过长；专注于使用封闭式问题；考虑加入调查激励措施；不要问引导性问题；保持答案选择间的平衡和差异；过于绝对的答案选项是不可取的；避免问询双重问题；在发放问卷前之前预览一下。

如果你想尝试设计自己的问卷，我推荐 SurveyMonkey（国内用户可自由选择国内相关问卷工具）作为你的首选工具。选择标准时 —— 设计精良，使用简单，提供了一个模板列表，使入门更容易。

2）数据分析

数据收集后的第二阶段是数据分析。现在你肯定正坐在 Excel 表格前，不知道如何处理它。为了消除恐惧和焦虑，请确保你不会因面前的大量行和列而感到不知所措。其实，你也并没有理由这样做，因为数字并不会伤害你。

首先，观看一些有关统计的基本教程，记住一些术语和原则。这个学习基础知识的阶段很耗时，但没有办法绕过它。你必须学习如何处理面前的数据，而最好的学习方法是通过教学课程和动手实践。

3）表达自己，用统计学的语言

你的最终目标是将一组原始数据转化为有意义的内容、相关的故事以及从设计和管理部门向利益相关者的具体建议。

为了做到这一点，你需要自己开始。统计学和数据分析不是理论话题，它们非常实用。我建议你使用编程语言 R 开始你的旅程。它将允许你编写分析脚本、创建漂亮的可视化数据并将你的代码应用于其他数据集。掌握 R 将节省更多的时间，你必须在开始时投入，一旦达到一定的流量，使用起来会更有趣，而且社区很大，确保自己可以在线找到所有问题的答案和大量的软件包来解决具体问题。

虽然你会在 YouTube 上找到很多很棒的视频，但我强烈建议你投资一些实用教程，这些教程迫使你处理数据并解决问题以取得进展。虽然我强烈推荐 R 上的 Data Camp 课程，但你可以查看更多课程：