8个常见的研究者认知偏误陷阱

作者:Sijia 前言: 认知偏误(Cognitive bias)是一种常见的现象,它是指当我们思考问题或做决策时,大脑会有一些固定的思维倾向。这个过程多是无意识的,有时也会带来正面作用,如帮助我们在纷繁复杂的环境中节省思考时间,更高效地做出决定但是在研究中,认知偏误易导致研究结果不准确,降低研究的价值。 我们都希望研究是客观、理性、反映真实情况的,了解常见的认知偏误可以帮助我们在工作中尽量规避它们,得出更准确的结论。 实际上每个人都会有认知偏误,包括用户研究者和用户。 今天我们就来说说研究者的常见认知偏误,下次有机会再谈谈用户的,敬请期待。 ——————————————————————————————————— 一、 确认偏误(Confirmation bias) 当人们本来就持有某种观点时,对这种观点的感知和注意度会被放大,会选择性地回忆或收集关于它的事例。人们对于自己原本就相信的观点会更容易接受,而把反面观点搁置在一旁。举个例子:有些人认为女司机不擅长开车,更容易造成事故,所以当新闻中的事故与女司机有关时,他们会觉得“果然如此”。而实际上男司机的事故率比女司机更高。 在用户研究中,当你的预设想法是用户对A设计的满意度比B设计更高时,在研究中你可能会更关注用户提到的A设计的优点、收集更多用户对于A设计的正面评价。当用户表示对A设计满意时,会觉得“果然是这样”。这种偏误会让你遗漏许多其它信息。 二、 虚假一致性偏差(False consensus effect) 虚假一致性偏差是指人们很容易认为其他人跟自己有相同的想法,从而高估这些观点的普遍适用性。举个例子:有一种冷叫做“你妈觉得你冷”。妈妈感觉到了冬天的寒冷,担心我们也会冷,于是催促我们穿秋裤,但可能年轻人并没觉得冷。此时妈妈的想法就带有虚假一致性偏差。当年轻人吐槽父母朋友圈转的鸡汤文、养生文无用时,也是一种虚假一致性偏差。 在用户研究中,我们也很容易陷入虚假一致性偏差。比如,当你认为产品的某个方面比较好或者你对产品的某个方面不满意,可能会倾向于认为这也是许多其他用户的感受,但也许事实并非如此。在对海外产品做研究时尤其要注意这一点,研究者与用户的巨大文化背景差异可能会导致研究结果的严重失真。 三、 聚类错觉(Clustering Illusion) 聚类错觉产生的原因是人们倾向于从随机事件中找出某种规律。举个例子:如果张三连着几次在群里抢红包都抢到最大份,他可能会觉得自己最近“手气特别旺”。这就是一种聚类错觉,人们试图将几次随机的结果联系起来,用某种规律进行解释。 在研究中,聚类错觉容易出现在小样本研究中,比如,我们在小样本中发现了被访者的某些共性,总结出某些规律,并期望它们在更大的群体中也适用,但这种共性可能只是源于随机,而非事实。我们应该谨慎对待在小样本研究中的发现,思考它们是否只是随机结果,最好用其它研究方法帮助验证或参考二手资料,避免出现聚类错觉。 四、 知识的诅咒(Curse of knowledge) 培根说过,“知识就是力量”,它怎么会带来诅咒呢?知道的更多难道不好吗?知识的诅咒是指,人一旦知道了某件事,就没办法想象不知道的样子,也很难体会到不知者的感受。举个例子: 在某次考试之后的课堂上, – 老师:“同学们,这是一道送分题啊,大家都做对了吧?只要先连一条辅助线,再……” – 学生:“这是啥?这又是啥?这些都是啥?” 在用户研究中,知识的诅咒也会给我们带来许多困扰。比如,我们对自己的产品很熟悉,就很难想象新手用户是如何使用它的,使用感受如何。我们可能会惊讶地发现,即使在我们看起来操作十分简单的功能,新手用户使用起来也很吃力。再比如在设计问卷或者访谈脚本时,我们可能会不小心加入一些专业术语而不自知,让用户看的一头雾水。   研究者的有些认知偏误还会直接影响到用户的行为和反应。 五、 选择性偏差(Selection bias) 选择性偏差是指过程或样本的非随机性导致结论的不准确。举个例子:假设张三想统计人们的工资水平,他拿着一份个税纳税名单开始了调查,结果发现,所有人的工资都在5000以上。这个结果当然是不准确的,因为5000是我国的个税起征点,工资超过5000的人才会出现在纳税名单上,张三的研究样本是有选择性偏差的,不能代表总体。 在用户研究中,选择性偏差不仅会出现在样本选择中,还可能会出现在研究设计中。比如在可用性测试中,我们设计了一系列的任务,研究结果自然就无法包含未选中的任务。而且这些任务也会让用户产生一种心理,既然它是设定好的任务,就一定是可以被完成的,他们也会耐心地多次尝试去完成任务,以期达成某种结果。当然我们也不会设置无法完成的任务。但在实际的使用情境中,用户并不知道哪些操作是有结果的,哪些没有,他们的行为和态度可能与可用性测试中不同。 六、 框架效应(Framing effect) 框架效应是指,对于同一个问题,当描述有所不同时,人们给出的选择也会有差异。举个例子:假如说“XX疾病的存活率达93%”,人们可能会觉得这种疾病没有很严重;但如果说“XX疾病的致死率达7%”,那么人们可能会觉得很严重。在用户研究中,我们也要避免框架效应带来的影响,不要设置引导性的问题,题目中不要用明显的正面或负面词汇,尽量用中立的语言描述。避免题目的描述干扰到用户的选择,而导致研究结果不准确。 七、 观察者期望效应(Observer-Expectancy Effect) 观察者期望效应是指,研究者有时可能会期望出现某种结果,他们无意识地操纵了试验过程,或者错误地解释实验结果,导致研究结果严重歪曲。一般来说,被观察者几乎无法不受观察行为的影响,当研究是针对人时,被试者会更容易感觉到研究者无意中透露的期望,从而做出相符的反应。 在用户研究中,研究者的表情、肢体语言等都可能会反映出自己所期待的结果,如果用户察觉到了这些,就可能做一些迎合研究者期望的反应。比如,如果研究者无意中透露出某个新功能是他们团队非常重视、投入巨大、报有很大期待的功能,用户可能会更倾向于对这个功能给出正向的评价,肯定该功能的市场前景。但这也许并非他真实的感觉。 如何避免这些认知偏误呢?这里有一些建议: 1. 研究方案:避免单一的研究方法和单一的样本渠道来源 多种研究方法的结果相互验证,多种样本渠道来源互做补充,帮助我们避免“聚类错觉”和“选择性偏差”,让我们的研究结果更准确。 […]

用户访谈——哪些原则简单却有效

最近,桥水基金创始人瑞·达利欧的《原则》一书风头无两,洛阳纸贵。这本书对我最大的启示是,工作中无论多小、多简单的事情,都可以将其沉淀为原则。对自己而言,可在实践中将这些原则反复打磨锤炼,迭代优化,逐渐成熟;对于行业新人而言,亦可为其提供快速有效进阶的参考。 在此,笔者针对用户研究最常用的方法之一——用户访谈,抽象出5条谈话技巧。这些技巧,我斗胆称之为“原则”,希望你可以选择适合自己的几条,逐一实践,并将实践的结果反馈给我,我们一起迭代优化。当然,知晓这些原则没有价值,知晓之后的思考,思考之后的实践,实践之后的收获,才有价值! — 01 — “最近一次”原则 访谈中,我们需要探知用户的行为或是态度。例如,我们希望了解用户在购买服装类商品时,是否会考虑搭配问题。如果直接询问,其实是让用户对他们的行为进行总结和提炼。首先,这样的提炼会因场景或先前条件的描述不充分而有失偏颇;其次,这样的提炼往往简短直接,研究人员因此损失了很多用户行为和体验的细节,不利于充分理解用户,挖掘其深层次需求。 事实上,总结和提炼是研究人员应该做的事情,用户只需要讲好他们的故事。针对这一问题,我们可利用“最近一次”原则,即请用户描述他们最近一次体验类似场景时的情绪体验和处理方式。 应用于本文中的案例,我们就可以请用户描述他们最近一次买衣服的详细过程,例如买了什么,如何搜索、如何挑选、如何决策,然后将搭配的问题,放置于这个购买场景中去询问。在此过程中,研究人员还可适时追问,既表现出对用户回答内容的兴趣,还可引导用户回忆和描述更多的体验细节。我们充分了解用户行为中的细节,才能彻底探知对方的需求和态度。 一句话总结:不要让用户干巴巴地描述观点和行为,请他们结合最近一次的场景体验去讲故事。把回忆交给用户,把提炼和总结,交给我们。     — 02 — “鹦鹉学舌”原则 访谈中,遇到关键性问题,或是用户表述模糊的地方,我们可以利用“鹦鹉学舌”原则去重复用户的话,从而确认自己的理解与用户的描述是否一致。在这个过程中,我会用对方的语言描述一遍,再用自己的语言总结一遍,然后与用户确认,自己的表达是否准确地描述了他的态度。 具体操作就是,“您刚才说了……,我的理解是,您认为……。我理解的对么?”除此之外,我还会特别真诚地补充一句,“如果我理解地不对,或是不全面,请您一定要纠正我。”这时,用户往往也会特别真诚地说,“你说的对”,或是帮助我再补充或强化一些观点。这样做既可有效地避免理解性偏差,更透彻全面地理解用户的态度,还便于记录者捕捉与整理访谈关键点。  一句话总结:对于访谈的关键性问题,或是用户描述不清之处,通过重复用户的描述,可有效避免理解性偏差,并适时总结提炼用户的观点。     — 03 — “沉默10秒”原则 访谈中,在研究人员提出问题之后,用户需要足够的时间思考和回忆,不要立即让用户给出他们的回答,给用户大概10秒的沉默时间。请用户评价方案时亦然,给用户充足的时间,以自己的方式细致浏览方案,然后给出评价。在最开始做用户访谈时,我会尽力避免沉默时间。一方面避免延长访谈时间,另一方面担心沉默的尴尬。但后来发现,“访谈留白”给了用户细致思考的时间,他们在回答时会更详尽而肯定。 在我们需要鼓励用户说出更多内容时,也可以使用“沉默10s”原则。当用户描述结束后,可以不要急于接话或是追问,认真地看着用户,并点头鼓励,用肢体语言告诉他,我对你的描述非常感兴趣,期待你说出更多。这时,用户往往会再补充一些描述。当然,当用户确实无法说出更多时,也不必给过于苛求。告诉他,他刚才讲出的内容已经很有价值了,如果有新的想法,可以在访谈过程中随时告诉我们。  一句话总结:在抛出问题,或是展示方案时,给用户充分思考和回忆的时间,沉默之后,用户会给予更多。 — 04 — “不答反问”原则 访谈中,经常会遇到用户针对设计方案主动提问的情况。在这种情况下,可不必急于回答用户的问题,而是反问用户,请他们聊聊对方案的预期。例如,如果用户提问,“这部分会展示什么内容?”,我们可以反问, “您认为这部分会展示什么内容呢?”甚至还可以进一步追问,“为什么您认为这里会展示这些内容呢”。聊到这里,我们就可以探知用户对方案的构想,以及对方案的关注重点。 接下来,可以告诉用户,我们目前的设计方案是怎样的。然后将现有方案与用户的预想进行对比,请用户评价下各自的优劣。最后,还可以进一步探究,为什么用户会问出这个问题,为什么他会对这部分展示什么内容感兴趣?抽丝剥茧,层层追问,可以帮助我们更好地探知用户的需求。 一句话总结:当用户主动提出问题时,不要急于给出答案。变被动回答为主动追问,才可刨根问底,层层探知用户本质需求。   — 05 — “转场衔接”原则 在访谈前,我们经常说明我们不是在测试用户,而是与对方交流探讨。这就需要我们把问题融入聊天过程中,让用户不觉得是在完成任务,而是与一个懂得耐心倾听的对象聊天。 要做到这一点,合理暖场对于拉近与用户的距离,消除陌生感非常重要,这一点大家都会实施,此处不再赘述。另一个技巧,我个人认为也非常有效,就是转场衔接。在访谈的过程中,我们不可避免的需要从一个模块跳转到另一个模块,从一个话题跳转到另一个话题。如果直接按部就班地照纲询问会让用户觉得突兀而生硬,这时候我们需要用一些承上启下的句子,恰当地转换话题。 例如,“刚才我们一起探讨了……,感谢您为我们提供了非常有借鉴价值的建议,下面我们希望请您体验一下……的操作流程。”再如,“刚才您体验了……的操作流程,让我们一起来回顾一下您的操作,然后就您的每一步操作,交流一下好吗?”这样衔接的句式,既做到了对上一模块的总结,也让用户知晓接下来的研究内容,访谈过程衔接自然,用户也会因心中有数更而更从容自在。 一句话总结:合理转场,用承上启下的句子衔接不同话题,让访谈生动而不生硬。   — 06 — Takeaway Message 综上所述,以下原则会帮助你在用户访谈过程中,深入理解用户,挖掘本质需求。   “最近一次”原则:不要让用户干巴巴地描述观点和行为,请他们结合最近一次的场景体验去讲故事。把回忆交  给用户,把提炼和总结,交给我们。 […]

如何进行商品分类,用户才会买单?

去年底寻空在虎嗅网发布了一篇文章《同样是商品分类,京东和淘宝有什么不同?》,相信这篇文章让大家对X型分类(依据商品自身属性进行的分类)和Y型分类(依据用户标签进行的分类)记忆深刻。作为对京东所展示的分类进行用户体验评估的人员,在看完这篇文章后,脑海中立马闪现出千万个疑问: 哪些用户会使用分类? 什么样的分类才能满足用户的查找需求? X型分类真的已经不再适用于目前信息爆炸和用户消费升级的时代? Y型分类真的可以辅助用户的商品查找? …… 当然,核心问题在于如何进行商品分类,用户才会买单? 带着这些问号,我们与分类产品的用户进行了一次“亲密接触”。 以下是寻空文章中X型分类和Y型分类的示例:   用户查找商品的途径 诚然,在解答这诸多疑问之前,有一个首当其冲的问题便是分类的使用率,这需要从用户查找商品的途径谈起。   随着用户网购经验日趋丰富以及电商网站商品丰富度的提升,用户对购物效率的关注度逐步提高,搜索和个性化推荐日益成为用户查找商品的主要途径,相应地对分类的使用则越来越少(这一点从分类产品的流量数据分析也可以验证)。基于此,分类产品从用户的需求变化出发进行产品功能和运营优化至关重要。 从用户使用场景出发进行商品分类 目前,用户使用分类导航的场景可以分为以下三种类型(此项发现是基于我们的用户使用分类导航的行为,与其他平台的用户使用行为可能存在差异): 场景1-模糊挑选 这种场景下,用户更多通过分类导航来查找一些自己不太熟悉的品类商品,如女性用户对于电脑办公、3C类商品不熟悉,会更多通过分类来查找;或者查找一些对于品牌/型号没有特定要求的商品,如生活日用类商品。此时用户的核心诉求在于快速定位到自己想要找的商品品类,之后进行进一步的筛选和决策。明确的X型分类结合适量的Y型分类可以辅助用户在这一场景下的商品查找。 场景2-精准查找 京东的老用户更多有这种使用场景,对京东的分类较为熟悉,加之遇到过搜索结果与实际不符的情况,所以使用分类来查找商品成为一种习惯。这种场景下用户对于分类维度设置及分类所覆盖的商品范围的精准度要求较高。明确的X型分类和精准的后台SKU存储类目路径将提升用户在这一场景下的查找体验。 场景3-随意浏览 这种场景下用户没有明确的购买目的,随意浏览来打发无聊的时间,通过“逛”分类来发现一些可以买的东西或者可以参加的促销活动。此时X型分类对用户而言并没有吸引力,Y型分类便可以“趁虚而入”了。 综上,基于用户的使用场景,将X型分类和Y型分类相结合进行商品分类,满足用户在不同场景下的查找需求。当然,在进行类目设置时,要考虑品类间的差异性,标品需要清晰的X型分类导航,非标品则要更多考虑Y型分类的运营。因“品类”制宜,方能迎合用户需求。 一些关于类目运营的迷思 在进行类目运营时,我们需要考虑诸多因素: 用户侧:用户对品类的认知架构、购物行为习惯 业务侧:品类的发展现状及规划、行业环境、市场发展潜力 平台侧:整体品类的发展现状及战略规划 因此,品类架构及其展示是基于这多方因素综合考虑和权衡之后所诞生的一个“产品”,在进行类目维度设置及品类曝光的决策时,这诸多因素或多或少都会让我们有些“头疼”。以下是我们在对分类进行用户体验评估时经常遇到的一些“迷思”,这些迷思并没有标准的答案,仅在此呈现个人的分析思路。 1. 品类曝光:展示全品类 VS 包装爆品 这个问题业务同事和做类目运营的同事都会遇到,平台有形形色色的品类,但是分类导航处的空间是有限的。这有限的空间应该用来展示所有的商品品类还是对某几个品类进行深度运营,包装爆品? 对于这个问题,我们需要因“时”制宜:对品类进行深度运营的前提是已经建立了品类用户对于品类的基本认知,所以在平台或者品类发展初期,我们需要展示全品类,培养用户认知,引导用户购买;在业务进一步发展之后进行深度运营,包装爆品。类目运营需要契合品类所处的发展阶段及用户对品类的认知水平。 2. 类目维度设置:求全 VS求优 当然,后台SKU存储的类目架构一定是求全的,此处所讨论的类目维度设置是指在展示给用户的商品分类中,类目维度应该是求全还是求优。 以下是对于“地方特产”品类的两种类目维度划分,你认为以哪种维度进行展示更好呢? 维度1中,以“大区”维度进行展示,每个分类下可以展示更多的商品,保证商品种类的丰富性;维度2中,展示“热门省市/地区”,虽然展示的省市/地区数量有限,但更能激发用户的浏览意愿,毕竟在用户的认知中,特产与所处的省市/地区联系更为紧密,而不是所处的大区。在后期的数据验证中,维度2的类目引流效果也更好。 综上,类目维度设置不能一味求全,要从品类自身出发,适度“求优”,契合品类用户的浏览和查找习惯。 3. 虚拟业务运营思维:品类思维 VS 平台思维 从品类出发,可将业务划分为不同品类的业务类型;从平台出发,可将业务划分为两种形态-实物和虚拟。对于虚拟业务,应该如何进行运营呢? 从品类思维出发,虚拟业务与相应的实物业务关联性强(如体育用品和体育服务),联合运营更能促进用户转化及关联购买;从平台思维出发,将不同类型的虚拟业务进行统一整合,更能增强用户对虚拟业务类目的整体感知。基于此,在对虚拟业务进行运营时,需要将品类思维和平台思维相结合。具体到商品分类中,则是在实物分类和虚拟业务分类中对相应的品类进行双显,满足用户不同路径下的查找需求。 提升类目运营效果的方法/技巧 诚然,类目运营对于品类的发展至关重要。那么如何提升类目运营的效果呢?以下是一些实战经验。 1. 年度/季度品类规划,及时调整运营策略 需要制定年度/季度品类规划,对整体品类进行盘点,明确优势品类、弱势品类、高潜品类等,针对不同的品类制定相应的运营策略,同时结合业务的实际发展进行及时调整。 2. A/B测试,确定类目划分维度 […]

B类项目调研,这些雷区我们都帮你踩过了

就日常的用户研究工作而言,我们接触到的项目大多面向2C产品(后简称C类项目),即面向个人用户的大众产品、个人产品;而2B产品的项目(后简称B类项目),会面向业务,被团队、组织等使用,间接服务于终端用户。今天我们就想跟大家一起分享下,在执行B类项目的调研时,我们走过的雷区,以期分享经验,总结教训。 — 01 — 浅谈2C项目与2B项目的区别 谈及2C产品与2B产品的区别,是个比较大的话题,在此,考虑到与实际项目的切合,我们主要从决策和使用两个角度去谈。 大部分情况下,2C产品的客户和用户是同一个人,即其决策者(决定是否购买和使用产品的角色)和使用者(使用产品的角色)是同一个人。这类产品的决策因素往往受偏好、习惯等个人情感因素的影响。 而2B产品的客户和用户通常情况下并非同一个人,即决策者和使用者是不同的人,他们关注与在意的重点不尽相同,甚至在某些情况下背道而驰。决策者的决策因素,往往受企业规模、业务类型、资源限制等理性因素的影响。 所以说,2C产品往往指向个人意愿,2B产品指向的是企业/团队。对于用户研究而言,2C项目最重要的是理解用户,满足用户;而2B项目更重要的是理解企业与业务,需满足涉及到B端业务线上的所有角色。 近期,用研组完成了《京东商旅企业用户调研》的B类项目,从体验研究的角度而言,B类项目与C类项目的整体研究思路与流程差异不大,但在每个研究阶段的细节处理上,仍存在些许区别。在这里,我们希望与大家分享这些差异点,以及我们的处理方式及思考沉淀。 — 02 — 需求沟通阶段:多管齐下,更充分地理解业务 需求沟通阶段,我们的主要任务在于需求确定与透彻了解产品及业务。在帮助业务方梳理好调研需求后,我们意识到,B类项目的产品更为庞大与复杂,而我们需要在有限的时间内深入学习产品及业务,并为其针对性地设计研究方案。这对于研究者而言,是挑战也是锻炼。在《京东商旅企业用户调研》项目中,我们主要从以下三个方面,由宏观到微观,从理论到实践,层层递进,逐步深入了解产品及业务: 学习行业报告:形成宏观概念,勾勒行业知识轮廓。 体验现有产品:充分体验京东商旅现有产品与友商产品,并借助产品,具化行业报告中的形成概念与理论。 参与业务沟通:渗入真实企业用户,在实战中强化对业务的理解。 学习行业报告与体验现有产品,是我们在C类项目中也经常用到的业务学习方式,在这里我们想重点跟大家分享一下参与业务沟通。 这里的业务沟通,是指京东商旅销售同事与目标企业用户进行业务交流。京东商旅基于用户的需要,详细介绍产品、服务内容及特色。在这个过程中,我们更多地是带着问题旁听: 用户角度:谁在参与沟通决策? 用户角度:他们主动询问了什么问题? 京东角度:我们强调了哪些特色业务?   谁在参与沟通决策? 参与业务沟通的人,往往是企业差旅供应商选择的决策者或是决策团队的重要成员,了解他们在企业中的职业身份(如财务、行政等),便可知晓企业差旅业务链中的关键角色。 他们主动询问了什么问题? 用户提出的这些问题背后,往往指向了他们的关注重点及业务需求。获取这部分信息,有助于我们理解企业用户在选择企业差旅供应商时的决策因素。 我们强调了哪些特色业务? 在业务沟通过程中,京东商旅销售同事着重去介绍和强调的,往往是京东商旅的优势功能或服务。其中可能会涉及与行业友商的横向对比。获取这部分信息,可以让我们在后续的研究中,对此类内容保持足够的敏感度,有助于在访谈时进一步追问与深挖。 于此同时,我们还会阅读分析目标企业的《招标需求书》,通过标书详细了解企业对于差旅供应商的需求类型,乃至权重。 通过学习行业报告,体验现有产品以及参与业务沟通三种渠道,我们梳理了企业差旅流程中的五大关键角色:决策者、审批者、出行者、财务以及行政。这五类角色可能会相互覆盖,例如决策者往往是领导,也会同时兼顾审批者的角色。而财务及行政同事,往往也会参与到差旅供应商选择的决策中来。无论是决策者、审批者,还是财务、行政,只要有出差的经历和需求,就会兼具出行者的角色。 — 03 — 方案执行阶段:用户招募难,“全能角色”来补全 方案执行阶段,我们主要从用户招募、定性访谈与定量研究三个角度,去阐述B类项目与C类项目的差异。 不同于C类项目通过投放在线问卷的方式招募用户,B类项目主要通过业务方协调相关资源,进行用户招募工作。在《京东商旅企业用户调研》项目中,项目涉及KA、公共以及SMB三种不同类型的企业用户。在各类企业中,也需要同时包含企业差旅业务链中的五类关键角色——决策者、审批者、出行者、财务以及行政,招募难度较大,很难在一家企业中,招募到完整的五类角色。 针对上述招募难题,我们采取了以下方式,灵活处理问题。 利用优势企业(角色完备),绘制结构化地图。 在角色缺失企业中,善抓重点人物,探知全貌。 非正式访谈,进行辅助研究。   利用优势企业(高配合度),绘制结构化地图。 首先,我们针对角色招募相对完整的2~3家企业进行关键角色一对一的深度访谈,以此对企业差旅现状及具体流程有了较宏观和完整的认识,并形成了结构化差旅体验地图。即在此阶段,我们搭建了以出差申请—>出差审批 —>出行预订—>财务报销为主线,以差标管控为暗线的结构化差旅体验地图。并借此串联起企业差旅业务链中的各类关键角色。 在角色缺失企业中,善抓重点人物,探知全貌。 在需求阶段旁听业务沟通时我们发现,企业中的差旅业务接口人因其工作特性,对内负责整合各个部门需求,对外负责了解市场供应商现状。所以他们是企业中最了解差旅现状与需求痛点的角色,我们称之为“全能角色”。在角色缺失的企业中,我们会优先并重点访谈这类角色,通过他们探知企业差旅流程全貌,以及各类角色的需求及差异。 非正式访谈,进行辅助研究。 除了正式的研究访谈外,在业务方与企业洽谈合作事宜时,我们会进行旁听。必要时,在经由业务方介绍,目标企业业务接口人允许的情况下,会追问几个关键问题,作为正式访谈的补充和印证。 通过以上三种方式,在用户招募难度大的情况下,依然顺利获取到了较为全面的研究信息。  — 04 — 方案执行阶段:访谈难度大,灵活处理不强求 “请问您当时在寻求差旅供应商合作时,都考虑了哪些供应商呢?” […]

少了“套路”,大选民调也失灵

  2016年美国大选早已落下帷幕,结果让人大跌眼镜——特朗普在被民调一致看衰的情况下赢得了竞选。 各主流机构的最终预测,图片来自《纽约时报》网站 Five Thirty Eight是最看好特朗普的主流机构,他们认为特朗普的胜率约为29%。PEC的 Sam Wang 立下赌约:如果特朗普能够赢得240张以上的选举人票,他就吃虫子。结果就不多说了,我现在只想问Sam Wang 老师虫子口感怎么样。 苦主Sam Wang ,图片来自CNN 外媒对民调结果的讨论很多,可以肯定的是,民意调查系统性地低估了特朗普的支持率。根据 Five Thirty Eight 的测算,50个州里面,有41个州的民调结果都低估了特朗普。 在欢乐的网络时代,与其一味看热闹,不如来了解下民意调查有哪些套路,这次又在哪些地方栽了跟头。   民意调查的套路 民意调查是问卷调查的一种。在确立研究目的之后,问卷调查通常要经过准备、实施和分析三个阶段。 套路1:准备阶段 准备阶段有两项重要工作,抽样和问卷设计。抽样的目的是获取总体的代表性样本,问卷设计的目标则是得到准确的测量工具。 套路2:抽样 1.总体 抽样总体是研究者真正感兴趣的对象­­,它决定了调查结论的推论范围。 民调的目的在于了解选情,总体自然是投票者。然而,在选举之前,我们实际没办法准确地知道哪些人会投票,民调机构在调查时会通过一系列的问题甄别出“可能投票者”(likely voter)。 2.抽样框 在民意调查中,直接在总体中抽样是不可能的——没有人能在选举前将所有投票者登记在册。这是就要借助到抽样框。 抽样框应该尽可能覆盖研究总体。一个存在明显偏差的抽样框将导致难以挽回的错误,美国《文学文摘》杂志在1936年的民调就是前车之鉴。                      罗斯福   兰登 43% 《文学文摘》民调 57% 61% 大选结果 39% 《美国文摘》使用电话簿和车辆登记名单作为抽样框,导致样本偏向了富人,而大多数穷人都支持罗斯福。 近些年来民意调查以电话访问的形式为主,实际抽样框是有电话的家庭和个人。根据美国人口普查局的数据,2000年全美只有2.4%的家庭没有电话接入,抽样框的偏差已经小到几乎可以忽略。同时,随着互联网的普及(根据世界银行数据,2013年美国互联网覆盖率达到84.2%),基于网络的抽样也逐渐得到认可。 3.抽样设计 […]

© 2019 JDC. All Rights Reserved.