DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> WEB網站前端 >> 關於網頁技巧
用戶體驗設計中的用戶分類方法論
編輯:關於網頁技巧     

談互聯網產品,繞不開用戶,就像傳統行業繞不開消費者。人是複雜的,網民的行為更複雜,每個用戶都不一樣。一款成功的产品往往不是滿足了所有人,而是準確鎖定某一類人,並把他們的需求吃透。到底鎖定誰?這就用戶分類來回答。

不分類就無法定位;好的分類讓你清楚自己在追求誰、滿足誰、影響誰。但分錯了比不分更糟。那麼,怎樣才算合理?

常見的分法及其局限

我們經常看到這類劃分:高端與低端、學生與白領、一二線與三四線、活躍與不活躍、會員與非會員、IT 與非 IT、初級/普通/高級用戶……它們的共同特徵是只從一到兩個維度切分。比如《About Face 2.0》用「業務領域知識」與「計算機技能水平」兩個指標,把用戶分為初級、普通、高級——本質上就是以操作頻率為軸。這種分法可以套在任何產品上,但實際效果如何?

用信度與效度衡量分類

判斷一次分類好不好,主要看兩點:準確性與精確性。

準確性指的是,現實中的每一個用戶是否都能被歸入某一類,都能被貼上一個標籤;精確性指的是,這些類別在多大程度上反映真實用戶的屬性內涵,即類別特徵描述與用戶實際屬性的吻合度。

兩者在實踐中很難同時做到完美。當你追求 100% 準確,精度必然下降——只用性別劃分,準確度很高,但幾乎沒有資訊量。所以真正的目標是找到二者的平衡點,能服務於你的分類目的就夠了。

單維度分類為什麼不夠

回到「初級/普通/高級」:準確性很高,每個人都能對號入座;但精確度不足,因為描述用戶的維度只有操作頻率與技能水平兩項。而真實差異來源於太多變量:年齡、性別、學歷、收入、職業、地域、網齡、計算機水平,以及使用該產品的目標與動機。任何一項不同,都可能帶來完全不同的使用習慣與偏好。

具體怎麼做

第一步,列出所有可能相關的維度:人口學資訊、計算機與互聯網使用背景、上網地點、收入水平、職業、地域、對該產品的既有經驗與偏好、用過哪些同類產品、使用目的是什麼、認為哪個最好用、影響選擇的因素、從哪裡得知這個產品、使用態度與具體行為等。

第二步,針對候選維度做用戶訪談,從中提煉出用戶之間的共性與差異。

第三步,把訪談中浮現的因素轉化為問卷題目,通過科學抽樣收集數據。

第四步,對數據做聚類分析,得到你要的分群。

聚類環節需要注意什麼

影響結果最大的因素有四個:聚類方法、距離算法、聚類變量、類數。

方法與距離上,我傾向兩步聚類法搭配對數似然距離。因為人口學特徵與使用偏好多為分類變量,若套用歐氏距離,其數值在現實語境中很難找到對應含義。

變量選擇上,優先保留訪談中差異明顯的特徵,但要注意變量之間彼此相關,需要反覆試錯:去掉某個變量後結果若明顯變化,說明它是重要變量。

類數則結合聚類輸出的描述性指標與訪談得到的實際情況共同確定,不宜單純依賴演算法建議。

歸根結底,用戶分類沒有通用範式,細到什麼程度取決於目的。動手之前先想清楚:為什麼分?分完之後這些類要拿來做什麼?當你能從分類結果中讀出清晰的用戶群像與產品定位,這次分類基本就是有效的。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved