用户调查:向用户发送调查以收集有关他们的需求、偏好和反馈的定性数据。

信途科技 新闻资讯 1 0

感谢您参加这项调查。您的反馈对于我们改进产品和服务非常重要。

您的个人信息

您的需求

请告诉我们您对我们产品或服务的哪些方面有需求。

您的偏好

请告诉我们您对我们产品或服务的偏好。

您的反馈

请告诉我们您对我们产品或服务的任何其他反馈。


有哪些常见的市场调查方法?

一、问卷调查法

问卷调查法是市场调研中最常见的方法之一。 通过编制问卷,向目标受众发放并收集回收,从中获取相关信息。 问卷调查法可以通过线上或线下方式进行,具有成本低、覆盖面广、获取信息全面等优点。 在进行问卷调查时,需要合理设计问题,确保问题简明扼要,避免主观引导,以获取准确的调研结果。

二、访谈法

访谈法是一种针对特定受访者进行深入交流的方法。 通过面对面或电话访谈的形式,向受访者提问并记录回答。 与问卷调查法相比,访谈法可以获取更加详尽和深入的信息,有助于了解受访者的真实想法和需求。 访谈法适用于目标受众数量较少、需求复杂或敏感的情况下,能够获取更多的细节信息。

三、观察法

观察法是通过观察目标受众的行为、环境等来获取调研信息的方法。 观察法可以通过直接观察或间接观察的方式进行。 直接观察是指研究人员亲自参与或近距离观察目标受众的行为;间接观察是指通过观察目标受众留下的痕迹、记录或观察环境等来获取信息。 观察法可以帮助研究人员了解受众的实际行为和真实需求,对于产品设计和市场定位具有重要意义。

四、数据分析法

数据分析法是通过收集和分析市场、消费者等大量数据来获取调研信息的方法。 数据分析法可以利用各种数据来源,如市场报告、销售数据、社交媒体数据等,通过数据分析工具进行统计和分析,从中发现市场趋势、消费者喜好等信息。 数据分析法能够提供大星的客观数据支持,可以快速获取市场信息,为企业决策提供科学依据。

分析用户需求的优先级-需求层次-KANO

受行为学家赫兹伯格的双因素理论的启发,东京理工大学教授狩野记昭和他的同事Fumio Takahashi于1979年10月发表了《质量的保健因素和激励因素》一文,第一次将满意与不满意标准引入质量管理领域,并于1982年日本质量管理大会第12届年会上宣读了《魅力质量与必备质量》的研究报告。 该论文于1984年1月18日正式发表在日本质量管理学会的杂志《质量》的第14期,标志着狩野模式(Kano mode1)的确立和魅力之狼理论的成熟。 KANO模型定义了三个层次的顾客需求:基本型需求、期望性需求和兴奋性需求。 这三种需求根据绩效指标分类就是就是基本因素、绩效因素和激励因素。 基本型需求 是顾客对企业提供的产品、服务因素的基本要求。 这是顾客认为产品、服务“必须有”的属性或功能。 当其特性不充足(不满意顾客需求)时,顾客很不满意;当其特性充足(满足客户需求)时,顾客也可能不会因此而表现出满意。 对于基本型需求,即使超过了顾客的期望,但顾客充其量达到满意,不会对此表现出更多的好感,不过只要稍有一些疏忽,未达到顾客的期望,则顾客满意将一落千丈。 对于顾客而言,这些需求是必须满足的。 例如,夏天家庭使用空调,如果空调正常运行,顾客不会为此而对空调质量感到满意;反之,一旦空调出现问题,无法制冷,那么顾客对该品牌空调的满意水平则会明显下降,投诉、抱怨随之而来。 期望型需求 是指顾客的满意状况与需求的满足程度成比例关系的需求。 期望型需求没有基本需求那样苛刻,其要求提供的产品、服务比较优秀,但并不是“必须”的产品属性或服务行为。 企业提供的产品、服务水平超出顾客期望越多,顾客的满意状况越好,反之亦然。 在市场调查中,顾客谈论的通常是期望型需求。 质量投诉处理在我国的现状始终不令人满意,该服务也可以被视为期望型需求。 如果企业对质量投诉处理得越圆满,那么顾客就越满意。 魅力型需求 是指不会被顾客过分期望的需求。 但魅力型需求一旦得到满足,顾客表现出的满意状况则也是非常高的。 对于魅力型需求,随着满足顾客期望程度的增加,顾客满意也急剧上升;反之,即使在期望不满足时,顾客也不会因而表现出明显的不满意。 这要求企业提供给顾客一些完全出乎意料的产品属性或服务行为,使顾客产生惊喜。 顾客对一些产品/服务没有表达出明确的需求,当这些产品/服务提供给顾客时,顾客就会表现出非常满意,从而提高顾客的忠诚度。 例如,一些著名品牌的企业能够定时进行产品的质量跟踪和回访,发布最新的产品信息和促销内容,并为顾客提供最便捷的购物方式。 对此,即使另一些企业未提供这些服务,顾客也不会由此表现出不满意。 在实际操作中,企业首先要全力以赴地满足顾客的基本型需求,保证顾客提出的问题得到认真的解决,重视顾客认为企业有义务做到的事情,尽量为顾客提供方便。 以实现顾客最基本的需求满足。 然后,企业应尽力去满足顾客的期望型需求,这是质量的竞争性因素。 提供顾客喜爱的额外服务或产品功能,使其产品和服务优于竞争对手并有所不同,引导顾客加强对本企业的良好印象,使顾客达到满意。 最后争取实现顾客的兴奋型需求,为企业建立最忠实地客户群。 举例:以酒店行业为例,每种需求满意度如下: 基本需求 清洁的床单 正常工作的钥匙卡 正确的帐单 安全 “多多益善”的需求 早于承诺的时间将餐送到客人房间 优选房价 提供的服务符合品牌价值 “喜出望外”的需求 正确预计客人的需要, 例如看到客人在咳嗽,员工能在客人要求之前,主动为客人送上一杯温开水 提供的服务与品牌价值相符。 严格的说,该模型不是一个测量顾客满意度的模型,而是对顾客需求或者说对绩效指标的分类,通常在满意度评价工作前期作为辅助研究模型,KANO模型的目的是通过对顾客的不同需求进行区分处理,帮助企业找出提高企业顾客满意度的的切入点。 KANO模型是一个典型的定性分析模型,一般不直接用来测量顾客的满意度,它常用于对绩效指标进行分类,帮助企业了解不同层次的顾客需求,找出顾客和企业的接触点,识别使顾客满意的至关重要的因素。 KANO模型分析方法是狩野纪昭基于KANO模型对顾客需求的细分原理,开发的一套结构型问卷和分析方法。 KANO模型分析方法并不直接用来测量顾客的满意程度,主要用于识别顾客需求,帮助企业了解不同层次的顾客需求,确定使顾客满意的关键要素。 KANO模型分析方法需要根据狩野纪昭设计的结构型问卷,另行收集调查信息。 其基本步骤如下:(1)从顾客角度认识产品/服务需要; (2)设计问卷调查表; (3)实施有效的问卷调查; (4)将调查结果分类汇总,建立质量原型; (5)分析质量原型,识别具体测量指标的敏感性。 为了能够将 质量特性 区分为基本型需求、期望型需求和魅力型需求,KANO问卷中每个质量特性都由正向和负向两个问题构成,分别测量顾客在面对存在或不存在某项质量特性时所作出的反应。 问卷 中的问题答案一般采用五级选项,分别是“我喜欢这样”、“它必须这样”、“我无所谓”、“我能够忍受”、“我讨厌这样”。 设置的问题形式如下表所示。 根据以上形式的问卷实施调查,按照正向问题和负向问题的回答对质量特性进行分类,具体分类对照见下表。 当正向问题的回答是“我喜欢”,对负向问题的回答是“我不喜欢”,那么在KANO评价表中,这项质量特性就分类为O,即期望型需求。 如果顾客对某项质量特性正负向问题的回答结合后,分类是M或A,那么该因素就被分别分为基本型需求或魅力型需求。 其中R表示顾客不需要这种质量特性,甚至对该质量特性有反感;I表示无差异需求,顾客对这一因素无所谓;Q表示有疑问的结果,顾客的回答一般不会出现这个结果,除非这个问题的问法不合理、或者是顾客没有很好地理解问题、或者是顾客在填写问题答案时出现错误。 KANO模型分析方法应用实例以下通过具体的实例详细说明KANO模型分析方法的应用。 为了了解顾客需求层次,确定改进方向,某企业针对所 生产 的MP4选取了四个 质量特性 (FM收音机、录音、容量、播放格式)设计KANO问卷并进行了调查。 1.应用KANO模型分析方法识别 顾客需求 通过调查获得每个质量特性的数据之后,就可以计算每个质量特性在不同需求类型中出现的 频率 了,具体见下表。 在分类时不用考虑I、R、Q的数据,根据每个质量特性在A、O、M中出现的频率的大小确定质量特性的分类结果。 由表中可以得到,“容量”和“播放格式”是基本型需求。 “FM收音机”和“录音”功能为期望型需求。 2.应用KANQ模型分析方法确定关键因素完成对质量特性的需求分类,接下来就可以进行KANO模型分析了。 KANO模型分析是通过对各质量特性的满意影响力和不满意影响力的分析,来判断顾客对这些质量特性水平变化的敏感程度,进而确定改进那些质量特性敏感性高、更有利于提升 顾客满意 的关键因素。 首先进行满意影响力(SI)和不满意影响力(DSI)两个方面的计算,计算公式如下: SI=(A+O)/(A+O+M+I) DSI=-1×(O+M)/(A+O+M+I) 应用以上公式对示例进行计算得到结果如下表所示:将各质量特性以SI值为横坐标、DSI值为纵坐标纳入敏感性矩阵中(见下图)。 在半径圈(下图中以原点0为圆心,OP为半径的圆)以外的因素,并且离原点越远的因素,敏感性越大,可以确定FM收音机、容量和播放格式是关键要素。 而在圈内的质量特性敏感性不大,可暂时不予以考虑。 根据分析结果进行改进时,企业首先 应该 关注的是顾客的基本型需求,重视顾客认为企业有义务做到的事情,保证顾客提出的问题得到认真的解决,尽量为顾客提供方便,以满足顾客最基本的需求。 在此基础上企业尽力去满足顾客的期望型需求,这是质量的竞争性因素。 提供顾客喜爱的额外服务或产品功能,使其产品/服务优于 竞争对手 并有所不同,引导顾客加强对本企业的良好印象,使顾客达到满意。 最后争取实现顾客的魅力型需求,为企业建立最忠实的顾客群。

产品入门小白,有哪些专门的交互设计的概念?

那么 干货来啦~

“3点击”规则「3 Click Rule」

如果用户在点击三次之后仍然无法到达他们想要的页面,那用户将离开该网站。

5 秒测「5 Second Test」

5 秒测试:给用户看一个app或网站的界面 5 秒。 然后让他们回忆在页面上所看到的内容。 这是一个很好地方法来测试用户是否接收到关键的视觉信息和CTA信息。

“二八法则”「80/20 Rule」

“20% 的性能和功能会承担 80% 的结果”,二八法则基于帕雷托原则,适用于任何网站、Web 应用或软件环境。

A / B测试「A/B Testing」

A / B测试:与用户一起测试两个不同内容的版本,以查看他们喜欢哪一个。

可访问性「Accessibility」

可访问性:人们能轻易地理解并使用网站或app。 这也涉及到网站和app如何适应残疾人或特殊需求者。 例如:调整颜色,便于色盲的人可以正常使用。

积极倾听「Active Listening」

这是一种访问技巧,面试官会关注对话,并进行互动,来鼓励谈话。

分析工具「Analytics」

分析工具让你知道你的网站和app的流量来源,从哪些渠道过来,以及这些新用户在产品里的行为轨迹,这是非常有价值的信息。 它能让你看到产品里哪些功能/设计是有效的,哪些是需要改进的。

卡片分类「Card Sorting」

卡片分类是一种用于帮助设计或评估网站信息架构的方法。 在卡片分类中,参与者将主题组织成对他们有意义的类别,他们也可能被要求标记类别。 进行卡片分类可以使用卡片,纸张或者在线卡片分类工具。

点击流分析「Clickstream Analysis」

在网站上,点击流分析是收集和分析网站访问者访问了哪些页面,以及按什么顺序访问的数据的过程。 访问者访问网站的路径称为点击流。

竞品分析「Competitor Analysis」

对当前和潜在竞争对手的优缺点的评估。

用例分析「Context of Use Analysis」

用例分析的背景涉及收集和分析以下信息:预期用户,他们的任务,支持他们目标的工具,产品将被使用的物理环境,技术限制以及影响用户体验的其他因素。

可以使用访谈,研讨会,调查,实地考察,焦点小组,观察性研究和背景调查来收集用例分析的数据。

转化率「Conversion Rate」

转化率是在线完成目标交易的访问者的百分比。

在电子商务中,转化营销是将网站访问者转换为付费客户的行为。 提高转化率的过程称为转化率优化。

日记研究「Diary Study」

日记研究是一种研究方法,用于收集有关用户行为、活动和随时间而经历的定性数据。 通常,用户会定期自我总结其行为活动,创建活动日志。 日记研究可以从几天到一个多月不等。

终端用户「End Users」

这是指使用网站/应用程序的人或参与者或研究对象。

活跃度(用户活跃度)「Engagement(User Engagement)」

用户活跃是指吸引用户并保持关注。 任何有助于用户专注于页面或屏幕(无论是按钮还是菜单)的东西都至关重要。

输入字段「Entry Field」

输入字段(也称为数据或文本输入字段)是用户需要进行文本或数据输入时的字段。

错误分析「Error Analysis」

任务分析的一部分,用于确定对于每套任务流,错误发生的频率和类型。

错误率「Error Rate」

在给定时间段内发生错误的频率。

人种研究「Ethnography / Ethnographic Research」

对处于在自身环境中的人们的研究,可通过观察、面对面访谈等方法。

眼球追踪「Eye Tracking」

这是对屏幕或环境中眼睛活动的测量。 眼球追踪软件能够追踪到用户眼睛在屏幕上的运动。 它可以看到他们最常看什么,按什么顺序看。

鱼骨图「Fishbone Diagram」

用于识别特定情况下各元素因果关系的图表。 它有一个表现“问题”的头部,以及分布在脊柱两侧的表现“因素”和“因素类别”的骨骼。

鱼骨图有助于直观地显示特定问题的潜在原因。

菲特定律「Fitt’s Law」

一种数学模型,根据目标尺寸大小和距离来预测指向目标需要多长时间。 目标越远越小,用户与它交互所需的时间越长。

焦点小组「Focus Group」

一组参与者来进行共同讨论,主持人负责引导讨论一组有关特定主题的问题。 其目的是获取有关用户、产品、概念、原型、任务、策略和环境的反馈。

自由列表「Free Listing」

一种数据收集技术,用于获取用户对特定主题的见解。 通过让人们列出他们可以想到的所有与该主题相关的项目来完成的。

格斯塔特原则「Gestalt Principles」

也称为简单法则。 这表明,每一个刺激都以最简单的形式被感知。 人们不会在视觉上孤立地感知物品,而是作为一个更大整体的一部分感知它。

心脏框架「Heart Framework」

Google 的心脏框架支持大规模地衡量用户体验。 衡量的指标包括:幸福、参与度、采纳、停留和任务分析。

希克定律「Hick’s Law」

Hick 定律描述了一个人根据他或她可能做出的选择而做出决策所需的时间。 增加选择的数量将增加决策时间。

人类因素 「Human Factors」

人类因素和人体工程学(也称为舒适设计)是指设计产品、系统或过程的时候适当考虑它们与用户之间的交互过程。

拦截式调查「Intercept Studies」

亲自在公共场所或企业进行拦截式调查,例如,拦截那些即将离开商店的人,并请求能否采访他们的经历。

“KISS“法则「KISS」

保持简单和直接。 KISS 是 1960 年美国海军注意到的设计原则。 它指出,大多数系统如果保持简单,它们就能发挥最佳作用。 简单性是设计的关键目标。

可学习性「Learnability」

学习有效使用一种系统或界面的难易程度。

利开特式量表「Likert Scale」

这是一种调查方法,其中要求一个人按程度等级给答案打分。 刻度可以是正到负,中间有一个中性分数。

意境图/心理模型「Mental Map / Mental Model」

网站的功能越接近用户的心理模型,网站的可用性就越高。

扫雷「Minesweeping」

是一种找到页面有链接地方的行为。 “扫雷”时,用户快速在页面上移动光标,观察光标或指针的变化,是否指示该区域存在链接。

设计「Participatory Design」

参与式设计(最初会说“合作设计“)是一种设计方法,试图让所有利益相关者(例如员工、合作伙伴、客户、最终用户)积极参与设计过程。 其目的是确保结果满足他们的需求。

路径「Path」

用户在浏览网站时采取的路线。 路径可以通过“面包屑”显示。

用户画像「Persona」

根据现有数据和用户访谈创建的具有代表性的用户角色。 尽管角色的个人详细信息可能是虚构的,但用来构造用户画像的信息是真实的。

定性研究「Qualitative Research」

侧重于背景和观察的人类行为研究,而不是关注数字数据或统计。

定量研究「Quantitative Research」

以数字数据和统计数据为重点的人类行为研究。 这可以通过投票、问卷和调查来实现。

远程可用性研究「Remote Usability Studies」

远程可用性测试:使用屏幕共享软件与处在自身环境中的参与者进行的用户研究。 它能让你记录到参与者的面部和声音。

这种研究的优势在于:参与者的数量可以远超过你所在地点的限制。 参与者群体比你的群体大很多。 因此,你可以在更短的时间内开展更多的研究。

用墨刀制作的原型,方便分享给用户远程

代表性抽样「Representative Sampling」

选择一组代表目标受众用户的参与者,这样测试才更有代表性。

调查「Survey」

调查是指从特定人群获取特定信息的一系列问题。 调查可以通过电话,互联网,面对面和其他各种方式进行。

目标市场「Target Market」

一个产品设计时考虑的目标用户群体。

任务分析「Task Analysis」

一种用于识别和理解用户在与网站或app交互行为的方法。

任务流程图「Task Flow Diagrams」

是一种将任务及其相互关系的可视化表示形式。

出声思考「Think Aloud」

“出声思考”或“有声思维“是一种可用性测试中收集数据的方法。 在可用性测试中,让用户出声思考他们所看到和做的事情有助于收集有价值的信息。

真实意图研究「True Intent Studies」

真实意图研究:衡量用户对网站的体验。并通过回答以下问题为改进设计提供见解:

这些问题的答案有助于用同理心出发来理解用户并了解如何满足用户的需求。

可用性「Usability」

用户是否能正确地、高效地、满意地跟界面交互。

可用性的基准测试「Usability Benchmarking」

这可以衡量系统当前的可用性,并提供可以衡量未来可用性的基准。

可用性实验室「Usability Lab」

一个可以观察用户与系统的交互,并记录其活动的可用性测试空间。 其他观察者可以在场,也可以通过双向镜或摄像头在另一个房间观察。

用户流「User Flow」

用户流是用户完成一项任务而进行的一系列步骤。 “页面流”( top path)是最常见的一种用户流,它是指典型用户会看到的一系列页面。

用户研究「User Research 」

用户研究侧重于通过观察、任务分析等方法来了解用户需求、行为和动机。

标签: 向用户发送调查以收集有关他们的需求 用户调查 偏好和反馈的定性数据

抱歉,评论功能暂时关闭!