3.3 经定量验证的定性人物角色

作者: Steve Mulder; Ziu Yaar 范晓燕译 出处:机械工业出版社华章公司 　2007-08-14 13:42　   砖    好    评论  条 　进入论坛

阅读提示：《嬴在用户：Web人物角色创建和应用实践指南》将伴随您走过创建人物角色的每一个步骤，包括进行定性、定量的用户研究，生成人物角色分类，使人物角色真实可信等。您也将学会如何有效地通过这个工具，来完成从指导总体商业策略，到确定信息架构、内容和设计等细节的整个过程。 本文为 经定量验证的定性人物角色。

3.3 经定量验证的定性人物角色
如果您想要这些人物角色有更加量化的客观成分，同时又能投入再多一点点的时间的话，值得考虑一下这个方法。下面是一些基础步骤。
1. 进行定性研究
与第一种方法相同，从进行定性研究开始，去揭示用户的目标、行为和与观点有关的直观感受。
2. 在定性研究的基础上细分用户群
用同样的定性细分方法来做，最终得到基于特定用户的目标、行为和（或）观点的一定数量的细分用户群。
3. 通过定量研究来验证用户细分
这是一个新步骤：通过一次调查问卷或其他形式的定量研究方式，用更大数量的样本来验证您的细分用户模型，以进一步保证它所反映的事实的准确程度。这件事的目的是核实这些被细分的用户群确实是各不相同的，并且能得到一些证据，用来向管理层证明您所创建的人物角色的科学性。调查数据对于验证目标和观点是最好的，网站流量分析（较少用于生成人物角色）给您关于用户行为的确凿数字。做这些分析您可以用简单的交叉表，或者用复杂的统计分析技术。
比如说，如果您想验证基于目标的房地产用户细分模型，最好进行一次调查问卷，其中应该有一个问题是“为什么用户会访问网站？”。您可以用一个简单的交叉表在Excel中进行分析，研究用户对于这个问题的答案对其他答案的影响程度（举个例子来说，初次购房者会把某种功能或内容看得很重要吗？）。如果您看到一些差异，支持您将这些细分用户群发展成独立人物角色，那么这个细分模型就成功了。如果没有，您就得试试其他细分用户的方法并验证它们。
4. 为每一个细分群体创建一个人物角色
当进行了定量研究来创建更接近真实情况的人物角色之后，您就能更加确信您的决策已经具有统计学意义了。人物角色不再是简单的虚构作品，而是拥有证据支持的研究结果的混合体。现在当您在说Francis想做这个或想做那个的时候，您有确凿的数字来支持您的描述。量化的数据对于证明您的观点不是必要的，但是它减少了您犯错误的几率。它在为某个特别议题的重要程度和重要性提供相关证据方面，具有很高的价值。
用这个方法，您为您的人物角色增加了一些科学依据，减少了艺术创作的成分。这些细分用户群的来源仍然是定性研究，但是您用定量的方法来获得支持您的决定的证据。
在之前的章节中，您曾经看到有一个经营特殊商品的零售商店，希望更好地理解他们的客户是如何使用不同的渠道来购物的。既然目标是渠道使用方式，我们从一开始就知道这就是即将用于细分用户并得到人物角色的基础。于是我们最后划分出了四个群体：商店型、网站型、组合型以及在组合基础上的产品目录型，我们进行了一个调查，然后与现有的CRM（Customer Relationship Management，客户关系管理）数据结合起来，这样我们就知道了每个被调查者都使用过哪些渠道。接下来我们分别查看了这四个群体对于所有问题的答案，从而对这些细分数据做了详细的分析。通过这种方式，我们能一目了然地看出购物渠道是如何与其他现象相关联的。他们对这个商店的看法、在购物中他们喜欢或不喜欢的事情、对每个群体来讲某种因素（如样式）的重要程度等等。这个调查数据核实了我们基于渠道的细分用户群是真实而且有用的，于是我们就在这四个群体的基础上分别创建了不同的人物角色。
下面是这个方法的优点和缺点。
优点：
量化的证据可以保护人物角色。对于保持怀疑态度的管理层，您现在能回答：“不！”您有相当的理由确信这些人物角色精确地代表了用户群。更多的是，您现在可以不假思索地说出支持您的决策的数据，比如：注意！初次购房者占了网站访问者的27％，并且有这类用户中有82％认为多媒体指南重要或非常重要。
更简单的人物角色故事增进了理解和接受程度。与定性研究一样，你可能只用一两个属性来定义他们，而不是高级的统计分析可能揭示的多种综合因素。简单的人物角色故事使人们更容易理解和使用它们。
由于分析数据方法的不同，您所需要的专业人员也较少。您可以自己对这些调查结果进行简单的交叉表分析。您也可以挖掘得更深以确定数据的统计意义，不过这需要增加专业的统计分析人员。
缺点：
需要做额外的工作。由于多出来的步骤，整个流程需要6到8周时间。调查总是增加时间，因为您需要设计并展开调查，留出足够的时间使之充分完成，然后分析这些数据。另外，如果您的用户细分基于多重因素（例如：购房者的目标加上焦虑的态度加上过度条理化的行为），一个简单的调查结果交叉表分析就变成不可能的任务，工作量（和专业技能要求）会急剧增加。
已有的假设不会受到质疑。这种风险仍然存在，因为最初的细分群体依旧是根据您的个人经历和看法来划分的。换句话说，您还是可能在尝试证实您觉得已经了解到的事情，而不是发现新的可能性。
要是这些数据推翻了您的推测会怎么样呢？如果调查结果或网站流量分析没有支持您的细分模型，那么您就得做更多的工作了。最好的结局是，您在某次使用其他细分模型时就能看到这些数据支持其中的一个。最差的结局是，由于您没有提出全部的问题，导致找不到其他的选择，所以您不得不重新做一次新的调查或更多的网站流量分析。这两者都意味着更多的时间和金钱。
使用这个方法，如果：
您能投入较多的时间和金钱。
您的管理层需要看到量化的数据才能相信和使用您的人物角色。
您非常确定您的定性细分模型是正确的。 
 

回书目   上一节   下一节