曾經(jīng)參加過一場有關(guān)游戲數(shù)據(jù)應(yīng)用的座談會，主辦發(fā)邀請了在廣州做游戲運(yùn)營、策劃和數(shù)據(jù)分析的人，談?wù)摰脑掝}是“游戲的大數(shù)據(jù)應(yīng)用”。聽了一圈下來感覺多數(shù)人的數(shù)據(jù)的意識還是比較薄弱的，基本的運(yùn)營數(shù)據(jù)可能都未必能做到精細(xì)，更談不上“大數(shù)據(jù)”應(yīng)用。不僅是游戲，可能大多數(shù)的互聯(lián)網(wǎng)公司都是如此。很多互聯(lián)網(wǎng)從業(yè)者都意識到要關(guān)注用戶，而關(guān)注用戶離不開對用戶的研究。那么互聯(lián)網(wǎng)的用研到底是怎么做的?目前有哪些痛點(diǎn)?還能有哪些可以提高改進(jìn)的地方?

　　互聯(lián)網(wǎng)用研的現(xiàn)狀

　　談現(xiàn)狀之前，首先想談?wù)動(dòng)醚械母拍�。我認(rèn)為目前互聯(lián)網(wǎng)行業(yè)的用研主要包含以下兩個(gè)大的方面：

　　1. 產(chǎn)品數(shù)據(jù)分析與應(yīng)用：這一方面是互聯(lián)網(wǎng)產(chǎn)品的優(yōu)勢，因?yàn)榛ヂ?lián)網(wǎng)產(chǎn)品可以很好地記錄用戶在產(chǎn)品內(nèi)產(chǎn)生的行為，從而獲得海量客觀、細(xì)致的數(shù)據(jù)，這是傳統(tǒng)行業(yè)所羨慕的。對數(shù)據(jù)應(yīng)用的角度大概可以把互聯(lián)網(wǎng)公司分為三個(gè)層級：

　　1)第一層是基礎(chǔ)分析層，基礎(chǔ)數(shù)據(jù)既包括我們常說的宏觀經(jīng)營數(shù)據(jù)，例如Talking Data的手游數(shù)據(jù)體系，套路基本上遵循Come-Stay-Pay-Leave的漏斗模型，這種數(shù)據(jù)幾乎是必看的也是管理層最關(guān)注的數(shù)據(jù)，小公司可能通過接友盟、百度思南等第三方數(shù)據(jù)服務(wù)公司的SDK和網(wǎng)頁代碼來獲取;基礎(chǔ)數(shù)據(jù)還包括產(chǎn)品本身或者運(yùn)營活動(dòng)本身產(chǎn)生的數(shù)據(jù)，例如關(guān)卡的通過率、活動(dòng)的點(diǎn)擊轉(zhuǎn)化率之類的，這部分的數(shù)據(jù)往往是相關(guān)人員在遇到業(yè)務(wù)問題時(shí)，找產(chǎn)品開發(fā)或者后臺數(shù)據(jù)支援部門的人去跑，屬于具體問題具體分析的類型。

　　2)第二層是BI中心層，這一層的公司大多已經(jīng)產(chǎn)品線比較豐富了，開始尋求搭建統(tǒng)一的自有數(shù)據(jù)庫后臺來提高效率。但是大多數(shù)的公司的所謂數(shù)據(jù)后臺，可能僅僅只是把第一層中一些常規(guī)的數(shù)據(jù)做成模板，實(shí)時(shí)或者周期性地自動(dòng)更新數(shù)據(jù)。更好的一種應(yīng)用是搭建公司層級的標(biāo)簽系統(tǒng)，顆粒度 到用戶個(gè)體，通過組合標(biāo)簽抓取特定人群來分析，這在后文會講到。從另外一個(gè)角度，在這些公司做數(shù)據(jù)分析的人，肯定不希望只停留在運(yùn)營數(shù)據(jù)的層面，做到一定階段會去嘗試數(shù)據(jù)建模，核心的思想實(shí)際上是關(guān)聯(lián)和聚類。

　　3)第三層是數(shù)據(jù)應(yīng)用層，這一層通過模型算法，根據(jù)用戶過往的數(shù)據(jù)，預(yù)判用戶的類型并實(shí)時(shí)向其推送個(gè)性化內(nèi)容，也就是所謂的"千人千面"。這樣的應(yīng)用目前用得比較有名的主要是在電商領(lǐng)域、互聯(lián)網(wǎng)廣告領(lǐng)域和新聞推送(典型如今日頭條)，游戲領(lǐng)域似乎還未有典型案例。做個(gè)猜你喜歡并不困難，難的是背后的模型算法的準(zhǔn)確度和自我學(xué)習(xí)的能力。這一層應(yīng)該是跟”大數(shù)據(jù)“比較能掛得上鉤的，也是趨勢。

　　現(xiàn)狀是互聯(lián)網(wǎng)公司大多停留在第一層，達(dá)到第二層的屈指可數(shù)，第三層估計(jì)只有行業(yè)巨頭才能干。

　　2. 用戶研究與市場調(diào)查：如果說產(chǎn)品數(shù)據(jù)分析試圖從用戶的行為中找規(guī)律，那么用戶研究則是試圖探索用戶的主觀意識。業(yè)內(nèi)對用研的定義可能是比較狹義的，但我比較傾向于將用研和市調(diào)結(jié)合起來說。因?yàn)榛ヂ?lián)網(wǎng)的用研在思路和方法上與傳統(tǒng)行業(yè)的市場調(diào)查有很多共通之處，只不過根據(jù)互聯(lián)網(wǎng)產(chǎn)品的特性進(jìn)行了改良和延伸。這一塊大概可以劃分為幾個(gè)方向。

　　1)UX設(shè)計(jì)體驗(yàn)方向：這個(gè)方向可以說是互聯(lián)網(wǎng)產(chǎn)品特有的，基于UI交互設(shè)計(jì)的研究，方法上包括可用性測試、A/B測試、眼動(dòng)儀等。研究人員大多具有UI、UE及人機(jī)工程的背景。

　　2)產(chǎn)品測試方向：這個(gè)方向與UX設(shè)計(jì)體驗(yàn)方向的不同之處在于，UX更關(guān)注界面及背后的交互邏輯，而產(chǎn)品測試則更關(guān)注內(nèi)容體驗(yàn)。例如對于一塊游戲產(chǎn)品，研究人員可能會關(guān)注畫面、玩法模式、成長體系、經(jīng)濟(jì)體系、新手引導(dǎo)等等功能價(jià)值和其所滿足玩家的情感價(jià)值。方法上多采用偏定性的方式，觀察+訪談、用戶體驗(yàn)日志、腦電等。研究人員可能是產(chǎn)品經(jīng)理，也可能是對產(chǎn)品有一定認(rèn)知的用研人員。

　　3)用戶基礎(chǔ)研究方向：這個(gè)方向做的是群體性的研究，例如學(xué)生手游群體、二次元圈子等，對用戶分層分群，研究其認(rèn)知、日常習(xí)性、使用嘲、態(tài)度、人口屬性等等。方法上沿襲社科專業(yè)的套路，現(xiàn)場觀察、座談會、深訪、定量問卷等都是最常用的方式。研究人員大多數(shù)來自社會學(xué)、人類學(xué)、心理學(xué)等專業(yè)。

　　4)戰(zhàn)略分析方向：這個(gè)方向與市場分析、傳播、廣告、品牌等有著更緊密的結(jié)合，更關(guān)注商業(yè)價(jià)值方向的探索，諸如定位、流量、變現(xiàn)等，主要服務(wù)于管理層。方法上需要博采眾長，對研究人員有比較高的要求，大多來自咨詢行業(yè)和市場研究行業(yè)。

　　現(xiàn)狀是少數(shù)行業(yè)巨頭在上述方向分工明確均有各自負(fù)責(zé)的部門，而大量的中小型企業(yè)大多把上述職能混在一起，最常見的是研發(fā)部門搞定1、2，市場部搞定3、4，采用的方式也比較簡單粗暴。

　　互聯(lián)網(wǎng)用研的痛點(diǎn)

　　講了這么多現(xiàn)狀其實(shí)只是想讓行外人對這行有個(gè)大致的認(rèn)識，下邊談?wù)勛鳛橐粋�(gè)從業(yè)者的一些切身感受。

　　1. 產(chǎn)品數(shù)據(jù)分析與用戶研究割裂。不管在大公司還是小公司，這種割裂都是存在的。我們經(jīng)�？吹降囊环N情況是，做數(shù)據(jù)分析的人躲在后頭埋頭于數(shù)據(jù)，他們與用戶之間幾乎是沒有聯(lián)系的。純粹從產(chǎn)品數(shù)據(jù)的維度去分析出來的結(jié)果，往往陳述的是一種現(xiàn)象，而當(dāng)被問及現(xiàn)象背后的原因時(shí)數(shù)據(jù)分析師們常常會感到無力。反過來，做用戶研究的人經(jīng)常接觸用戶，但卻不太懂利用產(chǎn)品本身的數(shù)據(jù)結(jié)構(gòu)，他們更習(xí)慣于通過訪談和問卷來獲取信息，而痛處就在于此類信息的獲取存在較多不穩(wěn)定因素，結(jié)果容易受到質(zhì)疑。這種割裂一方面讓研究人員容易陷入閉門造車的瓶頸，另一方面也令業(yè)務(wù)方獲取不到全面有效的信息。

　　2. 研究方法的缺陷�，F(xiàn)有的多數(shù)研究方法來自于統(tǒng)計(jì)學(xué)、社會學(xué)等學(xué)科，而這些方法在常人的理解范疇里是容易有偏見的。例如定性訪談常常被業(yè)務(wù)人員問到“這么幾個(gè)樣本能代表所有人嗎?”，調(diào)查問卷則常常被質(zhì)疑“你的選項(xiàng)設(shè)計(jì)不完善”、“用戶大多可能是亂填的”、“會去填寫問卷的用戶都是活躍用戶”etc。作為專業(yè)人員當(dāng)然有一些方法可以盡量減少誤差，但無論你做得如何的專業(yè)，這種偏見總是會存在的，而偏見的結(jié)果就是不信任。更為重要的是，由于研究人員水平的參差不齊，以及在執(zhí)行過程中的各種不確定性更加擴(kuò)大了誤差的范圍。痛處在于，在商業(yè)環(huán)境里你就算用嚴(yán)謹(jǐn)治學(xué)的態(tài)度去搞用研，人們可能表面恭維你是個(gè)“專家”而心里覺得你是個(gè)大忽悠。

　　3. 難以兼顧效率和信效度。互聯(lián)網(wǎng)的從業(yè)者常把“天下武功唯快不破”這句話掛在嘴邊，不可避免對用研的要求也是如此。從傳統(tǒng)調(diào)研行業(yè)跳過來的研究人員可能會覺得不適應(yīng)，傳統(tǒng)行業(yè)做一個(gè)項(xiàng)目可能需要耗時(shí)幾周到幾個(gè)月，這在互聯(lián)網(wǎng)的速度里是不能接受的。作為一個(gè)職能部門當(dāng)然是要做出一些妥協(xié)，在方法上采用更多粗糙的方式，在樣本上縮減甚至降低篩選要求，在數(shù)據(jù)處理不做任何信效度和顯著性檢驗(yàn)。可是這樣“快餐式”的做法跟研究的精神是有沖突的，種種妥協(xié)讓研究人員自己就對結(jié)果沒有信心，會萌生一種“這到底是在演戲，還是在做研究?”的迷茫，進(jìn)而陷入一個(gè)終日疲于奔命卻做不出好東西的惡性循環(huán)。

　　4. 對數(shù)據(jù)的過度解讀。人們總是期望能從研究中發(fā)現(xiàn)一些“出于意外的事情”，而現(xiàn)實(shí)是受限于方法上的缺陷和時(shí)間經(jīng)費(fèi)的限制，多數(shù)的數(shù)據(jù)結(jié)果是驗(yàn)證多于發(fā)現(xiàn)的。這種時(shí)候做研究的人往往會帶著一種“我必須想出點(diǎn)什么”的心態(tài)，去換著角度解讀數(shù)據(jù)。確實(shí)有些時(shí)候換個(gè)角度看問題能有新的發(fā)現(xiàn)，可是這種解讀本身就帶有很強(qiáng)的主觀判斷，根據(jù)這樣的判斷得出的所謂建議，有時(shí)候反而是在誤導(dǎo)。所謂眾口難調(diào)，你站在某個(gè)立場去解讀數(shù)據(jù)的時(shí)候，可能同時(shí)也會令不同立場的人覺得沒有收獲，所以在衡量研究工作的價(jià)值時(shí)也很難做到客觀公正。

　　站在需求方的角度，總結(jié)一句話就是對用研“不想用、不敢用、不能用”。我無意去討論“用研無用論”、“唯數(shù)據(jù)論”是否正確，也不想去對做用研的人灌雞湯。我只想結(jié)合實(shí)際在工作中的體會，去探討實(shí)際操作層面改進(jìn)優(yōu)化的可能。

　　一些不成熟的設(shè)想

　　1. 植入項(xiàng)目團(tuán)隊(duì)的用研小組。像鵝廠和唯品會這樣的大公司目前的做法是采用中心對接制度的，簡單說就是項(xiàng)目組向包括用研中心、數(shù)據(jù)中心、UE中心在內(nèi)的職能部門提需求，由各個(gè)中心統(tǒng)一分配人員承擔(dān)項(xiàng)目。這種方式有它的好處但最顯而易見的問題就在于單中心與其他中心及業(yè)務(wù)部門之間的割裂。我認(rèn)為更好的方式是由各個(gè)中心指派各自的專員，組成一個(gè)用研小組駐扎在項(xiàng)目組里，小組的成員由產(chǎn)品數(shù)據(jù)分析和用研調(diào)研兩方面的人員構(gòu)成。這樣的組合對中小公司同樣適用，如果實(shí)在招不到專業(yè)的人員，至少策劃團(tuán)隊(duì)里應(yīng)該有長期專門負(fù)責(zé)這兩方面工作的人。若有中心則負(fù)責(zé)公司級別的基礎(chǔ)研究及各產(chǎn)品小組人員的統(tǒng)一管理培訓(xùn)。

　　2. 標(biāo)簽系統(tǒng)。在數(shù)據(jù)上進(jìn)一步，不要只停留在看基礎(chǔ)運(yùn)營數(shù)據(jù)的層面。既然對于數(shù)據(jù)千人可能有千種解讀，那我們要做的不是去鉆數(shù)據(jù)的牛角尖，何不先把數(shù)據(jù)亮出來給所有人都看到?從各種維度為每個(gè)用戶打上標(biāo)簽，并且業(yè)務(wù)部門的人也可以直接在系統(tǒng)上隨時(shí)通過組合標(biāo)簽來抓取他們想要了解的那部分用戶，查看他們在其他維度上的數(shù)據(jù)情況。更關(guān)鍵的是，可以對抓取出來的這批人直接推送運(yùn)營內(nèi)容，相信做產(chǎn)品做運(yùn)營的人不會拒絕這樣的智能化操作吧?從用研人員本身來講，是否也可以將標(biāo)簽與問卷系統(tǒng)相結(jié)合，實(shí)現(xiàn)對某群用戶的精準(zhǔn)問卷投放。以往的做法可能是在問卷前邊設(shè)計(jì)幾道甄別問題來過濾樣本，但這種甄別始終還是需要用戶自己去選的，有時(shí)選項(xiàng)設(shè)得不夠好后期的分析會很被動(dòng)。而采用標(biāo)簽系統(tǒng)的好處就在于對用戶的甄別是基于客觀數(shù)據(jù)的，顯然也更容易獲得信任。

　　3. 定性樣本庫。無論是傳統(tǒng)行業(yè)還是互聯(lián)網(wǎng)行業(yè)，做定性調(diào)研找樣本是一個(gè)難題。自己去找費(fèi)時(shí)費(fèi)力，如果找第三方外包的話，又很擔(dān)心樣本的質(zhì)量。實(shí)際上目前這個(gè)產(chǎn)業(yè)鏈的透明度是比較低的。全國各地有許許多多靠找樣本為生的執(zhí)行公司，這些公司條件簡陋而且普遍人員水平不高，他們的生意主要來源于上游市場研究公司的需求。這些執(zhí)行公司收到需求后會利用他們的人脈去找符合條件的人。但是這個(gè)找人的過程是很難監(jiān)管的，畢竟篩選主要通過問卷加上電話訪問的形式。有些職業(yè)“會蟲”為了能上會會撒謊，更有一些執(zhí)行公司的人為了完成任務(wù)會引導(dǎo)受訪者撒謊。在實(shí)際操作中這種情況并不少見。我在想是否可能建立一個(gè)相對透明的平臺，將“受訪者-需求方-專業(yè)定性主持人”等資源整合起來，砍掉中間環(huán)節(jié)。每個(gè)進(jìn)入平臺的受訪者都需要更新信息，從各個(gè)維度打上標(biāo)簽，需求方則可以透過組合標(biāo)簽來篩選樣本并直接邀約。在每次項(xiàng)目完成后，雙方可以互相打分互評，對質(zhì)量較差的樣本拉黑。

　　4. 對定量問卷半開放內(nèi)容的利用。現(xiàn)在的定量體系中，研究員一般會在選項(xiàng)難以全面覆蓋的題目中設(shè)置半封閉的選項(xiàng)，也就是“其他，請注明”這樣的選項(xiàng)。但是這些用戶自行填寫的信息通常沒有被有效地應(yīng)用。傳統(tǒng)的做法是通過人工編碼的方式對這些信息進(jìn)行歸納整理，這種方式可謂耗時(shí)耗力。是否有更好的解決方法呢?寫程序代碼自動(dòng)抓取和統(tǒng)計(jì)關(guān)鍵詞?又或者是否可以有這么一種提型：題目本身沒有選項(xiàng)，而是出現(xiàn)一個(gè)搜索欄，背后鏈接著一個(gè)可自定義的數(shù)據(jù)庫。用戶通過鍵入某個(gè)答案在數(shù)據(jù)庫中進(jìn)行匹配，找到對應(yīng)的條目后添加成為標(biāo)準(zhǔn)化的答案。舉個(gè)例子，當(dāng)你需要請用戶回答最近一周玩過的所有手游時(shí)，如果用現(xiàn)有的方式，設(shè)置多選題無法窮舉所有手游作為選項(xiàng)，而設(shè)置主觀題則由于用戶回答內(nèi)容的非結(jié)構(gòu)化而難以統(tǒng)計(jì)。那么如果把絕大部分的手游名稱，包括其所屬的玩法類型、題材等全部輸入數(shù)據(jù)庫，答卷時(shí)由用戶通過搜索的方式添加答案，最后自動(dòng)統(tǒng)計(jì)出結(jié)果，這樣會不會更準(zhǔn)確一些呢?

　　5. 線上定性。這方面已經(jīng)有公司在開發(fā)，但是似乎效果并不好。穩(wěn)定的網(wǎng)絡(luò)質(zhì)量是一個(gè)問題，除此之外也還不夠智能。線下定性的過程中主持人會板書，會投票，會使用各種投射技巧，這些在線上定性也必須有專門開發(fā)的功能模塊支持。并且對于定性過程中產(chǎn)生的語言文字，如果能夠自動(dòng)記錄并轉(zhuǎn)化成筆錄摘要會提高不少效率。是否能與語義分析技術(shù)、語音識別技術(shù)做些結(jié)合?甚至是未來的VR?

　　雖然對于整個(gè)互聯(lián)網(wǎng)公司而言，用研還沒有發(fā)揮出它應(yīng)有的作用。作為一個(gè)從業(yè)人員，我覺得應(yīng)該更多地關(guān)注業(yè)務(wù)部門的需求，從開發(fā)工具和優(yōu)化流程的角度讓這項(xiàng)工作更智能化、敏捷化，而不是頂著所謂專家的帽子做一些看起來高大上實(shí)際缺乏效益的事情。

   投稿郵箱：chuanbeiol@163.com   詳情請?jiān)L問川北在線：http://www.sanmuled.cn/