如何快速了解用户,助力内容产品精细化运营?

文章目录 用户研究的概念,及可解决的实际问题 常用的用户研究方法 用户研究的几个关键点

腾讯学院优秀讲师于洋以《如何快速了解用户,助力内容产品精细化运营?》为主题,向听众详述了用户研究的方法及案例,并指导我们如何在实际工作中进行应用。腾讯媒体研究院将部分内容整理成稿,以下为课程实录。

创新互联建站服务项目包括金门网站建设、金门网站制作、金门网页制作以及金门网络营销策划等。多年来,我们专注于互联网行业,利用自身积累的技术优势、行业经验、深度合作伙伴关系等,向广大中小型企业、政府机构等提供互联网行业的解决方案,金门网站推广取得了明显的社会效益与经济效益。目前,我们服务的客户以成都为中心已经辐射到金门省份的部分城市,未来相信会继续扩大服务区域并继续获得客户的支持与信任!

非常高兴能够受到腾讯媒体研究院芒种特训营的邀请,来和大家分享如何做用户研究。

其实在很多时候,用户不一定和我们的想法一致,所以用户也不一定按照我们设计的方案去理解和使用产品。因此,我们必须要真正接触用户、了解用户,才能知道用户想要的是什么。

用户研究的概念,及可解决的实际问题

首先,我想介绍一下用户研究的概念、它能解决的问题以及常用的一些方法。

首先,什么是用户研究?用户研究的渊源可以追溯到二战时期,美军请了很多心理学家对飞机的驾驶舱进行设计。大家可以从下图中看到,这是一个飞机的驾驶舱,看起来非常复杂,需要做一些人机交互的可用性测试,通过心理学的实验去找出什么样的设计是最优的,要怎么样才能减少操作的失误。

举一个例子,比如飞机的仪表盘也做过这种实验。实验发现,黑底白字更方便人的瞬间识别,因此这样的设计一直沿用到现在。

用户研究是用户设计流程的第一步,它是理解用户、将用户的目标需求和企业的商业宗旨相匹配的一种比较理想的方法,包括在维基百科的定义中,在产品开发的每个步骤,都要把用户列到考虑的范围。

用户研究能做什么?首先,它能够确定我们的产品和服务的目标人群是谁,用户对产品和服务的接受度是怎么样的。其次,能了解用户在使用过程中的感受如何,包括他满意或不满意的点,同时,可以了解用户的需求和期望有哪些。

用户研究能解决以下几类问题:一是确定用户的基本属性、生活方式和价值观;二是了解用户的目标和诉求是什么;三是了解用户的场景,探究用户实际使用产品的场景是什么样的;四是了解用户文化;五是了解用户的心智模型,心智模型指用户对物体和人的认知;最后是了解用户的情感,以及用户的其它的诉求。

简单举个例子,比如我们在做儿童类产品的时候,应该怎么样设计?

通过研究,我们发现,不同年龄阶段的儿童对事物的认知有明显差异。在5~ 7 岁的时候,儿童更多对图片类、视频类的内容认知会更强烈一些。

8~ 10 岁又是一个年龄阶段,儿童开始认字了。从信息呈现的角度来看,图文结合对他们而言是比较有吸引力的形式。

到 10 岁以后,儿童对于文字的认识更深刻,他们的网页访问习惯和成人的差异已经不是特别大了。

所以,我们可以了解我们的目标用户,对他们进行分群。

另外,我们可以了解用户的目标是什么。有一个非常经典的案例,有关一个价值 3 亿美元的按钮。美国一个大型电商在做后台数据分析的时候,发现它在支付环节流失了大量用户,所以请用户做了一个可用性测试,发现了一个非常常见的问题:在支付环节,用户必须先注册才能购买。用户表示,我是来买东西的,而不是来注册会员的,因此,注册环节阻拦了绝大多数人的购买。

根据用户研究的结论,网站迅速改变了购买流程,让不想注册的用户可以跳过注册环节,销售量因此瞬间提升了45%,销售额上涨了 3 亿美金。

用户研究还可以解决心智模型的问题。如下图所示,这一类微波炉刚上市的时候,遭到了大量用户的投诉。

用户为什么投诉?因为用户不知道怎么用,它的操作太复杂了。微波炉的使用者主要是家庭主妇,对于这种非常繁琐和复杂的操作界面,她们认为非常难用。

用户的心智模型是什么?用户只想要一个简单的操作界面,可以知道我火力如何,要热多少时间就可以了。所以,我们看现在的电商网站,卖得最好的还是非常经典的、符合用户心智模型的微波炉。

然后是用户文化。如果某家电企业想进军美国市场,那么就需要做一些研究。把模型拿到美国市场去做研究时发现,如果按照国内的设计,一个披萨再加两升的大苏打水会让冰箱的门很难关上,而国内人们很少有储存食物的习惯,这就是文化的差异。

接着是情感化的设计。下图是在iPad上看资讯的两个页面,左边会更好一些,因为它有一个关于天气的设计。虽然不会起到导流作用,但可以结合用户的使用场景。

用户使用iPad看资讯主要有两个场景,一个是晚间,一个是早间,对于早间的用户来说,这个功能非常实用。他可以在每天看新闻的时候了解当天的天气情况,这一设计对用户而言很人性化,另一个只有新闻的界面就会让用户感到比较冷漠。

常用的用户研究方法

用户研究的流程和一般方法是什么样的?

首先,用户研究贯穿在产品整个生命周期的各个阶段。在产品概念阶段,我们可以做一些行业的产品分析,目标用户的定位研究,以及竞品的评估。如果产品有demo,可以做一些可用性测试,也可以做用户需求和动机的分析。

在产品测试阶段,我们可以做产品的概念测试、创意研究、接受度测试,以及确定品牌名称——如果产品上市之前没有定名称的话,我们也可以让用户参与进来,还包括定价的研究。

在成长和成熟期,大家最常接触的就是满意度调查、品牌价格研究、营销效果研究以及用户行为的变化。

在产品衰退期,我们常做流失用户的研究,探究用户流失的原因。同时,我们还会挖掘新机会点——我们的产品在迭代转型期应该做什么,这些都是用户研究可以参与进来的部分。

一般流程包括提出问题,选择合适的研究方法执行,再到结果的输出和分析,最后到报告的输出。

比较关键的首先是提出问题。这里有一个经典的福特的案例:当你问人们想要什么的时候,他们说我想要一匹更快的马,但是福特公司发明了汽车,这体现了我们要怎样正确地提出我们的问题。

正确地提出问题主要分几个方面。在需求分析的阶段,我们需要怎么样去提出问题?在产品的评估阶段,我们又要怎么提出我们的问题?在行为分析的阶段,我们该怎么提出问题?我们要做的不是直接去问用户想要什么,而是要合理和科学地分解我们的问题。

用户研究主要包括定量和定性研究两类。定量研究主要通过大数据的方式收集用户的意见和反馈,定性研究更多是通过深入的调查和访谈去了解用户对某些问题或现象的解释。

问卷调查法使用流程

问卷调查是非常常用的用户研究的方法,尤其是在现在的互联网时代,大家做用户调查是非常方便的,可以非常快速地收集大量的用户数据。

问卷调查也有自己的适用范围。大家现在经常会看到各种各样的调查,让人填个问卷什么的,但它是有适用范围的。如果你需要了解用户的动机和习惯,需要了解用户的需求,需要了解用户的满意度和态度,需要了解用户的价值观以及其它的背景属性,问卷调查都可以帮助你解决。

以下这些问题,大家可以看一看哪些是问卷调查可以解决的。

首先是用户分群,这个一定是问卷调查可以解决的。

用户的基本需求,包括他们的线上需求、观看习惯和内容偏好,这些也是可以通过问卷调查解决的。

用户获知APP的主要的途径,这也可以通过问卷调查解决。

还有用户对现有页面的看法,比如满意度如何,是否喜欢,原因是什么,这些也是可以的。

不可以的有网友的重视觉重点在哪里,视觉布局是不是合理,这是问卷调查无法解决的;用户点击量最多的是什么,这是需要通过后台数据分析去做的。

问卷调查主要包括 5 个部分。问卷调查有它的适用范围,所以,我们首先要想一想研究想解决的是什么样的问题,如果问卷调查可以解决,我们就可以确定我们的研究目标。

在确定目标的时候就要想到怎么去投放,例如通过邮件的方式,或通过第三方调研平台去投放,这些都是要提前要去思考的。

再次,要思考招募什么样的用户。例如我要去做一个 95 后的用户研究,一定要去想需要怎样的用户配比。所以,首先在调查目标的阶段,就要把这些问题确定好了。

第二,我们要去做问卷调查的方案。这里面有很多逻辑性的内容,包括问卷的结构、设计原则、逻辑、措辞、评估以及预调查,在做完之后才能确定我们的研究方案,再去做推广和回收。

接着是做数据分析,最后是报告撰写,这个我就不仔细说了。

在问卷调查中,大家通常会问的一个问题是多少样本是合适的。大家经常会觉得样本量越多越好,其实样本量受很多因素的影响。

我们看一下美国大选。美国大选之前,美国的很多公司都会做一些民调,下图是 2004 年美国大选的民调情况。左侧是美国一些公司和媒体做的支持人数调研数据。它的样本量是多少?我们可以看左边的图显示在 1000 左右,而它的结果还是比较客观的。所以,样本量不一定越多越好。

这里给大家推荐一个工具。我们可以看一下样本量误差的图,在曲线到 400 左右的时候,基本就处于一个比较稳定的状态了。也就是说,在总样本达到这个数之后,无论最后是 2000 也好, 20000 也好,误差都不会特别多了。样本量多的确是好,但回收时间和费用等因素都要考虑在内。

尤其是在现在的互联网上,我们要做敏捷的研究,因此,一味追求样本量可能会导致其它方面的缺陷。

这里也有一个计算器,大家可以线上体验感受一下。我给大家展示一下。(样本量计算器 :http://www.surveysystem.com/sscalc.htm)

这是一个样本的计算器,比如我们的置信水平是95%,置信区间是5,假如产品规模是 100 万的话,所需的样本量只有384。

如果我们的样本量是 1000 万,所需的样本量还是384。这解释了样本量多少是科学的,是不是越大越好的问题。

这是样本量的问题,另一个问题是问卷设计。市面上五花八门的问卷调查到底是不是科学的?他们的研究结论是不是客观的、有价值的?对此,你自己也可以有一个评估,这些都是真实的案例。

大家可以看一下这个问卷有没有问题。“您观看比赛直播或者录播的时间有多久?”这种有歧义的问题在问卷里很常见,到底是看直播的时间还是录播的时间?

另一个是“最后能不能八卦地问一下你的性别及年龄段?呵呵,放心!我不会告诉其他人的。”首先,它的选项是杂糅的。其次,做问卷调查属于科学研究的领域,所以我们应该站在一个中立的态度里去提问,后面这些完全没有必要。

还有一个,“您平时主要关注哪些人的服饰信息?明星、达人、时装编辑、用户UGC内容”,这就是专业术语的问题了。用户UGC内容是我们互联网从业者的术语,不适合让用户去做选择。

再看一下这些问题的设计是否合理。您的姓名,您的身份,您的年龄……这里也是有问题的。

首先,我们在做问卷调查的时候不会问到姓名的问题,这属于个人隐私,除非有特别需要,我们会尽量避免比较隐私和敏感的话题。

其次,“身份”的说法不是很合适,这里是指你的职业。当然,它的选项也少,但首先在题干里面,我们是不会使用身份这个词的。

年龄这一题也有问题, 15 岁以下的用户就没法填了。

第四,提问者设计了一个产品,他在做调研时问整体风格给你感觉如何。选项有眼前一亮、还不错、一般、不好看。这其中有倾向性的问题,因为好的答案比不好的多。

我们一般会说 5 点量表、 7 点量表,这是均衡的量表选择,不能一上来全是好的,最后给一个不好,那就有一点强迫的意思。因此,你在做研究时不能有倾向性,否则结果就不够客观。

举个例子,下图是一个音频新闻产品。大家用喜马拉雅或一些音频APP的时候会用到设定时长的功能,比如你在睡前或一段时间里不方便操作手机,想听音频的时候,可能会给它设计一个时间。大家觉得哪个时间设定更合理呢?

我们不能单纯地说哪个更合理。通过问卷调查发现,用户单次收听音频新闻的时长在 20 分钟到一小时的占比也非常高。所以在左边的设计中,直接到 20 分钟就停止了的话,显然无法满足用户的需求。因此,问卷调查可以帮我们解决设计上一些功能不合理的问题。

另外,我们还可以做一些广告效果的评估。在电视剧和综艺节目里会有一些植入广告,广告会在不同的场景里植入。有道具植入,比如化妆品会直接作为道具置入剧中;有角色绑定,比如演员会使用这个产品;有剧情绑定,产品会跟着剧情走,在剧情的某个地方会出现广告。如果需要评估哪种植入效果是最好的,也可以通过问卷调查解决。针对这个案例,我们发现,角色绑定的效果比较好。

另外,我们还可以探究品牌植入广告的形式对用户品牌认知和品牌形象的影响,用户比较满意的方面在于觉得剧情和品牌的契合度高,品牌融合比较自然,这些都是我们通过调查可以获取的信息。

可用性测试使用流程

第二,互联网公司非常常用的方式是可用性测试。和问卷调查不一样的是,可用性调查不需要大的样本,刚才说的 400 相对来说也比较大,但可用性测试非常敏捷,只需要5~ 10 个用户就可以快速地观察用户如何使用产品,并发现产品使用过程中的问题,最后找出解决方案。所以,这是非常方便大家操作的。

首先,这是一个著名的设计过程理论:设计的过程非常曲折和复杂,而用户研究正处于设计最前面的阶段。通过整理,它可以从杂乱的、无序的、模糊的信息中得到指导设计的方向,其中,可用性测试会带来很大的帮助。

可用性测试怎么做呢?主要有 5 个步骤。

首先,要确定测试目标,即我们为什么要做可用性测试,在可能性测试之后我们希望能得到什么答案。

第二,我们要招募可用性测试的用户,通过一对一的形式用户招到实验室去做测试。因此,我们需要确定这次测试需要招募什么样背景的用户,以及用户的配比如何。

确定用户招募方案之后,我们要出一个测试大纲,根据测试目标模拟用户实际操作过程中的场景。等用户来了之后,让用户按照我们的任务进行操作。

在测试的过程中,主持人更多是观察的角色。他要鼓励用户出声思考,让用户自己体验我们的产品,而不是在旁边一个劲儿去问用户。这是比较需要注意的一点。

最后,我们通过5~ 8 个人的一个测试,就可以输出一个很好的研究结论报告出来。

问卷调查有它的适用范围,可用性测试也有它的适用范围。它更多的是解决用户使用和操作行为的问题,比如用户能不能找到我们想要用户看到的内容,我们的导航布局是否合理,我们的页面排版是否合理,我们的交互流程是否合理。刚才举的 3 亿美元按钮的例子就是通过可用性测试来完成的。它的成本非常低,也非常的高效,能带来一个大范围的提升。

但是,可用性测试不能解决所有问题,比如到底有多少用户喜欢这个,用户的满意度如何,用户的偏好如何,这一类问题是可用性测试无法解决的,需要问卷调查的方法来解决。

这是一个有关智能电视的可用性测试,这是两个二维码。大家觉得哪个二维码的设计体验更好一些?

我们招募了 10 个用户去做可用性测试。如果你真的在客厅的场景中,你会离电视很远,旁边有一堆文字,而你又要去扫码的话,难度会非常大,基本所有的用户都要从沙发上走到电视前面蹲下扫码,这个体验比较不好的。所以第一个的体验更好,内容更大一些,精细一些,简洁一些。

以下两张图展示了新闻类小程序焦点图的设计情况,大家觉得哪个会好一些?

第一张会好一些。焦点图是小程序重点想推的内容,在做可用性测试的时候,几乎所有用户都没有留意第二张图的这一板块,直接下滑。通过访谈发现,用户不看这一块内容的原因在于把这块内容当作广告忽略了。虽然它设计得很精美,但是用户不关注,所以最真实的图片会更好一些。

眼动测试使用流程

第三,我们也会使用眼动测试做产品效果的评估。对于个体而言,百分之七八十的外界的信息是通过眼睛去获取的,而眼动有一定的规律,所以我们通过眼动仪记录眼球活动的轨迹,以及眼球对不同内容的关注情况,从而评估页面和产品的设计是否符合人眼球关注的习惯。

眼动测试主要应用的领域有网页设计、手持设备、软件、产品包装陈列等等,这些都可以通过眼动仪去做评估。

简单介绍一下,它主要有两个指标,一是热力图,即左图,主要说明用户视线停留最长的是哪个区域,左侧图中最红的地方就是用户看的最多的地方,白的地方就是没有人看的区域。

另一个比较有用的图是浏览轨迹图,它能展示用户是怎么看这个页面的,他先看了哪个区域,再看哪个区域。这是两个比较有价值的产出。

眼动研究还会结合一些数据指标去看,比如每个部分的停留时间、曝光率和点击效果等等。

这里简单举个例子,这是两个页面的热力图。当然,我们通常不会只做眼动评估,还会结合前面介绍的研究方法统一去看,眼动评估也会给我们提供参考。

从眼动热力图来看,以下两个页面中哪一个的效果更好?

B的效果更好。为什么呢?A的浏览的路径相对来说比较曲折,而且用户的关注点比较散,没有一个很流畅的体验。在 Google的眼动研究里有一个主要的结论,人在文字偏多的的网页里面,视线的浏览轨迹是呈F型或矩阵型的,而A是比较散的。

大家可以看到B的眼动的分布比较均衡。B是 A的改版页面, A是我们在改版之前做的眼动测试,B是上线之后的测试,不管是数据指标,用户满意度,还是商业价值——因为这个页面还有广告,都有一个很大幅度的提升。

前面是首页,下图是底层页A和B,大家觉得这两篇文章的页面设计哪个效果更好?

这是轨迹图,即先看什么再看什么。答案也是B。为什么也是B?因为B的用户浏览更规律。图A中,每一个用户的注视没有形成明显的规律,非常分散和跳跃。但B的文章有小标题,所有用户会先看标题导语,接着非常聚焦地看到第一个小标题,再去看详细内容,接着到第二个小标题,浏览是非常有规律的,这样更容易帮助用户抓住这篇文章的有效信息。但是A的信息呈现得非常分散,所以用户在浏览时视线比较跳跃。

所以,从眼动的角度,我们可以评估内容该怎么体现会更好。

如何开始用户画像?

另外,我们经常会做用户画像,这个可能大家也听说过,就是根据用户的目标行为和观点把用户分成不同的类型,从每一类用户中抽出一些典型的特点,形成一个比较丰满的用户画像。

举个例子,这是我们媒体研究院针对世界杯做过的用户画像。大家可能觉得看球的用户都是球迷,其实不是的。我们做了一个用户画像,发现有资深球迷、普通球迷、女粉丝,还有吃瓜群众。专业足球赛事的受众可能更聚焦在前两类上,但是世界杯这种大型的体育赛事会圈更多的边缘用户进来。

在知道了这一点之后,我们在做产品也好,做活动也好,针对性就会更强一些。

有几个值得注意的点是,第一,用户画像不等于简单的用户细分,用户细分可能只是把人根据人口属性细分,但用户画像会更立体一些。

第二,用户画像不是真实的用户,它代表了一类用户,描述某一类用户的特点。

第三,用户画像不是集中用户,不是集中到一个虚拟的角色上,它一定要抓住典型,用户画像的典型性是非常重要的。用户的典型需求是什么?典型流程和痛点是什么?这是用户画像需要去做的。

所以,用户画像的应用场景也比较广泛。比如我们做推广的时候,我们做运营方案的时候,我们做产品设计的时候,我们要去做项目的优先级排序的时候,用户画像都非常有用。如果不是一个非常小众的垂直产品,我们要怎么做用户目标定位呢?由此可见,用户画像的应用非常重要,它可以解答我们要重点和优先去做什么的问题。

什么是用户日志?

我们接着简单介绍一下用户日志的方法,即通过写日志的方式让用户去记录他的生活或产品的使用活动,包括场景习惯和一些问题等等。用户日志有一个比较明显的优势。通过访谈,你能相对了解你想了解的部分,但通过用户日志,我们更能身临其境地体验用户真实的使用场景,挖掘到更深度的信息。

当然也有一些问题。首先,日志的周期比较长,至少需要连续一周的时间进行。其次,需要投入较多的精力,因为你要频繁地和你的受访者或写日志的用户交流。如果他写的是不是你想要的,或者他没有认真地写,你都需要和他反复地沟通。

另外,用户日志对研究人员的专业度和经验要求也比较高,你还要结合用户的内容再做分析和解答。

但用户日志有它的优势,它非常适用于一些比较特殊的,难以让人感同身受的,或实验室无法还原的场景。比如我们可以了解用户真实的驱动,价值观和情感感受,在这些方面,用户日志都是比较好的方式。

所以方法的选择由我们的需要决定。如果我们可以快速解决问题,前面的几种方法就比较好;但是用户日志有它独特的可能,可以更真实地还原本身的场景。

我们在做 95 后用户研究时用过用户日志的方法,我们让 95 后的同学写日志,写了这样一个日志(下图中的左图),这就是一个相对失败的例子。

要避免把日志写成流水账,如果写成了流水账,对于研究来说意义没有那么大。于是我们和用户进行沟通,又修不断地修正。

右边的日志非常生动地呈现了用户形象和产品的使用场景。比如场景之一是对学英语的诉求,一个 95 后同学不仅要学英语口语,还要日常搭讪,表明了 95 后是幸福的一代,也是孤独的一代,他们对社交的诉求非常高,无论什么产品都要有社交的诉求。无论是在各个产品的使用中还是在日常中,他都非常渴望认识一些志同道合的朋友。

所以,在产品设计,尤其是针对年轻用户做产品设计时,社交性的强调非常重要。对于具体的分享,他还会有自己的想法,比如现在的产品有什么问题,他觉得应该怎么样等等,通过反复的沟通,日志可以达到一个比较好的效果。但如果你去做访谈,或者让他填一个问卷的话,我们无法得到这些信息。所以用户日志可以给我们一些更好的、更生动的视角。

数据分析可以帮我们做什么?

最后是数据分析,大家在日常的运营中都比较常用。比如推一篇公众号推文,我们要去看效果和数据;如果要做一个APP,我们要去看产品的效率,包括漏斗分析,产品上市前的灰度测试,行业和竞品数据,以及大数据的分析等等。

这里简单举一个例子,我们在电脑上看一篇组图类的文章,到了最后一页会呈现这样一个界面。大家觉得用户点击量高的是哪个区域?

除了上下翻页之外,点击量高的是中间的弹出的小窗的关闭按钮,这个信息量就很大了。为什么用户要点击关闭呢?因为他意犹未尽,不想跳走。从产品的角度,我们肯定希望用户可以有更多消费,但在现在的设计中,用户在页面中间推荐区域的消费最少,反而旁边的关闭按钮点击最多。这就能很好地能说明我们产品设计的问题。

之后我们做了一期改版,在新样式中,我们把中间的推荐区域扩大,由三张图增加到了 16 张。可以看一下数据,有2. 2 倍的提升效果,更多用户会在我们的产品里进行二次消费。因此,通过数据分析,对于产品设计也好,对于内容阅读也好,会有更多升级的体验。

用户研究的几个关键点

最后再介绍一下做用户研究的几个关键点。首先,要保持中立和客观,包括刚才说的一个小事,在做问卷设计的时候,研究人员一定把中立性作为必须坚持的原则,只有在这一原则的基础上才能进行研究,否则整个研究是偏的,结论的意义就不大了。

其次,要保持好奇心。经常有人会说我都知道了,我朋友都在用,我看没有人用,或者我都不用等等,把自己的经验和认知灌输到用户心里,认为我觉得没有人用就没有人用,或者我周围没有人用就没人用,这是作为研究人员非常忌讳的一点。因此,要始终保持好奇心,不要把自己的生活经验灌输到研究的主题里面去,否则你的先入为主难以对结果产生很好的指导。

最后,思维大于方法。前面也介绍了 5 种方法,但用户研究的方法非常多,因为时间有限,我只介绍了几种比较常用的、可以很快上手的方法,但思维是非常关键的。

前面介绍的每一种方法都有它的适用范围,但对于同样一个问题,不同的研究人员可能会选用不同的方法,得到的结论可能会不完全一样,所以思维是更重要的。

作为一个研究人员,你是怎么看待这个问题的?你是怎么解题的?你首先要有思维,再去想用什么样的方法触达研究目标,怎么样真实地反映实际情况,因此,思维是更重要的,它更多在于你研究经验的积累,以及自身的不断进步。

我们回顾一下用户研究的价值。首先,它能帮我们了解我们的用户画像;其次,它能帮助我们了解用户的使用反馈和问题,比如刚才介绍的可用性测试;第三,可以洞察用户需求,我们能知道用户到底想要什么,比如我们听新闻的时间多长比较合理;第四,可以了解品牌营销的效果,比如不同植入广告的效果到底哪个最优;第五,可以追踪热点事件,比如在世界杯这一重大事件期间,我们的用户的画像是什么,关注点是什么。

最后,如果大家对用研感兴趣,我这里推荐了一些书,大家可以去看一看。我今天介绍的方法都比较粗略,其实每一种方法都是一门课,比如眼动或用户画像都有专门的课程和书,如果大家感兴趣,都可以去看一下。

好的,我今天的分享都就到这里了,谢谢大家的收听。


文章名称:如何快速了解用户,助力内容产品精细化运营?
本文路径:http://azwzsj.com/article/cjchpi.html