第四章 用户访谈与场景收集:半结构化访谈提纲、用户旅程映射、关键痛点提取

4.1 为什么半结构化访谈是KANO需求采集的核心工具

KANO模型要求区分基本型、期望型、兴奋型需求,这需要用户既能表达已知痛点,又能触发潜在期望。全结构化问卷容易遗漏隐性场景,开放式访谈又难以横向对比。半结构化访谈在“问题框架固定”与“追问自由”之间取得平衡,适合在数据产品早期需求阶段快速获取高质量原始素材。

对比项全结构化问卷半结构化访谈开放式访谈
问题标准化程度高,完全固定中,核心问题固定,允许调整顺序低,仅预设话题
探索深度浅,只能得到预设答案深,可追问细节、情绪、意外情境最深,但容易偏离主题
数据可对比性强,易于量化较强,通过编码可实现交叉分析弱,依赖定性解读
对用户时间要求低,10–15 分钟中等,30–45 分钟高,60 分钟以上
KANO匹配度仅能覆盖已知功能可发现兴奋型需求原始信号难以聚焦核心业务场景

4.2 半结构化访谈提纲设计要点

访谈提纲分为三部分:业务背景了解(建立语境)、关键场景复盘(回忆具体行为与情绪)、理想状态想象(挖掘潜在期望)。每个部分预留 2–3 个追问词,如“当时你感到最麻烦的一步是什么?”“如果完全没有限制,你希望数据产品能帮你做成什么?”

模块一:业务背景(5 分钟)

  • 你当前负责的核心业务指标是哪些?(如 DAU、留存、转化率)
  • 现有数据工具(报表、看板、算法)每天使用频率?最常用哪几个功能?

模块二:关键场景复盘(20 分钟)

  • 回忆上周你决策时,最依赖哪一份数据?你是如何获取它的?
  • 从“产生数据想法”到“拿到结论”整个流程中,哪个环节最耗时或最痛苦?
  • 有没有因为数据缺失或延迟,导致你做出错误判断的具体例子?

模块三:理想状态想象(10 分钟)

  • 如果有一个智能助手能提前预测你的数据需求,你希望它推送什么信息?
  • 除了现有报表,你还希望看到哪种类型的数据分析?(如归因、预测、对比)
  • 你愿意花多少时间学习一个新功能?它需要多快上手?

4.3 用户旅程映射:从“数据需求”到“数据行动”

将访谈获得的零散场景结构化为用户旅程,聚焦 触发→查询→解读→决策→行动 五个阶段。每个阶段记录用户行为、接触点、情绪曲线、痛点与机会点。

数据需求用户旅程阶段图 触发 查询 解读 决策 行动 数据延迟 / 遗漏 入口分散 / 查询慢 指标定义模糊 对比口径不统一 无操作闭环反馈 情绪波动(越上越高) 机会点 · 在每个阶段插入 KANO 分类标记(基本/期望/兴奋) 常见模式:查询阶段痛点常归为基本型,决策阶段症状多为期望型,行动阶段意外惊喜为兴奋型

4.4 关键痛点提取与KANO预分类

将旅程中每个阶段的用户原话提炼为“痛点陈述”,并给出初步的KANO倾向判断。注意:兴奋型需求在访谈阶段往往表现为“如果……就好了”“我希望能……但是目前做不到”等条件式表达。

阶段典型用户原话痛点提炼预判KANO分类
触发缺少实时异常告警基本型(缺失即不满)
查询数据源割裂、查询路径长基本型
解读缺乏归因分析能力期望型
决策指标定义不一致基本型
行动缺少效果闭环验证期望型/兴奋型(分用户)

避坑提示

  • 不要直接问用户“这个功能对你而言是基本需求还是兴奋需求?”——用户无法抽象分类。应通过“如果没有它会怎样?”和“如果它做得特别好呢?”两个维度反推。
  • 同一痛点在不同用户群中可能分属不同类别。例如“自然语言查询”对业务分析师是期望型,对高层管理者可能是兴奋型。
  • 记录痛点时保留原始语境词频(如“每次”“不得不”“总是”),这些高频词是基本型需求的典型信号。

4.5 从痛点到需求卡片:产出交付物格式

每场访谈后整理出 用户需求卡片,采用统一模板,便于后续进入第5章的需求拆解环节。

卡片编号:UR-042
用户角色:增长运营(3年经验)
访谈时间:2025-03-12

【场景描述】
每周一需输出渠道ROI排名,每次要去广告系统、后端财务系统、行为日志系统分别下载Excel,再用VLOOKUP手动合并。

【原始痛点】“最怕别人说我数据不准,但每次合并都会出几个小数位对不齐的情况,查半天。”

【情绪标签】烦躁 + 不自信

【理想状态】“能不能有一个入口,选了时间范围就自动出标准的ROI看板,最好能备注口径说明。”

【预判KANO分类】基本型(因为缺失导致大量重复劳动和信任成本)

【关键词】多源合并、数据对齐、口径解释

4.6 本章核心交付检查清单

  • ✅ 完成至少 6 场半结构化访谈(覆盖 3 种不同角色)
  • ✅ 产出每个被访者的需求卡片(格式如 4.5 节所示)
  • ✅ 绘制完整的用户旅程地图(至少 5 阶段,标注情绪曲线与痛点)
  • ✅ 提取 5–8 个关键痛点,并给出 KANO 预分类理由
  • ✅ 整理访谈录音文字稿供后续需求拆解使用