第2章：用户场景调研方法
用户场景调研是数据产品原型规划的起点。本章聚焦四大核心方法：场景收集渠道、用户画像构建、痛点地图、使用频率与优先级排序。通过系统化的调研，将模糊的业务需求转化为可量化的产品输入。
2.1 场景收集渠道
场景收集应覆盖“主动采集”与“被动沉淀”两类渠道，避免信息偏倚。常用渠道如下：
| 渠道类型 | 具体方法 | 产出物 |
|---|---|---|
| 用户访谈 | 深度访谈、焦点小组 | 原始谈话录音 + 关键需求卡片 |
| 行为日志 | 埋点数据、操作路径分析 | 用户行为漏斗、高频操作序列 |
| 客服/工单 | 投诉记录、常见问题库 | 高频痛点标签云 |
| 竞品分析 | 功能对比、用户评论挖掘 | 竞品场景清单 + 差异化机会点 |
| 内部脑暴 | 跨部门共创、角色扮演 | 假设场景列表（待验证） |
实践建议：初期至少覆盖 3 个不同渠道，每个渠道收集不少于 10 个原始场景片段，确保多样性。优先访谈“高频用户”和“极端用户”（如刚入职新人、高频报错用户）。
2.2 用户画像构建
用户画像是场景调研的结构化输出。一个完整的画像包含以下维度：
- 基础属性：角色（运营/分析师/管理者）、数据工具使用经验、行业背景。
- 业务目标：用户想要完成的核心任务（如“每天监控转化率波动”）。
- 行为特征：操作频率、典型操作路径、常见中断点。
- 痛点与挫败：现有工具/流程中导致效率低下的具体环节。
- 期望与动机：对数据产品的理想预期（如“希望一屏看完所有关键指标”）。
画像模板示例（JSON 结构）：
{
"persona_id": "P01",
"name": "快消行业运营经理-张丽",
"role": "运营经理",
"tools": ["Excel", "Tableau"],
"goal": "每日监控活动转化率，异常时快速下钻到城市维度",
"pain_points": [
"数据更新延迟2小时",
"无法导出明细数据二次加工"
],
"frequency": "每天使用2-3次",
"priority": "高"
}2.3 痛点地图
痛点地图将用户在不同场景下的挫败点可视化，便于发现高频、高势能问题。构建步骤：
- 列出所有场景：按用户旅程（如“获取数据 → 分析 → 汇报”）排列。
- 标注痛点：每个场景下记录用户遇到的具体障碍、情绪反应（愤怒/困惑/放弃）。
- 评估严重度：从“对业务影响”和“发生频率”两个维度打分（1~5分）。
- 绘制地图：纵轴为痛点严重度，横轴为场景阶段，气泡大小代表影响用户数。
常见陷阱：痛点地图不要只记录“技术层面”（如系统卡顿），更要关注“认知层面”（如用户看不懂指标定义）。后者往往是数据产品体验瓶颈。
2.4 使用频率与优先级排序
并非所有场景都值得立即投入开发。通过“使用频率 × 业务影响”矩阵对场景排序：
| 频率 \ 影响 | 低影响 | 中影响 | 高影响 |
|---|---|---|---|
| 高频率 | 优化体验（低成本提升） | 核心功能（P0） | 核心功能（P0） |
| 中频率 | 考虑自动化 | 按周期迭代（P1） | 高优先级（P0） |
| 低频率 | 低优先级或放弃 | 低成本验证（P2） | 高影响场景（P1） |
典型分级含义：
- P0：MVP必须包含，否则产品不可用。
- P1：高价值，可在第二版本加入。
- P2：有则更好，无版本约束。
2.5 案例：从调研到优先级判定
某电商平台数据产品团队通过用户访谈发现：运营人员每天花 30 分钟手动从多个报表复制转化率数据到钉钉群（频率高、手动操作）。痛点地图显示该场景出现在“数据获取”阶段，严重度 4/5。使用频率为“每个工作日多次”，业务影响为“监控核心指标延迟”。根据矩阵，该场景被判定为 P0，成为 MVP 的核心功能之一。