4、用户需求与场景分析：民航旅客画像、出行全流程场景（购票、值机、安检、登机、行李、延误、到达）、需求挖掘方法
民航产品设计的起点不是功能清单，而是对“人”与“旅程”的深度理解。旅客画像回答“谁在飞”，全流程场景回答“在哪儿痛”，需求挖掘方法回答“怎么找真需求”。三者构成从用户研究到产品定义的完整链路。本章将围绕旅客分层模型、七段关键场景触点、以及三种主流需求挖掘方法展开，并结合航司APP改版案例进行闭环拆解。
4.1 民航旅客画像：从粗放标签到动态分层
4.1.1 核心原理：画像不是“贴标签”，而是“预测行为”
旅客画像的本质是用可观测特征预测未来行为。传统画像停留在“性别、年龄、舱位”等静态属性，而民航产品需要的是动态行为画像——即根据历史出行记录、搜索偏好、取消率、服务使用习惯等，预判旅客在下一段旅程中的核心诉求。例如，一位每月飞3次京沪线的商务旅客，其需求优先级是“改签灵活、快速安检、休息室权益”，而非“低价折扣”。
4.1.2 判断方法：五维分层模型
| 维度 | 细分变量 | 典型特征 | 产品策略倾向 |
|---|---|---|---|
| 出行频次 | 高频（≥12次/年） | 时间敏感、流程熟练 | 简化操作、会员权益前置 |
| 价格敏感度 | 高/中/低 | 比价行为、提前购票天数 | 动态定价、套餐打包 |
| 行程复杂度 | 单程/中转/多段 | 中转时间敏感、行李直挂需求 | 中转保障、行程串联 |
| 服务依赖度 | 自助/人工 | 是否使用贵宾厅、特殊服务 | 服务入口显性化 |
| 决策周期 | 提前7天以上/3天内 | 临期购票占比 | 紧急购票通道、快速退改 |
4.1.3 案例拆解：某航司APP“高频商务旅客”识别与功能优化
背景与约束：某国有航司APP日活约80万，但商务旅客占比不足20%，且该群体使用APP办理值机的比例低于自助终端。目标是将商务旅客APP渗透率提升至35%。
初始现象：通过后台数据发现，商务旅客（年飞行≥12次）在APP上的平均会话时长仅1分20秒，远低于休闲旅客的3分40秒。进一步分析点击热图，发现商务旅客频繁使用“值机选座”和“电子登机牌”，但很少点击“酒店预订”“机场餐饮”等增值服务。
关键输入数据：
商务旅客行为特征（样本量：2.3万人）：
- 值机操作平均耗时：42秒（休闲旅客：1分15秒）
- 退改签入口点击率：31%（休闲旅客：8%）
- 航班动态查询频率：日均2.1次
- 贵宾厅权益使用率：67%（但APP内入口点击率仅12%）分析判断：商务旅客并非不需要增值服务，而是APP将“贵宾厅权益”藏在三级菜单中，且值机流程中未主动提示。核心痛点是“操作路径过长”与“权益触达不足”。
实际操作步骤：
- 在APP首页新增“商务专区”入口，识别逻辑为年飞行≥12次或舱位为J/C/D。
- 值机完成后，主动推送“贵宾厅邀请码”及“快速安检通道指引”。
- 将退改签按钮从“我的订单”提升至首页底部常驻栏。
结果对比：上线4周后，商务旅客APP渗透率从19%提升至31%，值机平均耗时降至35秒，贵宾厅权益核销率提升22%。代价与风险：部分低频旅客反馈首页信息过密，后续通过版本迭代将“商务专区”改为可折叠模块。
4.2 出行全流程场景：七段触点的痛点与机会
4.2.1 核心原理：场景拆解要“颗粒度到动作”
全流程场景拆解不是简单列出“购票、值机”等大环节，而是要将每个环节拆到用户的具体动作、情绪状态、时间压力、信息需求。例如“值机”可拆解为：打开APP/小程序 → 选择行程 → 选座 → 生成登机牌 → 是否需要行李托运 → 获取安检/登机口信息。每个动作背后都有潜在的“等待焦虑”或“操作困惑”。
4.2.2 七段场景关键触点与需求清单
| 场景 | 核心触点 | 典型痛点 | 潜在需求 |
|---|---|---|---|
| 购票 | 搜索、比价、支付 | 价格不透明、退改规则复杂 | 价格预测、灵活退改提示 |
| 值机 | 选座、行李声明 | 选座受限、操作步骤多 | 偏好记忆、一键值机 |
| 安检 | 排队、证件核验 | 排队时间长、携带物品不确定 | 安检等待时间预测、禁带物品查询 |
| 登机 | 登机口、广播 | 登机口变更、信息滞后 | 实时推送、步行导航 |
| 行李 | 托运、提取 | 行李丢失、等待时间 | 行李追踪、异常预警 |
| 延误 | 通知、改签 | 信息不透明、改签排队 | 主动改签方案、延误证明开具 |
| 到达 | 交通接驳、行李提取 | 接驳信息分散 | 一站式交通推荐、行李转盘提示 |
4.2.3 实战场景：延误场景的“主动服务”设计
场景描述：某航班因雷雨延误2小时，旅客在登机口等待。传统做法是广播通知“因天气原因延误”，但旅客最关心的是“什么时候能飞”和“我该怎么办”。
产品方案：
- 延误确认后5分钟内，APP推送延误原因、预计起飞时间（含置信度）、改签入口。
- 若延误超1小时，自动推送附近餐饮券或休息室折扣。
- 提供“一键改签”按钮，系统自动匹配最近可签转航班，并显示差额。
复盘：该方案上线后，延误场景的旅客投诉率下降18%，但需注意“预计起飞时间”的准确性——若多次修正，反而加剧不信任。因此，推送时需标注“预计时间，每30分钟更新”。
4.3 需求挖掘方法：从“用户说”到“用户做”
4.3.1 核心原理：三角验证法
单一需求挖掘方法容易产生偏差。用户访谈中，用户会“合理化”自己的行为；行为数据能反映“做了什么”，但无法解释“为什么”。因此，民航产品需求挖掘应采用三角验证法：行为数据（客观）+ 深度访谈（主观）+ 场景实验（验证），三者交叉验证，才能确认真需求。
4.3.2 操作流程：四步需求挖掘法
- 数据扫描：通过埋点找出高流失节点（如值机页面退出率＞40%）。
- 假设生成：基于数据提出假设（如“选座步骤太多导致流失”）。
- 定性验证：招募8-10名目标旅客进行访谈或可用性测试，观察操作过程。
- 实验确认：设计A/B测试，验证方案是否显著改善指标。
4.3.3 常见误区与总结复盘
| 误区 | 表现 | 纠正方法 |
|---|---|---|
| 只问不观察 | 用户说“我会用”，实际不会 | 现场观察操作，记录卡点 |
| 混淆“想要”与“需要” | 用户想要“更便宜”，实际需要“价格透明” | 追问“为什么”，挖掘底层动机 |
| 忽略沉默用户 | 只分析活跃用户，流失用户未访谈 | 对流失用户进行定向回访 |
| 过早进入方案 | 需求未确认就画原型 | 先写需求说明书，再设计 |
总结：用户需求分析不是一次性工作，而是伴随产品生命周期的持续循环。画像需要每月根据行为数据修正，场景清单需要每季度结合投诉和客服记录更新，需求挖掘方法需要根据产品阶段选择侧重。民航产品的核心竞争力，往往体现在对“延误时旅客真正需要什么”这类细节的洞察深度上。建议团队建立“场景-需求-功能”映射表，确保每个功能都能回溯到具体的用户场景与需求依据。