曾經(jīng)參加過(guò)一場(chǎng)有關(guān)游戲數(shù)據(jù)應(yīng)用的座談會(huì)，主辦發(fā)邀請(qǐng)了在廣州做游戲運(yùn)營(yíng)、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(tīng)了一圈下來(lái)感覺(jué)多數(shù)人的數(shù)據(jù)的意識(shí)還是比較薄弱的，基本的運(yùn)營(yíng)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(shí)到要關(guān)注用戶，而關(guān)注用戶離不開(kāi)對(duì)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(shì)，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(duì)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(jí)：

　　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(shuō)的宏觀經(jīng)營(yíng)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(guò)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(yè)代碼來(lái)獲取;基礎(chǔ)數(shù)據(jù)還包括產(chǎn)品本身或者運(yùn)營(yíng)活動(dòng)本身產(chǎn)生的數(shù)據(jù)，例如關(guān)卡的通過(guò)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(wèn)題時(shí)，找產(chǎn)品開(kāi)發(fā)或者后臺(tái)數(shù)據(jù)支援部門(mén)的人去跑，屬于具體問(wèn)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(kāi)始尋求搭建統(tǒng)一的自有數(shù)據(jù)庫(kù)后臺(tái)來(lái)提高效率。但是大多數(shù)的公司的所謂數(shù)據(jù)后臺(tái)，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(jí)的標(biāo)簽系統(tǒng)，顆粒度 到用戶個(gè)體，通過(guò)組合標(biāo)簽抓取特定人群來(lái)分析，這在后文會(huì)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(yíng)數(shù)據(jù)的層面，做到一定階段會(huì)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(guò)模型算法，根據(jù)用戶過(guò)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(shì)。

　　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(chǎng)調(diào)查：如果說(shuō)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(shí)。業(yè)內(nèi)對(duì)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(lái)說(shuō)。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(chǎng)調(diào)查有很多共通之處，只不過(guò)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(shuō)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(cè)試、A/B測(cè)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(cè)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(cè)試則更關(guān)注內(nèi)容體驗(yàn)。例如對(duì)于一塊游戲產(chǎn)品，研究人員可能會(huì)關(guān)注畫(huà)面、玩法模式、成長(zhǎng)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(duì)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(duì)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(chǎng)觀察、座談會(huì)、深訪、定量問(wèn)卷等都是最常用的方式。研究人員大多數(shù)來(lái)自社會(huì)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(chǎng)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(zhǎng)，對(duì)研究人員有比較高的要求，大多來(lái)自咨詢行業(yè)和市場(chǎng)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(mén)，而大量的中小型企業(yè)大多把上述職能混在一起，最常見(jiàn)的是研發(fā)部門(mén)搞定1、2，市場(chǎng)部搞定3、4，采用的方式也比較簡(jiǎn)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(duì)這行有個(gè)大致的認(rèn)識(shí)，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)常看到的一種情況是，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(méi)有聯(lián)系的。純粹從產(chǎn)品數(shù)據(jù)的維度去分析出來(lái)的結(jié)果，往往陳述的是一種現(xiàn)象，而當(dāng)被問(wèn)及現(xiàn)象背后的原因時(shí)數(shù)據(jù)分析師們常常會(huì)感到無(wú)力。反過(guò)來(lái)，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(guò)訪談和問(wèn)卷來(lái)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(mén)造車(chē)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(lái)自于統(tǒng)計(jì)學(xué)、社會(huì)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(jiàn)的。例如定性訪談常常被業(yè)務(wù)人員問(wèn)到“這么幾個(gè)樣本能代表所有人嗎?”，調(diào)查問(wèn)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(huì)去填寫(xiě)問(wèn)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(wú)論你做得如何的專業(yè)，這種偏見(jiàn)總是會(huì)存在的，而偏見(jiàn)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(guò)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(jué)得你是個(gè)大忽悠。

　　3. 難以兼顧效率和信效度�；ヂ�(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(duì)用研的要求也是如此。從傳統(tǒng)調(diào)研行業(yè)跳過(guò)來(lái)的研究人員可能會(huì)覺(jué)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(mén)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)�？墒沁@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(duì)結(jié)果沒(méi)有信心，會(huì)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(duì)數(shù)據(jù)的過(guò)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(huì)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(wèn)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(chǎng)去解讀數(shù)據(jù)的時(shí)候，可能同時(shí)也會(huì)令不同立場(chǎng)的人覺(jué)得沒(méi)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(duì)用研“不想用、不敢用、不能用”。我無(wú)意去討論“用研無(wú)用論”、“唯數(shù)據(jù)論”是否正確，也不想去對(duì)做用研的人灌雞湯。我只想結(jié)合實(shí)際在工作中的體會(huì)，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(huì)這樣的大公司目前的做法是采用中心對(duì)接制度的，簡(jiǎn)單說(shuō)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(mén)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(jiàn)的問(wèn)題就在于單中心與其他中心及業(yè)務(wù)部門(mén)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(duì)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(zhǎng)期專門(mén)負(fù)責(zé)這兩方面工作的人。若有中心則負(fù)責(zé)公司級(jí)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(yíng)數(shù)據(jù)的層面。既然對(duì)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(lái)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(mén)的人也可以直接在系統(tǒng)上隨時(shí)通過(guò)組合標(biāo)簽來(lái)抓取他們想要了解的那部分用戶，查看他們?cè)谄渌�維度上的數(shù)據(jù)情況。更關(guān)鍵的是，可以對(duì)抓取出來(lái)的這批人直接推送運(yùn)營(yíng)內(nèi)容，相信做產(chǎn)品做運(yùn)營(yíng)的人不會(huì)拒絕這樣的智能化操作吧?從用研人員本身來(lái)講，是否也可以將標(biāo)簽與問(wèn)卷系統(tǒng)相結(jié)合，實(shí)現(xiàn)對(duì)某群用戶的精準(zhǔn)問(wèn)卷投放。以往的做法可能是在問(wèn)卷前邊設(shè)計(jì)幾道甄別問(wèn)題來(lái)過(guò)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(huì)很被動(dòng)。而采用標(biāo)簽系統(tǒng)的好處就在于對(duì)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(kù)。無(wú)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(guó)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(jiǎn)陋而且普遍人員水平不高，他們的生意主要來(lái)源于上游市場(chǎng)研究公司的需求。這些執(zhí)行公司收到需求后會(huì)利用他們的人脈去找符合條件的人。但是這個(gè)找人的過(guò)程是很難監(jiān)管的，畢竟篩選主要通過(guò)問(wèn)卷加上電話訪問(wèn)的形式。有些職業(yè)“會(huì)蟲(chóng)”為了能上會(huì)會(huì)撒謊，更有一些執(zhí)行公司的人為了完成任務(wù)會(huì)引導(dǎo)受訪者撒謊。在實(shí)際操作中這種情況并不少見(jiàn)。我在想是否可能建立一個(gè)相對(duì)透明的平臺(tái)，將“受訪者-需求方-專業(yè)定性主持人”等資源整合起來(lái)，砍掉中間環(huán)節(jié)。每個(gè)進(jìn)入平臺(tái)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(guò)組合標(biāo)簽來(lái)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(píng)，對(duì)質(zhì)量較差的樣本拉黑。

　　4. 對(duì)定量問(wèn)卷半開(kāi)放內(nèi)容的利用�，F(xiàn)在的定量體系中，研究員一般會(huì)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(qǐng)注明”這樣的選項(xiàng)。但是這些用戶自行填寫(xiě)的信息通常沒(méi)有被有效地應(yīng)用。傳統(tǒng)的做法是通過(guò)人工編碼的方式對(duì)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(xiě)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(méi)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(kù)。用戶通過(guò)鍵入某個(gè)答案在數(shù)據(jù)庫(kù)中進(jìn)行匹配，找到對(duì)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(qǐng)用戶回答最近一周玩過(guò)的所有手游時(shí)，如果用現(xiàn)有的方式，設(shè)置多選題無(wú)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(kù)，答卷時(shí)由用戶通過(guò)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(huì)不會(huì)更準(zhǔn)確一些呢?

　　5. 線上定性。這方面已經(jīng)有公司在開(kāi)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(wèn)題，除此之外也還不夠智能。線下定性的過(guò)程中主持人會(huì)板書(shū)，會(huì)投票，會(huì)使用各種投射技巧，這些在線上定性也必須有專門(mén)開(kāi)發(fā)的功能模塊支持。并且對(duì)于定性過(guò)程中產(chǎn)生的語(yǔ)言文字，如果能夠自動(dòng)記錄并轉(zhuǎn)化成筆錄摘要會(huì)提高不少效率。是否能與語(yǔ)義分析技術(shù)、語(yǔ)音識(shí)別技術(shù)做些結(jié)合?甚至是未來(lái)的VR?

　　雖然對(duì)于整個(gè)互聯(lián)網(wǎng)公司而言，用研還沒(méi)有發(fā)揮出它應(yīng)有的作用。作為一個(gè)從業(yè)人員，我覺(jué)得應(yīng)該更多地關(guān)注業(yè)務(wù)部門(mén)的需求，從開(kāi)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(lái)高大上實(shí)際缺乏效益的事情。

   投稿郵箱：chuanbeiol@163.com   詳情請(qǐng)?jiān)L問(wèn)川北在線：http://www.dstuf.com/