“别担心，这专家可以告诉你想知道的一切。”
这句话你听过多少次了？你开始了一个新项目，你很兴奋地开始了用户研究。然后，你让某人提供一个用户列表，接着你得到了一个看起来微不足道的名字，又或者你甚至可能得到三个名字，但是可能它们都来自同一个团队。
那么现在你要注意了，你此时可能正在为一个用户、一个业务或一个角色而服务。
为什么会这样？
虽然为一个用户服务的决策并不聪明，但却很常见——因为对于一些人来说，为某些“专家”服务，似乎是合乎逻辑的。
比如，Joe 是研究目前你工作中项目的专家。说真的，他应该是最棒的，他从事的时间最长，速度最快，坦白地说，他就是这方面的专家。另外，每个人都很忙，公司不可能让一群人花费时间来分享某个事件的研究过程，显然，这个过程是 Joe 理应承担的。
或者，把“专家”换成“管理者”也同样适用。他们很早就在这个岗位上开始了自己的职业生涯，因为他们非常擅长管理，所以被提拔到管理层。只要和他们谈谈，他们就会告诉你他们的团队是如何工作的，以及你需要解决的痛点。
但有时候，现实并不是这样。
让我们变得真实一些
实际上，Joe 和“管理者”可能是你整体用户调研中最没有帮助的受众。
这不是说你应该忽视它们，因为他们毕竟有一些非常深刻的东西要分享。但是，如果将他们作为所有用户的代表，就会错过对用户体验至关重要的信息。
为什么?
虽然他们是专业用户，但不是所有用户。从定义上讲，这可能是他们的工作方式与大多数用户不同，而大多数用户却不是“专家”。因为他们熟记捷径，甚至可能完全记住了现有的系统。
他们的想法在当前工作流中根深蒂固，更重要的是，当前使用的工作以及体验方式可能就是他们设计的，这使得他们很难确定差距、痛点和创造性优化。
从另一个层面上说，他们也许并不希望事情发生改变。发生改变对他们有什么好处吗？毕竟，实现变更意味着他们可能不再是“专家”，这也意味着他们必须学习一个新的系统和处理方式，而这可能并不是他们想要的。
有时，他们可能甚至都不是你的实际用户。Joe 和“管理者”可能会花时间向你指示新系统应该是什么样子的，因为他们不知道用户体验可能会发生什么有意义的变化。当然，你可以想象一个闪亮的新系统，让每个人的生活变得更好，但他们不能，因为那不是他们的工作。
为什么要冒险
简而言之，为一个人量身定做是昂贵的。
因为你想设计一个对每个用户都有帮助的系统。而专注于某些“专家”和“管理者”的话，通常最终得到的系统要么与现有的现状过于相似，要么只支持高级用户。
此外，如果你做了错误的决定，你可能会对员工的工作效率产生负面影响，而这也会对公司的利润产生了实实在在的影响。
假设有一个大型系统，你不小心在一个关键工作流中多浪费了用户 1 分钟，100 个用户(平均每小时 25 美元的总负载)每天执行 20 次。那么根据我们的规则：
1 分钟* 20 次/使用= 20 分钟/天/员工
每分钟工资 $25/hr = $0.42(美元)
$0.42 * 20 分钟= $8.40 /天
$8.40 元/日* 260 个工作天= $2,184 元/年
2,142 美元/年* 100 名员工= 218,400 美元/年
没错，一个小错误可能会让你的公司每年损失218,400美元。现在，假设这种情况发生了几次(然后假设有一个更大或更昂贵的用户群)，你将看到更多的钱被浪费掉。
你需要多少用户？
业界的智慧是，每个角色中 5-7 个用户的样本量可能会生成关于你需要了解的大部分内容的信息。
角色可能包括特定的角色、用户与系统交互的频率(每周一次而不是每月一次)或他们在公司的任期。这真的取决于你的用户群，所以要考虑什么与你的具体情况相关。
请记住，一个用户可能会跨越多个角色，例如，一个每天都使用该系统的技术支持分析师，他对公司来说也可能是一个相对较新的用户。
如何说服你的利益相关者
那么，既然你已经了解了风险，那么这里有一些想法:
进行SUS调查
运行一个系统可用性量表(SUS)调查可能是一个很好的方法，我用这种方法取得了很多成功，因为:
- 它跑起来又快又容易
- 花费用户最少的时间和精力(少于 5 分钟)
- 它会产生一个难以忽视的度量标准
SUS 调查的最终结果是一个通用的可用性评分，它以不同渠道(行业)为基准。然后，如果你在调查开始时收集了一些人口统计信息，那么你可以将你的数据分解为不同用户角色影响的差异分数。
例如，在我的团队运行的一个 SUS 中，他们发现，虽然“管理者”将现有的系统评为 83，但是个体贡献者将其评为接近 70。这之间有一个巨大的差异！每天使用该系统工作的人与那些很少使用它的人的体验大不相同，SUS 的分数证明了这一点。
再多问一个用户
不要误解我的意思，我并不是说两个样本容量就足够了。但有时，仅与一个额外的用户角色交谈就可以生成足够的数据，证明你需要时间进行更多的访谈。例如，你可能会发现他们的用户旅程完全不同，这就产生了一个令人信服的情况，即并非每个人都以相同的方式使用系统。
计算可能的投资回报率
在数据驱动的公司中，计算用户体验工作的 ROI 有时可以为投入更多资源进行研究提供一个令人信服的论据。
与上面的例子一样，你能否提供与任务完成时研究相关的成本？
明确你到底需要多少时间
有时候，当我们说“我想做研究”时，我们的伙伴们会想象着付出几个月的时间而做密集型努力。所以，要清楚你真正想要的是什么——对你自己和你的用户都是如此。
当你把你的请求框定为“我想进行一个为期 2 周的研究，每个研究需要 7 个用户各一个小时”时，你得到批准的可能性要大得多，而不是简单地说“我们需要把用户研究添加到项目时间表中”。
专家也是值得的
解释为什么在设计系统时需要不止一个“专家”的观点可能会令人沮丧。毕竟，作为实践者，它的价值是显而易见的。但那是因为我们是实践者，我们有业务伙伴没有的经验。所以，请耐心等待，花点时间寻找合适的用户，处理一些数据，做一个快速的调查，甚至只是解释清楚你的方法，都是值得的。
文：研如玉@用户行为洞察研究院(SDResearch)
首席增长官CGO荐读：
更多精彩，关注：增长黑客（GrowthHK.cn）
增长黑客（Growth Hacker）是依靠技术和数据来达成各种营销目标的新型团队角色。从单线思维者时常忽略的角度和高度，梳理整合产品发展的因素，实现低成本甚至零成本带来的有效增长…
本文经授权发布，不代表增长黑客立场，如若转载，请注明出处：https://www.growthhk.cn/cgo/18757.html
微信扫一扫 
支付宝扫一扫 
