@umacloud/knowledge 1.0.1

package/product/02-playbooks/user-research-playbook.md

@@ -0,0 +1,532 @@
+---
+id: user-research-playbook
+title: 用户研究作战手册 (User Research Playbook)
+domain: product
+category: 02-playbooks
+difficulty: intermediate
+tags: [playbook, product, research, user, 交付物, 前置条件, 时间线, 概述]
+quality_score: 70
+last_updated: 2026-06-15
+---
+# 用户研究作战手册 (User Research Playbook)
+
+## 概述
+
+本手册定义了用户研究的完整流程，涵盖研究计划制定、用户访谈、可用性测试、问卷调查、数据分析和洞察报告。目标是通过系统化的研究方法获取真实用户洞察，驱动产品决策，减少拍脑袋式的设计和开发。
+
+## 前置条件
+
+### 必须满足
+
+- [ ] 已明确研究目标和核心问题（要验证什么假设 / 要回答什么问题）
+- [ ] 已确定研究预算和时间范围
+- [ ] 已获得团队对研究计划的认可
+- [ ] 有至少一位经验丰富的研究者主导
+
+### 建议满足
+
+- [ ] 有用户画像（Persona）作为招募基础
+- [ ] 有竞品分析报告作为参考
+- [ ] 有历史用户数据（行为数据、客服工单、NPS 反馈）
+- [ ] 已建立用户研究知情同意和隐私保护流程
+
+---
+
+## 步骤一：研究计划
+
+### 1.1 研究计划模板
+
+```markdown
+# 用户研究计划：[项目名称]
+
+## 1. 背景与目标
+- 业务背景：[简述产品/功能背景和当前问题]
+- 研究目标：[明确 2-3 个核心目标]
+- 核心问题：
+  1. [需要回答的问题 1]
+  2. [需要回答的问题 2]
+  3. [需要回答的问题 3]
+
+## 2. 研究假设
+- H1: [假设 1 -- 预期用户行为/态度]
+- H2: [假设 2 -- 预期用户行为/态度]
+- H3: [假设 3 -- 预期用户行为/态度]
+
+## 3. 研究方法
+| 方法 | 目的 | 参与人数 | 时长 |
+|------|------|---------|------|
+| 用户访谈 | 探索用户需求和痛点 | 8-12 人 | 各 45-60 分钟 |
+| 可用性测试 | 验证设计方案的易用性 | 5-8 人 | 各 30-45 分钟 |
+| 问卷调查 | 量化验证定性发现 | 200+ 人 | 约 10 分钟 |
+
+## 4. 目标用户
+- 用户画像 A：[描述]，招募 X 人
+- 用户画像 B：[描述]，招募 Y 人
+- 排除标准：[不适合参与的用户类型]
+
+## 5. 时间线
+- Week 1: 计划制定 + 招募
+- Week 2: 执行访谈/测试
+- Week 3: 数据分析
+- Week 4: 报告产出 + 分享
+
+## 6. 交付物
+- 研究洞察报告 (PDF/Notion)
+- 关键发现卡片 (Miro/FigJam)
+- 设计建议清单
+- 原始数据归档
+```
+
+### 1.2 研究方法选择矩阵
+
+| 场景 | 推荐方法 | 样本量 | 产出 |
+|------|---------|--------|------|
+| 探索新方向，不确定用户需要什么 | 深度访谈 | 8-15 人 | 用户需求和痛点地图 |
+| 验证设计方案是否好用 | 可用性测试 | 5-8 人 | 问题列表和改进建议 |
+| 量化已知问题的严重程度 | 问卷调查 | 200+ 人 | 统计数据和优先级排序 |
+| 理解用户真实使用行为 | 行为数据分析 | 全量用户 | 漏斗转化和使用模式 |
+| 对比两个设计方案 | A/B 测试 | 1000+ 人 | 统计显著性结论 |
+| 了解用户日常工作/生活 | 日记研究 | 10-15 人 | 使用情境和习惯洞察 |
+| 快速验证概念方向 | 概念测试 | 8-12 人 | 概念吸引力和改进方向 |
+
+---
+
+## 步骤二：用户访谈
+
+### 2.1 招募
+
+#### 招募渠道
+
+| 渠道 | 适用场景 | 时间 | 成本 |
+|------|---------|------|------|
+| 产品内弹窗邀请 | 活跃用户 | 3-5 天 | 低 |
+| 客户成功团队推荐 | B2B 关键客户 | 5-7 天 | 低 |
+| 社交媒体/社群 | 潜在用户 | 3-7 天 | 中 |
+| 专业招募平台 (UserTesting / 问卷星) | 特定画像用户 | 1-3 天 | 高 |
+| 线下场所拦截 | 大众消费场景 | 1-2 天 | 中 |
+
+#### 招募筛选问卷
+
+```markdown
+# 筛选问卷（示例：电商产品）
+
+1. 您的年龄段？
+   - [ ] 18-24  - [ ] 25-34  - [ ] 35-44  - [ ] 45-54  - [ ] 55+
+
+2. 您最近 3 个月在网上购物的频率？
+   - [ ] 每周多次  - [ ] 每周一次  - [ ] 每月 2-3 次  - [ ] 每月一次以下
+
+3. 您最常使用的购物平台？（多选）
+   - [ ] 淘宝  - [ ] 京东  - [ ] 拼多多  - [ ] 抖音商城  - [ ] 其他：___
+
+4. 您是否有以下经历？（筛选关键行为）
+   - [ ] 在购物车中放置商品后最终没买
+   - [ ] 因为找不到想要的商品而放弃购物
+   - [ ] 因为退换货流程复杂而不满
+
+5. 您是否愿意参加约 45 分钟的线上访谈？（补贴 ¥XXX）
+   - [ ] 是  - [ ] 否
+```
+
+#### 招募注意事项
+- 招募人数 = 实际需求 x 1.5（考虑爽约率 30%）
+- 确认用户的可用时段和设备（线上需有稳定网络 + 摄像头）
+- 签署知情同意书（包括录音录像授权、数据用途说明）
+- 避免招募到"专业受试者"（经常参加各种调研的人）
+
+### 2.2 访谈问题设计
+
+#### 问题设计原则
+
+| 原则 | 正确 | 错误 |
+|------|------|------|
+| 开放式提问 | "请描述一下您上次网购的经历" | "您网购体验好不好？" |
+| 关注行为而非观点 | "您当时做了什么？" | "您觉得这个功能有用吗？" |
+| 避免引导 | "您如何看待这个流程？" | "您不觉得这个流程太复杂了吗？" |
+| 追问细节 | "能详细说说为什么吗？" | 接受表面回答就跳到下一题 |
+| 避免假设性问题 | "您上次退货是怎么操作的？" | "如果有一键退货您会用吗？" |
+
+#### 访谈大纲模板（45 分钟）
+
+```markdown
+# 访谈大纲：[主题]
+
+## 暖场 (5 min)
+- 自我介绍，说明访谈目的和录音事宜
+- "先请简单介绍一下您自己，您的职业和日常工作？"
+- "您使用 [产品类别] 大约多长时间了？"
+
+## 背景了解 (10 min)
+- "请描述一下您典型的 [使用场景]，通常在什么情况下会用到？"
+- "您目前使用什么工具/产品来完成 [任务]？"
+- "在这个过程中，什么让您最困扰？"
+  - 追问："能举个具体的例子吗？"
+  - 追问："这种情况多久出现一次？"
+  - 追问："您当时是怎么解决的？"
+
+## 核心探索 (20 min)
+- "请回忆一下您最近一次 [核心行为] 的完整过程"
+  - 追问起始："是什么触发了这个行为？"
+  - 追问过程："中间有没有遇到什么困难？"
+  - 追问结果："最终结果满意吗？"
+  - 追问情感："当时的感受是什么？"
+
+- [针对具体假设的探索问题]
+  - "在 [场景] 中，您通常会怎么做？"
+  - "您觉得 [现有方案] 最大的问题是什么？"
+  - "如果要改善 [问题]，您觉得什么最重要？"
+
+## 竞品参考 (5 min)
+- "您有没有用过其他类似的产品？"
+- "跟 [竞品] 相比，您觉得有什么不同？"
+- "其他产品有什么让您印象深刻的？"
+
+## 收尾 (5 min)
+- "关于 [主题]，还有什么是您想补充的？"
+- "如果只能改变一件事来改善您的体验，您希望是什么？"
+- 感谢 + 补贴发放说明
+```
+
+### 2.3 访谈执行
+
+#### 执行清单
+
+```
+访谈前
+├── 测试录音/录像设备和网络
+├── 准备访谈大纲和记录模板
+├── 确认用户已签知情同意书
+└── 安排记录员（或 AI 转录工具）
+
+访谈中
+├── 开场说明：目的、时长、录音、无对错之分
+├── 从简单问题开始，建立信任
+├── 保持中立表情和语气，不评价用户回答
+├── 80/20 法则：用户说 80%，研究者说 20%
+├── 记录关键引述（原话，带时间戳）
+├── 观察非语言信号（迟疑、皱眉、叹气）
+└── 预留最后 5 分钟做开放式收集
+
+访谈后（30 分钟内）
+├── 整理访谈笔记，补充观察备忘
+├── 标记 3-5 个关键发现（印象最深的）
+├── 归档录音/录像文件
+└── 更新招募和执行进度表
+```
+
+#### 常见陷阱与应对
+
+| 陷阱 | 表现 | 应对 |
+|------|------|------|
+| 用户给出期望答案 | "这个功能挺好的"（敷衍） | 追问具体使用场景和频率 |
+| 用户漫谈偏题 | 花 10 分钟讲无关故事 | "非常有意思，我想回到 [主题]..." |
+| 用户过于沉默 | 只回答"是/否" | 换成更具体的情境问题 |
+| 用户提出解决方案 | "你们应该加个 XX 按钮" | "什么情况让您觉得需要这个功能？" |
+| 研究者引导回答 | "所以您觉得这很麻烦对吧？" | 改为"您对这个过程有什么感受？" |
+
+---
+
+## 步骤三：可用性测试
+
+### 3.1 测试准备
+
+```markdown
+# 可用性测试计划
+
+## 测试对象
+- 原型/产品版本：[Figma Prototype v2.1 / 线上版本]
+- 测试设备：[桌面浏览器 / 移动端 / 两者]
+
+## 测试任务（3-5 个核心任务）
+
+### 任务 1：注册并完成首次设置
+- 场景描述："您第一次使用这个产品，请完成注册并设置您的偏好"
+- 成功标准：5 分钟内完成注册 + 至少设置 2 项偏好
+- 观察重点：注册流程的跳出点、偏好设置的可理解性
+
+### 任务 2：搜索并购买一件商品
+- 场景描述："请搜索一件 200 元以内的蓝色 T 恤，并完成购买"
+- 成功标准：3 分钟内找到目标商品并进入支付页
+- 观察重点：搜索 + 筛选的使用路径、商品详情页的信息充分性
+
+### 任务 3：处理异常场景
+- 场景描述："您收到了一件尺码不合的衣服，请发起退换货"
+- 成功标准：找到退换货入口并成功提交申请
+- 观察重点：入口发现率、流程的清晰度
+
+## 数据收集
+- 任务完成率（Completion Rate）
+- 任务完成时间（Time on Task）
+- 错误次数（Error Count）
+- 任务后满意度评分（1-7 单项满意度量表）
+- 出声思维法（Think Aloud）记录
+```
+
+### 3.2 测试执行
+
+#### 出声思维法（Think Aloud Protocol）
+
+引导用户在操作过程中说出自己的想法：
+
+```
+引导话术：
+"在接下来的操作中，请您把脑海中的想法说出来。
+比如：'我在找退货按钮，我觉得应该在订单里面...'
+'这个图标我不太确定是什么意思...'
+'我以为点这个会跳到...'
+这些都是非常有价值的反馈，没有对错之分。"
+```
+
+#### 观察记录模板
+
+```markdown
+| 时间 | 用户操作 | 用户说的 | 观察者备注 |
+|------|---------|---------|-----------|
+| 0:30 | 点击搜索框 | "我想搜蓝色T恤" | 直接输入，未使用分类导航 |
+| 0:45 | 输入"蓝色T恤" | "结果好多啊" | 没注意到左侧筛选栏 |
+| 1:10 | 向下滚动3屏 | "怎么按价格排序？" | 排序在页面顶部，用户已滚过 |
+| 1:30 | 滚回顶部找排序 | (沉默，皱眉) | 排序下拉框不够明显 |
+| 1:45 | 点击价格排序 | "找到了" | 花了1分钟才找到，期望30秒 |
+```
+
+### 3.3 可用性问题分级
+
+| 级别 | 定义 | 影响 | 处理优先级 |
+|------|------|------|-----------|
+| 致命 (Critical) | 用户无法完成任务 | 用户流失 | 必须在上线前修复 |
+| 严重 (Major) | 用户能完成但非常困难/需多次尝试 | 转化率下降 | 必须在当前版本修复 |
+| 一般 (Minor) | 用户能完成但体验不佳/效率低 | 满意度下降 | 下个版本修复 |
+| 建议 (Cosmetic) | 不影响使用但影响感受 | 品牌印象 | 排入 Backlog |
+
+---
+
+## 步骤四：问卷调查
+
+### 4.1 问卷设计
+
+#### 问题类型与适用场景
+
+| 问题类型 | 示例 | 适用场景 |
+|---------|------|---------|
+| 李克特量表 (1-5/1-7) | "您对购物体验的满意度？" | 态度/满意度测量 |
+| NPS (0-10) | "您有多大可能推荐给朋友？" | 忠诚度/口碑倾向 |
+| 单选题 | "您最常使用的支付方式？" | 偏好/行为分布 |
+| 多选题 | "以下哪些功能您使用过？" | 功能使用广度 |
+| 矩阵题 | "对以下功能的满意度？" | 多维度批量评价 |
+| 开放题 | "您最希望改进什么？" | 定性补充（放在最后） |
+| SUS (System Usability Scale) | 10 题标准量表 | 系统可用性基准评分 |
+
+#### 问卷设计原则
+
+```
+1. 总时长控制在 5-10 分钟（15-25 题）
+2. 从简单客观题开始，逐步到复杂主观题
+3. 避免双重否定：✗ "您不觉得这个功能不好用吗？"
+4. 避免引导性：✗ "我们优秀的客服让您满意吗？"
+5. 选项互斥且穷尽：提供"其他"选项
+6. 敏感问题放后面，提供"不方便回答"选项
+7. 关键问题设置反向题（attention check）
+8. 必答题控制在 60% 以内，避免疲劳放弃
+```
+
+### 4.2 样本量参考
+
+| 研究目的 | 最小样本量 | 建议样本量 | 备注 |
+|---------|-----------|-----------|------|
+| NPS 测量 | 100 | 200-400 | 需要按细分群体分析则更多 |
+| 满意度调查 | 50 | 150-300 | 置信度 95%，误差 5% |
+| A/B 偏好比较 | 每组 30 | 每组 100+ | 需要统计检验显著性 |
+| 探索性调查 | 30 | 50-100 | 目的是发现模式，非精确测量 |
+
+---
+
+## 步骤五：数据分析
+
+### 5.1 定性数据分析（访谈/可用性测试）
+
+#### 亲和图法（Affinity Diagram）
+
+```
+Step 1: 提取原始数据点
+  - 遍历所有访谈笔记和录音转写
+  - 每个独立的观点/行为/引述 -> 一张便签
+  - 保留用户原话（引号标注）
+  - 标注来源（P1 = 第 1 位参与者）
+
+Step 2: 自底向上分组
+  - 将含义相近的便签归为一组
+  - 为每组命名（主题标签）
+  - 常见分组维度：用户目标/痛点/期望/行为模式/情感反应
+
+Step 3: 提炼洞察
+  - 每个主题组 -> 一个洞察陈述
+  - 格式：[用户类型] 在 [场景] 中感到 [痛点/需求]，因为 [原因]
+  - 标注支撑数据量（N=X 位用户提及）
+
+Step 4: 优先级排序
+  - 频率（多少用户提到）x 严重程度（对体验的影响）
+  - 高频 + 高严重 = 必须解决
+  - 高频 + 低严重 = 优化体验
+  - 低频 + 高严重 = 监控关注
+```
+
+#### 洞察陈述示例
+
+```markdown
+### 洞察 1：新用户在注册后不知道下一步做什么 (N=7/10)
+
+**发现**：70% 的新用户完成注册后在首页停留超过 30 秒，不知道第一步操作是什么。
+
+**用户引述**：
+- "注册完了然后呢？页面上东西太多了，不知道从哪开始" (P2)
+- "我以为会有个教程之类的" (P5)
+- "找了半天才发现要先创建项目" (P8)
+
+**影响**：注册后 7 天留存率仅 15%，可能与首次体验困惑有关。
+
+**建议**：添加新手引导（Onboarding Flow），包含 3-5 步核心操作引导。
+```
+
+### 5.2 定量数据分析（问卷/行为数据）
+
+```python
+# 常用分析方法
+
+# 1. 描述性统计
+import pandas as pd
+
+df = pd.read_csv("survey_results.csv")
+print(df["satisfaction"].describe())     # 均值/中位数/标准差
+print(df["satisfaction"].value_counts()) # 频率分布
+
+# 2. NPS 计算
+promoters = len(df[df["nps_score"] >= 9])
+detractors = len(df[df["nps_score"] <= 6])
+total = len(df)
+nps = (promoters - detractors) / total * 100
+print(f"NPS: {nps:.0f}")
+
+# 3. 交叉分析
+pd.crosstab(df["user_type"], df["satisfaction"], normalize="index")
+# 查看不同用户类型的满意度分布差异
+
+# 4. 统计显著性检验
+from scipy import stats
+group_a = df[df["variant"] == "A"]["conversion"]
+group_b = df[df["variant"] == "B"]["conversion"]
+t_stat, p_value = stats.ttest_ind(group_a, group_b)
+print(f"p-value: {p_value:.4f}")  # < 0.05 则差异显著
+
+# 5. SUS 评分计算
+# 奇数题：得分 - 1；偶数题：5 - 得分；总和 x 2.5
+sus_scores = []
+for _, row in df.iterrows():
+    odd_sum = sum(row[f"sus_{i}"] - 1 for i in [1, 3, 5, 7, 9])
+    even_sum = sum(5 - row[f"sus_{i}"] for i in [2, 4, 6, 8, 10])
+    sus_scores.append((odd_sum + even_sum) * 2.5)
+print(f"SUS Average: {sum(sus_scores)/len(sus_scores):.1f}")
+# SUS > 68 = 可用性高于平均; > 80 = 优秀
+```
+
+---
+
+## 步骤六：洞察报告
+
+### 6.1 报告结构
+
+```markdown
+# 用户研究洞察报告：[项目名称]
+日期：YYYY-MM-DD | 研究者：[姓名]
+
+## 执行摘要（1 页）
+- 研究背景和目标
+- 方法概述（N 人访谈 + N 人可用性测试 + N 份问卷）
+- 3-5 个核心发现（一句话 + 严重程度）
+- 总体建议
+
+## 研究方法
+- 研究设计和时间线
+- 参与者画像分布（年龄/职业/使用频率/经验水平）
+- 数据收集和分析方法
+
+## 核心发现
+
+### 发现 1：[标题] -- [严重程度]
+- 数据支撑：[定量数据 + 定性证据]
+- 用户引述：[2-3 条原话]
+- 影响评估：[对业务/体验的影响]
+- 建议方案：[具体可操作的改进建议]
+
+### 发现 2：...
+### 发现 3：...
+
+## 可用性测试结果
+| 任务 | 完成率 | 平均时间 | 满意度 | 关键问题 |
+|------|--------|---------|--------|---------|
+| 任务 1 | 90% | 2m30s | 5.2/7 | 入口不明显 |
+| 任务 2 | 60% | 4m15s | 3.8/7 | 流程步骤过多 |
+| 任务 3 | 80% | 3m00s | 4.5/7 | 文案不够清晰 |
+
+## 问卷调查结果
+- NPS: XX (Promoters XX% / Passives XX% / Detractors XX%)
+- SUS: XX/100
+- 满意度分布图
+- 关键交叉分析结果
+
+## 用户旅程地图（可选）
+- 阶段 -> 行为 -> 触点 -> 痛点 -> 情感曲线 -> 机会点
+
+## 优先级建议
+| # | 建议 | 影响 | 实施难度 | 优先级 |
+|---|------|------|---------|--------|
+| 1 | 添加新手引导 | 高 | 中 | P0 |
+| 2 | 优化搜索筛选 | 高 | 低 | P0 |
+| 3 | 改进错误提示 | 中 | 低 | P1 |
+| 4 | 添加个性化推荐 | 中 | 高 | P2 |
+
+## 附录
+- 访谈大纲
+- 问卷全文
+- 原始数据链接（内部权限）
+```
+
+### 6.2 报告分享与落地
+
+```
+报告产出后
+├── 1. 团队分享会（30 分钟）
+│   ├── 播放 2-3 段关键用户录像片段
+│   ├── 展示核心发现和数据
+│   └── 讨论优先级和下一步计划
+├── 2. 与设计团队对齐
+│   ├── 将发现转化为设计任务
+│   ├── 更新 Persona 和用户旅程地图
+│   └── 输入到下一轮设计迭代
+├── 3. 与产品团队对齐
+│   ├── 将建议写入产品 Backlog
+│   ├── 标注优先级和预期影响
+│   └── 纳入下个 Sprint 规划
+├── 4. 归档
+│   ├── 研究资料归档（录音/笔记/数据）
+│   ├── 洞察库更新（累积知识）
+│   └── 记录研究方法的反思和改进点
+└── 5. 跟踪
+    ├── 建议落地情况追踪
+    ├── 上线后数据验证（建议是否有效）
+    └── 输入到下一轮研究
+```
+
+---
+
+## Agent Checklist
+
+- [ ] 研究计划已明确目标、假设、方法、时间线和交付物
+- [ ] 用户招募覆盖目标画像，筛选标准明确
+- [ ] 访谈问题为开放式、非引导性，关注行为而非观点
+- [ ] 可用性测试任务有明确的场景描述和成功标准
+- [ ] 问卷设计控制在 10 分钟内，避免引导和双重否定
+- [ ] 定性数据通过亲和图法系统性分析，标注数据支撑量
+- [ ] 定量数据有描述性统计和显著性检验
+- [ ] 洞察报告包含数据支撑、用户引述和可操作建议
+- [ ] 发现已转化为优先级排序的产品/设计任务
+- [ ] 研究资料已归档，洞察库已更新