2.2 步骤二：线索与推理

2.2.1 收集线索

现在，我们带着划定用户群的结果，去寻找某一个符合这些条件的真实存在的人物，观察他生活中的一切，并且忠实地进行记录。收集线索应该客观理性，还不到分析推理的时候，我们需要克制自己的判断欲望。

尽量多找一些用户，以及选择不同类型的用户样本（但还是在划定的用户群范围内）。

——调研表——

基本信息

姓名：Lay

性别：男

照片：【】

年龄：27岁

生日：1987/5

家乡：金华

目前常住地：杭州

——调研表——

环境背景

家庭成员：父母与兄弟姐妹

亲人关系：联系方式和频率，微信好友等

居住地点：城区周围，月租3000元

上班地点：城区，写字楼

出行交通：开车、乘地铁

家庭环境的情况对用户来说比较敏感，如果我们想要了解用户与父母的关系大概是怎么样的，可以侧面询问，如上面所说的社交工具情况和交流次数等。

人际关系

最好的朋友：朋友的年龄、职业、爱好、结识方式、联系方式与频率

经常联系的朋友：朋友的年龄、职业、结识方式、联系方式与频率

——调研表——

兴趣爱好

兴趣爱好：健身

内容：练肌肉

场所：健身房、住处

工具/方法：健身器材、有氧运动

消费：健身卡1500元/年

——调研表——

作息习惯

起床：6:30

上班：9:00

午休：12:00

下班：20:00

睡觉：23:30

什么时间发生什么事件，先区分大的时间块。如果是上班族，日常时间较为固定。时间不固定的对象，可以先从询问最常待的场所，最经常做的事情开始，把多天的信息平均到一天。

然后我们在大的时间块中间填入小事件。比如，起床到上班中间有一些任务：早餐、看书、运动、上班路上，添加这些事件的时间。

早晨

起床：6:30

看书：6:30

早餐：8:00

出门：8:30

上午

上班：9:00

……

填入这些事件的关键词：场所、工具、消费支出等。

看书：床上、kindle

早餐：楼下快餐店、8元

……

排查“嫌疑人”需要确定“不在场证明”，不同的事件之间有一些空余时间，或者某件事情是否可以与其他事情并行。警察会计算这些时间是否足够做案。我们可以询问用户这些空余时间会做些什么，如等车的时候刷刷朋友圈，还是一边吃饭一边看微博？

每个人对自己工作的定位都不相同，从中可以看到不同的工作方式和能力。

——调研表——

工作情况

行业：互联网

岗位名称：运营经理

现在的收入：1.8万元/月

和你接触最多的岗位：产品、编辑、推广

一句话概括你的岗位是做什么的：让产品成长与成熟

看具体情况在每个类型的信息中增加与我们的产品有关的信息，并且视情况深入，比如下面的情况。

会议频率和时间：每周一次项目会，15分钟；每周一次部门会，30分钟；每天一次任务会，5分钟；每月一次汇报会，1小时

哪些会议是远程视频的：需求沟通会议

开会方式：使用社交工具

参会人数：5人左右

——调研表——

设备

电脑：iMac

手机：iPhone

其他器材：Kindle、Apple Watch

使用频率和时间：电脑每日使用超过10小时、手机每日使用超过10小时

另外可以请求用户提供相关线索（场所、工具、家人）的照片，这个很好用，图配文字更加直观，你会发现Lay眼中的有趣的咖啡馆与你心中的概念完全不同，更容易感受用户所处的环境。这些图片在之后的设计沟通中也会有巨大作用。

一次调研之后，我们最好能够观察一段时间用户的作息，以便验证调研结果的真实性。建议用社交工具加好友。我会与某个用户约定，在接下来的一周内每天打扰几次，只询问下面这几个问题。

● 你在哪里？

● 能给环境拍张照片吗？

● 你在做什么？

● 能把你正在做的事情拍张照片给我吗？

这样你就有了他在什么时间，做什么事情的最真实的一手资料。在观察期结束之后做个总结，因为我不能太过频繁地打扰他，所以难免有遗漏的地方，在最后总结的时候和对方一起回忆一下发生过的事情。通常调研结束，我会把整理好的资料也给用户一份留作纪念。一定要确保用户的信息安全，不要在资料中保留真实的个人信息。

调研结果存在大量看似与产品无关紧要的信息，我们经常认为只要知道用户与产品相关的部分就行了，但是实际上我们并不是真的知道用户的哪些信息对我们有用。

局限性是，这项工作对调研者的要求比较高，需要与用户面对面聊，保持良好的关系，引导用户表达更多，判断用户哪些话夸大其词或有所保留。还要控制哪类问题需要深入，哪类问题不要扩散。理论是最理性状态的执行方案，实操过程中需要更多灵活性。

2.2.2 线索筛选

这些线索需要被整理和筛选，有一些研究办法，主要目的是通过研究不同线索的关联性，寻找目标用户的共性，以下仅做举例。

关联用户、事件、时间、场所，可以寻找目标用户共同的行为模式。

关联用户、场所、工具、时间，可以寻找用户完成任务的习惯。

关联用户、事件、场所、消费，可以寻找用户的消费习惯。

……

把多个维度交叉关联，制作多个可视化数据，可以得到用户群体的整体结果（见图2-3）。

我们现在知道潮汐的涨落，是由于地球与太阳对月亮的引力变化，导致月球公转对地球的引力影响了潮汐。但是古人不知道，他们认为潮汐的涨落与月亮的圆缺这种时间上的巧合是相关联的，但是他们并不知道原因。

如果某些数据有巨大的关联性，我们可以采取对应的行动。

局限性是，需要大量的数据进行比对才能大胆推测相关性，并且在采取行动之后要采集数据进行验证。这在初期的用户研究中不适用。