访谈数据处理小偏方:亲和图法(AD)

释放双眼,带上耳机,听听看~!

在用户访谈结束后,面对大量访谈数据,如何展开高效整理?面对用户各种痛点或需求,要优先解决哪些问题?如何帮助跨职能部门同事建立起对用户的同理心?如何让业务方更认可用研侧调研结论并落地?为了避免访谈后一个猛子就扎到大量访谈数据里面去,甚至对数据不加任何处理就运用,本次给大家分享一个用户访谈减脂增肌利器“亲和图”法。

一、什么是亲和图法(Affinity Diagram)?

亲和图法是基于头脑风暴的原理,一群人把大量数据( 想法,问题,困难,解决方案)整理为有逻辑、结构化的分类或不同主题的过程。有些同学可能会将亲和图法与卡片法混淆,卡片法是一种通过让用户将相互关联项进行分组,来理解用户如何思考以及关联事物的方法,主要应用于设计或改造网站架构。

亲和图适用于从访谈法、日志研究、人类学、情景调查等渠道获得的数据,用户访谈是用户研究最常用的方法之一,且在用户访谈结束后往往有大量的访谈数据,因此,本文以访谈数据为例介绍亲和图法的应用。

二、亲和图的优点有哪些?

  • 团队协作导向:能将不同的视角带入数据分析中,在跨职能团队之间形成共识;
  • 高水平数据分析:能揭示数据背后的问题/模式,向产品设计输入有意义的信息;
  • 输出结果落地:产品需求文档、提供决策依据、聚焦产品设计/优化方向等;
  • 组织时间灵活:可以根据实际情况、项目进度随时调整整个进程,分期进行;
  • 可展示的形式:一种可视化的分析方法,开展真实的场所来展示访谈活动的成果。通常 “公务缠身”的业务方很难全程参与,仅仅参加某一场访谈获知的信息也会有偏差,亲和图法可以营造“还原的访谈现场”,避免偏差。

三、如何建立亲和图?

整个过程包括数据转化(Interpretation Session)和建构亲和图(Building Affinity Diagram)两大核心环节。

一)数据转化环节(IS)

  • 目标:让参与的每个人都能够体验到访谈中的收获
  • 时间:最好在访谈结束之后的48小时内进行
  • 人数:推荐6-8个人,人太少难以理清数据,人太多场面不好控制
  • 物料:马克笔/便签纸/大白纸/胶水等(根据手写/打印准备物料)

1、整理脚本

访谈之后尽快把访谈记录整理成一份可读的脚本(最好在一天之内),并将脚本发给每一个参与数据转化会议的人。访谈脚本整理内容主要包括:

  • 用户编号或假名字,例如User18,使用用户编号或假名以便保护用户隐私;
  • 用户的基本信息或行为习惯,例如使用过的相关软件/硬件等;
  • 用户使用产品的细节流程,例如用户任务/用户目的/操作步骤等。

2、角色分配

在开始转化数据之前要分配好数据转化会议中的角色,主要包括以下角色:

  • 展示者:访谈者,任务是为大家讲述、展示访谈中所有细节
  • 记录者:记录访谈中的重要信息、idea,以及这个会议中组内同学提出的问题
  • 参与者:组内其他同学,他们通过听、问问题理解访谈内容并提供自己的理解和观点
  • 主持人:保证会议议题不偏离轨道(可以是组内任意—个同学)

3、数据展示

一次展示一个访谈场景,展示者通过介绍用户背景资料让大家认识用户,根据发给大家的访谈脚本,带领大家回顾整个访谈过程。同时,大家讨论着记哪些内容,包括访谈细节和访谈流程,不要单独让记录者决定该记哪些,每个人都可以提出自己的想法。

4、信息记录

主要记录核心信息,即在访谈过程中捕捉到的一些有趣的或者重要的信息、idea,包括一些产品设计想法、一些访谈过程中产生的疑问等。便签上记录内容主要包括:

  • 在便利签左上角记录用户编号;
  • 在便签右上角记录特殊信息类型,“D”代表 design idea(用户关于产品设计的想法),“Q”代表 question(后续需要研究的问题),其他不做标记的为用户使用痛点/体验;
  • 在便签中间记录核心信息,每个便利签只能承载一条要点、思考、idea或者问题,便利签上的内容必须以完整的句子的形式呈现。

访谈数据处理小偏方:亲和图法(AD)插图

图2 亲和图示例

二)建构亲和图(BAD)

1、初始数据类目建构:把所有便签纸在桌子上摆开,大家随机选择贴在墙上,先由一个人做示范,把一个便签纸贴在墙上,后面的人跟着来,每个后续上墙的便签纸,如果与墙上的某个相似,则把它纵向贴到下面,如果不相似,新开一列(在左侧或右侧均可)。当前阶段不要给任何一个类目打标签,任何人都可以移动或重新排列墙上的便利贴,根据用户目的或相似活动/行为进行归类,让数据自然而然地形成分类。

2、高层数据结构建构:完成初始数据类目构建后,给每一个数据类目都写上level 1的标签来描述这个类目,标签必须是详细的短语或句子,以第一人称描述用户的操作行为和用户意愿。如果数据类目较多,构建level 2的类目来聚合 level1的数据类目以此类推(TIP:使用不同颜色的便利贴和马克笔标记)。

3、数据复查:所有成员都要系统地回顾不同level的数据类目,问自己以下问题:这些分类有没有展现出你的关注点?每个数据类目的标签是否准确?你的理解有没有什么漏洞?Level1的数据类目是否可以相互联结?有没有需要在后续研究中明确的问题?

四、写在最后

以上是关于亲和图法应用在访谈数据分析的过程,把访谈结果“公之于众”,将离散数据通过协作的方式整合起来,在整个过程中可能会遇到归类有争议的情况,此时要鼓励关于分组的建设性讨论,保证最终版达成共识。

人已赞赏
数据运营

9张图,看懂数据分析如何由浅入深!

2021-3-25 11:25:38

数据运营

数据分析:建模分析基本流程

2021-3-25 11:56:22

图片水印:图片水印仅用于防盗防刷,无其他含义。
版权声明:本文由互联网用户自发贡献,其版权均为原作者所有,如内容、图片有任何版权问题,请联系(tzhubo@foxmail.com)淘主播删除处理。稿件内容仅为传递更多信息之目的,不代表本站观点,亦不代表本站赞同其观点或证实其内容的真实性,更不对您的投资构成建议。题图来自Unsplash,基于CC0协议。

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索