大嘴巴漫谈数据挖掘:用户调查基样本,街头面访寻偏好

用户调查基样本,街头面访寻偏好随后的定量分析以定性研究为基础,基于一定数量样本,对用户的行为和态度进行分析挖掘,细分出不同特征的用户群体,并加以描述。此处采用了一种叫街头面访的分析方法,即在一个相对固定、安静适宜的场所环境内,开展一个较长时间的访问。

接下来先要进行样本筛选及确定问卷结构。样本筛选主要是确定样本量和抽样方法,问卷结构则包括需要调研的各个方面,如生活轨迹、需求偏好等。

用户调查基样本,街头面访寻偏好在样本筛选时,样本量的多少直接影响到抽样误差的大小,一般来说,抽样误差会随着样本量的增大而减小,但下降幅度会逐步递减,抽样成本会逐步递增。达到一定规模后,即使大幅增加样本量,抽样误差也不会明显降低。如上所示,在置信度等于95%的情况下,不同样本量的最大抽样误差。

因此,为了降低抽样误差,尽可能选择较大的样本量。即便在预算经费有限的情况下,至少也要保证30个最低统计样本,低于30个样本就不具备统计分析意义。

用户调查基样本,街头面访寻偏好除了总样本量外,样本筛选还要确定配额指标和分配份额。配额指标一般与样本条件中规定的用户特征一致,如年龄、性别、收入等。若将性别作为配额指标,则类别为男和女,最后根据每类指标所分配的份额选取样本,并进一步规定其中的样本人数。比如, 按照性别选取样本,男性300人,女性300人。

有时,当参与人数较少时,配额条件不能太严格。为了确保找到合适的被访者,一般不考虑交叉配额,即被访者需同时满足多个配额条件。

用户调查基样本,街头面访寻偏好根据前面定性研究的结果,从中挑选总结出一部分关键语句,以此形成具体的测量问题。定量问卷生成后建议进行两到三次试访,并结合访问情况调整问卷,以及安排好整个面访时间。

问卷开头记录被访用户、访问人员的信息以及面访的开始时间和结束时间。其中设置甄别题目是为了去除有可能影响调研结果准确性的用户。值得注意的是,问卷内容并不仅限于下面示例中的部分,可以根据产品的实际情况补充调整。

用户调查基样本,街头面访寻偏好定量问卷的第一部分主要涉及产品的使用情况。如下所示:

需要了解一些经常使用的产品应用,并按熟悉程度打分;

最近一段时期使用某一指定产品的业务应用场景,通过什么方式接触到产品,产品实现了哪些功能,使用频度以及更换频次又是怎样的。除此之外,一般还会要求被访用户回答能够想象到的,在工作和生活中所需要的,但是目前还没有提供的产品等。

用户调查基样本,街头面访寻偏好定量问卷的第二部分主要涉及业务需求偏好。如下所示:

经常使用的产品类型及品牌是什么,订购时的价格是多少,使用的年限有多久了;

产品的功能有哪些,其中最看重的功能是什么,功能的使用频率又是怎样的;

如果要更换产品,主要是因为哪些功能没有满足,或者还是其他的什么原因等。

用户调查基样本,街头面访寻偏好定量问卷的第三部分主要涉及用户生活方式。如下所示:

根据被访用户自身的感受,采用5级量表,衡量一些关于生活态度、产品技术相关的问题,其中选项5表示完全同意,得5分,选项1表示完全不同意,为1分。比如会询问诸如“是否比较喜欢锻炼身体”,“家庭生活比事业更重要”,“节假日都会参加些娱乐活动”等这样的问题。

用户调查基样本,街头面访寻偏好随后会用到因子分析和聚类分析两种方法。首先将调研问卷中的一个或几个问题语句看成一个原始变量,然后根据原始变量之间的相关关系,依此提炼出公共因子,如可以将“通常注意生活和饮食习惯”和“比较喜欢锻炼身体”提炼成一个“生活因子”。如上所示,还提炼出了“社交因子”、“时尚因子”、“职业因子”和“娱乐因子”。在这里,提炼因子的目的在于提高后续聚类分析的有效性。

用户调查基样本,街头面访寻偏好根据问卷结果,获得样本用户的各个因子得分,主要反映了用户在此方面的偏好程度,得分越高,说明关联性也就越强。接着再使用变量聚类,根据因子得分的高低将用户划分为不同类型的细分群体。

如上所示,张三的生活、社交及职业因子得分最高,归纳为事业型。李四的娱乐和时尚因子得分最高,总结为享乐型。由于公共因子之间不存在相关影响,用户细分效果明显。

用户调查基样本,街头面访寻偏好最后,产品经理可以通过图形来了解各个细分群体的目标用户群特征及规模比例。如上所示,饼图中红颜色的部分表示享乐型的细分群体,规模最大,占总用户比例的70%;绿颜色的部分表示事业型的细分群体,用户占比为30%。

总的来说,产品策略研究时期主要涉及宏观环境,包括用户、社会、技术、商业趋势以及了解人们日常行为中的习惯偏好等,以此促进产品概念生成。

大嘴巴漫谈,有货,有形,有味!

本文为专栏文章,来自:大嘴巴漫谈,内容观点不代表本站立场,如若转载请联系专栏作者,本文链接:https://www.afenxi.com/6918.html 。

(0)
大嘴巴漫谈的头像大嘴巴漫谈专栏
上一篇 2016-01-18 20:29
下一篇 2016-01-21 20:31

相关文章

  • 号外!《Gartner2016年度新兴技术成熟度曲线》全解读

    2016年7月,Gartner公司发布了年度新兴技术成熟度曲线。Gartner指出,2016年是数字的一年,数字业务创新是“新常态”,专注于技术创新的企业将继续寻找可以帮助他们创造竞争优势和价值、降低经营成本、使业务模型转型的新技术。

    2016-09-27
    0
  • 数据科学极简史(二)

    2002 年 4 月,数据科学期刊(Data Science Journal)创刊,旨在发表「科学与技术领域的数据与数据库管理」方面的论文。「此期刊涵盖对于数据系统的描述,及其在互联网上的发布、应用和法律问题。」此期刊由国际科学理事会(International Council for Science )旗下的数据科学技术委员会(Data for Scien…

    2016-03-10
    0
  • 数据挖掘系列篇之DM解决几类问题

    摘要:数据挖掘作为一门科学进入国内已经有几年时间了,从过去之前的啤酒与尿布的案例到现在在BAT公司的应用普及开来,这几年DM已经越发的成熟,在大数据应用价值上发挥着重要的作用。 宋代禅宗大师青原行思提出参禅的三重境界:“参禅之初,看山是山,看水是水;禅有悟时,看山不是山,看水不是水;禅中彻悟,看山仍然山,看水仍然是水。” 数据挖掘也是这样,初学数据挖掘的时候…

    2015-12-03
    0
  • 最懂数据的产品经理车品觉:挖掘大数据就像做菜

    我们往往都是有问题找数据,大数据时代则不同,其最核心的特质是“用数据找机会”。从“看”到“用”,再从“用”到“养”,运营数据本身就是一个复杂的过程。

    2016-05-13
    0
  • 为什么数据挖掘很难成功?

    大数据时代,数据挖掘变得越加重要,曾经做了很多,成功有之,失败的却更多,举一些例子,探究其失败原因,也许于大家都有启示吧。

    2016-11-01
    0
关注我们
关注我们
分享本页
返回顶部