大數據時代下的用戶體驗方法研究

陳琴

摘 要 大數據技術的發展為用戶體驗方法模型研究提供了一種新的方法，可以在更短的時間內，收集更多的數據資源對其進行更快速的整合。在大樣本下進行用戶體驗研究工作，將定量研究與定性研究完美結合在一起，一定程度上彌補定性分析的短板。本文僅結合大數據技術的特點，從大數據分析用戶行為分析、角色構建、用戶需求挖掘和定量評價模型分析四個方面進行探討，并對大數據時代下的用戶體驗的發展趨勢做了總結。

關鍵詞 用戶體驗 大數據 定性研究

中圖分類號：TP393 文獻標識碼：A 文章編號：1007-0745（2021）05-0031-03

用戶體驗的核心是以用戶為中心，并圍繞著這個核心進行設計，踐行用戶體驗一系列的流程和方法都是從這個核心出發。用戶體驗的核心是以人為本，要求研究者和設計師在研究和設計過程中把用戶放在核心地位，利用用戶研究方法洞察出用戶真實的需求，并為此需求進行設計，開發出滿足用戶真實需求的產品，實現在使用過程中的最優體驗。大數據的發展為用戶體驗的研究提供了更大體量的數據支撐，為用戶體驗的研究過程節省了收集及整理數據的時間，研究員在這過程中有了更多的時間和精力對整理好的數據進行分析。同樣，大數據也是把雙刃劍，有利也存在弊端。而弊端體現在研究員過度依賴大數據，從而喪失了一些感性思考。總的來說大數據對于用戶研究來說利大于弊，也同樣是時代的潮流，這要求研究員要把握住其優勢，避免其弊端。

1 用戶體驗與大數據

1.1 用戶體驗

用戶體驗，簡稱UX或UE，最初由唐納德·諾曼提出。唐納德認為用戶體驗的目標是可用、好用、友好、好看、好記，這五大目標讓用戶在使用產品或者服務時有著更好的體驗。用戶體驗方法流程的維度可以借用2005年英國設計協會提出的一般性設計流程的“雙鉆設計程序模型“（Double Diamond Design Process Model）”的四個主要步驟：發現、定義、開發和交付。第一個步驟發現是一個發散的過程，收集內部與外部資料，研究方法主要有文獻綜述、案例研究、焦點小組、訪談法、觀察法、問卷調查、市場細分等。第二個步驟定義是將前期收集到的資料進行整合分析、提煉核心，是一個收斂的過程，其研究方法包括卡片分類、用戶畫像、用戶歷程圖、場景分析、KANO模型、親和圖等。第三個步驟開發又是發散的過程，將抽象設計概念現實化、具體細節化，并且進行反復終端使用測試，檢驗是否能解決問題，其研究方法有原型和模擬、故事版、頭腦風暴、服務設計藍圖、聯想法等。第四個步驟交付是整個研究設計驗收環節，用戶最終能切實參與互動的環節，其方法包括用戶體驗審核、期望值測試、評估性研究、眼動追蹤、網絡行為跟蹤、測試與評估、可用性測試、用戶反饋收集等。用戶體驗研究方法多樣，本文主要從雙鉆設計程序模型四個步驟里的研究方法中選取用戶行為、用戶角色構建、需求挖掘以及消費者體驗預測與大數據融化進行研究分析（見表1）。

1.2 大數據

“大數據”的概念最早出現在1980年，麥肯錫（2011年）等提出了大數據的5v特征，即體量（volume）、種類（variety）、速率（velocity）、價值（value）、真實性（veracity），并被學術界和產業界廣泛認同[1]。大數據的特征首先體現為“規模大”，存儲單位不斷增大以承載更多的數據量，表示數據體量巨大;“多樣”是大數據的重要特征性，其中包括了結構化數據和非結構化數據;“速度快”是大數據采集和處理數據速度非?？欤軌驖M足實時數據分析需求;“價值密度低”是大數據的核心特征，隨著物聯網的廣泛應用，信息感知無處不在，因為數據量的分母太大了，即密度在降低，這個后面直接的隱喻就是要深度挖掘，才能發現我們希望的價值;“真實性”指的是大量的數據都來源用戶真實行為，真實的數據確保了研究結論的精準性。這些特征使得大數據區別于傳統的數據概念。

1.3 大數據對用戶體驗方法研究的影響

用戶體驗是用戶使用服務時建立的一種整體的、主觀的心理感受。目前的用戶體驗研究方法眾多，包括問卷調查、卡片分類、情景訪談、啟發性評估、可用性測試等[2]?；谝陨系难芯糠椒ǎ谝欢ǔ潭壬夏軌蚪鉀Q用戶體驗中樣本量少并無法量化的問題。而大數據優勢正好為這個問題提供解決方法，主要體現在大數據的五個特點上。借助于大數據的5V特性，能夠在一定程度上優化傳統用戶體驗研究存在的短板。同時，從研究者角度出發，具有數據量大且真實的大數據在用戶有效性上對于用戶體驗研究方法來說有拔高作用，實現“以人為中心”的產品設計目標，研究所設計生產的產品能最大限度地滿足用戶的需求。此外，它們能準確地適應特定用戶的需求，體現了“以人為本”的產品設計理念。因此，大數據的發展對于用戶體驗的研究發展具有重要意義。

2 大數據時代下的用戶體驗方法

2.1 定性研究與定量研究的融合

基于雙鉆設計程序模型的研究方法。大多數學術研究人員更加傾向于從定性角度研究用戶體驗，而企業設計師及設計實踐團隊則希望采用一些定量化、標準化的研究工具和方法讓用戶體驗能夠被精確度量[3]。由于兩種不同的研究視角在實際過程中整合度不夠。因此將傳統的定性研究與大數據的定量研究融化一起，更好地避免在用戶體驗研究過程中存在的弊端。雖然設計思維基本上是一個以人為本的創新過程，設計思維可以用來探索和洞察用戶潛在需求。在線上通訊技術發達的時代，用戶在線上所產生的行為都會留下痕跡，進而成為研究員的用戶真實數據來源，并對這些真實數據進行整理及分析其關聯性，可以發現這些數據所隱藏的用戶真實需求。大數據整合可以針對缺乏用戶真實數據來源，從而糾正設計師在設計過程中會犯的主觀意識為主導的錯誤，更好的設計出滿足用戶真實需求的產品。

因此，大數據定量研究和定性研究的優勢互補結合，讓用戶體驗在研究設計的流程中不再是單方面的主觀表現，而是利用數據的多樣性和真實性進行研究和使用。它不再追求事物之間的因果關系，而是更多地關注事物之間的相關性，從而使設計結果更加客觀。

2.2 用戶行為挖掘

大數據時代帶來海量真實的數據，這些數據中產生了多樣化的用戶行為。通過這些數據和可視化的方式，我們逐漸開始看到一些問題，也可以看到一些用戶行為的特點。例如，對于產品的全體用戶，就是頻繁購買某些商品，不管價格如何變動;或者在產品的整個用戶群體中，一部分用戶在交易流程中的某個環節特別容易跳出流程，而另外一部分用戶則完全不存在這樣的問題。根據這些用戶行為的特征可以運用大數據的工具將其分析并得出一定的規律以便指導決策。利用大數據5v特征可以彌補了傳統的用戶體驗方法的存在的用戶樣本量小的問題。大數據時代下我們不需要知道這些數據背后的“為什么”，知道了“是什么”就已經足以指導我們的決策。沃爾瑪就運用了大數據所呈現的現象進行商品擺放的位置，通過大量的數據他們發現當颶風來臨時，蛋撻的需求量就會增加。因此，這個時候沃爾瑪超市就會將颶風用具與蛋撻擺放在一起。大數據指導他們將蛋撻與颶風用品擺放那個在一起即可，并不需要去探索背后的原因。大數據的挖掘將精準的精準信息去做出更好的營銷決策，直接提高產品的銷量，讓產品獲得更好的增長。

2.3 用戶畫像構建

在大數據運用范疇內，用戶畫像是通過大數據的整合與歸類而輸出的重要內容。用戶畫像是研究者將大量真實的用戶數據進行整合與歸類，從而建立的虛擬的用戶，這一個虛擬的用戶就代表著背后成千上萬的真實用戶，因此為一個虛擬用戶設計即是滿足了一群用戶的需求。利用大數據技術，一方面可以建立更全面、立體的用戶畫像;另一方面為用戶畫像的構建提供了全量和真實的數據。在挖掘用戶行為基礎上，進一步分析獲取用戶偏好、用戶習慣等信息，構建出用戶完整畫像，再對用戶畫像進行分類聚合，形成一個全面的用戶群體，并讓企業針對不同的用戶畫像制作個性化的推薦系統。很多成功的案例，它們都有著共同的特征，均為用戶畫像定位清晰、特征明顯，從產品角度從就是解決了專注、極致的核心問題。如蘋果的產品就是為有態度、追求品質、特立獨行的人群服務，從而滿足了這起用戶群體的需求及在數碼市場上占據了穩定的市場地位。又如豆瓣，它的目標用戶群體就是文藝青年，而且僅為這群目標群體提供服務，因此豆瓣的用戶黏性非常高。因此利用大數據技術建立全面、立體的用戶畫像，為產品的決策明確定位，服務核心用戶群體是走上成功的關鍵。

2.4 用戶需求挖掘

用戶需求的挖掘基于用戶畫像進行分類聚合，形成抽象人群劃分，進而可以根據人群畫像不同的屬性進行分析與提取用戶的需求。在大數據時代，為了掌握和了解更多的用戶，就會對大數據進行最基本的收集、分類、提取，人們可以通過多種不同渠道進而獲取大量的用戶行為數據。基于大數據的特點孕育了新的用戶需求挖掘工具和方法，如分類法、回歸分析法以及Web數據挖掘法。分類方法主要用于尋找較大類別的數據庫，并將需要分析的數據對象劃分為不同的類型。其目的是使用分類形式將數據對象分類為特定類型。這種分類法在商業上運用的很多，比如淘寶，它通過收集用戶在淘寶上所產生搜索和購買行為，進行采集和劃分，從而對不同的用戶根據他們所購買的商品進行精準的推薦，這個分類法讓淘寶提高了銷量，同時又增加了用戶留存率。

3 大數據時代下用戶體驗發展趨勢

隨著人工智能時代的到來，5G、數據儲存處理設備等軟硬件的發展，為用戶體驗的研究方法提供有力的支撐。大數據以TB為單位的爆炸性增長，讓用戶數據收集變得更加便利，同時硬件的發展，使得數據收集后能夠進行大量數據的分類，這些數據分析的算法將作為體驗設計師強大的助手?；诖髷祿膬瀯萦脩趔w驗研究將從傳統單一的定量研究，轉變為將定量與定性兩個維度的研究方法相結合。首先收集到大量的用戶真實數據，再通過大數據的分析方法從而獲取用戶相關信息，在定量的分析方法上結合定性的分析方法，從而洞悉用戶真正的潛在需求。這可將定量研究中的客觀性與定性研究中的主觀性很好的結合在一起，彌補各自存在的不足，輸出更加精準的設計策略。

結合人工智能技術運用到用戶體驗當中來，來幫助用戶體驗進行更合理的研究。AI、云計算、深度學習等技術成為研究人員的得力助手，AI能夠代替研究人員來處理簡單、重復的工作，進而提高工作效率，如自動搜索海量資料數據并將其進行分類、分析以及提取有用的數據。因此，在結合大數據基礎之上，可以實現在更大用戶范圍、更多數據來源的用戶體驗設計上的研究。

4 結語

以用戶為中心的用戶體驗是產品設計中的重要支撐，大數據能夠為用戶體驗研究提供海量的數據庫以便進行分析。同時，還可以利用大數據的優點，更好完善傳統用戶體驗研究過程中會產生的主觀性偏差的問題。能夠更加精準理解用戶真正的需求，進而轉化為產品設計、服務設計等、更好地踐行了“以人為中心”的設計理念。

參考文獻：

[1] 譚浩，尤作，彭盛蘭.大數據驅動的用戶體驗設計綜述[J].包裝工程，2020，41（02）：7-12，56.

[2] 康波，劉勝強.基于大數據分析的互聯網業務用戶體驗管理[J].電信科學，2013，29（03）：32-35.

[3] 鄭楊碩，朱奕雯，王昊宸.用戶體驗研究的發展現狀、研究模型與評價方法[J].包裝工程，2020，41（06）：43-49.