访谈后如何得出有价值的访谈结论-用户访谈系列之三

研究结果最坏的情况是什么，无法回答研究问题，或者研究结果不能得到认可。毕竟做完一场用户访谈投入了大量的成本，发现的却是一些大家都已知的结果那就比较失败了，或者分析出的问题不具备深刻性，对落地实施起不到帮助作用。在前面两个系列中，我已经分享了如何做好访谈前的准备，以及访谈中一些好用的访谈技巧，最终就是为了访谈后，我们能够获得专业性且能形成指导的建议和洞察。

访谈数据分析的难点主要是来源于访谈收集到的数据是大量碎片的，凌乱无序的。如何从这无条理的资料中找出新的线索，洞察出新的机会？这似乎是没有一个固定的标准流程。定性数据的分析非常依赖研究者本人的分析能力，同样一份定性数据，经过不同人的分析，很可能有完全不一样的结论和见解。所以本文也无法给出像数学公式一样的规则和标准，满足所有人去套用。在这里我想更多地去揭示定性数据分析的面纱，掀开裙子地一角，看看这个过程究竟是如何的，提供研究者们一个参考思路。

访谈后需要做的事：研究分析、撰写报告。

一、数据整理

整理访谈资料，就是将我们访谈的数据，照片、录音、录像、笔记等记录的各种数据转化成文本信息数据。将凌乱无序的内容，通过科学的整理，形成相对系统化、条理化形式。从而方便研究人员可以进行高效分析。

1. 转录

在做访谈后，把访谈录音转成文本数据，即访谈原文的逐字稿，现在市面上大多数软件都能实现将录音快速转成文字记录，非常方便。便于后期随时提取分析，会将用户的访谈原文进行存档。

2. 汇总

因为用户的原话都是零碎，还有重复的话语，所以需要清洗掉对研究无效的数据，摘取出重点和有效信息汇总到记录表中，但这个时候要保持客观记录，不能加入主观定义和猜想。如果访谈的用户样本量比较大，对重点的文本内容标注还是很有必要的，有助于随时进行信息快速检索或浏览。

这一步我们前期的整理工作基本就完成了。实际开展访谈时，每访谈完一位用户，就会汇总到记录表中。如果等到最后再汇总，大脑中很多信息都会变得模糊和遗漏一些细节，可能需要反复听录音来补齐，而且庞大的访谈数据，整理起来非常痛苦。为了提高效率，大多数时候每访谈完一个用户，及时将这个用户的重点信息和做的笔记都记录到汇总表里。

二、研究分析

分析的过程有两个核心的概念，一是自上而下演绎推理，即在已有的理论基础上通过各种数据去推理和验证，通常用在定量数据分析中；二是自下而上的归纳推理，即这个时候还没有形成理论，通过收集的数据去归纳推理出一个现象，通常用在定性数据分析中。

归纳法一般用户形成新的理论，演绎法一般用于对已有理论的验证。

基于这两个理论我们再来看这个定性数据的分析，在实际项目中会结合这两种理论一起使用，开展调研初期我们通过各种产品数据和二手资料的调研，已经形成了一定的猜想和预设的理论，是能够回答我们的研究问题，但是缺少用户真实反馈数据，通过访谈，能补充和优化我们的预设，甚至用户反馈的数据还可能颠覆我们的猜想。通过交叉这两种理论的思路，让我们的研究更有把控和高效。

具体的分析方法策略有多种，下面介绍两个常用的方式：编码和可视化图表。

1. 编码

在质性分析中，可以使用编码的方式帮助我们对定性数据进行归纳推理。

编码就是提炼文本，将文本信息浓缩、归纳的过程。我们可以借用三进程编码帮助我们更全面地理解研究现象，提出更深层次的问题和见解，并为后续的理论构建和实践应用提供有力的支持。

开放式编码：就文本信息进行提炼，识别采访内容的关键属性进行贴标签，可以使用单词或短语，这个标签也是最小分析文本单元，可以称为：代码。在这个阶段尽可能多提炼出有价值的内容，此时的主题可能比较模糊还没有显现出来；

主轴式编码：将第一阶段的编码内容进一步归纳，以一定的关系维度串联起来，例如时间关系，空间关系，因果关系，先后关系，相关关系等等，形成新的集群，这时主题也开始逐渐显现；

选择式编码：将第二阶段的主轴式编码即主题进行第三层归纳，此时提炼出来的编码内容将更加抽象和概括，具备一定的普遍性。

需注意编码是围绕研究的问题去提取的，通常在调研前会预设一些编码库，例如我们在调研用户出于什么原因选择该保险的？预设到可能是价格、品牌、客服服务、售后等（访谈过用户后还会有一些新的发现进行补充），那么在编码的时候就会围绕购买动机相关的内容去提炼。

在调研过程中发现一个现象，即首次投保和续保以及换保的购买因素差异性比较大，针对这个现象进一步思考：为什么会造成这个差异，以及内在原因又是什么？于是回溯访谈内容，推测造成这个现象的原因。

在实际项目中我们可以灵活借鉴编码这个方法高效地整理这些杂乱的定性数据。

2.可视化图表

在数据处理的过程中，为了方便交流，是不太会把我们访谈收集的大量信息直接拿给需求方看，毕竟面对如此凌乱和繁杂的内容，大家也没法聚焦问题，这时会使用各类图表工具来帮助我们将文本信息结构化呈现，让问题变得清晰，帮助我们构建证据链、逻辑链，让我们的分析结果有据可依，并且提高沟通效率，分析时通常会让相关利益方共同参与，提出想法，避免存在个人分析的主观偏差。

常用的分析框架如用户体验地图、用户画像、同理心地图、故事板等等，相信有很多专业的文章有详细介绍怎么使用，在这只简单提一下。

同理心地图

通过用户说的，想的，做的，感受的信息，去挖掘用户所思所想所做的深层动机，找到用户的真实需求，也通常是用户自己没有察觉到的，或者未能表达出来。通过这种直观的图表让团队成员研究思考

用户旅程地图

通过梳理业务的主要流程，获取用户在每个阶段产生的行为和任务，结合用户访谈，通过分析用户的痛点，诉求，行为等信息数据，了解用户行为背后的原因（即该任务是为了达成的终极目标/任务是什么），研究产品功能和用户目标之间的gap，探索解决用户需求的创新方案。

用户画像

对真实用户抽象的原型，基于真实用户的目标，行为、观点和动机，抽象成典型的角色模型，通常会形成3~6个角色代表所有的用户群体。通过用户模型的描述，给产品设计提供决策，并洞察用户可能的需求。

三、分析结论

我们一份研究结果包含着问题，原因，解决方案，问题和原因在分析阶段能洞察出。如何让我们的建议和结论更具吸引力和说服力，可以对用户原话得引用，这种方式让大家的代入感更强，容易共情和同理，减少沟通阻力。

四、报告

当我们完成了调研结果的数据分析之后，就需要输出最终的报告。报告的形式依据项目和研究目标而定，没有固定的规范。在写报告之前，需要了解谁会看？他们想知道什么？他们需要知道什么？他们期待知道什么？通过受众的需求来决定呈现我们的重点。

通常来说报告最终发出去的时候会尽可能地满足各类角色的需求，管理层想知道结论和解决的思路是什么？执行层更多会关注细节和结论，尽可能去满足不同受众。

以下的思路可供参考：

1.研究目标，首先同步我们的研究目标和主题，接下来的所有行动都是围绕这个目标展开的，

2.研究思路和方法，为了解决这个目标，我们研究思路，用到的一些研究方法（例如：用户访谈），以及用户的样本等情况。

3.结论汇总，是报告最重要的内容，也是本次研究出的结论，领导层也会最关注这一块。

4.分论点描述，每个结论的证据链，即：结论（洞察或发现的问题） 证据（通常是用户原文佐证） 建议（根据洞察结合用户诉求提出的相关建议）

5.附件资料，调研过程中的一些关键过程数据，方便有些人可以浏览和追溯细节。

一些小贴士

定性数据的分析开始点是从访谈开始的时候

设计洞察大多伴随着设计调研的开始、展开以及设计调研结果的研究分析，通常不是一个线性的过程。

真实项目中，我们通常从访谈前就开始对现有数据进行分析，形成初步的一些假设，并且在访谈几个用户后，形成初步分析结论，同时带着这个假设和结论继续访谈，验证猜想和继续探索是否有新的发现。如果到了项目的后期才开始分析这些定性资料，风险太高。首先，通常情况下在阶段性用研分析过程中会不断优化和调整访谈内容，继续收集新的内容来填补分析过程中的漏洞。其次，在阶段性分析过程中形成的假设和猜想可以及时在后期的访谈中进行验证。

以我最近一段项目举例，从第二阶段到最后的第六阶段，每个阶段都会去做阶段性的用户访谈数据分析，不断明确优化方向，通过充足的用户数据帮助我们得出的结论和建议。

数据分析框架的选择在调研初期就决定了

分析框架基于我们的研究目标出发，为了这个目标我们会通过什么研究方法（如：定性 A/B测试）来达成，以及要使用什么分析策略（如：同理心地图）来解读我们的材料，确定了之后再去采集相关维度的数据。

例如在某项目中基于我们的研究目标选择了用移情图的方式呈现访谈结果，来探究用户为什么会买以及为什么不买某产品的根本原因是什么。因为考虑到用户大多都言行不一，说出来的并不一定会真正去做，而且有些动机很难被感知或者用户不便直接表达，同理心地图可以帮助我们与用户换位思考，打开思路，洞察用户的本质需求。采集数据的时候就会去了解用户说的内容，做了什么，他们的感受，以及用户期待的相关内容，分析时再基于用户的真实数据去形成移情图，通过移情图可以很好的解释用户行为、选择决定的深层动机。

降低信息偏差，提高我们洞察问题的深度和敏感度

很多时候，同样一份访谈资料的解读，不同人洞察出结论的相差比较大，因为研究者本人对产品领域的了解，对社会文化的理解深度和广度会决定研究分析的深度，初学者是需要不断修炼来提升的。

在这里有一个很好的建议，即信息对等原则，可以帮助我们去提升问题的洞察能力。当你的视角拉高到和业务决策人的视角同等高度时，这时候从访谈中获取的信息和看到机会将完全不一样。站到高度不一样，你所看到的现象又是另一番风景。

那么该如何帮助我们降低信息差呢？

通常在研究开始之前为了达成目标去了解和学习足够的信息，例如当前任务所在的领域研究、市场情况；竞品和异业竞品的分析；政策的支持或约束；商业动机和模式；历史材料的学习和理解；利益链条的审视；业务规则的了解，当前产品的困难和瓶颈等等。当我们进行了充足的背景信息了解之后，再来看这个研究问题，会有一定的问题假设，然后带着这个问题去做用户访谈，这时候我们洞察出的现象和给出建议将直指产品或运营等相关利益人。

视角的拉高能够很大程度上提高我们对信息的敏感度和看问题的系统性。

小结

在用户访谈后，进行研究分析的过程包括记录、汇总、编码和使用可视化数据分析框架等步骤。

首先，记录是在整个访谈过程中，将所有的观察、发现和访谈者的反馈都记录下来。这些记录可以是文字描述，也可以是录音或录像。这是一个重要的步骤，因为它能确保所有的数据都被捕捉到，并且可以在后续的分析中反复查阅。

接下来，通过汇总这些记录，可以清除无效的数据并提取出重点信息。这一步的目的是为了让所有的数据更加清晰和易于理解，这样在后续的分析中可以更容易找到关键的信息。

编码是一个将文本信息进行提炼、浓缩和归纳的过程。包括开放式编码、主轴式编码和选择式编码三个阶段。在开放式编码阶段，会就文本信息进行提炼，识别采访内容的关键属性进行贴标签。在主轴式编码阶段，将第一阶段的编码内容进一步归纳，以一定的关系维度串联起来，形成新的集群。最后，在选择式编码阶段，将第二阶段的主轴式编码即主题进行第三层归纳，提炼出来的编码内容将更加抽象和概括，具备一定的普遍性。

使用可视化数据分析框架，如用户体验地图、用户画像、同理心地图等，可以帮助我们将文本信息结构化呈现。这些工具可以让问题变得更加清晰，帮助我们构建证据链、逻辑链，让我们的分析结果有据可依，并且提高沟通效率。

最后，完成所有的数据分析后，需要输出最终的报告。报告的内容包括研究目标、思路和方法、结论汇总、分论点描述和附件资料。报告的形式依据项目和研究目标而定，没有固定的规范。在写报告之前，需要了解谁会看？他们想知道什么？他们需要知道什么？他们期待知道什么？通过受众的需求来决定呈现我们的重点。这样，报告才能更好地满足各类角色的需求，有效地传达我们的研究结果。

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！