如何提出一个“好的”研究问题？

蒋昌盛 2024-07-18 15:02:46

虽然没有不好的问题，但有些问题比其他问题更好

提问需要谦逊，即有意识地接受无知。但这是了解客户甚至我们自己的基本做法。提出更好的研究问题的关键行动包括检查基础知识、挑战假设和直觉，以及为未知留出空间。

想一个问题。

这可能是一些直接的问题，例如“厨房里有什么零食？”也可能是一些更广泛的问题，例如“五年后我的生活会是什么样子？”

我们总是问问题，既问自己，也问别人。在 Atlassian，询问的性质和范围也各不相同，从具体的——例如“我们应该使用哪种设计？”和“哪个功能最重要？”——到广泛的，例如“谁是该产品的主要用户？”“他们的目标和常见任务是什么？”

问题的性质揭示了我们优先考虑什么，关注什么。重新审视问题可以导致重新考虑各种可能性，例如，在更短或更长的时间范围内。或者，它可以突出一个新的视角：当与他人探讨问题时尤其如此，无论您是与同事进行非正式聊天还是与治疗师进行坦诚的交谈。

提出更好的研究问题的关键行动包括（1）检查基础知识，（2）挑战假设和猜测，也（3）为未知留出空间。

“愿意质疑是一回事，提出良好且有效的质疑又是另一回事。”

– 沃伦·伯杰，《更美丽的问题》

一、检查基础知识

当您第一次发现需要研究时，您可能已经对该领域有一些了解。事实上，您的团队对该主题的集体理解可能会加起来很多。回顾先前工作中的相关见解并向内部主题专家学习是可以节省时间并避免重复研究的一般最佳做法。

但积极质疑你所知道的知识仍然很重要。为什么？

我们经常会经历来源遗忘症——我们记得信息的内容，却不记得从哪里学到的。知道真相的来源很重要，因为它提供了信息可靠性的背景。这个理论是来自经过充分研究的播客节目，还是来自你在推特上看到的推测性点击诱饵标题？人类记忆是会出错的，我们可能会错误地将随机的想法记为事实。
生活中唯一不变的就是变化。例如，COVID-19 不仅使组织提供远程工作政策成为常态，而且也使工人重新评估他们对工作的期望。这场疫情只是人类行为和社会规范如何发生根本性变化的一个例子：我们需要接受这样一个事实：我们可能接受的“真理”可能会随着时间的推移而改变。

随着知识的增加，我们常常意识到一些看似简单的事情实际上非常复杂和微妙。正如亚里士多德所言，“你知道的越多，你就越意识到你不知道的越多。”

提问可能看起来不了解情况或不服从，这取决于语气。但这是评估假设和了解哪些值得进一步调查的关键步骤。确定未知数还有助于确定知识缺口的大小和风险。这反过来可以帮助你优先考虑时间和精力，而这些时间和精力通常是有限的。

如果对问题的理解程度较高，最好的行动方案可能是通过迭代，在下面的优先级框架中描述为“发货和测量”或“重设计”。研究应主要针对对问题的理解程度较低的领域 – 尤其是风险较高的领域（“重研究”）。

如何在实践中做到这一点

假设映射是一种有用的练习，可以帮助团队对已知和未知达成共识。非正式地讲，你也可以尝试以下思维练习：

我们最早的数据点或见解是什么？自那时以来，有什么变化或没有变化？
我们从哪里学到的知识？我们的信息来源有多可靠？
是否有任何证据相互矛盾或者违背预期？

二、挑战假设和猜测

一旦你质疑了自己所知道的事情，你就应该更好地了解哪些是不确定的，哪些需要进一步调查。虽然这些可能是一般知识上的差距，但它们通常会被纳入假设或有根据的猜测。

在科学领域，假设往往源于一种可以客观描述世界的心态。在这种信仰体系中，实证主义是观察世界的默认方法。这是一种以可证伪性为中心的怀疑论观点——我们可以证明断言是错误的，但不一定能断言它们是正确的。

这种形式的实证研究就是我们与科学方法联系在一起的。例如，让我们考虑一个涉及小熊软糖的儿童科学实验。在这种情况下，我们可能会假设，“如果我们将小熊软糖浸泡在液体溶液中 24 小时，它们的尺寸就会变大。”看看下面的样本结果，我们有一些支持这一假设的证据。

但我们不能断言这是普遍正确的，因为右边的最后一个“盐水”软糖熊实际上看起来比左边的“对照”软糖熊要小。我们也不能断定水或醋会使软糖熊的体积增加最多。它们可能是局部最大值，而不是全局最大值，因为可能还有另一种尚未测试的液体会使软糖熊变得更大。

三、这在 Atlassian 的背景下意味着什么

进行实验的团队确实会采用严格的假设检验方法。例如，我们的买家体验团队会进行实验，以确保新网页在评价和购买率等指标上与现状相比“不会造成损害”。我们假设新网页的表现不会更差，只要它们的表现不会更差，我们就确认了这一假设。

然而，我们更经常地提到假设，而没有考虑到假设检验的原始方法。口语中，当我们想表达“猜测”时，我们可能会说“假设”。无论使用什么术语，重要的是要记住，你应该对那些与你的想法相矛盾或挑战的证据持开放态度。

随着我们随着时间的推移找到更多支持证据，我们的信心只会增强——尤其是在不同学科和渠道，如客户支持单、产品分析、定性研究、CSAT 调查等。但即使你变得更加自信，你也不应该停止提问。事实上，你应该预料到我们的问题会随着你不断学习而不断演变。

四、“验证”有什么问题

嗯，这并不总是一个问题；就像大多数事情一样，这取决于具体情况。但验证意味着对已经知道答案或解决方案的隐性偏见。当确定性相对较高时，这是有道理的。

然而，很多时候，团队可能会考虑“验证”，而“测试”的心态更合适。在这些情况下，可以调用研究来生成证据，使其偏向于确认猜测。或者，人们可能会从现有数据中“挑选”证据来“验证”主张。这些行动可能会让你对自己的工作感到满意，但最终不会为你的客户服务。

五、如何在实践中做到这一点

当考虑测试假设或猜测时，请使用平衡的语言检查您的偏见——例如：“验证或否定”、“确认或不确认”等。
同样，避免向顾客透露你的假设或猜测，因为社交礼貌可能会让他们同意你的观点——即使这不是他们真正相信的。
除了定性的“验证研究”，还可以考虑探索如何通过分析或其他定量方法进行验证。

为未知留出空间

即使你对某个主题有一些了解，你也不需要有假设才能进行研究。另一种方法是围绕“为什么”类型的问题展开研究——为意想不到的见解留出空间。

虽然混合研究方法有其优势，但定性方法往往更适合开放式研究。这些方法依赖解释主义作为解释世界的主要方法。在这个信仰体系中，我们承认支配人类行为的潜在思想和情感并不像重力或热力学等现象那样客观。但通过反复的经验，我们开始相信社会规范的稳定性，就像我们相信科学理论一样。

定性研究是有意深入而不是广泛研究，而不是在没有足够的用户进行调查时作为“安慰奖”。它可以更容易地解释可能令人惊讶的信念和行为，揭示你的盲点。例如，考虑一下美国和台湾的文化差异如何将红色和绿色联系起来。这种洞察力可能无法在预先设想的假设中表达出来，但对于从事股票表现展示的团队来说，了解这一点仍然很有用。

六、这在 Atlassian 的背景下意味着什么

我们从开放式探索中学到了很多东西，将关注点扩展到产品中的特定功能之外。一种方法是调查客户如何使用竞争对手的产品，这鼓励我们跳出 Atlassian 特定的思维局限。但仅仅观察人们使用我们的产品也可以获得极大的启发——看看产品在填充“真实”数据时是什么样子，以及它们如何在用于工作的所有工具的更广泛生态系统中使用。

通过观察人们使用我们或竞争对手的产品，我们还能了解他们何时以及如何“错误地”或不按预期使用产品。这些通常可以成为他们遇到的问题或产品缺陷的创造性解决方法。Facebook Meta 产品经理 Simon Cross 将此称为“铺路牛”——当用户发出他们想要的信号时。

七、如何在实践中做到这一点

进行研究时，留出一些空间进行开放式探索（例如，调查中的文本字段问题、在浏览原型之前进行更广泛的讨论等）
如果研究参与者透露了一些意想不到的事情，请随意“脱离脚本”。
如果结果发现参与者并不完全符合您的目标资料，请考虑一下您还可以从研究环节了解到什么。
如果您没有进行自己的客户研究，请尝试观看其他人的会议。我们建议养成每 6 周至少观察 2 小时的习惯，正如UX 专家和教育家Jared Spool 所建议的那样。