用户研究方法应按问题选择：想了解经历和原因，用访谈；想观察观点怎样在小组中形成，用焦点小组；想了解目标人群怎样回答同一组问题，用问卷；想知道实际行为在哪一步变化，分析已采集的数据。它们不能相互替代，也不必每个项目全部使用。
可用墨刀白板集中放研究问题、脱敏记录和待讨论方案，再用墨刀原型表达具体页面。工具负责整理和展示，不能替代招募、观察与统计分析。
用户研究帮助团队做哪些决定
识别任务差异，而不是凭属性猜人
研究可帮助团队理解不同用户的任务差异。以母婴内容产品作假设例，新生儿家长与幼儿家长可能关注不同内容，但不能只按年龄就认定需要不同运营策略。先看他们最近找了什么、为什么找，以及现有分类是否有帮助，再决定是否分群。用户分群与用户画像应围绕真实任务，不是把人口属性拼成固定印象。
找出操作困难的具体原因
以电商地址填写为练习，若看到用户反复返回上一步，先把它记为需要调查的现象。可能是字段难懂，也可能是用户在查地址或更换收货人。观察具体操作、询问最近经历，再决定是否减少字段或改提示；停留时间和热力图本身不能证明原因，更不能凭空给出转化提升比例。
在开发前了解需求是否成立
研究还能帮助判断新功能是否值得投入。假设外卖用户在比较价格和送达时间，先了解任务场景，再确认多少人遇到类似困难。学生、上班族也可能在不同时间有不同需求，不能用职业直接推断偏好。本例只说明提问思路，不是某家平台已经验证的经营案例。
四种方法各自回答什么
先区分“用户说什么”与“用户做什么”，以及想解释原因还是估计规模。NN/g研究方法指南用态度、行为及定性、定量等维度辅助选择，分类不是不可改变的规则。下面四种只是常见方法，并不涵盖可用性测试、日记研究等全部方式。
访谈：还原最近一次真实经历
访谈通过一对一对话了解具体经历，可线下也可远程。重点不是让用户设计解决方案，而是追问当时的目标、动作、困难及替代做法。围绕最近真实发生的事，比只问“你喜欢这个功能吗”更容易获得可讨论的材料。
提问例子：以最近一次填写收货地址为对象，循序追问：
“请回想最近一次修改收货地址，从哪里开始？后来做了什么？”先让受访者按自己的顺序讲，不预设他一定遇到了问题。
“你刚才说这里停了一会儿，当时在找什么？”围绕已经提到的动作追问，不主动暗示页面难用。
“后来怎么继续的？有没有改用别的方法？”先了解现有应对方式，再讨论需要怎样的帮助。
访谈前可以用墨刀AI辅助拟提纲，再删去诱导答案的问题；不要让AI代填用户回答。访谈中在白板记录来源编号、原话与观察，把研究者解释单独放置。参与者身份、录音及个人资料需按已获授权处理，分享前脱敏。
比如，当受访者描述对产品功能的改进建议时，研究者可以在白板上快速绘制草图，进一步与受访者确认细节，确保理解的准确性。提升访谈的效率和效果，减少理解偏差。
局限：受访者可能记不清经历，或倾向给出听起来合适的答案。需要了解真实操作时，可邀请其完成一个明确任务并观察，但这已经增加了可用性测试环节，应另外记录条件，不能把访谈意见直接等同于行为表现。
焦点小组：观察观点与分歧
焦点小组由主持人引导一组目标参与者讨论，适合了解共享语言、态度差异和对概念的反应。人数由议题和主持条件安排，要保证每个人有表达机会；不能把小组共识直接当作全体用户的偏好比例。
组织方式：讨论智能家居界面时，先让参与者独立写下理解和疑问，再轮流解释，最后比较分歧。白板用于记录意见与页面位置；即使投票结果一致，也只代表这次讨论的倾向，不直接决定功能优先级。
局限：数据难以量化，并且容易受到群体的影响，比如强势个体主导讨论的情况可能会导致结果出现偏差。
讨论结束后由研究者整理主题、分歧、原话出处与待确认项，再与团队协商后续任务。白板能够承载这些记录，不应假定它会自动生成准确需求清单、自动分配任务或消除主持偏差。
注意：在实际运用焦点小组法时，需着重关注两个要点：
根据研究问题招募合适参与者。新手与资深用户是否混组、是否存在上下级关系，都可能影响表达；需要比较群体时可以分组讨论，不一概追求越混杂越好。
主持人让强势发言者适时暂停，邀请其他人补充。保留少数意见和反例，讨论目的不是强求共识。卡片排序可以另用于了解信息组织方式，不等于投票挑最受欢迎功能。
问卷：向合适人群提出一致问题
问卷用同一组问题收集目标人群的回答，可用于了解态度、近期经历或自报行为。先确定要调查谁、怎样触达以及样本如何形成，再决定问题；回收数量多不代表没有抽样偏差，自愿填写者也未必代表全部用户。
发放前试填：邀请符合条件的人试读问题，确认含义、选项和跳转是否清楚，去掉与决策无关的题。实际填写时间受题目难度影响，不以固定分钟数作为普遍标准。
问题设计要点：
题型结合：例如先问“过去30天是否修改过收货地址”，再让有经历的人评价过程，并用开放题补充困难。量表应说明两端含义和“不适用”，避免一个问题同时询问速度与易用性；不要把无关功能放进同一段问卷。
•巧用逻辑跳转：逻辑跳转设计可提升填写效率，如未激活会员用户自动跳过权益评价题，避免无效数据干扰。
问卷提示某类页面有问题后，可以先用墨刀素材广场中的页面组件制作讨论稿。下面展示的是电商组件，不是问卷调查工具，也不会自动开展A/B实验。
数据分析：解释行为分布与变化
数据分析法是通过统计学与计算机技术对大量数据进行系统性处理，以提炼信息、发现规律并支持决策的用户研究方法。其核心目标是挖掘数据中隐藏的价值，例如通过市场调研数据指导产品设计方向，或通过用户行为分析优化运营策略。
分析前先确定每个字段代表什么。分类信息与数值指标都能参与统计，不能把数据类型直接等同于研究方法：
分类与顺序信息：商品类别没有天然大小顺序，满意度等级有次序；这与通过访谈解释经历的定性研究不是同一个分类问题。选择合适的统计方式，并说明缺失值怎样处理。
数值指标：点击率、任务耗时与购买次数都需写明分母、时间范围、去重方式和样本。使用时间变长可能是投入，也可能是卡住；点击率变化也可能由流量来源改变造成，不能直接推断体验改善。
行为研究依赖真实产品采集的数据。墨刀可以帮助团队讨论埋点规划和实验页面，但埋点接入、数据上报与统计分析仍由研发和分析系统完成。
埋点规划：在原型旁标注事件名称、触发条件、必要属性与排除情况。例如“提交地址”区分点击、校验失败和服务端保存成功，不把这三件事统计成同一个成功事件。开发完成后还需核对重复上报和漏报。
方案比较：两份原型可用于讨论不同布局，但不是自动运行的线上实验。真正的A/B测试还需明确随机分流、观测指标与分析条件；不要把几个人的偏好投票当作统计显著的提升。
四种方法的价值在于回答不同问题。先写清准备支持哪项决定，再组合材料；同一结论有反例或资料不足时，把限制一起交给团队，而不是把所有结果整理成支持原方案的意见。
在墨刀白板中保留研究问题、材料、解释和后续动作之间的对应关系。需要把发现放回完整使用过程时，可继续绘制用户旅程地图；不要让排版整齐的研究报告取代对真实用户的了解。
以地址填写问题安排一次研究
假设团队发现地址保存完成率下降，先不要直接决定重做页面。检查统计口径与上线时间是否改变，再选择研究对象：近期实际修改过地址的人、遇到失败的人，以及顺利完成的人。只访谈投诉者，容易漏掉成功路径的差异。
| 现在缺什么 | 先选的方法 | 不能直接得出的结论 |
|---|---|---|
| 不知道为什么返回上一页 | 访谈近期经历，必要时观察任务 | 一位用户的经历代表所有人 |
| 不确定地址术语怎样理解 | 小组讨论或独立理解反馈 | 讨论中的共识等于实际操作成功 |
| 想知道某类困难被多少目标用户报告 | 明确样本来源后调查 | 自报比例等于线上漏斗流失比例 |
| 想定位下降发生在哪个步骤 | 核查事件数据与分群 | 指标相关就证明了根本原因 |
每条记录写上日期、参与者匿名编号、任务条件、观察事实与解释，另留一栏记反例。例如“点击保存后出现错误提示”是观察；“用户不信任平台”则需要更多材料。最后提出一项范围清楚的修改建议，并说明还缺哪类资料。
