定性与定量研究

在用户研究中，定性研究（Qualitative Research） 与 定量研究（Quantitative Research） 是两种核心方法论，分别适用于探索用户“为什么”与量化“有多少”。

一、定性研究详解

定性研究注重“理解”，通过深入交流、观察等方式，发现用户行为背后的动因。

常见方法

• 用户深度访谈（In-depth Interviews）
• 焦点小组（Focus Groups）
• 现场观察（Field Observation）
• 可用性测试（Usability Testing，偏定性）

典型应用场景

• 产品早期探索与需求发掘
• 识别用户痛点与行为模式
• 验证原可用性与交互反馈

实施流程

1. 明确研究目标
   聚焦“为什么”类问题，强调动机挖掘而非统计显著性。

2. 招募合适样本

   • 样本量：建议5–15人
   • 筛选：需具备特定使用行为或情境
   • 注意：避免便利样本，防止偏差

3. 设计讨论大纲

   • 采用开放式提问，引导深入思考
   • 结合追问与引导问题

4. 开展研究

   • 可远程或线下进行
   • 建议录音录像
   • 主持人需中立，防止引导倾向

5. 数据整理与分析

   • 主题归纳（Thematic Analysis）
   • 模式识别（Pattern Coding）

案例：某SaaS产品通过访谈发现，中小企业用户对数据隐私“极度敏感”，成为转化障碍的关键因素。

优劣分析

定量研究详解

定量研究以结构化数据为基础，强调统计分析与可验证性，帮助量化用户行为与产品效果。

常见方法

• 问卷调查（Surveys）
• 网站/应用分析（Analytics）
• 实验研究（如 A/B 测试）

典型应用场景

• 验证产品假设与用户偏好
• 衡量关键指标（如点击率、留存率）
• 掌握大规模行为趋势与模式

实施流程

1. 明确指标与假设：如：“功能A是否提高次日留存率？”

2. 问卷或实验设计

   • 使用封闭式问题（选择题、量表等）
   • 实验需设计好对照组与变量控制

3. 样本招募

   • 通常需数百人以上
   • 建议采用概率抽样，提高代表性

4. 数据收集与清洗：常用工具：SurveyMonkey、问卷星、Google Analytics

5. 数据分析

   • 描述统计（均值、标准差、占比）
   • 推断统计（t检验、方差分析、卡方检验等）

优劣分析

混合研究：探索 + 验证闭环

将定性与定量方法结合，形成从洞察 → 假设 → 验证 → 优化的完整研究路径。

推荐流程图

应用示例

• 功能开发前期：先通过定性访谈识别痛点 → 构建功能/设计问卷 → 用定量研究测试用户反应
• 功能迭代后期：数据发现满意度下降 → 定性研究追问原因 → 发现细节问题后调整设计

---

案例：滴滴取消率优化

• 背景问题：数据发现：30%订单在下单3分钟内被用户取消

• 阶段一（定量）：行为数据分析确认取消率高企，集中于下单初期

• 阶段二（定性）：访谈20名高频用户，发现核心痛点包括：

  • 响应慢
  • 定位不准
  • 用户缺乏预期反馈

• 阶段三（定量验证）：通过问卷大样本确认“响应慢”为主因（68%）

• 最终优化方案：上线“快响应奖励机制”与“精确定位提示”功能，取消率降至18%

总结

• 定性研究：擅长探索动因、发掘需求，适合产品早期与策略制定
• 定量研究：用于验证假设、量化效果，适合评估阶段与数据驱动决策
• 混合研究：建议在大型项目中统一使用，形成“发现-验证-优化”的闭环模式

---

参考资料

1. Nielsen Norman Group - Quantitative vs. Qualitative Usability Testing
2. NNG - Big Differences Between Quantitative and Qualitative UX Research
3. Interaction Design Foundation - Qualitative Research
4. User Interviews Field Guide - Quantitative vs. Qualitative
5. UX Studio - How to Mix Quantitative and Qualitative UX Research