以量化數據為參考的 Persona ,更能做出有效的決策

只靠訪談或質性調研訂出的 Persona 做產品決策,其實是非常危險的一件事情,而筆者接下來也會撰寫一整個系列使用 數據 驗證 UX 調研結果的方法、分享筆者在工作時累積出的經驗。

UX 的話術與套路

滿常聽到 UX 領域的同學們說:自從把訪談錄影給老闆看後,老闆從此再也不質疑 UX 提出的產品需求了

這真的是對的嗎?筆者認為在多數的狀況下這樣子的做法與結果是有問題的。

若僅訪談了少數人,就以此作出了影響產品走向的決策,多麽的可怕啊?一個大功能或產品的改版需要開發團隊花費數月,開發成本是以百萬為單位,如果僅憑一位 UX 訪談的影片就讓老闆動了情、做出了非理性的決策,那對產品或公司都將是個災難!

正常程序怎麼訂出 Persona?

正常情況下,我們會先依已有的資料針對使用者做初步的 Persona 分群,接著對每一分群抽樣至少 3 位受訪者進行訪談,若新獲得的資訊與已有資料無太大差異,那麼設計團隊就可以開香檳慶的用這些 Persona 作為後續決策依據了!那要是訪談的結果與原先想像的不同,我們可以使用「Persona 光譜」這類方法來重新進行對各個 Persona 特徵的調整

(順帶一提,令筆者意外的是「Persona 光譜」這方法用關鍵字去 Google 後竟然找不到中文文章,所以筆者我就自己動手寫了一篇,有興趣的朋友可以點擊連結瞭解一下怎麼實作)

展開 Persona光譜,讓團隊凝聚共識並訂出關鍵使用者

 

為何只靠訪談的 Persona 無法進行有效決策?

相信有經驗的朋友都知道,質性調研訂出的 Persona,最大問題之一在於沒有量化 數據 做為支撐,若僅訪談每種分群三位受訪者後訂定出 Persona 並以此進行決策,而當各種 Persona 彼此間的需求有所衝突,那我們是很難判斷該以哪種 Persona 做為關鍵決策依據的

舉個例,我們假想如果 Google Map 有下述三種 Persona:

  • 走路型 Persona:路痴,走路的範圍也要依靠路線規劃和導航功能
  • 公交型 Persona:透過公共交通運輸到達城市中的不同地點,常使用路線規劃功能以獲取最佳路線資訊
  • 開車型 Persona:以汽車的方式進行遠距離移動,會上高速公路,所以需要知道塞車狀況和休息站資訊

 

那麼,這個時候,如果你是 Google Map 的 PM,到底該針對哪種 Persona 的需求進行產品的規劃呢?(三種 Persona 的需求差異相當大)

  • 走路型 Persona 需求:添加 Google Map 上的天橋、地下道資訊
  • 公交型 Persona 需求:更精準的公車到站資訊、最好能視覺化呈現公車位置
  • 開車型 Persona 需求:更完整的休息站相關資訊、導航後依照路況調整路線

 

這時候,聰明的你一定也看得出來:

在資源有限的情況下,滿足一種 Persona 的需求,可能就會忽略了另外兩種我們雖然對每一種 Persona 分群使用者都進行了訪談,但仍無法判斷該以何種 Persona 作為決策依據。

 

有量化 數據 的 Persona 能做更好的決策

假設我們透過數據或是問卷的方式,獲得了下方的量化結果:有量化 數據 的 Persona 能做更好的決策

這時候我們就能知道三種 Persona 間的比重了,如果你是 Google Map 的 PM,就能輕鬆地做出判斷。或許你會決定要開發功能來服務最主要的70% 開車客群,或許會決定擴展最有淺力的 3% 走路型客群。不管怎樣,依據量化讓 Persona 變得更好用了。

那麼,該怎麼樣才能比較好的蒐集量化 數據 呢?就請大家關注筆者接下來 一整個系列的文章囉!我會持續分享我常使用的行為數據驗證 Persona 方法給大家!

 

當質性訪談碰上極端案例

接著,讓筆者我用國中大家都學過的常態分佈圖來說明吧!

從上圖我們就可以理解,我們就算每種 Persona 分群訪談了 3 個或更多受訪者,但這幾種 Persona 既有可能訪談到常態分佈中最核心的部分,也有可能訪談到偏離核心、極端的客群。

我們雖然一開始就對 Persona 進行了分群動作,但這幾種 Persona 到底哪一種代表了最主流多數使用者的意見,沒有透過量化我們是無法得知的!

 

結論

筆者我在這篇文章中,分享了只靠質性調研訂定出 Persona 的問題所在,那就是我們沒有量化的支撐還是無法做出正確的決策,尤其面對花費百萬為單位的開發決策,我們必須對使用者分佈有更全面的認識才行!

 

原文轉載於 – 只靠訪談訂出 Persona?問題可大了!

Sojier Tsai
在 UX 和 Data 間劍走偏鋒的 PM,目前待業求職中 🙂

 

本文章所屬設計大舌頭與作者所有,未經授權,不得轉載!如需轉載,煩請通知

分享此文: