統計在新品用戶研究中的運用范文
本站小編為你精心準備了統計在新品用戶研究中的運用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。
近年來，用戶研究已經成為產品設計界的重要研究手段，在產品的進入期、成長期、成熟期甚至衰退期，用戶研究都起著至關重要的作用，它可以幫助產品概念的具體化、合理化地符合用戶需求，提供產品功能定義的依據，等等。歸根結底，它起到了從用戶的需求域（感性描述）到設計的功能域（物理要素）的轉換作用，最終幫助設計者獲得成功產品所需的要素。
在用戶研究的領域里，我們已經有了較為科學的方法來獲得需求域中的各類信息數據，而如何將這些信息數據轉換成為我們所需要的設計要素則成為研究的重點和難點。用戶的需求來源于人，而產品的功能賦之予物，我們需要找到一種方法來發掘這主客體之間的聯系，定性定量分析毫無疑問是解決這一問題的必要方法。
二、統計學：定量與定性研究結合
與其他產品設計的單一研究方法不同，在用戶研究中，定性與定量分析一般而言是相輔相成的，這樣做很好地結合了兩種分析各自的長處。定量分析能夠發現某個存在的現象，具有很好的說服力和可信性，是對事物“量”的分析，主要通過數據收集和分析來完成。定性研究則可以發掘隱藏在現象底下的規律及原因，具有能夠抓住本質的深刻性和高效性，是對事物“質”的分析，主要通過常識、感覺、經驗等主觀因素來參與分析。
在用戶研究中可以直接獲取的數據很少，因此定量分析沒有施展的空間，并且對于一些感性問題，例如用戶的需求、用戶的感覺等同樣也無能為力。定性分析則受主觀因素影響較大，具有不確定性的特點。如何能夠很好地發揮定量分析的可信度與定性分析的深刻度是我們所要解決的下一個問題，這里引入統計學的分析方法，將定量與定性分析結合起來。
三、用戶研究中的統計學
統計學廣泛運用于生物、化學、心理學、社會學、經濟學等諸多領域。它被用來了解與測量系統變異性，程序控制，對資料作出結論，并且完成資料取向的決策。而它的這些用途特點非常適合集心理學、社會學、人類學等多門學科交融的用戶研究，因此，我們可以通過引入統計學的方法，來對用戶研究中獲取的信息進行定量和定性分析，從而完成需求域到功能域的轉化。
根據統計學的研究特點，我們將其在用戶研究中的運用步驟分為信息獲取、信息處理、數據分析、數據校驗四個步驟。
1.信息獲取
用戶研究方法有很多，現大多已趨于成熟。我們在確定研究目的與目標的前提下，有意識地選擇用戶研究的方法，并且明確其輸出的數據及形式，為今后的分析做準備。在用戶研究中我們可以通過背景資料收集、問卷調查、用戶觀察、用戶訪談、用戶角色和用戶情境等方法獲得大量的文字數據、圖像數據、問卷數據、實驗數據和語音數據，這些數據都可以通過進一步的處理，轉換成統計學中可以運用的數據形式。為了更好地進行下一步的分析研究，要根據用戶研究對象的特點將這些信息分為用戶基本數據、用戶行為數據和用戶主觀數據。
基本數據主要是指對用戶的性別、年齡、職業、收入、教育、地區、家庭結構、生活方式等量化后的數據；行為數據是指用戶與產品的交互，即對于產品的使用及體驗通過觀察測試等方法提取的數據；主觀數據是指用戶對于產品的滿意度、情緒反應、審美反應、生活態度等通過問卷訪談等方式獲得的數據。由此我們便獲得了計算所需的數據。
2.信息處理
上面我們已經論述了信息獲取的方法及信息的分類和特點，但是這些信息的形式如文字、圖像、問卷大多都不能直接用于統計學的分析，因此我們要對信息進行處理，也就是信息的量化。
(1)用戶基本數據量化
基本數據都屬于某種“品質”或“屬性”，它們的量化方法可以使用取值為“1”或“0”的人工變量來表示是否存在，也就是對質的因素的判斷。如“1”表示已婚，“0”表示未婚。同樣有時本身是“數量”因素也可以轉化成“質”因素，如“1”表示年收入5萬到10萬，“0”表示年收入5萬以下。
（2）用戶行為數據量化
用戶行為數據可以通過試驗器械的輔助，有計劃的觀察與測試來獲得。主要是行為過程中存在的與衡量目標完成情況相關的變量。這些具體數據的情況與目標有著直接關系，通常可以直接獲得具體數值。如時間、頻率、數量、周期、步驟等。
（3）用戶主觀數據量化
用戶主觀數據主要通過對用戶的問卷與訪談得到，是從用戶的主觀因素出發對用戶體驗進行量化。在這里，我們可以用數值來表示主觀因素的程度，通過這種方法來量化這些主觀的、抽象的、感性的信息。如滿意程度可以由-3，-2，-1,0,1,2，3這7個數值表示，-3為最不滿意，3為最滿意。同理抽象感性詞匯可以選擇一對反義詞作為兩極，由負值到正值表示符合的程度。如傳統和現代、圓潤和尖銳等。
此外，為了消除數據計量單位不同的影響，便于數據的直接比較，要對數據進行標準化——使數據矩陣式中每列數據的平均值為0，方差為1；或者規格化——將每列的最大數據變為1，最小數據變為0，其余數據取值在0～1之間。
3.數據分析
在對數據進行必要的處理以后我們就要開始進行統計分析。為了便于介紹統計方法，我們先將處理好的數據分類。在統計學中根據變量數學性質的由低到高可將其劃分為：定類數據、定序數據、定距數據和定比數據。定比數據使用較少，此處略。定類數據是一個分類體系，通常將研究對象屬性分類后編號，其只能測量類別差。如華中、華北、華東等。定序數據多了類別間順序等級的信息，可以測量次序差。如幼年、少年、青年、中年、壯年、老年等。定距數據不僅可以測量差別，還可以測算距離，如10秒、20秒、30秒等。
下面介紹在設計領域常會遇到的變量類型之間的關系測量以及相對應的方法類別，具體公式與計算方法可以參看相關統計學書目。
（1）雙變量統計
兩個變量之間關系的探討在用戶研究中是重要的內容。相關分析是解決這個問題最為常用的統計學方法。判斷兩個變量之間的關系主要從它們的相關程度、相關正負、相關類型等方面來看，在通常情況下為線性相關，可從相關系數中看出兩個變量之間的關系。
①兩個定類變量以及定類與定序變量之間的關系可使用相關分析中的λ和τy測量法。λ測量法可以是不分變量與自變量的對稱形式。如丈夫購車標準與妻子購車標準之間的關系。τy測量法要求具有自變量與因變量之別，如性別與購車標準之間的關系。定類與定序變量關系也可用此兩種系數，如收入水平與購車標準之間的關系。
②兩個定序變量之間的關系可以使用Gamma系數和dY系數來表示。例如同等收入水平年齡與購車價格之間的關系。
③定類與定距、定序與定距可采用相關比率測量法。如性別與某手機功能操作次數之間的關系或是年齡與后者之間的關系。除此之外，也可以使用單因素方差分析。
變量之間除相關關系還可以用函數關系來表示，線性回歸分析可以測量變量之間的線性關系，它是在研究過程中將一些因素作為所控制的變量（自變量），而另一些隨機變量作為它們的因變量來進行分析的。一元線性回歸可以用來解決雙變量統計問題。
（2）多變量統計
在設計領域中研究的問題影響因素往往較為復雜，在雙變量統計不能滿足要求的時候我們就要用到多變量統計方法，主要有多元線性回歸分析，Logistic回歸分析、聚類分析、主成分分析、因子分析等。
①多元線性回歸分析。研究在線性相關條件下，兩個和兩個以上自變量對一個因變量的數量變化關系，稱為多元線性回歸分析，表現這一數量關系的數學公式稱為多元線性回歸模型。它解決的問題是通過抽樣調查的數據，確定自變量和因變量之間關系的密切程度；確定多個自變量對應變量的共同影響，比較各個自變量對因變量影響的大小；確定因變量和自變量之間的關系表達式，即回歸方程式。如臺燈外形表現現代感程度分別與其燈罩、燈頸、燈座造型、材質、色彩的關系，這種方法在感性工學研究中經常使用。
②Logistic回歸分析。線性回歸模型的一個局限性是要求因變量是定量變量（定距變量、定比變量），而不能是定性變量（定序變量、定類變量）。但是在許多實際問題中，經常出現因變量是定性變量（分類變量）的情況。Logistic回歸分析就是用于處理分類因變量的統計分析方法。其因變量只取兩個值，表示一種決策、一種結果的兩種可能性。如消費者是否購買產品與產品性能、外觀、價格、
品牌等因素之間的關系。
③聚類分析。聚類分析是研究“物以類聚”的一種多元統計分析方法。聚類分析的基本思想是根據對象間的相關程度進行類別的聚合。例如可以通過測試者對于較多產品的評價運用聚類分析將產品分別歸類。又如通過對消費者生活形態的研究將其分類，有針對性地進行產品開發。聚類分析可用樹藝術與設計ˉ形圖來表示結果。
④主成分分析。把多個變量（指標）化為少數幾個綜合變量（綜合指標），而這幾個綜合變量可以反映原來多個變量的大部分信息。為了使這些綜合變量所含的信息互不重疊，應要求它們之間互不相關。例如在評價一個產品設計時，往往有很多因素，通過主成分分析可以用少數幾個綜合因素對其進行評價，減少工作量。
⑤因子分析。因子分析可以看成是主成分分析的一種推廣。它的基本目的是，找出隱藏在一組測量到的變量中的一些更基本的，但又無法直接測量到的隱性變量（愛好、態度、能力）去解釋顯在變量（設計成功與否、銷售量、點擊率）。例如從眾多人們顯在的生活習慣中找到人們選擇使用購買生活用品的潛在因子。這種方法可以應用在用戶研究中的生活方式研究之中。
4.數據檢驗
數據檢驗其實是貫穿整個計算過程中的，一些計算方法需要檢測數據是否適合做此類運算，如回歸分析的擬合優度檢驗，因子分析的KMO檢驗，而回歸分析可以用逆運算進行檢驗等。當然一般人都會認為數據是客觀而準確的，但是準確的數據之后，依賴分析師的常識、經驗和主觀判斷，來選擇和運用適合分析方法，并以嚴謹的研究態度來完成整個分析步驟。
結語
本文從集多門學科研究方法為一體的用戶研究入手，將統計學引入到設計領域，這種跨學科交叉研究方法能夠促進學科專業人才之間的交流，同時可以為設計領域的研究提供新的思路以及新的方法，以獲得事半功倍的效果。本文對統計學與用戶研究的合作做了探索性的研究，希望在將來，研究者們能夠進一步將統計學方法運用到設計實踐中去，最終建立較為成熟的設計統計學。
