5个会产生误导性结论的用户研究错误
← 所有文章 打造用户真正需要的东西

5个会产生误导性结论的用户研究错误

由FabricLoop团队  ·  2026年5月  ·  4分钟阅读

有一种用户研究比完全不做研究还要糟糕:得出了自信却错误的结论。团队不做研究时,他们知道自己是在凭假设行事。而做了糟糕的研究,他们会以为自己有了证据——于是不再继续探索。

下面这五个错误并不是罕见的特例。它们在大多数产品团队中经常出现,而且身在其中很难察觉。

“用户研究的目的不是印证你的直觉,而是用证据取代你的直觉——包括证明你错了的证据。”

五个错误

错误
在实践中是什么样子
错误1 询问对未来行为的假设性问题
团队问:“如果有个功能能做到X,你会用吗?”用户说会。团队把它做出来了。结果没人用。人们对未来的自己总是过于乐观,也很难准确判断自己实际会怎么做。务必询问过去的行为:“跟我说说你上一次不得不处理X的情形。”
错误2 只访谈已经喜爱产品的用户
如果研究对象都是重度用户和拥护者,得到的反馈会是温和、积极、聚焦于改进的。但这样的反馈无法让你了解人们为什么流失、为什么始终没有转化,或者产品需要什么才能触达新的细分人群。也要和已流失的用户及非用户聊聊——听他们的反馈虽然不舒服,却必不可少。
错误3 用诱导性问题印证既有的看法
“你觉得新的仪表盘有多好用?”就是一个诱导性问题。“跟我说说你上一次使用仪表盘的情形”则不是。诱导性问题得到的是出于礼貌的附和,而不是诚实的评价。研究者对假设的执着,会不自觉地体现在提问的措辞里,而用户察言观色,会顺着这个暗示回答。
错误4 只问“是什么”,不追问“为什么”
用户说:“我想要一个筛选列表的功能。”研究者记录下“用户想要筛选功能”。但筛选是一种解决方案,而不是需求。用户实际上想完成什么事,才需要筛选来帮忙?“为什么”的答案,才是设计洞察所在——它往往能揭示出比用户自己提出的更好的解决方案。
错误5 把定性研究当作定量研究来看
“五位用户中有三位说他们觉得很困惑”并不是统计数据,而只是来自五个人的方向性信号。定性研究能告诉你“是什么”和“为什么”,却无法告诉你“有多少”。如果用精确的数字来呈现它,会让干系人产生虚假的信心,往往导致在大范围内针对错误的目标做优化。

为什么这些错误屡犯不止

大多数研究错误都是有动机的。团队已经有了想走的方向——想做的功能、深信不疑的假设、想要取悦的干系人。研究沦为给已经做出的决定背书的仪式,而不是真正去检验它。

解决办法不是单纯要求研究者更严谨,而是把“决定做什么”的角色,与“开展为该决定提供依据的研究”的角色分开。当研究者本人也是提出这个功能的人时,确认偏误几乎不可避免。

一条实用的准则 在任何一场研究之前,先写下什么样的结果会让你改变主意。如果你说不出来,你做的就不是研究,而是在演戏。能否说出一个足以证伪假设的结果,正是真正的探究与多此一举的确认偏误之间的区别。
关于样本量 对于可用性测试,五到八位参与者就能发现大多数问题——收益很快就会递减。对于问题发现类访谈,十二到十五位通常足以达到信息饱和。如果你想把结论量化地推广到大规模人群,就需要一份样本具有代表性的正式问卷调查,而不是十场访谈。
FabricLoop 如何支持诚实的研究 把原始访谈笔记、归纳总结和决策放在同一个讨论串里,就更难悄悄丢弃那些不方便的发现。当证据与决策并排可见时,团队就能看出结论是源于所学到的内容,还是先于它而存在。

本文的10个要点

  1. 糟糕的研究比没有研究更糟——它会带来虚假的信心,让团队不再继续探索。
  2. 永远不要询问对未来行为的假设性问题,而要询问具体的过去行为。
  3. 全是拥护者的研究样本,得到的是温和、聚焦于改进的反馈,而无法让你了解人们为什么流失或始终没有转化。
  4. 要和已流失的用户及非用户聊聊。他们的反馈虽然不舒服,却必不可少。
  5. 诱导性问题得到的是出于礼貌的附和,而不是诚实的评价。要仔细斟酌自己的措辞。
  6. 当用户提出一个解决方案时(“我想要筛选功能”),一定要追问为什么。答案往往能揭示出更好的解决方案。
  7. 定性研究能告诉你“是什么”和“为什么”,却无法告诉你“有多少”。不要用精确的数字来呈现它。
  8. 大多数研究错误都是有动机的——决定已经做出,研究只是被用来给它背书。
  9. 把提出功能的人,与开展评估这些功能的研究的人分开。
  10. 在任何一场研究之前,先写下什么样的结果会让你改变主意。如果写不出来,你做的就不是研究。