用户画像小偏方:使用KJ法快速达成组内认知统一

2 评论 17476 浏览 68 收藏 8 分钟

文章针对KJ法这个工具和实操展开分析,分享给大家,希望对大家有益。

近期在做一个网易孵化的新项目。在产品从零到一的初始阶段,作为交互设计师参与了用户和市场研究,并根据研究结果参与产品定位、功能定义,和下一步的交互和跟进开发的工作。

在全组确定用户画像的过程中出现了分歧,当时遇到的问题是:用户调研得到的访谈资料繁复,大家对用户回答内容的理解不一,仅靠用研同学输出用户画像很难让同时参与调研的其他岗位同学认同。经常会出现“我认为我们的用户是这样的,A用户访谈的时候他说…;我觉得我们的用户是那样的,B用户是这么说的…”这种讨论。

我们项目组采用KJ法来统一了组员的认知并且输出了大家都认可的用户画像。虽然KJ法很常见,但用在统一组内对目标用户的认知方面还是有很多需要注意的地方,下面将这个工具和实操介绍给大家。

一、前期准备

首先在开会的前一天给各位前期卷入的同事发一封会议邮件,向大家说明此次KJ法的操作流程和最终目的,这样做既可以确保用研、策划、交互同学一起到场参加,又可以提前让这些同学有时间熟悉自己前面调研的资料。

二、现场实操

1.让大家坐在会议室中,给每位参会人员发一只马克笔和一打便利贴,鼓励大家将自己理解的用户特征信息毫无保留的写在便利贴上。

笔者这样安排是因为:一是便利贴书写马克笔的字数有限,可以让参与者精简自己的表述;二是可以让其他参与者看到精简后文字后会激发他们新的想法。

2.限时15分钟,让参与用户调研的同事边写边往白板上贴便利贴,这样有时间压力,促使参与者快速思考。持续15分钟左右,如果发现大部分同事实在写不出来后,先暂停一下,让同事都相互浏览一下其他同事便利贴上的内容,也可以简单交流一下。浏览完毕后,可以再让大家补充。

3.补充完毕后,让所有参与者来到白板前,各自快速讲述一下自己写的便利贴的内容,重点解释一下其他同事不理解的描述。

4.讲述完毕后,限定10分钟让所有人一起用最快的速度对便利贴进行分类,先不设定分类标准,仅仅让所有参与者按照自己的直觉将表述文案相似的将便利贴聚在一块。参与者之间有分歧的便利贴暂时放在一边,最后通过简短讨论或者少数服从多数的投票来决定这些分歧便利贴的分类或让它们自成一类。

笔者这样做的目的:

  • 一是有时间紧迫感;
  • 二是不设定分类标准、不讨论分类标准描述词,这样可以减少参与者之间分歧点;
  • 三是通过便利贴上表述文案聚类,参与者更容易达成分类结果统一。

5.分类完毕后,便利贴会被简单的分成几个大类,让参与者给这几个大类命名,命名过程大家可以沟通达成统一,所有命名不一定泾渭分明、必须互斥,这样就可以得出例如人口特征、特殊场景、购买动机等名称的大类。有一些大类便利贴比较多的,可以让他们再大类下面再划分划分小类。

6.一般的KJ法到了上一步就完成了,但是统一组内对用户画像的认知还需要最关键一步:讲故事。这是因为一个生动的故事不仅能让参与者快速理解和接受用户画像,而且能在参与者心中长时间留下深刻印象,使他们想象自己在生活中与目标用户相似的生活场景。

将上面分类后的用户特征每一个分类中拿出一些特征来随机组合,例如A1-B1-C2-D3-E2。组合过程中特征项的选择,比较随机和自由,参与者可以沟通协商选择。

组合后会发现将这些特征可以描述为一个故事,例如用户甲是一个音乐爱好者,同时也有极客情怀,平时喜欢在一些科技类网站上看最新的技术动向和相关产品…。这样用户画像就可以用一个丰满、立体的故事来讲出来。

7.将用户特征继续组合,最终就可以抽象出三至五个用户画像,将组合起来的用户画像迅速用故事的方式向参与者讲述一遍,根据大家的意见做一些调整和修改,最终可以达成大家对目标用户画像的认知统一。

三、注意事项

1.使用时机:在收集了一些资料后,团队中对目标用户仍然不明确或理解不一致的时候,采用KJ法可以大幅度提高汇总效率,并且达成组内认知统一。

2.参与者选择:让项目的关键人物(用研、项目总监、意见不合的策划)一起参与到这个过程中,分类内容和结果都是大家一起参与完成的,所以参与者对输出的用户画像认同度高。

3.采用KJ法做用户画像的核心是书写便利贴、分类和故事总结是为大家提供一个我对用户的理解和你对用户的理解是有关系的、并且是能够整合在一起的平台和机会。

 

作者:于康康,网易云音乐高级交互设计师

本文来源于人人都是产品经理合作媒体@网易UEDC,作者@于康康

题图来自PEXELS,基于CC0协议

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 请问从分类里面随机选取特征进行组合是否合理呢?可能选取的特征属于两类完全不同的用户

    来自日本 回复
    1. 我个人觉得虽然说是随机但不可能完全随机,如果要归纳3-5个用户画像,那么画像之间的差异会比较大,个性比较鲜明,在选取特征的时候也一定是根据基本常识选择比较连贯完整不违和的关键词来表达一个画像的。如果出现特征可以属于A也可以属于B的话,那我觉得可能这个特征本来就是两者皆可,不存在归类错误。

      回复