专访后如何得出有用的专访结论-用户专访系列之二农民拿出两本典籍，说少了300万赔本，专家看后建议封存
做采用者科学研究时，他们须要做大批的考察组织工作。但并不是考察完了就结束了，还须要展开科学研究预测、编写调查报告这些，事情才算做前半段。这首诗，译者就撷取了专访后怎样得出结论有用的专访推论，希望能帮到大家。
科学研究结论最坏的情况是什么，无法回答科学研究难题，或者科学研究结论不能得到认可。毕竟略过一场采用者专访投入了大批的成本，发现的却是许多大家都已知的结论那就较为失败了，或者预测出的难题不具备深刻性，对落地实施起不到协助作用。在前面三个系列产品中，我已经撷取了怎样做好专访前的准备，以及专访中许多好用的专访技巧，最终就是为了专访后，他们能够获得专业性且能逐步形成指导的建议和洞悉。
专访统计数据预测的难点主要是来源于专访搜集到的统计数据是大批碎片的，杂乱失序的。怎样从这无条理的数据资料中找出捷伊线索，洞悉出捷伊机会？这似乎是没有一个固定的标准流程。认定统计数据的预测十分依赖科学人类学家本人的预测能力，同样一份认定统计数据，经过不同人的预测，很可能将有完全不一样的推论和看法。所以本文也无法给出像数学公式一样的规则和标准，满足所有人去套用。在这里我想更多地去揭示认定统计数据预测的面纱，掀开裙子地一角，看看那个操作过程究竟是怎样的，提供科学人类学家们一个参考路子。
专访后须要做的事：科学研究预测、编写调查报告。
一、统计数据重新整理
重新整理专访数据资料，就是将他们专访的统计数据，照片、录音带、录像、讲义等历史记录的各式各样统计数据转化成文档重要信息统计数据。将杂乱失序的文本，透过科学的重新整理，逐步形成相对系统化、条理化形式。从而方便快捷科学研究人员能展开高效率预测。
在做专访后，把专访录音带转成文档统计数据，即专访书名的稿子稿，现在市面上绝大多数软件都能实现将录音带加速转成文字历史记录，十分方便快捷。便于后期即时提取预测，会将采用者的专访书名展开存档。
2. 汇整因为采用者的原话都是零碎，还有重复的话语，所以须要清洗掉对科学研究无效的统计数据，摘取出重点项目和有效重要信息汇整到历史西厄县中，但那个这时候要保持客观历史记录，不能加入主观定义和悖论。如果专访的采用者粒度较为大，对重点项目的文档文本标注还是很有必要的，有助于即时展开重要信息加速检索或浏览。
这一步他们前期的重新整理组织工作基本就完成了。实际开展专访时，每专访完一位采用者，就会汇整到历史西厄县中。如果等到最后再汇整，大脑中很多重要信息单厢变得模糊不清和遗漏许多细节，可能将须要反复听录音带来补齐，而且庞大的专访统计数据，重新整理起来十分痛苦。为了提高效率率，绝大多数这时候每专访完一个采用者，及时将那个采用者的重点项目重要信息和做的讲义都历史记录到汇整表里。
二、科学研究预测
预测的操作过程有三个核心的概念，一是自上而下演绎推理，即在已近的方法论基础上透过各式各样统计数据去推理和校正，通常用在定量统计数据预测中；二是自下而上的形式语言，即那个这时候还没有逐步形成方法论，透过搜集的统计数据去形式语言出一个现象，通常用在认定统计数据预测中。
概括法一般采用者逐步形成捷伊方法论，科学幻想一般用于对已近方法论的校正。
基于这三个方法论他们再来看那个认定统计数据的预测，在实际项目中会结合这两种方法论一起采用，开展考察初期他们透过各式各样产品统计数据和二手数据资料的考察，已经逐步形成了一定的悖论和默认的方法论，是能够回答他们的科学研究难题，但是缺少采用者真实意见反馈统计数据，透过专访，能补充和优化他们的默认，甚至采用者意见反馈的统计数据还可能将颠覆他们的悖论。透过交叉这两种方法论的路子，让他们的科学研究更有把控和高效率。
具体的预测方法策略有多种，下面介绍三个常用的方式：代码和可视化图表。
1. 代码在对人预测中，能采用代码的方式协助他们对认定统计数据展开形式语言。
代码就是提炼出文档，将文档重要信息浓缩、概括的操作过程。他们能借用三进程代码协助他们更全面地理解科学研究现象，提出更深层次的难题和看法，并为后续的方法论构建和实践应用提供有力的支持。
开放式代码：就文档重要信息展开提炼出，识别采访文本的关键属性展开TNUMBERAC9，能采用单词或短语，那个标签也是最小预测文档单元，能称为：代码。在那个阶段尽可能将多提炼出出有用的文本，这时的主轴可能将较为模糊不清还没有显现出来；
切入点式代码：将第一阶段的代码文本进一步概括，以一定的亲密关系维度串联起来，例如时间亲密关系，空间亲密关系，因果亲密关系，先后亲密关系，相关亲密关系等等，逐步形成捷伊集群，这时主轴也开始逐渐显现；
选择式代码：将第二阶段的切入点式代码即主轴展开第三层概括，这时提炼出出来的代码文本将更加抽象和概括，具备一定的普遍性。
需注意代码是围绕科学研究的难题去提取的，通常在考察前会默认许多代码库，例如他们在考察采用者出于什么原因选择该保险的？默认到可能将是价格、品牌、客服服务、售后等（专访过采用者后还会有许多捷伊发现展开补充），那么在代码的这时候就会围绕购买动机相关的文本去提炼出。
在考察操作过程中发现一个现象，即首次投保和续保以及换保的购买因素差异性较为大，针对那个现象进一步思考：为什么会造成那个差异，以及内在原因又是什么？于是回溯专访文本，推测造成那个现象的原因。
在实际项目中他们能灵活借鉴代码那个方法高效率地重新整理这些杂乱的认定统计数据。
2.可视化图表在统计数据处理的操作过程中，为了方便快捷交流，是不太会把他们专访搜集的大批重要信息直接拿给需求方看，毕竟面对如此杂乱和繁杂的文本，大家也没法聚焦难题，这时会采用各类图表工具来协助他们将文档重要信息结构化呈现，让难题变得清晰，协助他们构建证据链、逻辑链，让他们的预测结论有据可依，并且提高沟通效率，预测时通常会让相关利益方共同参与，提出想法，避免存在个人预测的主观偏差。
常用的预测框架如采用者体验地图、采用者画像、同理心地图、故事板等等，相信有很多专业的文章有详细介绍怎么采用，在这只简单提一下。
同理心地图
透过采用者说的，想的，做的，感受的重要信息，去挖掘采用者所思所想所做的深层动机，找到采用者的真实需求，也通常是采用者自己没有察觉到的，或者未能表达出来。透过这种直观的图表让团队成员科学研究思考
采用者旅程地图
透过梳理业务的主要流程，获取采用者在每个阶段产生的行为和任务，结合采用者专访，透过预测采用者的痛点，诉求，行为等重要信息统计数据，了解采用者行为背后的原因（即该任务是为了达成的终极目标/任务是什么），科学研究产品功能和采用者目标之间的gap，探索解决采用者需求的创新方案。
采用者画像
对真实采用者抽象的原型，基于真实采用者的目标，行为、观点和动机，抽象成典型的角色模型，通常会逐步形成3~6个角色代表所有的采用者群体。透过采用者模型的描述，给产品设计提供决策，并洞悉采用者可能将的需求。
三、预测推论
他们一份科学研究结论包含着难题，原因，解决方案，难题和原因在预测阶段能洞悉出。怎样让他们的建议和推论更具吸引力和说服力，能对采用者原话得引用，这种方式让大家的代入感更强，容易共情和同理，减少沟通阻力。
四、调查报告
当他们完成了考察结论的统计数据预测之后，就须要输出最终的调查报告。调查报告的形式依据项目和科学研究目标而定，没有固定的规范。在写调查报告之前，须要了解谁会看？他们想知道什么？他们须要知道什么？他们期待知道什么？透过受众的需求来决定呈现他们的重点项目。
通常来说调查报告最终发出去的这时候会尽可能将地满足各类角色的需求，管理层想知道推论和解决的路子是什么？执行层更多会关注细节和推论，尽可能将去满足不同受众。
以下的路子可供参考：
1.科学研究目标，首先同步他们的科学研究目标和主轴，接下来的所有行动都是围绕那个目标展开的，
2.科学研究路子和方法，为了解决那个目标，他们科学研究路子，用到的许多科学研究方法（例如：采用者专访），以及采用者的样本等情况。
3.推论汇整，是调查报告最重要的文本，也是本次科学研究出的推论，领导层也会最关注这一块。
4.分论点描述，每个推论的证据链，即：推论（洞悉或发现的难题）+证据（通常是采用者书名佐证）+建议（根据洞悉结合采用者诉求提出的相关建议）
5.附件数据资料，考察操作过程中的许多关键操作过程统计数据，方便快捷有些人能浏览和追溯细节。
许多小贴士
认定统计数据的预测开始点是从专访开始的这时候设计洞悉大多伴随着设计考察的开始、展开以及设计考察结论的科学研究预测，通常不是一个线性的操作过程。
真实项目中，他们通常从专访前就开始对现有统计数据展开预测，逐步形成初步的许多假设，并且在专访几个采用者后，逐步形成初步预测推论，同时带着那个假设和推论继续专访，校正悖论和继续探索是否有捷伊发现。如果到了项目的后期才开始预测这些认定数据资料，风险太高。首先，通常情况下在阶段性用研预测操作过程中会不断优化和调整专访文本，继续搜集捷伊文本来填补预测操作过程中的漏洞。其次，在阶段性预测操作过程中逐步形成的假设和悖论能及时在后期的专访中展开校正。
以我最近一段项目举例，从第二阶段到最后的第六阶段，每个阶段单厢去做阶段性的采用者专访统计数据预测，不断明确优化方向，透过充足的采用者统计数据协助他们得出结论的推论和建议。
预测框架基于他们的科学研究目标出发，为了那个目标他们会透过什么科学研究方法（如：认定+A/B测试）来达成，以及要采用什么预测策略（如：同理心地图）来解读他们的材料，确定了之后再去采集相关维度的统计数据。
例如在某项目中基于他们的科学研究目标选择了用移情图的方式呈现专访结论，来探究采用者为什么会买以及为什么不买某产品的根本原因是什么。因为考虑到采用者大多都言行不一，说出来的并不一定会真正去做，而且有些动机很难被感知或者采用者不便直接表达，同理心地图能协助他们与采用者换位思考，打开路子，洞悉采用者的本质需求。采集统计数据的这时候就会去了解采用者说的文本，做了什么，他们的感受，以及采用者期待的相关文本，预测时再基于采用者的真实统计数据去逐步形成移情图，透过移情图能很好的解释采用者行为、选择决定的深层动机。
降低重要信息偏差，提高他们洞悉难题的深度和敏感度
很多这时候，同样一份专访数据资料的解读，不同人洞悉出推论的相差较为大，因为科学人类学家本人对产品领域的了解，对社会文化的理解深度和广度会决定科学研究预测的深度，初学者是须要不断修炼来提升的。
在这里有一个很好的建议，即重要信息对等原则，能协助他们去提升难题的洞悉能力。当你的视角拉高到和业务决策人的视角同等高度时，这这时候从专访中获取的重要信息和看到机会将完全不一样。站到高度不一样，你所看到的现象又是另一番风景。
那么该怎样协助他们降低重要信息差呢？
通常在科学研究开始之前为了达成目标去了解和学习足够的重要信息，例如当前任务所在的领域科学研究、市场情况；竞品和异业竞品的预测；政策的支持或约束；商业动机和模式；历史材料的学习和理解；利益链条的审视；业务规则的了解，当前产品的困难和瓶颈等等。当他们展开了充足的背景重要信息了解之后，再来看那个科学研究难题，会有一定的难题假设，然后带着那个难题去做采用者专访，这这时候他们洞悉出的现象和给出建议将直指产品或运营等相关利益人。
视角的拉高能够很大程度上提高他们对重要信息的敏感度和看难题的系统性。
小结
在采用者专访后，展开科学研究预测的操作过程包括历史记录、汇整、代码和采用可视化统计数据预测框架等步骤。
首先，历史记录是在整个专访操作过程中，将所有的观察、发现和专访者的意见反馈都历史记录下来。这些历史记录能是文字描述，也能是录音带或录像。这是一个重要的步骤，因为它能确保所有的统计数据都被捕捉到，并且能在后续的预测中反复查阅。
接下来，透过汇整这些历史记录，能清除无效的统计数据并提取出重点项目重要信息。这一步的目的是为了让所有的统计数据更加清晰和易于理解，这样在后续的预测中能更容易找到关键的重要信息。
代码是一个将文档重要信息展开提炼出、浓缩和概括的操作过程。包括开放式代码、切入点式代码和选择式代码三个阶段。在开放式代码阶段，会就文档重要信息展开提炼出，识别采访文本的关键属性展开TNUMBERAC9。在切入点式代码阶段，将第一阶段的代码文本进一步概括，以一定的亲密关系维度串联起来，逐步形成捷伊集群。最后，在选择式代码阶段，将第二阶段的切入点式代码即主轴展开第三层概括，提炼出出来的代码文本将更加抽象和概括，具备一定的普遍性。
采用可视化统计数据预测框架，如采用者体验地图、采用者画像、同理心地图等，能协助他们将文档重要信息结构化呈现。这些工具能让难题变得更加清晰，协助他们构建证据链、逻辑链，让他们的预测结论有据可依，并且提高沟通效率。
最后，完成所有的统计数据预测后，须要输出最终的调查报告。调查报告的文本包括科学研究目标、路子和方法、推论汇整、分论点描述和附件数据资料。调查报告的形式依据项目和科学研究目标而定，没有固定的规范。在写调查报告之前，须要了解谁会看？他们想知道什么？他们须要知道什么？他们期待知道什么？透过受众的需求来决定呈现他们的重点项目。这样，调查报告才能更好地满足各类角色的需求，有效地传达他们的科学研究结论。
本文由@玄清 原创发布于人人都是产品经理，未经译者许可，禁止转载。
题图来自Unsplash，基于CC0协议。
该文观点仅代表译者本人，人人都是产品经理平台仅提供重要信息存储空间服务。