| 文章描述：细说“用户分类”：如何避免教条主义与想当然. |
今天学习白鸦的微博时看到一段话，颇有共鸣：“下午又被问道：你这个产品的用户年龄主要集中在多少？ 我又没具体回答上来。因为真的不关心，我只知道在大网购人群里面就行，相对于年龄这样的人口属性我更关注用户的行为属性，比如他网购的被动和主动比例、是不是喜欢比较、平均消费额、消费类目、上网时间、上不上微博”。恰巧前几天看到Shimu的博客上也在讨论这一问题，谈及了对一些流行的用户分类方法的质疑，加之在我的工作中也经常遇到一些同事对用户分类带有流行的误解，于是觉得很有必要把这个问题瓣开来细细分析一番，希望能对纠正某些教条主义和想当然有所帮助。
在用户研究中有一种典型的教条是：用户分类是理解用户的前提，没有用户分类就等于没有用户研究。这其实是把用户研究的目的和本质理解错了。其实用户研究根本没有能力去把“用户”本身研究清楚，这是个impossible mission。因为用户是“人”，人作为一个物种，整体上看是一个异常复杂的系统，而具体到每一个个体，又是千差万别，“世界上没有两片相同的叶子”，所以科学心理学一百多年来围绕人去做研究，到现在还没有研究出一个完整的体系。更何况在企业中一个小小的项目，你说你能把用户的个性脾气、行事风格、喜怒哀乐研究清楚吗？不可能的事。凡是认为能把人这么容易研究清楚的，要么就是忽悠要么就是蠢蛋。
那么用户研究是干嘛用的呢？用户研究只能在“用户”这个大范围下划定一小块去做研究，就是在西瓜上切个三角，尝一下，吃进去。当然这个三角的部位可不是随便切的，而是要选准对产品设计最有直接关联的那部分下手——就是用户与目标产品的交互行为和背后的心理过程（注：此处的“交互”不是狭义的专指使用行为的交互，而是指用户与产品的所有接触点touch-points上发生的交互作用）。所以很多人对UCD的理解有偏差，犯了望文生义的错误，以为以用户为中心就是要把用户研究清楚，大谬矣，正确的理解是，是要去研究用户和产品的交互过程。别忘了，UCD方法是在人机交互学（Human Computer Interaction）和人因学（Human Factors）等学科的发展过程中孕育的，而这些学科的核心方法之一是任务分析。所以几年前，唐·诺曼就专门写了篇文章，正本清源，呼吁要回到以”活动为中心的设计”，就是这个道理。当然，我们今天看任务分析，不要狭隘化理解，用户研究并不是狭窄到只去研究任务行为本身，而是要包括两个重要的扩展：1）研究对象不只是交互行为本身，还包括与该交互有直接或间接关联的其它行为；2）不只是研究行为，更要研究用户对产品的体验、态度、需求及其背后的文化心理因素。
好了再回过头来看用户分类。所有的方法和手段都应该为目标服务。用户分类是否必要要看它是否总是对我们的用户研究的目标有益。答案是，未必。因为在很多情况下，置于一个特定的任务场景中，用户面对一个特定的产品，其行为表现不会表现出本质的差异。如何理解这个问题呢？先要搞清楚，“行为”是如何产生的？人的任何一种行为都是数十种内因、外因共同作用的结果。而在不同的场景下，虽然影响因素的种类仍旧那么多，但是各个因素的影响权重会发生改变。在用户与特定的产品的交互过程中，可能这个产品的本身特征对用户形成的约束成了最主要的影响用户行为的因素，而不是用户本身的一些特性，如性别、年龄或者性格。而又由于特定产品的特征是唯一的，所以就造成了有不同内在特征的人在对同一产品上的行为可能是近似的。此时用户研究的价值就在于观察和发现用户是如何对产品的这些约束性因素进行反应的，而不是再去隔靴搔痒研究怎样把人进行分类。
当然，我不是说用户分类一定没有必要。在很多情况下，用户分类也是必须的。判断的标准就是：是否存在这样一种用户分类，在这种分类下，不同类别的用户对特定产品的反应会表现出非常明显的组间差异。道理很简单，举个例子说，性别这种分类维度，可能存在这种情况，在所有玩《愤怒的小鸟》的用户中，不论是男性还是女性，他们的行为表现不存在非常明显的差异，那么就不应该按性别对用户就行分类；但是，也可能存在这样的情况，在所有玩《劲舞团》的用户中，男性和女性的行为有明显的差异，那么就应该用性别作为用户分类维度，先将用户分类，再去分别研究不同类别用户的行为。所以在“用户分类”这件事上，可怕的不是分类本身，而是教条主义和想当然，可怕的是还没搞清楚是否有必要分类，就认为一定要分类，可怕的是还没有搞清楚哪种维度是影响特定行为的最主要因素，就都拿性别、年龄这种通用的人口统计学维度去削足适履、生搬硬套。
讲到这里，思路已经基本上理清了。用户分类不是目的，而是手段，目的是把用户与目标产品的交互行为和心理做尽可能真实和准确地描摹和提炼。不论是分还是不分，不论是采用人口统计学维度还是动机、性格等心理维度，都应该在分析具体研究任务的基础上，通过必要的预研究来进行确定，所以没有一成不变的分类模式。但是，目前某些现实中存在的做法是，大张旗鼓地搞用户分类，搞Persona，搞玩了就以为用户研究大功告成，但是又抱怨用研报告得不到实际重视。问题就是出在对用户分类的种种迷信上，如果用户分类脱离具体的产品和场景，搞空对空，不落脚到对交互行为和心理的深入洞察，怎么可能对产品设计和创新产生实际的贡献呢？
用户分类维度的选取是一项非常复杂和需要谨慎为之的工作。正确的维度选择是成功的用户分类的前提，如果一开始维度都选错了（比如由于“想当然”），那么用户分类肯定是无效的，甚至产生反效果。其实任何一种人群区分维度，对交互行为和心理的影响肯定是存在的，问题的关键在于这种影响是否大到足以不得不单独拿出来给用户进行分类的程度。一种流行的教条是，套用市场研究中的传统做法，不论是针对什么产品，都把性别、年龄、职业等作为关键维度。但其实在用户研究中，人口统计学维度很多情况下（不是所有情况）是无效的，无效的原因是这些维度是独立于用户与产品交互之外的独立维度，虽然他们肯定会对交互有影响，但这种影响是间接的，而正因为间接，所以这种影响在传递的过程中被减弱，最后可能只会对行为产生不到5%的作用。
那么除了人口统计学维度之外，还有哪些维度可以列为备选名单之中呢？常见的维度有用户的使用动机、用户的使用经验和能力水平、用户的个性特征（如根据大五人格理论进行评估）、用户的生活方式和价值观（如通过VALS量表来评估）、用户所在的组织和地区的文化特征（可基于霍夫斯坦德的文化模型进行评估）以及用户对新的技术产品的态度（可根据罗杰斯的创新扩散模型将用户分为创新者、早期采用者、早期采用人群、后期采用人群和迟缓者等类型）等。不过，在一些情况下，更有效的维度可能并不是这些通用维度，而是和目标产品或产品所在领域有直接关联的、能反映特定的交互行为特征的维度。
既然有这么多备选的维度，那么在接到一个具体的用研任务时，该如何选择恰当的维度呢？这里主要有两种取向：
一种是”洞察”取向。这是指研究员根据自己浸淫在目标产品及产品领域中积累的经验和思考，以及通过观察、访谈等定性研究方法了解用户后所发现的影响用户行为的关键维度。这种方法强在深度，所发现的维度可能更加击中本质。
另一种是”统计”取向。即通过问卷调查、日志分析等定量研究方法，在定量数据中分析出影响用户行为的关键因素。这些方法科学性较强，也更有说服力，但是所发现的维度可能只是中间层的因素，并不一定是本质性的因素。
在实践中，统计取向对组织资源的要求较高，而洞察方法更加高效。所以当资源充足时，建议将洞察方法和统计方法结合使用，先通过洞察方法筛选出最有可能性的备选维度，然后用统计方法进行验证；而当资源限制时，则建议只使用洞察方法。当然洞察方法是否奏效取决于研究员自身的功力，这不仅指对用户研究的思想和方法本身的掌握情况，也指对目标产品及其领域的理解深度，这也就是所谓的“功夫在诗外”。