本文来自微信公众号 “场景阿侯”，作者：场景阿侯，纷传经授权发布。
用户调研，就是带着某些调查目的去直达用户，根据用户反馈，记录下当前的某些现象，并对此进行事后分析的行为。
不管形式如何，调研的最终目的均是在确保调研有效性的前提下，得出什么样的用户倾向于做出怎么样行为的结论。
用户调研系列的方法论分享，《怎么去做用户调研？-用户画像篇》讲述了“什么样的用户”是一个倾向性的百分比或行为集合，是用户调研在执行过程中的第一步。
而《怎么去做用户调研？-调研时间篇》和《怎么去做用户调研？-样本替换篇》则分别讲述了目标调研用户，在什么时间节点更有概率可被寻找。
以及当这批用户无法被寻找时，如何进行合理的更迭，这是确保调研有效性的两个必要条件。
符合画像的调研用户一旦在某个时间段可被触达，或可被替换，即可进行用户调研的最后一步-收集用户所做出的目标行为信息，也即是定义中的“怎么样的行为”。
此时，用户调研一阶段结论为：用户群体若具备画像中描述的行为特征，则他/她大概率会倾向于做出行为β（目标行为）的操作。
那么，针对最后目标行为，选取该以什么标准作为依据？怎么样的指标体系构建能合理地收集调研用户的目标行为？本文作为用户调研系列方法论分享最后一章，将给你解答！
01
目标行为
某次用户调研的画像群体最终倾向于做出的行为操作，它具备目标的导向性及行为的不可预知性两个特点，同时，和用户画像的动态行为区分强关联。
1.与动态行为的强关联
在《怎么去做用户调研？-用户画像篇》中提及，可根据某一类型特征在某段时间内，被修改频率，把用户画像区别为静态划分或动态行为（特定时间段内行为修改频率相对较高）。
强关联的概述为：用户群体E若作出行为α（动态行为），则他/她大概率会倾向于做出行为β（目标行为）的操作。
从强关联的角度去区分两者，动态行为的目的在于帮助产品侧去确认调研的个体是哪些，调研的群体是哪个。
目标行为的定位则在于了解调研群体的实际操作，是后续输出报告分析的主要依据。
1）商业价值关联
常见的用户调研计划服务于两个背景。一是为新产品的方向选择进行前期的市场调研；二是为产品新功能设计或新活动方案推出进行用户满意度计算。
动态行为，通过对修改频率相对较高的操作筛选，将高活跃用户发掘，圈定产品迭代的主要面向对象。
目标行为，从设定上偏向于吸引流量或产生付费的行为操作。
如果说动态行为的目的在于筛选出产品侧的高活跃用户，目标行为的目的则在于从高活跃用户中进一步过滤出高价值用户。
或监控高活跃用户的价值产出行为，为后续的产品迭代明确存在商业价值的方向。
如，关于语音类产品直播间界面迭代探索，用户调研的动态行为应侧重选择日均的频道进入次数，频道停留时长等操作来筛选高活用户。
把送礼按钮点击，送出礼物类型，日均消费金额等操作作为目标行为的圈定，这是商业价值判断的分析依据。
2）时间顺序关联
用户调研计划的执行，必定是先确定人，再确定事。动态行为先通过对用户画像的描述圈定“调研人”，目标行为再导向调研的具体主题明确“调研事”。
因此，两者间的时间线顺序必定是用户先具备动态行为的操作，再触发目标行为的产生。
时间顺序关联可从另一角度理解-行为漏斗关联。先xx再xx的操作逻辑，结合两者间的倾向性诱发，使得动态行为和目标行为往往具备作为同一个行为漏斗上层和下层的关系。
在《工具类APP社区话题冷启动-以美的美居APP-场景知乎为例（入口&漏斗篇）》一文中提及，行为漏斗即是用户参与和转化的行为。
结合用户调研计划的实施，参与即上层，是动态行为；转化即下层，是目标行为。
如，关于社交产品的一个常见行为漏斗，私聊按钮点击（等同于im界面曝光）-消息发送点击，该漏斗代表陌生人间从相互吸引到产生实际社交的转变。
发送消息的前提是已经进入im界面，因此，私聊按钮点击是漏斗上层，可作为动态行为，消息发送点击是漏斗下层，可作为目标行为。
此时，该行为漏斗可应用于有关im界面迭代的用户调研计划中实施。
3）因果逻辑关联
因果逻辑关联主要指行为发生的合理性。
除了关注时间顺序（行为漏斗）的关联外，还需判断动态行为和目标行为的设定是否经得起常识性或普遍性的推敲，这有时是一个反向推导的过程。
行为的设定，指标的选择是一个主观性的操作过程，内在矛盾的存在是正常现象，它可能未被产品侧所感知，只能从结果输出后再进行反向的判断。
类比来看，统计学上应用实证经常举的一个反例：针对某地区的绿色经济发展，一研究学者自定义了一新的指标体系，经测量，最终反馈的结果是黑龙江省优于广东省。
从指标体系构建的角度，或许无法从起始就断定其不合理，因其往往是一自圆其说的过程。
但从结果分析的角度，省份之间的排序却显著不符合社会上的普遍认知，体系构建理应复核。
对比，产品侧例子，若B界面曝光（动态行为）在路径设计上只能从唯一的A入口进入（目标行为），经某次的用户调研结果反馈，B界面的曝光次数却＞A入口的点击次数，则显著不合理。
此时，结果有可能是因行为收集时的口径不一致所导致。如B界面曝光采用的是pv（次数）的角度，A入口点击却采用uv（人数）角度统计。
当然，也有可能是埋点设计错误或短时间内埋点上报bug，原因可待进一步分析，但该行为逻辑的选择必须复核。
2. 目标的导向性
目标行为的选择应有明确的方向进行探索，大多数情况可遵循如下三个导向：商业导向、主题导向，基础导向。
1）商业导向
在目标行为和动态行为的商业价值关联中提及，目标行为，从设定上应偏向于吸引流量或产生付费的行为操作。
一个产品能从冷启动期-成长期-成熟期-突破期的全过程过渡，这个产品必须是有所盈利的。
不少产品人在做产品设计时总是踌躇满志，一心想着如何优化用户体验，如何做出有意义的产品。但现实是不盈利的产品很快被击败，面临结项风险。
因此，调研计划的目标行为选择应具备对应商业价值，用户调研计划本身也应和商业变现相关，一般拆分为流量、付费两个部分。
常见的流量相关行为：页面曝光、入口点击、停留时长、链接分享、关注收藏……
常见的付费相关行为：会员充值、道具购买、礼物赠送、商品付款、内容解锁……
2）主题导向
用户调研计划的制定单次应为一明确的主题或主线服务。切勿一份计划，多线并行，面面俱到相当于面面不到。
此时，目标行为的选择也应单一主题相关。
用户调研计划从定性角度去考虑分为用户访谈，可用性测试；从定量角度去分析分为问卷调查，数据分析。
对于前三者，为了避免用户因单次调研时间过长，调研学习成本过大导致无效回复的增加，用户访谈提纲，可用性测试列表以及调研问卷应尽可能简短。
对于数据分析，所选择的指标应尽可能的低维，避免程序处理效率的低下。
在此前提，简短、低维的方式若承接的是多线任务的导向，显而易见，无法得出任一方向有用的决策。
例，某调研计划目的是解决用户拍下商品后付费率低下现象，调研主题应定为付费转化相关，目标行为主题导向应是结算过程相关。
如，拍下付款跳转逻辑如何、拍下付款间隔步骤多少、付款界面ui布局是否合理，学习成本偏高与否等。
此时，若纠结该商品所在店家的直播观看人数，直播入口界定等流量相关主题，会使得调研计划过于冗长，不便实施。
3）基础导向
从行为收集的角度理解，每一次用户调研所面对的对象都是由单个个体组成的群体，这个群体具备相近的某主题的用户画像。
因此，可作为类似调研主题的固定样本而存在，即为基础。
操作上看，若把某次调研计划的目标行为作为另一调研计划的动态行为，该调研计划的群体可作为《怎么去做用户调研？-样本替换篇》所提及的网络访问固定样本而存在。
设定上看，目标行为的选择应尽量涉及产品操作的一级路径，由此延伸可作为大多数调研计划的行为漏斗上层选择，从时间顺序关联上看，即转变为动态行为。
如，有关资讯新闻类产品的用户调研，无论涉及哪方面的主题，用户对于帖子的一级点击浏览行为基本无法规避。
此时，若在多次用户调研计划中均把用户的浏览行为作为目标行为收集，这方面的数据足以形成一存量型构建的固定样本，用于后续的样本替换使用。
3. 行为的不可预知性
用户画像可依据动态行为进行划分，圈定用户调研的目标群体。在具体的调研操作之前，动态行为是已知的。
对于目标行为，它指的是一指标体系的收集方式，在具体的调研结果反馈之前，我们无法得知收集的数据如何，是不可预知的。
例，某次调研主题为用户在网上商城的付款习惯。
用户调研方案，可选择如下的动态行为作为事后画像确认：
最近一月内：
用户日均查看商品种类数＞5
用户日均收藏商品种类数＞5
用户日均分享商品链接数＞3
用户日均购物车添加件数＞1
此事后画像对符合上述操作特征的群体进行圈定，进行调研操作的执行。调研操作则按如下目标行为进行信息收集，用作后续分析：
用户查看商品的购物车添加比例
用户收藏商品的购物车添加比例
用户分享商品的购物车添加比例
用户购物车商品的付款购买比例
调研方案作为目标行为的载体呈现，在结果反馈之前比例是一个待定的未知数，等待后续分析。
02
指标体系
用于承载收集用户各操作行为的变量集合，常表示为一数据库中的结构化表格或非结构化的问题集合。
无论是动态行为亦或是目标行为，反映的是用户的产品操作，它是一个定性程度的表述，想要通过数据进行定量的反馈，依托的是对应的指标体系。
指标体系的构建主要从两个大方向进行探索和约束，分别是行为匹配和埋点关联。
1.行为匹配
指标体系由指标变量构成。单个指标变量的测度或多个指标变量的联动需能对某操作行为做出符合认知的普遍解释。
1）单指标测度
单指标测度一般针对可用某单一变量取值进行描述和量化的行为，常见为数值型变量。
同时，单指标变量的选取大多数情况下具备统计学上的运算意义或可触发埋点直接进行参数上报。
如，带有日均，月均的均值口径行为；按钮点击，界面曝光，频道停留，链接转发等直接埋点上报操作。
2）多指标联动
多指标联动常出现在对某一主题行为进行综合性概述的情景，多为多项选择的分类变量或开放式问题的集合。
主题行为一般无法通过某单一变量进行一对一的准确描述，它和目标行为的不可预知性类似，只能猜测哪方面的行为大概率会是如何，无法准确把控。
例，现需通过某指标来作为用户社交性倾向的目标行为衡量。此为主题行为，应通过和互动裂变相关的指标进行联动反映。
如，关注、私聊、点赞动态、浏览主页等，任一其中的某一行为均无法单独测量用户社交性倾向的程度。
2. 埋点关联
主观上看，可通过任意合理的指标体系构建来进行用户行为的收集。客观上看，指标变量可否通过产品侧当前的程序处理去进行数据的收集，这是最大的约束。
即要思考上报的行为是否具备埋点可以一一对应。从这角度理解，指标体系的构建以埋点体系设计为基础。
1）埋点设计不漏
产品侧的埋点可理解成是一函数，自变量为用户的行为操作，表达式为自定义的参数采集，因变量为对应的参数上报。
一般一个特定行为对应一个事件编号，触发上报时上传设定好的相关参数。
如用户点击关注按钮follow陌生人。
上报事件为：
事件代码：001
关注对象的uid
在条件允许的前提下，上报事件的维度应尽可能的增加，以备剩余信息进行偶发情况的使用。
同样是用户点击关注按钮follow陌生人。
扩充事件上报为：
事件代码：001
关注对象的uid
关注对象类型：0代表普通用户，1代表签约达人
关注入口位置：0代表个人主页，1代表内容论坛的发帖列表，2代表直播间
对象类型和入口位置的维度增加，可使某次行为上报的信息更为丰富，避免后续因信息收集遗漏导致无法进行发散性分析的缺陷。
当然，埋点上报维度的增加有可能使数据库储备信息呈几何倍数的容量拓展。
此时，考虑后端服务器的性能运行及埋点扩充能带来的调研宽广度，两者的投入产出比是一值得关注的指标。
2）埋点设计迭代
现代的互联网产品遵循的是快速迭代的原则。特别是移动端的产品，更新快的可能一周左右就迭代上线新版本。
在这速度下，很多产品的功能设计都是先推出体验，后收集分析的行事安排。
因此，埋点设计必不能做到一步到位，面面俱到的安排。
反而是根据某调研主题定位，缺某方面的数据指标时，再进行埋点的添加或维度的扩充，在下一排期阶段即可顺利进行相关行为的数据分析，这是合理的。
03
结束
至此，用户调研系列的方法论分享已全部结束。
四篇章的系列分享围绕怎么去做用户调研为主题，涉及用户调研的对象，时间，行为以及转换方式，结合常见类型的移动端产品例子进行阐述。
这是我在作为产品新人的第一年生涯中最满意的方法论总结，希望通过这次的分享能和大家共同进步，相互学习。
今年的下半年会转战发展政务产品相关的领域，公众号后续分享会增加政府业务、民生办事相关的专栏，同时侧重于对不同类型移动端产品的实战案例输出。
产品人经0-1岁起步，再到1-2岁过渡……
以上。
