用户访谈结束后，大厂都在用这个方法处理数据！

扫一扫
官方手机版

扫一扫
AI创作程序

扫一扫
木子公众号

扫一扫
AI公众号

引言：在用户访谈结束后，面对大量访谈数据，如何展开高效整理？面对用户各种痛点或需求，要优先解决哪些问题？如何帮助跨职能部门同事建立起对用户的同理心？如何让业务方更认可用研侧调研结论并落地？为了避免访谈后一个猛子就扎到大量访谈数据里面去，甚至对数据不加任何处理就运用，本次给大家分享一个用户访谈减脂增肌利器“亲和图”法。

什么是亲和图法（Affinity Diagram）？

亲和图法是基于头脑风暴的原理，一群人把大量数据( 想法，问题，困难，解决方案)整理为有逻辑、结构化的分类或不同主题的过程。有些同学可能会将亲和图法与卡片法混淆，卡片法是一种通过让用户将相互关联项进行分组，来理解用户如何思考以及关联事物的方法，主要应用于设计或改造网站架构。

亲和图适用于从访谈法、日志研究、人类学、情景调查等渠道获得的数据，用户访谈是用户研究最常用的方法之一，且在用户访谈结束后往往有大量的访谈数据，因此，本文以访谈数据为例介绍亲和图法的应用。

亲和图的优点有哪些？

• 团队协作导向：能将不同的视角带入数据分析中，在跨职能团队之间形成共识；
• 高水平数据分析：能揭示数据背后的问题/模式，向产品设计输入有意义的信息；
• 输出结果落地：产品需求文档、提供决策依据、聚焦产品设计/优化方向等；
• 组织时间灵活：可以根据实际情况、项目进度随时调整整个进程，分期进行；
• 可展示的形式：一种可视化的分析方法，开展真实的场所来展示访谈活动的成果。通常 “公务缠身”的业务方很难全程参与，仅仅参加某一场访谈获知的信息也会有偏差，亲和图法可以营造“还原的访谈现场”，避免偏差。

如何建立亲和图？

整个过程包括数据转化（Interpretation Session）和建构亲和图（Building Affinity Diagram）两大核心环节。

1. 数据转化环节（IS）

• 目标：让参与的每个人都能够体验到访谈中的收获
• 时间：最好在访谈结束之后的 48 小时内进行
• 人数：推荐 6-8 个人，人太少难以理清数据，人太多场面不好控制
• 物料：马克笔/便签纸/大白纸/胶水等（根据手写/打印准备物料）

△ 图 1 数据转换现场

整理脚本

访谈之后尽快把访谈记录整理成一份可读的脚本(最好在一天之内)，并将脚本发给每一个参与数据转化会议的人。访谈脚本整理内容主要包括：

• 用户编号或假名字，例如 User18，使用用户编号或假名以便保护用户隐私；
• 用户的基本信息或行为习惯，例如使用过的相关软件/硬件等；
• 用户使用产品的细节流程，例如用户任务/用户目的/操作步骤等。

角色分配

在开始转化数据之前要分配好数据转化会议中的角色，主要包括以下角色：

• 展示者：访谈者，任务是为大家讲述、展示访谈中所有细节
• 记录者：记录访谈中的重要信息、idea，以及这个会议中组内同学提出的问题
• 参与者：组内其他同学，他们通过听、问问题理解访谈内容并提供自己的理解和观点
• 主持人：保证会议议题不偏离轨道(可以是组内任意—个同学)

数据展示

一次展示一个访谈场景，展示者通过介绍用户背景资料让大家认识用户，根据发给大家的访谈脚本，带领大家回顾整个访谈过程。同时，大家讨论着记哪些内容，包括访谈细节和访谈流程，不要单独让记录者决定该记哪些，每个人都可以提出自己的想法。

信息记录

主要记录核心信息，即在访谈过程中捕捉到的一些有趣的或者重要的信息、idea，包括一些产品设计想法、一些访谈过程中产生的疑问等。便签上记录内容主要包括：

• 在便利签左上角记录用户编号；
• 在便签右上角记录特殊信息类型，“D”代表 design idea（用户关于产品设计的想法），“Q”代表 question（后续需要研究的问题），其他不做标记的为用户使用痛点/体验；
• 在便签中间记录核心信息，每个便利签只能承载一条要点、思考、idea 或者问题，便利签上的内容必须以完整的句子的形式呈现。

△ 图 2 亲和图示例

2. 建构亲和图（BAD）

初始数据类目建构：

把所有便签纸在桌子上摆开，大家随机选择贴在墙上，先由一个人做示范，把一个便签纸贴在墙上，后面的人跟着来，每个后续上墙的便签纸，如果与墙上的某个相似，则把它纵向贴到下面，如果不相似，新开一列(在左侧或右侧均可)。当前阶段不要给任何一个类目打标签，任何人都可以移动或重新排列墙上的便利贴，根据用户目的或相似活动/行为进行归类，让数据自然而然地形成分类。

高层数据结构建构：

完成初始数据类目构建后，给每一个数据类目都写上 level 1 的标签来描述这个类目，标签必须是详细的短语或句子，以第一人称描述用户的操作行为和用户意愿。如果数据类目较多,构建 level 2 的类目来聚合 level1 的数据类目以此类推（TIP：使用不同颜色的便利贴和马克笔标记）。

数据复查：

所有成员都要系统地回顾不同 level 的数据类目，问自己以下问题：这些分类有没有展现出你的关注点？每个数据类目的标签是否准确？你的理解有没有什么漏洞？Level1 的数据类目是否可以相互联结？有没有需要在后续研究中明确的问题?

写在最后

以上是关于亲和图法应用在访谈数据分析的过程，把访谈结果“公之于众”，将离散数据通过协作的方式整合起来，在整个过程中可能会遇到归类有争议的情况，此时要鼓励关于分组的建设性讨论，保证最终版达成共识。

关于亲和图这种研究方法，就和大家分享到这里。有不解的地方，欢迎一起讨论~

京东出品！10个超实用的B端深度访谈小技巧

面对复杂又陌生的 B 端业务，我们如何更好地完成用户深访？

欢迎关注「JellyDesign」的小程序：