从用户嘴里找答案
这篇讲的是产品客服如何与用户有效沟通，以及如何从反馈中挖掘真实需求。作者观察到，很多产品的反馈区充满火药味，根源在于产品方与用户之间的信息差和沟通姿态问题。 文章指出，大部分客服答疑工作本质是消除信息差，但这容易变得机械，失去人性关怀。而用户的情绪化表达背后，其实蕴藏着对产品的期望与思考。作者认为，破解僵局的关键在于转变视角：客服应尝试理解用户，顺着吐槽揪出产品痛点并坦然承认，这样才能建立共情，引导对话走向对本质诉求的探讨。 作者进一步提出，产品的驱动力分为自驱力和外驱力，而后者最核心的来源正是用户反馈。要从用户“嘴里”找到答案，需要解决一个根本挑战：如何让用户愿意且持续真诚地吐露心声？文章最后点明，明白了这一点，反馈区的火药味就会少一些，产品也会做得更好一点。
淘宝用户增长的5+1个策略
这篇讲的是淘宝如何拆解和制定用户增长策略。作者没有陷入实现细节，而是从平台视角出发，首先构建了一个清晰的用户增长公式：MAU由上月留存、未流失用户以及本月新增（MNU）构成。增长抓手的核心，就聚焦在MNU的引入上。 围绕MNU引入，文章分享了淘宝的流量引入体系——一个“三纵两横”的架构。具体策略上，智能投放的核心是“对人”和“对素材”的深刻理解。通过建立离在线人群服务为渠道提供精准流量筛选，再结合海量素材库与个性化推荐算法，能将广告曝光点击率从行业普遍的2%以下提升至10%以上。另一个重点策略“拉承一体”，则巧妙解决了用户引入后在登录环节大量流失的痛点。通过封装链接SDK统一入口，并借助“用户信息总线服务”跨域传递用户行为数据，让运营得以在用户激活的瞬间进行个性化承接，填补了引流与用户成长之间的空白。 整体而言，文章的价值不在于具体的技术实现，而在于其展现的系统化思考框架：如何用公式量化增长目标，如何构建体系化的流量引入路径，以及如何通过技术手段将运营抓手前置和深化。这对所有从事用户增长工作的人都有很强的借鉴意义。
增长二三事
这篇讲的是作者在听了Hola Group增长负责人Daisy的分享后，对“增长”这件事梳理出的几点核心认知。文章没有停留在理论，而是直面增长中的现实矛盾与动态规律。 作者开篇就挑战了一个常见误解：获客成本（CAC）并非越低越好，而是随着拉新规模的扩大必然上升。为此，他用了一个很直观的45度线上升曲线来比喻。接着，他将用户划分为铁杆粉丝、中需求群体等不同圈层，指出每个圈层的用户终身价值（LTV）、CAC和数量（N）都不同，这构成了增长公式 MAX[(LTV - CAC) * N] 的动态变量。文中以抖音从垂类泛化到全民产品的过程为例，说明了清晰计算各圈层模型、用商业化能力覆盖不同CAC水平的重要性。 文章进一步探讨了“努力”的意义——在CAC必然上升的趋势下，精细化的运营（如裂变、广告优化）能像压弹簧一样，在同一圈层内尽可能降低CAC。作者还强调了流量的季节性波动、留存问题的复杂性（可能源于渠道不匹配或短期活动），以及流量红利载体（从App到小程序、共享设备）的快速变迁。最后，他提出了一个评估流量价值的双维视角：用户交互时长与支付金额，并回归到产品市场契合度（PMF）与增长公式的结合，才是驱动增长的王道。 对于运营者或产品经理而言，这篇文章最大的启发或许在于：增长不是套用单一公式，而是持续、动态地计算不同用户群的商业模型，并敏锐捕捉变化中的流量机会。
ABTest 平台设计 - 如何进行流量分桶
这篇讲的是ABTest平台设计中的一个核心难题：如何科学地进行用户流量分桶。作者从实践中常见的错误切入——比如简单用UserID取模或手机尾号分桶，指出这种做法虽看似随机，但在长期、多实验场景下会导致实验间相互干扰、用户群体行为产生偏差，且流量利用率极低。 文章的核心方案是介绍业界主流的“可重叠分层分桶”方法。其关键思路是将流量划分为多个逻辑层（如UI层、算法层），在每一层内使用不同的哈希函数（以层信息作为Seed）对用户ID进行分桶，从而确保各层之间的流量正交，互不影响。这样一来，一份流量可以同时参与多个层的不同实验，极大提升了迭代效率。作者还提到了适用于海量并行实验的“无限分层”思路，以及这对组织协调能力提出的更高要求。 对于想设计或优化自己实验平台的技术团队，这篇文章从错误案例到系统方案，梳理得相当清晰，文末也附上了Google相关的经典论文供深入研究。
ABTest 平台设计 - 如何进行流量分桶
这篇讲的是ABTest平台设计中一个看似简单却容易踩坑的环节：如何进行用户分桶。作者从很多初创公司常见的错误做法——直接用UserID取模分桶——出发，点明了这种看似随机的方法在长期、交叉实验场景下会导致流量利用率低、实验结果互相干扰以及桶间用户行为产生偏差的三大问题。 为了解决这些痛点，文章引出了业界主流的解决方案：可重叠的分层分桶方法。核心思路是将流量划分为多个逻辑层（如UI层、算法层），在每层内使用不同的随机算法（如Hash(Layer, Tag) % 1000）进行正交分桶。这样，同一份流量可以同时穿过多个实验层而互不干扰，极大提升了实验效率。文章还对比了适用于大公司的“无限分层”探索，指出其对组织管理和数据能力的更高要求。 作者最后提到了Google相关论文作为延伸，并预告下一篇将讨论实验开关与信息传递，为搭建完整的ABTest平台提供了清晰的脉络参考。
用户模型之三户模型
这篇讲的是电信与互联网系统中常用的“三户模型”。作者从eTOM框架出发，梳理了客户（Customer）、用户（User）和账户（Account）这三个核心实体如何以“以客户为中心”的理念进行构建与区分。 关键在于厘清三者的边界：客户体现社会域信息，是自然人或法人的实体身份，即使不使用业务也客观存在；用户体现业务域信息，是客户登录和使用产品的账号实例；账户则体现资金域信息，负责交易记账。它们之间是归属与映射关系，但各自独立。 文章以电信业务为例具体说明：一个客户（张三）可以开通多个用户（如手机和宽带），这些用户又由一个或多个账户来付费，形成了灵活的映射。在互联网实践中，客户归并（如通过身份证号识别同一人）、用户的生命周期管理（从注册到销户的复杂流程）、以及账户的多样化建模（支付、结算、风控等需求），都围绕这套模型展开，以支撑起以客户为中心的业务管理与数据统计。
用户调研之微软产品反应卡片
这篇讲的是微软在2002年推出的一种专门测量产品“合意性”的用户调研方法，叫做“产品反应卡片”。 它的核心操作非常直观：给用户一套包含118个情感词汇的卡片，比如“有吸引力的”、“令人挫败的”、“创新的”等等，让用户在体验产品或设计后，挑选出他们认为最能描述的词语，并解释选择的理由。这个方法跳出了单纯的功能可用性测试，直接捕捉用户对产品的情绪反应和整体感受。 从文章提供的完整词汇列表来看，这118张卡片覆盖了从积极到消极的广泛情感光谱，能帮助团队快速定位设计在用户心中引发的复杂情绪，而不仅仅是“好用”或“不好用”。它非常适合在产品原型或早期设计阶段使用，用来评估设计的方向是否与期望传递的品牌感或体验目标一致。
走近用户，从访谈开始
这篇讲的是，如何让业务方伙伴也能快速上手用户访谈，把这项用研核心技能变成拉近与用户距离的利器。文章开宗明义，点出访谈是用于定位问题、挖掘需求的定性方法，它要解答“是什么”和“为什么”，而非“有多少”。 作者将访谈要点提炼为几条关键法则：首先要像聊天一样提问，用生活化语言代替专业术语；其次，要聚焦用户过去和现在的真实体验，而非让他们凭空想象未知；再者，必须学会连贯追问，像“什么时间”、“什么场景”这样一步步把问题问透。 文章也直指业务方在初次尝试时容易踩的坑：提问不能过于开放模糊（比如“你觉得XX怎么样”），问题本身要避免带有倾向性（比如“这个功能好用吗”）。更重要的是，要多倾听，不随意打断用户，同时要引导用户详细描述遇到的问题本身，而不是直接跳到他们提供的解决方案上。 整篇文章就像一位经验丰富的用研在分享心法，既有方法论，也点出了实操中的具体陷阱，对于想亲自了解用户声音的业务方来说，是一份很实在的入门指引。
iOS 8/Android/WP 系统设置的用户体验对比
这是一篇关于三大移动操作系统设置界面对比分析的知识点类文章。作者从屏幕空间占用、内容长度等实际维度切入，剖析了iOS 8、Android KitKat与Windows Phone 8.1在交互设计上的核心取舍。 文章指出，iOS的固定菜单与Home Button组合仅占11%屏幕空间，是最高效的方案。Android因虚拟按键占用达18%，但通过沉浸模式等方案寻求突破。而Windows Phone的系统栏占用了高达23%的屏幕，空间效率最差。在设置项结构上，iOS采用清晰的层级分类，Android依赖长列表，Windows Phone则通过横向 pivot 实现扁平化导航。 作者的结论很明确：设计不仅是美观，更是对空间、效率和复杂功能的平衡。这篇文章没有空谈理论，而是用数据和交互细节说话，为产品设计者提供了关于如何在约束条件下构建清晰信息架构的实战思路。
关于用户体验的三个反思
这篇讲的是对用户体验常见误区的深度反思，起因是作者在微博上发起的一个讨论：“一个产品没用，体验再好用户也不会去用”，这句话对吗？作者认为这种说法混淆了“可用性”和“用户体验”两个概念。 文章首先澄清，用户体验是一个贯穿用户接触产品全过程的全方位感受，远不止UI的易用性。作者用高速公路和盘山公路做比喻，说明可用性高不等于体验好。接着，文章探讨了用户体验与产品价值的关系：有用性是基础，可用性是要求，吸引力才是期望。以12306和51job为例，它们的界面可用性虽差，但因其独特的产品有用性和吸引力，依然是有价值的产品。最后，作者从组织架构的角度提出反思，认为将“产品设计”和“用户体验设计”割裂开会导致效率低下，更合理的分工是“产品管理（PM）+用户体验设计（UXD）”，二者应为共同的产品成功目标而紧密协作。 作者的核心观点是，用户体验并非锦上添花的“美化”工作，而是从产品构思之初就应贯穿始终的设计思维。文章提醒从业者，要警惕将用户体验窄化为“改界面”的误区，真正从用户全流程和组织协同的角度去思考和实践。
用户满意度指标权重计算方法
这篇讲的是，在用户满意度调查中，如何为不同指标计算合理的权重，从而更精准地指导产品改进。 文章指出，默认所有指标影响相同、简单算术平均的做法存在不合理性。因为像核心功能、界面美观、操作流畅度这些方面，对整体满意度的拉动力天差地别。因此，确定各指标权重是科学排序改进优先级的关键。 文章梳理了两大类权重计算方法。一类是直接赋权，比如通过问卷直接询问用户各指标重要性（主观赋权），或是由专家通过两两比较（如层次分析法）来确定权重。另一类是间接推理，利用用户在满意度调查中的实际评分数据，通过统计方法（如线性回归、因子分析）反向推算出每个指标的真实影响力系数。 文章最后简要说明了从获得原始数据、计算影响力系数到归一化的三步过程，并提到具体方法需要借助 SPSS、AMOS 等工具。对于想将满意度调查从“知其然”推向“知其所以然”的体验从业者，文章提供了一个清晰的方法工具箱。
基于用户尺度评价的人物角色分类方法与实践
这篇讲的是一种基于用户关注度的人物角色分类实践，以1688网站的供应商信息调研为具体案例。 文章从“用户关注什么”这一核心目标出发，通过一份覆盖3032名有效用户的问卷，收集他们对17项供应商信息的5级关注度评分。接着，作者运用项目分析、信度检验和因子分析，将纷杂的信息项收敛为四个关键的评价维度：基本信息、客户满意度、供应能力和交易历史。 基于这四个维度的因子得分，研究进一步对用户样本进行聚类，最终识别出三类典型角色：高度关注所有信息的“全面考察型”（占42.5%）、尤为看重满意度的“口碑驱动型”（占41.9%）以及关注度普遍较低的“轻度浏览型”（占15.7%）。这种划分直接揭示了不同用户群体在决策时的信息需求重心。 文章的价值在于，它展示了一套从量化数据到设计洞察的完整流程。这些发现不仅为1688重构供应商信息页面的布局逻辑（如聚合关联信息）提供了依据，也说明了基于用户行为的分类如何辅助设计师识别核心用户，并理解其行为背后的动机，让设计决策更有据可依。
解读眼动的12个误区
这篇讲的是眼动追踪技术在用户研究中的常见认知陷阱。作者从实际项目经验出发，揭示了12个典型误区，帮助从业者避免“踩坑”。 比如，很多人以为“眼动就是热区图和轨迹图”，但文章指出，脱离停留次数、时间范围和页面结构的热区图意义有限。同样，“眼动的红点就是用户看的确切位置”也不准确，因为采样率、头部移动和人眼的高清视觉区（中央窝）范围都会让数据产生偏差。文章特别强调，“眼动数据很容易解释”是一种错觉，它只能回答“看了什么”，却很难直接说明“为什么看”，需要结合其他方法挖掘根源。 作者还澄清了实践中的误解：眼动并非所有可用性测试的“万能药”，它更适合解答具体疑问；学会操作设备不等于能做好研究，设计、方法论和分析能力更重要；不能只靠看轨迹视频来分析，因为海量数据和记忆偏差会让结论失真。甚至，样本量也并非一成不变，要根据是比较组内差异还是组间差异来决定。 这篇文章的价值在于，它把漂亮的数据图表背后的限制因素和科学分析方法讲透了。它提醒我们，正确运用眼动技术，关键在于明确目标、理解其能力边界，并与深度访谈等方法结合，才能真正读懂用户行为背后的原因。
儿童网站的可用性问题
这篇文章分享了可用性专家Jakob Nielsen团队一项跨越9年的对比研究。核心发现是：随着新一代儿童更早、更深度地接触网络，设计者面对的“儿童用户”画像已发生根本变化。 研究团队在两个时间点分别测试了数十名3-12岁儿童使用各类网站的行为。结果令人意外：许多9年前的老问题对7岁以上的孩子已不复存在，他们表现出相当熟练的导航和滚动能力。真正的挑战转移到了更低龄的3-5岁儿童身上，他们如今的行为模式，反而像9年前6-8岁的孩子。 这意味着“儿童网站”必须进行更精细的年龄分层设计。例如，针对7-12岁儿童，可以适当简化基础交互教学，因为他们已是“网络原生代”；而针对3-5岁幼儿，则需要提供更强的引导和容错设计。文章也指出，尽管技术在变，但关于菜单结构、信息架构等基于认知心理的设计准则，其核心原则依然稳定。 这篇文章的价值在于，它用扎实的纵向数据戳破了关于儿童网络行为的诸多假设，提醒所有面向儿童的产品设计者：你的用户群已不是你想象中的样子了。
网页速度是如何影响转化率的
对于电商网站，性能优化对转化率的影响有多大？这篇文章用扎实的研究数据给出了清晰答案。它引用了国外研究机构的成果，核心发现是：网页加载速度每增加1秒，转化率可能就下降7%。文章展示了一张信息图，详细拆解了从页面加载到用户流失的各个环节，说明速度直接决定了用户是否愿意继续浏览、下单。 作者指出，很多人重视性能优化，但常常低估其直接的商业价值。速度不仅影响转化率，还关联着用户体验、运营成本乃至品牌形象。优化是一个系统性工程，但文章聚焦于最有力的证据——转化率，让技术投入的价值变得一目了然。对于开发者和产品经理来说，这份基于数据的分析，是说服团队重视性能优化的有力参考。
量化用户研究
这篇讲的是如何量化地理解用户——从《Quantifying the User Experience》一书中摘出的核心章节。文章开篇用Edward Tufte的一句调侃点出“用户”这个称呼的特殊性：只有计算机设计和贩毒行业会这样叫。它聚焦于前者，即那些使用软件、网站和设备来完成目标的人，并强调我们的核心兴趣在于“如何量化用户的行为”。 作者重点剖析了可用性测试，清晰区分了两种类型：以发现问题、驱动改进为目的的“形成性测试”，和以指标描述产品可用性水平的“总结性测试”。绝大多数测试属于后者，通常会收集完成率、错误、任务时间等数据。文章纠正了一个常见误区：样本量并非越大越好。它以1936年《文学文摘》著名的民调失败为例，说明样本的“代表性”远比“随机性”或“大小”更重要——一个从正确人群中选取的小样本，远胜于从错误人群中抽取的大样本。即便只有2-5个用户，也能通过分层取样等方法获得有统计意义的量化结论。 文章还梳理了数据收集方式，从传统实验室到远程主持与无主持测试的演进，并介绍了“完成率”（成功率）这一最基本的二进制指标。整体上，它为从业者提供了一套在资源有限下，依然能做出扎实数据驱动决策的实用框架。
用户体验在产品发展过程中所扮演的角色
这是一篇关于产品开发中用户体验角色的深度观察与实践反思。作者从亲身经历出发，挑战了行业中对“瀑布式开发”的刻板印象，指出真正有效的产品开发——无论采用何种流程——都离不开持续的协作、迭代与价值创造。 文章的核心观点在于，用户体验设计并非流程中的一个孤立环节，而是贯穿始终、需要与各方紧密协作的“生态系统设计”。作者通过Sprint网站等早期项目的挫折教训，反思了那种“逐页设计”的片面方法，并强调倾听与理解（而非过早绘制界面）是关键。他提出，设计师应将自己视为整合者，平衡用户、业务与技术的多重需求。 作者分享了在敏捷团队中常被误解的困境，部分敏捷实践者可能将UX简化为后期的UI美化。为应对此类偏见，他倡导更早地介入，将用户视为系统的一部分，量化其需求与约束，从而让设计工作自然融入开发过程，甚至帮助团队更早发现更优的解决方案。 这篇文章的启示在于，打破学科壁垒，以更整体、协作的视角看待用户体验，才能使其真正驱动产品价值，避免设计沦为“在技术骨架上贴皮”的后期工作。
谷歌眼镜应用的用户体验
作者在圣马特奥的一家酒吧初次试戴谷歌眼镜时，感受是失望的——设备像半成品，屏幕粗糙，实用性存疑。但这篇博文的核心观点在于，尽管早期产品不尽如人意，作者坚信可穿戴设备革命必将到来，谷歌眼镜作为一个开创性平台，值得开发者现在就为其投入设计。 文章并没有停留在观点的表达上，而是深入拆解了为可穿戴计算机、特别是谷歌眼镜设计应用的底层逻辑。作者强调，这类设备的设计高度依赖“情景”，必须让用户在需要时信息自然出现，不干扰时则隐于无形。他归纳了谷歌官方的四条设计原则：为眼镜专门设计、绝不碍事、保持及时响应、避免意外惊吓。作者更进一步指出，这些原则背后最核心的要求是“绝对简单”——应用必须是任务导向的、界面清晰迷人的，任何多余或笨拙的设计，在与用户视线如此贴近的设备上都会被无限放大。 最终，作者从最初的失望，转向了对未来的笃定。他认为当前版本或许不完美，但提前理解并实践这些设计准则，能帮助设计师和开发者避开未来平台的陷阱，占据先机。
观察一个用户是否比不观察更糟糕？
这篇文章探讨了一个可用性测试中常见的困惑：只观察少量用户，比如一两个，是否还不如不观察？作者从“眼见为实”这一常识出发，提出了一个有趣的悖论。 文章通过具体的概率模型和案例指出，如果只观察一个用户，调研人员有很大概率（例如20%）会遇到一个“异常”的用户，从而对产品性能得出严重偏离实际的结论。这确实可能比什么都不做更糟糕，因为它会带来误导性的信心。而引入“两个用户观察”或“三个用户破平局”的规则，则能显著提高结论的可靠性，比如观察三个用户可将评估精度提高约8个百分点。 文章用“问题矩阵”等数据进一步说明，仅观察一个用户的最大缺陷在于无法区分偶然问题与普遍问题。虽然只观察一个用户也能发现界面设计上的某些问题，但长期来看，这会使团队更聚焦于非典型问题而非那些影响面更广的常见问题。 因此，作者的核心观点是：尽管存在因样本小而得出片面结论的风险，但基于大数定律和概率，进行一些用户观察（哪怕是少量的）总体上仍比完全不观察要有价值，关键是团队需要理解这种小样本观察的不确定性，并努力争取观察更多的用户。
KANO模型再理解
这篇讲的是KANO模型在产品功能规划中的实战理解。作者跳开了抽象定义，用“基础”、“期望”和“亮点”三类功能，重新框定了一个产品从“能用”到“好用”再到“惊艳”的路径。 核心观点很清晰：基础功能（Must have）是门槛，没有则一票否决，比如手机的通话能力；期望功能（Nice to have）是用户会直接反馈的改进点，但单纯依靠用户调研容易局限于此。真正的差异化来自“亮点功能”——那些用户自己想不到，但一旦实现就能带来惊喜和口碑的特性，比如早期手机的指纹识别。 文章还揭示了一个动态规律：功能类别会随时间迁移，今天的亮点（如彩屏）会逐渐沦为明天的基础功能，这正是产品迭代的动力。最后点出了关键：基础功能消除不满，亮点功能才能创造口碑，而发现它们需要超越简单调研，深入理解用户场景与人性。对于产品经理而言，这个模型帮助厘清了需求的优先级与创新的源泉。