分析解读数据的真正目的是什么？

这时她告诉我，“谢谢你，那帮我加个把手吧，高端品牌就是讲究啊，我也给BB试试看。”（表情轻松愉悦）

“试过如果好的话，可以回头光顾哦！”

她稍微用力眨了一下眼睛，扬起了嘴角“呵呵，好，我们先试试~~~”。说到这里，你懂的！

4、与其单独看每个数字，不如串起来读下去，完整地读出一个“人”。

从开放式问卷的广度，到与用户对话的深度，我们一直在拼凑和补充材料，“代入”除了帮我们读懂“人”以外，也帮我们描绘了可能存在的问题，可以通俗地理解为“准备上桌的菜”。这个菜到底能上不能上，材料是不是最终做出这个菜，还得继续“小心求证”。

来到定量问卷阶段，将你的材料组织好，送到用户面前，让他们决定，他们想要什么。用户反馈回来之后，我们进入数据清洗、分析、解读阶段。

这里说一下“解读”

送到我们面前的是一堆数字，一堆图表，我们任务不是告诉大家这个数字是多少，而是数字代表什么。

第一件要做的事是，将自己每种假设的相关数字聚集起来，考察它们是否可以串成链条（俗称“证据链”），如果可以，很好，假设成立。如果不可以，研究一下，假设的漏洞在哪里，也许会发现一个新的结论。

第二件事是，将用户视角下的诸如行为路径、态度轨迹、需求满足过程等链条相关的数字串联起来，看看是否能完整描绘出“人”的形象。如果可以，很好，又一个结论浮现了，如果不可以，检查一下矛盾或缺漏点在哪里，也许会发现用户分类方法不对，另外一个细分维度可能更有效。

举个简单的例子，你有用户对皮肤的元素、颜色、风格、主题的偏好，串联起来，加上一个合适的细分维度对比分析，会发现年龄不同的用户，社会沉浸经历不同，总体风格偏好也存在差异。再类推延伸一下，会发现社会沉浸经历可能会投射在更多其他领域的偏好上。

有人可能会问，这里好像没看见“代入”。其实，在你做的两件事里面，就已经有“代入”。组织证据链、剖绘形象人这两件工作，这需要你很好地读懂选项占比以及填选项的人，才能做好。

本文为马海祥博客原创文章，如有转载，请注明原文摘自于http://www.mahaixiang.cn/sjfx/263.html，注明出处；否则，禁止转载，谢谢配合！

注：相关网站建设技巧阅读请移步到建站教程频道。

（编辑：佛山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!