今天學習白鴉的微博時看到一段話，頗有共鳴：“下午又被問道：你這個產品的用戶年齡主要集中在多少？ 我又沒具體回答上來。因為真的不關心，我只知道在大網購人群裡面就行，相對於年齡這樣的人口屬性我更關注用戶的行為屬性，比如他網購的被動和主動比例、是不是喜歡比較、平均消費額、消費類目、上網時間、上不上微博”。恰巧前幾天看到Shimu的博客上也在討論這一問題，談及了對一些流行的用戶分類方法的質疑，加之在我的工作中也經常遇到一些同事對用戶分類帶有流行的誤解，於是覺得很有必要把這個問題瓣開來細細分析一番，希望能對糾正某些教條主義和想當然有所幫助。
在用戶研究中有一種典型的教條是：用戶分類是理解用戶的前提，沒有用戶分類就等於沒有用戶研究。這其實是把用戶研究的目的和本質理解錯了。其實用戶研究根本沒有能力去把“用戶”本身研究清楚，這是個impossible mission。因為用戶是“人”，人作為一個物種，整體上看是一個異常復雜的系統，而具體到每一個個體，又是千差萬別，“世界上沒有兩片相同的葉子”，所以科學心理學一百多年來圍繞人去做研究，到現在還沒有研究出一個完整的體系。更何況在企業中一個小小的項目，你說你能把用戶的個性脾氣、行事風格、喜怒哀樂研究清楚嗎？不可能的事。凡是認為能把人這麼容易研究清楚的，要麼就是忽悠要麼就是蠢蛋。
那麼用戶研究是干嘛用的呢？用戶研究只能在“用戶”這個大范圍下劃定一小塊去做研究，就是在西瓜上切個三角，嘗一下，吃進去。當然這個三角的部位可不是隨便切的，而是要選准對產品設計最有直接關聯的那部分下手——就是用戶與目標產品的交互行為和背後的心理過程（注：此處的“交互”不是狹義的專指使用行為的交互，而是指用戶與產品的所有接觸點touch-points上發生的交互作用）。所以很多人對UCD的理解有偏差，犯了望文生義的錯誤，以為以用戶為中心就是要把用戶研究清楚，大謬矣，正確的理解是，是要去研究用戶和產品的交互過程。別忘了，UCD方法是在人機交互學（Human Computer Interaction）和人因學（Human Factors）等學科的發展過程中孕育的，而這些學科的核心方法之一是任務分析。所以幾年前，唐·諾曼就專門寫了篇文章，正本清源，呼吁要回到以”活動為中心的設計”，就是這個道理。當然，我們今天看任務分析，不要狹隘化理解，用戶研究並不是狹窄到只去研究任務行為本身，而是要包括兩個重要的擴展：1）研究對象不只是交互行為本身，還包括與該交互有直接或間接關聯的其它行為；2）不只是研究行為，更要研究用戶對產品的體驗、態度、需求及其背後的文化心理因素。
好了再回過頭來看用戶分類。所有的方法和手段都應該為目標服務。用戶分類是否必要要看它是否總是對我們的用戶研究的目標有益。答案是，未必。因為在很多情況下，置於一個特定的任務場景中，用戶面對一個特定的產品，其行為表現不會表現出本質的差異。如何理解這個問題呢？先要搞清楚，“行為”是如何產生的？人的任何一種行為都是數十種內因、外因共同作用的結果。而在不同的場景下，雖然影響因素的種類仍舊那麼多，但是各個因素的影響權重會發生改變。在用戶與特定的產品的交互過程中，可能這個產品的本身特征對用戶形成的約束成了最主要的影響用戶行為的因素，而不是用戶本身的一些特性，如性別、年齡或者性格。而又由於特定產品的特征是唯一的，所以就造成了有不同內在特征的人在對同一產品上的行為可能是近似的。此時用戶研究的價值就在於觀察和發現用戶是如何對產品的這些約束性因素進行反應的，而不是再去隔靴搔癢研究怎樣把人進行分類。
當然，我不是說用戶分類一定沒有必要。在很多情況下，用戶分類也是必須的。判斷的標准就是：是否存在這樣一種用戶分類，在這種分類下，不同類別的用戶對特定產品的反應會表現出非常明顯的組間差異。道理很簡單，舉個例子說，性別這種分類維度，可能存在這種情況，在所有玩《憤怒的小鳥》的用戶中，不論是男性還是女性，他們的行為表現不存在非常明顯的差異，那麼就不應該按性別對用戶就行分類；但是，也可能存在這樣的情況，在所有玩《勁舞團》的用戶中，男性和女性的行為有明顯的差異，那麼就應該用性別作為用戶分類維度，先將用戶分類，再去分別研究不同類別用戶的行為。所以在“用戶分類”這件事上，可怕的不是分類本身，而是教條主義和想當然，可怕的是還沒搞清楚是否有必要分類，就認為一定要分類，可怕的是還沒有搞清楚哪種維度是影響特定行為的最主要因素，就都拿性別、年齡這種通用的人口統計學維度去削足適履、生搬硬套。
講到這裡，思路已經基本上理清了。用戶分類不是目的，而是手段，目的是把用戶與目標產品的交互行為和心理做盡可能真實和准確地描摹和提煉。不論是分還是不分，不論是采用人口統計學維度還是動機、性格等心理維度，都應該在分析具體研究任務的基礎上，通過必要的預研究來進行確定，所以沒有一成不變的分類模式。但是，目前某些現實中存在的做法是，大張旗鼓地搞用戶分類，搞Persona，搞玩了就以為用戶研究大功告成，但是又抱怨用研報告得不到實際重視。問題就是出在對用戶分類的種種迷信上，如果用戶分類脫離具體的產品和場景，搞空對空，不落腳到對交互行為和心理的深入洞察，怎麼可能對產品設計和創新產生實際的貢獻呢？
用戶分類維度的選取是一項非常復雜和需要謹慎為之的工作。正確的維度選擇是成功的用戶分類的前提，如果一開始維度都選錯了（比如由於“想當然”），那麼用戶分類肯定是無效的，甚至產生反效果。其實任何一種人群區分維度，對交互行為和心理的影響肯定是存在的，問題的關鍵在於這種影響是否大到足以不得不單獨拿出來給用戶進行分類的程度。一種流行的教條是，套用市場研究中的傳統做法，不論是針對什麼產品，都把性別、年齡、職業等作為關鍵維度。但其實在用戶研究中，人口統計學維度很多情況下（不是所有情況）是無效的，無效的原因是這些維度是獨立於用戶與產品交互之外的獨立維度，雖然他們肯定會對交互有影響，但這種影響是間接的，而正因為間接，所以這種影響在傳遞的過程中被減弱，最後可能只會對行為產生不到5%的作用。
那麼除了人口統計學維度之外，還有哪些維度可以列為備選名單之中呢？常見的維度有用戶的使用動機、用戶的使用經驗和能力水平、用戶的個性特征（如根據大五人格理論進行評估）、用戶的生活方式和價值觀（如通過VALS量表來評估）、用戶所在的組織和地區的文化特征（可基於霍夫斯坦德的文化模型進行評估）以及用戶對新的技術產品的態度（可根據羅傑斯的創新擴散模型將用戶分為創新者、早期采用者、早期采用人群、後期采用人群和遲緩者等類型）等。不過，在一些情況下，更有效的維度可能並不是這些通用維度，而是和目標產品或產品所在領域有直接關聯的、能反映特定的交互行為特征的維度。
既然有這麼多備選的維度，那麼在接到一個具體的用研任務時，該如何選擇恰當的維度呢？這裡主要有兩種取向：
一種是”洞察”取向。這是指研究員根據自己浸淫在目標產品及產品領域中積累的經驗和思考，以及通過觀察、訪談等定性研究方法了解用戶後所發現的影響用戶行為的關鍵維度。這種方法強在深度，所發現的維度可能更加擊中本質。
另一種是”統計”取向。即通過問卷調查、日志分析等定量研究方法，在定量數據中分析出影響用戶行為的關鍵因素。這些方法科學性較強，也更有說服力，但是所發現的維度可能只是中間層的因素，並不一定是本質性的因素。
在實踐中，統計取向對組織資源的要求較高，而洞察方法更加高效。所以當資源充足時，建議將洞察方法和統計方法結合使用，先通過洞察方法篩選出最有可能性的備選維度，然後用統計方法進行驗證；而當資源限制時，則建議只使用洞察方法。當然洞察方法是否奏效取決於研究員自身的功力，這不僅指對用戶研究的思想和方法本身的掌握情況，也指對目標產品及其領域的理解深度，這也就是所謂的“功夫在詩外”。