互联网用户研究

每个网站都是为了获取用户，一切以用户为核心去建的网站，才会具备价值和有利于提高网站的用户体验与转化。 在进行用户调研的时候，可以分线上和线下两个方向进行。线上部分：1、从百度搜索关键词热度和长尾词进行分析。首先你要找出你所属行业的主关键词，然后分析出来行业的长尾词，再对这些词的搜索结构和百度显示出来的相关搜索进行判断，看百度呈现的内容是什么，你的用户都在找什么，你应该提供什么内容给你的用户。2、找到用户经常出没的地方，看他们都在寻找什么。这种方法也是调研常用的一直，去寻找你的目标群体用户平常上网一般都在哪些地方活动，他们都在找什么内容。3、到你竞争对手网站去分析用户行为一般想了解用户，最好的方法之一就是从你的竞争对手网站进行入手分析，分析网站各方面的数据，运营模式，功能设定，资源对接等等多方面综合的去考虑。4、其他工具进行分析可以利用一些工具对你行业的搜索词或者产品等等进行分析的，比喻站长工具，百度站长，统计工具等等。太多了，自己多去挖掘一下。线下：可以找一些你们的目标客户群体去进行采访调研，看客户希望你们网站都提供什么内容和服务还有功能给他们使用，当然并不是所有客户说的都是对的，需要根据整个行业大方向去进行判断的。具体的可以去实践吧。

互联网用户体验研究计划书的步骤不可以互换。用户体验研究（User Experience Research）用户体验研究的目的是通过对用户行为和企业商业目的的研究，将企业的商业模式，服务方式，策略重点，盈利模式融入良好的用户体验中。用户体验是对用户在使用一个产品或系统之前、使用期间和使用之后的全部感受，包括情感、信仰、喜好、认知印象、生理和心理反应、行为的研究与分析。良好的用户体验产生持续的用户粘性，并对企业品牌的口碑传播起到不可估量的影响作用。1.用户体验研究重要性现阶段由于竞争激烈，很多公司省略了对用户体验研究的步骤直接进行敏捷开发，必须要权衡研究对用户体验的意义与目的。很多时候团队的成员“想当然”的认为用户喜欢怎样，而真正做出来的产品给用户使用体验的时候达不到预期的效果。原因是在产品设计的过程中脱离了用户体验研究。首先，需要做定性和定量研究，需要针对产品体验的目标人群进行分析，不用类型的用户群具有迥异的属性。研究者不能以主观的想法去想用户对产品的体验感受。如果用户没有产品体验感受阐述的基础，就需要对用户进行一步一步的引导。如果用户有非常丰富的相关积累，就要考虑是否应该添加一套更高效的快捷键。至于具体应该怎么做，就需要进行用户体验研究，对用户群、使用情景、用户目标进行研究。2.用户体验研究发展历程随着体验经济的迅速发展,提供个性化的产品和服务成为应对体验经济的必由之路。体验研究的个性化特征验证了心理学家马斯洛的 需求层次“，即人类最高层次-自我实现，因此人对生活品质有更高需求，所以更要加强用户体验的深入研究。用户体验研究理论成果应用于电子商务开展、网站建设和软件设计方面,取得不错的成绩。我国用户体验研究取其国外丰富的研究经验,逐步形成用户体验理论体系,指导信息服务的发展。随着各行各业越来越关注用户体验，尤其是交互设计中的体验研究更为突出，用户体验研究的作用已经引起国内外组织的关注。三维坐标图标法用户体验研究当前已经可以解答相当广泛的问题。通过在一个3维坐标系以及典型的产品开发阶段中列出各种可用的研究方法，可以了解到什么时候应当使用哪种方法。定性与定量网站或是产品使态度与行为用的背景每个维度都是一种区别不同研究的方法，回答不同的问题，也适合不同种类的目的。这个方面的区别可以被归纳为 人们说什么 和 人们做什么。态度研究的目的经常是理解，测量或者是获知人们特定的观念，这就是为什么态度研究在市场部门被经常使用。虽然大部分可用性研究应该更多地依靠行为研究，使用自我报告方法获得的信息依然是很有用的。例如，卡片分类研究能让你深入了解用户在某种信息空间里的心理模型，这可以帮助你决策什么才是最适合你网站的信息架构。调查方法测量态度，或是收集自我报告数据，能够帮助跟踪或是发现你网站中重要的问题。在坐标轴的另一端，那些关注行为的研究方法经常用来试图了解“人们做什么”，并尽量降低研究方法本身对研究结果的干扰。AB测试仅是改版网站的设计，但是努力保持其它因素不变，以便于观察网站设计对用户行为的影响，眼动研究用来了解用户与网站界面设计的视觉交互。在两个极端之间的是两种我们最常用的研究方法：可用性实验室研究和现场实地研究。这两种研究方法结合了自我报告和行为数据，并且可以偏向于坐标轴的任一端。这两者基本的差别在于：在定性研究中，数据经常被直接收集，相反的，在定量研究中数据是被间接收集的，通过一种工具，例如一个调查问卷，或是Web服务器日志。在现场研究和可用性实验室研究中，例如，研究者直接观察用户如何使用技术（或者是没有使用）来满足用户的需求。这可以让用户有能力去问问题，探查行为，或者可能调整研究方案来更好地满足目标。数据的分析也经常不是十分精确的。与之相比，定量研究中的洞察力典型地来源于精确的数学分析，因为数据收集的手段（例如调查工具或是Web服务器日志）捕获海量的数字编码的数据。由于它们本质上的区别，定性研究方法更适合回答关于 为什么 或是 如何解决一个问题 。相反，定量研究可以在回答 有多少 和 有多少种 问题 上做的更好。下面的图表描绘了前面两个维度是如何影响研究方法可以回答问题的种类的。

但通过最近一段时间的思考，有了一些新的发现和总结。个性化推荐本来是一个技术性很强的话题，但本文重点仅仅讨论推荐过程中的“道理”，不涉及任何深邃难懂的技术。本文的讨论主要以Zite和当前几款微博过滤产品基本特征作为参照。为了避免不必要的争议，除新浪微博官方功能外，不指明其他具体产品名称。一、基于SNS的Web阅读推荐随着近年来技术发展，如自然语言处理，数据挖掘，机器学习等领域已经形成了一批可工业化的技术，为高度个性化的内容推荐奠定了技术基础。有了加工办法，还要有原料，才能做出产品。个性化推荐亦然。个性化推荐，无非就是将用户可能喜欢的内容挑选出来呈现给他/她。而喜欢又受两个主要因素影响：（1）内容与用户兴趣的相关程度；（2）内容本身的质量（热门度）。换句话说，就是需要知道用户是谁？他喜欢什么样的东西？这个东西是不是用户喜欢的那些类型？用概括性文字表述就是：用户身份标识用户的兴趣发现内容的特征识别非常庆幸，Social为个性化内容推荐提供了以上几乎所有的原料：用户有帐号标识自己；用户的兴趣可以根据他的发帖，网络关系等历史行为数据挖掘获得；内容的类型特征可以通过自然语言处理技术获得。这一切太完美了！Zite，可以说就是这样一个生逢其时的产品，完美的将这些结合在了一起。通过输入Twitter或者Google Reader帐号，Zite会分析用户的阅读喜好（兴趣），然后根据用户喜好选取新闻/文章中与用户兴趣匹配度高的的结果呈现给用户，确实极大地提升了阅读的效率和质量。二、微博信息过滤和推荐沿着上面的思路一路前行，似乎对微博这个正在趋于爆炸的信息宝库进行某种处理，根据用户的喜好进行筛选过滤，推送用户关心的内容，会是一个不错的产品形式。但仔细思考，会发现有两个问题有待解决：1、 热门度必须注意到一个现象：微博作为一种轻量级，参与度高的公开信息源。单从条目数量上讲，微博每天的UGC数量可能比之前整个互联网一个月的产量还高，可内容却参差不齐！于是，内容的质量成了一个问题。比如喜欢笑话的用户，推荐给他一个高质量的笑话，他会很高兴；但同样是笑话，推荐一个质量平平的笑话，可能反而是一种垃圾信息。可见，做微博信息推荐需要更加重视一个因素：内容的质量（热门度）。基于机器学习等方法，目前自然语言处理技术在文本分类等工作的精度和效率，已经达到了工业化的标准。但对于语义方面的识别和处理，还是很不成熟的。目前还没有任何自然语言处理技术能对一段文章的观点、文采进行质量评估。靠谱的质量评估办法，还得依靠群众对文章的反馈来获得，即热门度。文章热门度的评估并不困难（特别对于微博），看看多少人对这条微博进行了评论和转发就可以判定它的热门程度了。但微博作为一种实时性、瞬时性很高的SNS产品，一方面强调内容质量，一方面还有参与和粘性问题需要考虑。依赖专家型用户反馈的推荐系统，实时性必定大打折扣。这也是为什么目前多款微博过滤、推荐产品的时序比较错乱的原因了（其中包括新浪微博官方提供的兴趣阅读功能）。这自然牺牲了不少用户感受。然而Zite这种产品形式对实时性要求不高，无须考虑这个问题。2、 用户期望高微博过滤和Zite阅读推荐还有一个差别。作为阅读推荐，只要把用户感兴趣的领域文章中，选取热门度较高的一些推送给用户，就可以很好满足用户期望。如果漏掉了一些重要的热门新闻，或者掺杂了少量用户并不关心的内容，只要具备一定相关性，都不会明显降低用户的阅读感受。但微博就不同了。微博用户的关注已经是用户初筛过的结果，他当然不希望漏掉这些用户的任何重要信息；另一方面，作为过滤器形式存在的产品，用户对它的无关内容过滤能力的期望也会相对比较苛刻。综合以上两点，微博过滤器的用户满意度及格线相对比较高！3、 再谈热门度除了热门度，还有一些难以具体化的因素影响着用户的喜好。例如：很多数用户可能会有这种经历，一条转发量并不是很高的微博，却可能是我非常喜欢，非常认可的。SNS的一个重要特征是，用户的喜好很大程度上取决于用户的好友们。用户对内容的认可程度往往依赖于他对信息源的认可程度。你不得不承认，即使都是你关注的用户，在你心中的分量是完全不同的。问题是，哪些关注是用户的最爱呢？很多时候，鞋好不好，只有脚知道。用户通常不会主动告诉你！4、 Facebook的EdgeRank算法是那颗银弹吗作为社交网络的鼻祖，Facebook同样面临信息过载的问题。它目前使用一种名叫EdgeRank的推荐算法。从原理和工作流程上，它确实都很简单：你对好友的任何动都被称作一个edge（包括评论，转发，赞，……），根据动作的不同，你的每次动作都会被计算一个分值，所有动作的累加得分表达了你对该好友的相关程度，这个总分将会影响该好友的微博是否跟容易再你的时间线中出现。但显然，EdgeRank的考虑了人与人的关系因素，而对话题因素考虑较少；对内容质量更是毫无涉及。对于关系至上的SNS，这个算法是有效的。但对于微博这种Social Media，他还有效吗？5、 用户细微喜好差别高度个性化的推荐，无论产品形式如何变化，最终落脚点还是对用户兴趣的深入掌握。要想对用户特征有深入的掌握，除了加强技术手段加以识别以外，充分收集用户数据也是一个非常重要的因素。俗话说，巧妇难为无米之炊。很多很重要的用户特征，比如用户对某些细节领域的关注；或是用户对某些具体关注用户有特别的重视程度，这些从他的历史数据中并不足以得到明确的判断。这个也增加了微博过滤的难度和复杂性。我们看看Zite是如何解决这个问题的。Zite面向篇幅较长的Web内容，用户首先看到的是文章分类和文章标题，而不是正文。用户点击标题后才进入文章开始阅读。这个自然流程实际隐藏着一个惊天秘密—-“我对这篇文章内容感兴趣”！是的，再高明的用户兴趣识别算法也需要不断与用户磨合反馈，倾听用户的声音！但微博过滤就不妙了，微博篇幅较短，强行增加一个点击进入的产品流程，无疑是用户体验上的自杀。那么给用户一个“Like”按钮会不会解决这个问题呢？我的答案是悲观的，用户的参与动力可能难以保证。这个需要结合第一点（热门度）和第二点（用户期望）看，一个初始状态不能较高满足用户需求的产品，用户参与动力是很难得到保证的。用户的耐心是每个新产品推广中最昂贵的资源。结论：为了提升用户需求的满足程度，必须具备高质量的用户兴趣识别能力；并在第一时间切实的满足用户的某项需求，至少达到及格线；最后，产品还需要具备很强的用户特征（喜好）收集能力，让你的每个试用用户，最终都能成为你产品的忠实粉丝，并以此感染他周围的人，帮助产品快速传播。做好社会化推荐，三分技术，七分产品和运营。

这两个可以放到一起来说：基本逻辑是：通过数据分析来加强用户体验；通过用户体验来丰富数据分析。用户体验，举个例子：你拿到新款手机，你对使用它的直观感受，也可称作主观印象。数据分析，接上例：你拿到的这款手机，统计了它的各个物理参数和软件性能参数，然后把数据放在一起研究。所以啦，狭义的说，就是用数据来提升用户的感知度，并将反馈的感知数据化。

区别如下：1.性质不同用户研究是用户中心的设计流程中的第一步。它是一种理解用户，将他们的目标、需求与您的商业宗旨相匹配的理想方法，能够帮助企业定义产品的目标用户群。市场研究，国内还翻译为“市场调查”、“营销研究”、“市场调研”，全球市场研究者协会给出的定义为：“是指为实现信息目的而进行研究的过程。2.研究方法不同用户研究方法是前期用户调查，情景实验，问卷调查，数据分析，建立用户模型。市场研究方法是定性营销研究，定量营销研究，观察上的技术，实验性的技术。3.分类不同用户研究重点工作在于研究用户的痛点，包括前期用户调查 情景实验等。市场研究包括定量研究、定性研究、零售研究、媒介和广告研究、商业和工业研究、对少数民族和特殊群体的研究、民意调查以及桌面研究等。参考资料来源:百度百科--用户研究参考资料来源:百度百科--市场研究

市场研究在国内开展，已经是90年代的故事了，而在国外则是早就形成了固定的体系，也是市场营销中的必要环节，参考科特勒的‘营销管理’一书，其中就有专门的章节来介绍如何进行市场研究，而用户研究的兴起，则是伴随着互联网时代的发展，相对来讲，体系更加的零散，各种理论和方法论的不统一也更加明显，还有最关键的是，在一个产品发展的生态系统中，用户研究还没有成为一个必不可少的关键环节所存在。国内关于用户研究的公司也是少之又少，就现在我知道的杭州有一个广问做的还比较不错。

用户画像一般在前面，但也是在产品运营不同的阶段来调整的。用户定位一般在产品定位前面，至于用户研究是一个比较泛的概念，用户分析，用户终端，使用时间习惯等等这些都是在产品上线后去从运营数据中得出的。

互联网未来发展的趋势有以下几个方向的可能：1、全球化趋势，未来10年、50年，互联网会全球化，目前还不能做到这点；2、去中心化，扁平化，从自媒体就能看出，可以关注自己喜欢的东西，从电商也能看出，以后商品就是直接从厂家到消费者；3、 人工智能，目前人工智能还处在比较低级的层次，再等100年、200年，也许就是人工智能的时代了，人工智能是互联网发展的一个大趋势。

互联网不是一个人的发明。1、美国高级研究计划署播下了种子如果追本溯源，一个比较公认的说法是：种下第一颗互联网种子的是美国高级研究计划署APPA(Advanced Research Project Agency)。该组织发布了第一个互联网的鼻祖，名字叫APPANet，中文名字叫“阿帕网”。阿帕网在1969年开始正式投入运行，在1990年正式退役。这21年间，在阿帕网上，很多的研究机构，大学，纷纷做出了很多或普通，或惊艳的贡献，无数的人在上面添上自己的一砖一瓦，最后孕育出了我们现在使用的互联网。2、科学家开始挑起大梁为了避免外行领导内行，高级研究计划总署还从各个大学里挖科学家当领导，包括当时最著名的MIT的人工智能专家约瑟夫·利克莱徳。传闻说，约瑟夫·利克莱徳当领导的时候, 80%多与计算机有关的公司都是他给钱，而且不管是民用还是军用，先造出来看看。当时，这个人在美国宽松的体制下，一下子把计算机相关行业炒起来了。后来的几任领导都是顶级科学家，包括鲍勃·泰勒，拉里·罗布次等等，每个都是科学界的顶尖高手，后来把拉里·罗布次称为阿帕网之父，因为罗布次首先想到的这个方法，并且画了大量的图来论证，后来连架构都想好。3、阿帕网出生刚开始的时候，阿帕网只有四个节点。第一个节点选在在加州大学洛杉矶分校，因为当时罗布次的朋友克莱因罗克教授在加州大学，当时正在研究网络，这个克莱因罗克教授也是当时顶尖的科学家之一。这个克莱因洛克教授，也是互联网之父之一。第二个节点选在斯坦福大学，当时选第二个节点考虑的主要因素是道格拉斯·恩戈巴特教授在斯坦福，鼠标就是他发明的。其实从某种意义上说，他也发明了互联网。不过一般不说他是互联网之父，而是说他是鼠标之父。毕竟鼠标太出名了。其实他参与发明了超文本系统，网格计算机，还有硬盘等等，这些东西，他都做出了不少贡献。第三个和第四个节点分别选载加州大学圣巴巴拉分校和盐湖城的犹他州州立大学，考虑的因素也是人才，这两个学校在计算机图形学领先于其他学校，而且犹他州有伊凡·苏泽兰教授。这个苏泽兰教授被称为虚拟现实之父，比如说现在虚拟现实这么火热，算起来应该去他那里认个祖宗，他也由于计算机图形学和虚拟现实，获得了1988年的图灵奖。这四个节点，就是阿帕网的种子，种子埋进土地里，很快就生根发芽了，隔了一年，就很快的扩展到15个节点。在1973年，也就是4年以后，阿帕网就连到了英国和挪威。4、阿帕网在科学家的推动下迅速进化当时使用的协议并不是现在的TCP/IP协议，而是一种已经被淘汰的协议，被淘汰的协议叫NCP协议，在1982年被停用，NCP协议被停用以后，由TCP/IP协议代替。当年计算机设备五花八门，每个计算机都使用自己的语言。这个时候，出现了两位科学家，分别是鲍勃·卡恩和文特·瑟夫，他们一起发明了TCP/IP协议，让各种设备能够互联。这两位也分别被称为互联网之父，他们确实配得上互联网之父的名号。这两位也获得了图灵奖。而且还获得了无数的其它奖，包括美国普通公民能获得的最高奖章，布什总统向他们颁发了总统自由勋章。5、阿帕网退役，互联网诞生伯纳斯·李博士，他发明了万维网，这个时候，阿帕网已经接近完成他的历史使命，差不多要退役了。但是基于阿帕网，无数优秀的科学家共同孕育出了互联网。博纳斯·李博士是迎接互联网出生的第一人，他开发出了世界上第一个网页浏览器，互联网从此诞生，开始了一段波澜壮阔的历程。博纳斯·李博士也被称为互联网之父。扩展资料：互联网发展历程因特网始于1969年的美国。是美军在ARPA（阿帕网，美国国防部研究计划署）制定的协定下，首先用于军事连接，后将美国西南部的加利福尼亚大学洛杉矶分校、斯坦福大学研究学院、UCSB（加利福尼亚大学）和犹他州大学的四台主要的计算机连接起来。这个协定由剑桥大学的BBN和MA执行，在1969年12月开始联机。另一个推动 Internet发展的广域网是NSF网，它最初是由美国国家科学基金会资助建设的，目的是连接全美的5个超级计算机中心，供100多所美国大学共享它们的资源。NSF网也采用TCP/IP协议，且与Internet 相连。ARPA网和NSF网最初都是为科研服务的，其主要目的为用户提供共享大型主机的宝贵资源。随着接入主机数量的增加，越来越多的人把Internet作为通信和交流的工具。一些公司还陆续在Internet上开展了商业活动。随着Internet的商业化，其在通信、信息检索、客户服务等方面的巨大潜力被挖掘出来，使Internet有了质的飞跃，并最终走向全球。1、1968年1968年，参议员Ted·Kennedy（特德.肯尼迪）听说BBN赢得了ARPA协定作为内部消息处理器（IMP），特德.肯尼迪向BBN发送贺电祝贺他们在赢得“内部消息处理器”协议中表现出的精神。2、1978年1978年，UUCP（UNIX和UNIX拷贝协议）在贝尔实验室被提出来，1979年，在UUCP的基础上新闻组网络系统发展起来。新闻组（集中某一主题的讨论组）紧跟着发展起来，它为在全世界范围内交换信息提供了一个新的方法。然而，新闻组并不认为是互联网的一部分，因为它并不共享TCP/IP协议，它连接着遍布世界的UNIX系统，并且很多互联网站点都充分地利用新闻组。新闻组是网络世界发展中的非常重大的一部分。第一个检索互联网的成就是在1989年发明出来，是由PeterDeutsch和他的全体成员在Montreal的McGillUniversity创造的，他们为FTP站点建立了一个档案，后来命名为Archie。这个软件能周期性地到达所有开放的文件下载站点，列出他们的文件并且建立一个可以检索的软件索引。检索Archie命令是UNIX命令，所以只有利用UNIX知识才能充分利用他的性能。McFill大学，拥有第一个Archie的大学，发现每天从美国到加拿大的通讯中有一半的通信量访问Archie。学校关心的是管理程序能否支持这么大的通讯流量，因此只好关闭外部的访问。幸运的是当时有很多很多的Archie可以利用。BrewsterKahle，当时是在ThinkingMachines（智能计算机）发明了WAIS（广域网信息服务），能够检索一个数据库下所有文件和允许文件检索。根据复杂程度和性能情况不同有很多版本，但最简单的可以让网上的任何人可以利用。在它的高峰期，智能计算机公司维护着在全世界范围内能被WAIS检索的超过600个数据库的线索。包括所有的在新闻组里的常见问题文件和所有的正在开发中的用于网络标准的论文文档等等。和Archie一样，它的接口并不是很直观，所以要想很好的利用它也得花费很大的工夫。3、1989年1989年，在普及互联网应用的历史上又一个重大的事件发生了。TimBerners和其他在欧洲粒子物理实验室的人----这些人在欧洲粒子物理研究所非常出名，提出了一个分类互联网信息的协议。这个协议，1991年后称为WWW（World Wide Web），基于超文本协议――在一个文字中嵌入另一段文字的-连接的系统，当你阅读这些页面的时候，你可以随时用他们选择一段文字链接。虽然它出现在gopher之前，但发展十分缓慢。由于最开始互联网是由政府部门投资建设的，所以它最初只是限于研究部门、学校和政府部门使用。除了以直接服务于研究部门和学校的商业应用之外，其它的商业行为是不允许的。90年代初，当独立的商业网络开始发展起来，这种局面才被打破。这使得从一个商业站点发送信息到另一个商业站点而不经过政府资助的网络中枢成为可能。4、1991年1991年，第一个连接互联网的友好接口在Minnesota大学被开发出来。当时学校只是想开发一个简单的菜单系统可以通过局域网访问学校校园网上的文件和信息。紧跟着大型主机的信徒和支持客户-服务器体系结构的拥护者们的争论开始了。开始时大型主机系统的追随者占据了上风，但自从客户-服务器体系结构的倡导者宣称他们可以很快建立起一个原型系统之后，他们不得不承认失败。客户-服务器体系结构的倡导者们很快作了一个先进的示范系统，这个示范系统叫做Gopher。这个Gopher被证明是非常好用的，之后的几年里全世界范围内出现10000多个Gopher。它不需要UNIX和计算机体系结构的知识。在一个Gopher里，你只需要敲入一个数字选择你想要的菜单选项即可。今天你可以用theUofMinnesotagopher选择全世界范围内的所有Gopher系统。当University of Nevada（内华达州立大学）的Reno创造了VERONICA（通过Gopher使用的一种自动检索服务），Gopher的可用性大大加强了。它被称为VeryEasyRodent-OrientedNetwideIndextoComputerizedArchives的首字母简称。遍布世界的gopher象网一样搜集网络连接和索引。它如此的受欢迎，以致很难连接上他们，但尽管如此，为了减轻负荷大量的VERONICA被开发出来。类似的单用户的索引软件也被开发出来，称做JUGHEADArchie的发明人PeterDeutsch,一直坚持Archie是Archier的简称。当VERONICA和JUGHEAD出现的时候，表示出非常的厌恶。参考资料：百度百科-互联网