我是如何从乙方转型到甲方互联网行业做用研
上周如意小主分享了假设检验的内容，很高深有木有，这周咱们就来点轻松的。作为刚从乙方市调公司转型到甲方互联网公司的用研狗，以此文来记录一下自己这段时间的感受吧，可能不是特别权威，都是在学习实践中磨练所得，未进之处，欢迎大家补充指正。
甲方和乙方用研有什么差别呢，各位前辈们总结的很到位，简单一句话：甲方是从头干到尾，但是只伺候一个客户；乙方是只干一个环节，但是伺候一大堆爷…
好啦，回归正题，甲方和乙方用研到底有什么区别，不都是用研嘛。确实，都是用研，但是换个环境，你的工作流程、工作内容、工作要求就不一样啦！
一、工作流程不同
先来看一下用研人员的工作流程，这一看不得了，发现用研人员都是全能型的。在乙方（部分内资市调公司）的时候，原则上说，用研人员只负责”研究“这一个环节，但是实际上呢…个中辛酸你懂得…连销售的活儿也干了；到甲方之后呢，更全能了，连执行和数据分析的活也抢着干了…oh yeah…我们都好勤劳！
附图 甲方和乙方用研人员工作流程图
二、工作内容不同：
基于上面说到的工作流程，相应的工作内容也会不一样，除了原来的”研究”部分工作，还增加了执行和分析工作，这可能也是大多数乙方转型到甲方的用研人员不习惯的地方：
01
执行环节工作
说到执行，肯定要说招募啦，招募是难难难点，没有了乙方公司强大的执行团队作支撑，一切都要从头开始。如果要找自己产品的用户还好说，可以去用户库里搜一下，如果想找的是竞品的用户，那就难了，身边同事没有认识的，外放招募公告又找不来人的话，那就只能求助第三方了。
目前多数互联网公司的招募途径如下：
1）公司用户库招募：定向短信或是电话形式访问/邀约；
2）用户界面投放招募：自己网站/app上定向push或是发布问卷；
3）外放通告形式招募：针对一些特殊的目标用户，如汽车用户，可以去汽车相关的论坛、微博或是贴吧上发布招募公告；
4）公司同事，如果项目时间特别紧张，或是项目性质决定了不一定必须要真实用户，可以找对被试内容不熟悉、又与目标用户相似的同事进行测试，比如可用性测试的时候，测试某个APP上的按钮位置显不显眼，或用户看到某个交互时的第一反应等等；
5）身边朋友，如果身边有朋友正好符合条件，那就再好不过了，可以邀请他们参加测试或访谈，但不宜过多；
6）请第三方招募，最省事的方式，但是最最最重要的是要付出成本了；
招募之后就是甄别和实地访问了，这时候如果公司内部有客服人员或是有各区域办事处的话，可以充分利用这些资源，比如让客服人员帮忙甄别或是邀约，让各区域办事处提供场地、布置场地等等(当然啦，这得是公司政策允许的情况下哈，有时需要你去争取资源~~)
说下来，其实执行环节工作还好，虽然在乙方的时候很少实际去做，但是最起码懂得各个流程，也知道各环节可能出现的问题，在关键问题上重点把关就可以了。
02
分析环节工作
分析环节，主要是定量数据的分析，可能会令一些人头疼，确定分析思路没问题，解读数据也没问题，但是这些数据是怎么分析来的，尤其是涉及到一些复杂分析的时候，就不知道怎么办了。莫急，你可以参考霞光里的《墙烈推荐：8分钟教你搭建完整的数据分析思维框架》，先建立分析思维框架，再学会excel和spss，掌握基本的统计学知识，大致就可以搞定啦。Excel肯定还是使用最多的工具，主要是熟练掌握各种函数用法，学会透视表等，spss算是一个傻瓜软件，只需点选就行，虽然不必掌握各种检验、各种统计方法的具体原理，但是要知道这些方法能证明什么，什么情况下使用，结果如何解读等等。如果这些都没问题啦，可向更高阶晋升，如SQL、Python等（数据分析师方向的用研需要）。
三、工作时效要求不同：
在乙方公司做调研，一个项目至少要一个月，这在一切讲究效率、唯快不破的互联网行业里，肯定是行不通的，你这边调研结果一两个月后出来了，那边产品不知道已经迭代了几个版本了，辛辛苦苦劳累了一两个月，没有意义。这时候我们能做的，只能是尽快调整自己，跟上这个节奏，更灵活的变通着去做研究：
一是把大项目拆分成几个小项目，每个小项目“短平快”，跟上产品改版的节奏。这就要求用研人员跟需求方充分沟通，了解项目背景和目的，了解最核心需要解决的问题是什么，最后研究结果打算如何运用等等；把一个大的项目拆分成多个阶段性的小项目，并以短小精干的问题来定位每个小项目的目标。
二是研究方法上变通，比如想搜集产品使用痛点，在乙方的时候可能会去开几场座谈会，但是现在不行啊，时间紧任务重，怎么办呢? 建议在不影响效果的情况下，可以试试电话访问，我们的优势就是有这些用户的资料嘛，可以分分钟联系到他们；或是从后台提取一批日志数据，分析下用户使用过程中有哪些异常的地方；或是分析用户投诉数据；再不济找身边的现成资源（符合条件的同事或是亲戚朋友），摸底一番。
通过上面两步，基本会过滤掉很大一部分需求了，最后剩下的就是那些没法变通的，这时候只能按部就班一步步来，否则研究效果会大打折扣。
上面说的都是一些偏技术层面的东西，其实在甲方做用研，思维上的转变也是非常重要的：
01
对业务的理解至关重要，不是产品经理但是要从产品经理的角度去想问题
作为刚从乙方转到甲方的人员来说，从用户端到产品端的思维转变是首先要做的，但可能也是很多人没有意识到的。如果你还沾沾自喜说我很厉害，我知道各种用研方法，在乙方也实际应用过，我去甲方肯定没问题，分分钟上手。告诉你，没有用，在甲方做用研懂业务是更重要的，同样的分析结果，懂业务同事和不懂业务同事的解读可以是完全不同的，不懂业务同事在分析时容易出现以下几个问题：一是分析的方向/维度不合适，没在点子上，二是结论的深度不够，欠缺洞察力，三是结论对实际业务的指导力度不够，不够接地气儿，有些“飘”。
所以去甲方后首先要做的，肯定是要学习业务啦，多学多记多请教，搞清楚产品内部逻辑，先从产品经理角度去思考，产品有哪些板块，各板块的功能是什么样的，有哪些隐含逻辑；再对应到用户角度，去看这些内容在用户来看，是什么样的。比如针对一款社交产品，需要搞清楚男用户端和女用户端分别都有哪些板块，哪些功能，两者之间的交互逻辑是什么，有哪些策略等等，再以一个普通用户角度去体验这个产品，研究哪儿有什么问题，为什么会这样等等。
02
数据分析也是用户研究的一种方法，充分利用日志数据来实现研究目的是需要学习的一门本事
来源：高太医的《用研方法的选择及使用时机》中20种常见的用研方法
借用高太医的《用研方法的选择及使用时机》中提到的，（日志）数据分析也是用户研究的一种方法，它只是采用用户自身的行为来反向推断或是预测其下一步行为。用研和数据分析之间没有绝对的界限，如果用研人员能懂数据分析、或是数据分析人员能懂用研，那就再好不过了，两者可以相互补充相互验证，得出的结论肯定也可以更上一层楼呢。
但是实际呢，在绝大多数互联网公司中，用研和数据分析都是割裂的，是两个独立的团队。用研人员主要是通过传统调研手段（不包含日志数据）来了解用户，其痛点在于获取信息方式存在一定不确定性，容易受到别人质疑；而数据分析团队主要是从产品数据角度去分析，实际跟用户接触的比较少，这就导致分析出的内容多是浮于表面的现象，而对现象背后的更深层次的原因分析的不够。
至于说数据分析如何跟传统用研结合，这是个很大的话题了，我也在尝试摸索中，这里先说两点小小的体会吧：
1、数据分析是一个验证假设的过程：
现在每个互联网公司都有海量的数据，而这些数据如何使用是因人而异也是因项目而异的，不管什么样的分析，都是基于假设的验证。
比如我要分析一款社交APP的复购率降低的原因，可能的假设是
a.最近新上了一个策略，导致复购率降低了；
b.新策略引起用户在不同板块的停留时间发生了变化;
c.新策略中免费赠送内容已经超过用户日常所需数量，用户没有必要再复购了;
基于以上假设，我就会以新策略上线前后的时间点为基准，提取用户的交互行为数据，并进行相应维度的分析，从而快速验证假设，得出复购率降低原因。否则，如果我不做这些假设，后续的数据提取、分析维度确定就会无从下手。
2、数据分析可分为两个阶段：描述性分析-预测性分析：
描述性分析是第一步，也是基础，它先输出了一个直观的印象，告诉我们分析对象大概是什么样的，回答的问题通常是：这部分用户是什么样的？有什么特征？留存率怎么样？有多少人付费？付费的时机如何？为什么付费率下降了…通过这种分析，加深了我们对产品或是用户的了解，但是这种分析一是不能带来用户行为上的改变，二是需要定期更新，这也就意味着如果每次分析的指标是相同的，分析的维度也是类似的，得出的内容可能也是雷同的，长此以往，分析结果对实际业务的指导意义会下降，数据分析人员的工作积极性也会受影响。
那怎么办呢?证明数据分析人员更高价值的地方来了，也就是描述性分析的更进一步分析——预测性分析，它提供了对未来的指导，通常回答的问题是：哪些因素对付费是有影响的？影响程度如何？如果用户第一次付费，他有多大可能性继续付费…基于这些预测，我们就可以更好的调整产品或是市场策略。这是最考验分析师能力的地方，也是无数分析师们努力的方向!
当然了，不管是描述性分析，还是预测性分析，一定要密切跟业务结合，懂业务懂数据的分析师才是好的分析师嘛~~
好，我就先感悟到这里了，后面持续更新！如果你励志到甲方做用研，希望我的经验能帮你提前熟悉情况，如果你已经身在甲方了，那相信你的体会应该比我更深，未进之处欢迎补充！
END
~~~~~公主的面纱~~~~~~
————感谢支持霞光里的每一位朋友————
霞光里18号里住着7位热心的用研咪&数据汪
平均4年的乙方专业咨询经验，当前潜伏在各大互联网公司
关注公众号，你提出问题，我们倾囊相助
（虽然我们擅长用户研究，但是你问啥都行）
每周不定天，相约霞光里18号
等你来
您的问题可以直接在公众号内回复
“霞光里18号”感谢您的关注
内容版权均归霞光里18号所有
如需转载、合作请公众号留言
本文由咸鱼编译