中国手机用户已经突破9亿人次，占中国人口总数的三分之二。消费者使用手机上网的比例节节攀升，移动互联网已经成为不可阻挡的趋势。

竞立消费者洞察团队（MediaCom Insight）在特定品类的媒介使用习惯研究中，对22个城市15-55岁的消费者进行了同源“三屏”使用时间分配的调查，发现同一个消费者在手机、电视、电脑三块屏幕上的时间分配，正在发生意味深长的变化。

用户研究方法：

此次研究主要针对 18-55岁的消费者，样本量4200。
覆盖范围：包括北京、上海、广州在内的21座一、二线城市。

研究发现一: 工作日，消费者三屏使用时间区隔明显；周末，电脑和手机的使用比例正不断蚕食电视时间。

工作日，“三屏”割据使用时间段的现象非常明显。早上6点到8点，中午12点，下午5点到6点这类碎片休息时间，是活跃的手机使用时间段；白天9点到傍晚6点的工作时间段是电脑上网时区；电视依然占据晚上7点到11点的夜间休闲时间。

周末，晚上6点之前，电脑和手机的使用比例正不断蚕食“看电视”的时间。 即使是晚上6点到10点这个传统的电视黄金时间段，电脑和手机的使用比例也不低。

研究发现二：作为PC 互联网的一个延伸，手机互联网已经成为互联网传播的流行趋势。

工作日，消费者利用上下班在交通工具上的碎片时间，通过手机上网、发微博、看电子书、玩网络游戏等，这些使用习惯都与PC互联网大相径庭。

周末，手机和电脑的使用时间增加，代表消费者在社交、休闲时间段对互联网和手机的依赖性逐渐增加。

这种“互联网 + 移动互联网”的数码使用模式在一线城市表现得尤其明显。据竞立的Encounters媒介研究表明，数码媒介对品牌塑造和产品销售的影响力呈稳定增长态势。因此，我们建议品牌主密切关注“互联网 + 移动互联网”的组合传播方案。

研究发现三 ：假期电视档对女性消费者“魅力不减”。

节假日期间丰富的电视节目让女性依然停留在电视机前，而男性继续应酬社交，成为移动互联网和互联网的主要用户。因此，在各类女性产品的假期宣传推广中，建议采取电视、互联网和移动互联网的组合方案。

竞立消费者洞察团队（MediaCom Insight）负责人傅莎珈表示：“在当下愈发碎片化的媒体环境中，消费者接触的‘屏幕’越来越多，媒介不能仅仅‘混个脸熟’，必须强化‘形象’经营，通过定制内容或者新颖的互动形式，在消费者生活中扮演一个无法替代的媒介。同时，渠道和内容之间的界限越来越模糊，即将激起新一轮媒介经营的话题。”

用户研究是交互设计的第一步，对整个产品的成败起到关键性作用！

无论是产品经理、设计师、工程师，大家都是为用户服务的。用户各有所好。你喜欢这个，我喜欢那个，也有我们都喜欢的。那么在用户的心理隐藏着什么样的秘密呢？要想发现其中的奥妙，通常有两种方式：定性研究、定量分析。定性的信息告诉你为什么会发生，它灵活、快速、细节丰富，但缺乏普遍性，我们能听到的只能是少部分用户的声音，他们是否代表大多数用户是无从判断的。另一种方法就是让数据来说话，定量的信息告诉你发生了什么，它真实、精确。也就是说，用户研究并不一定总要使用“定性研究”这样的方式才能进行。借助数据分析也可以达到了解用户喜好的效果。

一、“数据分析”在“用户研究”中的作用

“数据分析”如何作用于“用户研究”呢？

（1）了解用户概况

了解目标用户“背景信息”：通过数据统计目标用户“人口统计”信息，比如，年龄构成、性别比例、等等（如下图），达到对目标用户背景情况摸底效果

（2）  区分用户群体差异

按照多种维度，发现用户不同特征，将相同特征用户归类，进而准确形成用户分组，为之后进一步用户分析工作在此基础上进行，为产品优化设计工作指明用户群体的方向（如下图）

（3） 分析用户偏好

以调研的产品为核心，按照多种维度统计“频次”、“含量占比”，从而挖掘目标用户各种“偏好”，让“产品优化设计”能够迎合用户需求，有的放矢：如下图一，产品使用地点排行，挖掘用户对地点的偏好；如下图二，产品分类排行，挖掘用户对产品分类的偏好

二、     用户研究中的“数据分析”方法

收集用户数据->制定编码分类->数据分析（用户特征提取）->确定优化方向->提升商业回报，下面进行简要介绍

（1）制定编码分类

抽取近几周到几个月内的数据，根据分析的产品目标建立编码规则，执行编码，直到不再产生新的编码为止。编码可以是任何维度上的，只要对后续的分析有帮助

（2）数据分析（用户特征提取）

编码建立之后，围绕研究“目标产品”用户特征这个中心，按照各种有用的维度进行数据统计，通过数据分析结果，分析提取出“用户特征”

（3）确定优化方向

在分析出来的众多“用户特征”中，根据商业目标和用户体验双方向共赢的原则，寻找产品优化设计的方向

三、     为“数据分析”穿上美丽的外衣

 （1） 数据说明“图形化”，让分析结果更易理解

给统计图表增加“图形化数据说明”，可以更直接快速的传达结论，更易于读者理解，如下方的两张图，分别给横轴的“性别”、“年龄”、“峰值原因说明”增加了形象的图形说明

（2）数据分析图，要能直观的反应结论

统计图表中，在说明不同类别占比或者频次有差异的时候，图形本身尺寸大小建议和所反馈的占比频次成正比，以便读者观看分析报告时候，一目了然，快速理解图表含义，比如下方图形，“YES类”占比多所以“图形面积”大；“NO类”占比少，所以“图形面积”小

最后，“数据分析”需要与“定性研究”相结合，才能发现规律并且追根溯源，更高效的指导设计和产品。

[本文来源百度商业产品用户体验部]