京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何发掘用户的本质需求和隐含需求
在谈这个话题前先分享一个小故事,这是我曾经一个同事给我们讲述的用户需求案例。事情是这样的,他的一个朋友是外国人,有天来公司拜访他,结束之后他送这位朋友出公司。 他的朋友对同事说,他需要找前台借一支笔。同事就问他做什么,他说需要前台将自己手机上显示的英文地址写成中文,然后他打到的士后就可以给司机看,这样司机就能把他带回酒店。
同事举这个例子是想告诉我们,他的朋友最原始的需求是“借一支笔”,而本质需求却是“回到酒店”,这两者相差甚远。
通常原始需求都是用户自己想到的解决方案,认为可以解决自己的问题,而事实上如果能获得用户的本质需求就可能找出更合理的方案来解决用户的问题。
我们在做产品时,不论我们的产品经理还是设计师经常能从市场或运营团队那里得到一些用户的原始需求,比如这个颜色希望变成绿色,这里的字体需要更大,急需更省电的模式等等。很多产品经理和设计师信奉用户至上,包括现如今很多声称具有互联网思维的公司都强调用户在产品设计和开发过程中的重要性,这个观点并没有错,但是如果对用户原始需求没有进行任何分析就落地到产品中,这也是对用户极不负责的行为,非常容易造成头痛医头,脚痛医脚的情况。
再举一个实际案例,这是发生在我自己负责的产品中。
我们的产品是移动办公应用,有一个功能就是可以在手机上签到,这样员工到公司附近就可以掏出手机在我们的应用上打卡完成考勤,而不用到走到公司的考勤机旁排队用工卡打卡。有个公司的HR经理就给我们提了一个原始的需求:尽快把签到提示音改为人声。

签到提示音是指在上下班时间前15分钟手机发出的声音提示,以提醒员工用手机签到。我当时回绝了这个需求,理由有两点:
一
是一般App的提示音都不会采用人声,因为不够优雅,如同我们在一些工作场合听到一些人声的电话铃声或是奇怪的提示音都会觉得对方不够职业一样;
二
是上下班时间前15分钟,要么在公共场合如地铁公交上,要么在办公环境中(如还在开会),此时手机突然有人声叫“签到啦”会引起不必要的尴尬,体验会不好。
但是这名HR经理并不认可,坚持认为我们的提醒声音很普通,就是要改为人声,需要给员工很强的提醒。如果仅仅从这个原始需求上来看,感觉是我们的提醒声音不够强烈或是不够特别,可能会跟诸如微信、短信等其他应用的提醒音混淆。所以我跟这个HR经理沟通是不是可以让员工自定义铃声,因为如果我们官方提供了一个人声提醒,那究竟是用男声还是女声,用清脆的还是磁性的,用林志玲的声音还是郭德纲的声音?这将无形中会夸大个人的好恶。
HR觉得让员工自定义铃声也可以,并且要求马上就要落地到版本中。但是我自己又仔细想了一下,其实用户自定义提示音的比例并不高,比如我们不少人还是只用默认的电话、短信、闹钟、日程的提示音,而且如果真的大家都来自定义提示音,那么一到某个时间点一个办公室的人手机响起各种自定义的签到提示音也是很滑稽的。
所以我就跟这个HR经理继续沟通,然后才发现了他的本质需求。他们公司原先是在一个特定的指纹打卡机打卡的,每到上班时间指纹打卡机前排很长的队伍等待打卡。现在采用了我们的移动办公应用,HR经理强行拆除了指纹打卡机,让员工不用排队打卡了,由于刚开始执行还没形成习惯,导致员工经常忘记打卡。
该公司考勤很严格,忘记打卡或是晚打卡都要扣钱,员工就要在月底前打印纸件,然后再找两个以上的证明人来证明自己当天只是忘记打卡并非旷工。而这名HR经理则要去考证这些证明,无形中增加了很多工作量,也提高了公司的管理成本。
我们可以看到,
这名HR经理的原始需求是将签到提醒音改为人声,实际上他的本质需求是让员工减少忘记打卡的概率,同时在员工忘记打卡后也没有额外的人工处理工作量。在他看来只要将签到提醒音改为人声,这么明显的提示员工自然会想起来打卡,大家都打卡了,他也就没有那么多工作量了。
这名HR经理的原始需求和很多用户的需求一样,通常都是他们自认为的解决问题的方案,但是用户对整个产品的考虑却比较少,他们一般是比较难想到自己的方案对现有产品带来的影响或是在一些场景下的不合适。对于这个HR经理的原始需求我给出了更为人性的方案。
首先,如果员工在上班前忘记打卡,但是员工此时手机连上了公司Wi-Fi,或者GPS定位员工在公司附近,我们的应用给员工自动补打卡(同时还要结合一些手机传感器数据,保证员工手机的确是在使用中,否则员工可能会拿个旧手机连着公司Wi-Fi一直放在公司)。
其次,如果员工真的由于各种原因忘记打卡,而且自动补打的机制也未生效,那么就判断员工是否在工作时间连着公司Wi-Fi用我们的应用发过消息、传过文件,有这样的情况也可以证明员工并未旷工。
通过这些相对智能和人性的判断来减少员工由于未注意到提醒而忘记打卡的概率,从而解决这个HR经理遇到的问题。
其实如果再深入分析一下这个HR经理的需求,我们除了能发掘出他的本质需求外,还会发现他一个隐含的需求。比如他为什么这名急切地要求我们尽快落地增强提示的方案?我们来脑补一下他面临的情况,他强行拆除了指纹打卡机,采用移动签到,改变了整个公司员工的打卡习惯,结果导致了很多员工忘记打卡,员工需要找各种证明和审批,员工一定怨声载道,甚至纷纷质疑这名HR经理当初的决策。所以这个HR经理的隐含需求极有可能是要尽快打消员工对于他强推移动签到这个决定的质疑。能帮他解决这个隐含需求或许他的本质需求也能引刃而解。
所以我们可以看到用户的原始需求跟他的本质需求和隐含需求可能差别很大,那么如何发掘用户的本质需求和隐含需求呢?最好的方法除了深入交流之外最好是能身临其境,就以上面的案例来说,如果能到他们公司呆上一段时间,当一段时间的员工可能会更有感触。
我又想起来一个案例。
这是之前一个业界交流活动,其中有个设计师在西门子公司做大型医疗器械设计。他就跟我 说大型医疗器械的设计要非常严格精准,但是设计师不是医生,很多地方会考虑不到,于是他就跟医生同吃同睡同时工作,医生干什么他就干什么,时间长达三四个 月,到最后他说他对人身体的各种器官、血管都了如指掌了才开始进行设计。或许医生的原始需求只是要扫描病人的什么部位,但是如果仅仅很简单的去根据这样的 需求做设计和开发产品,最终的结果一定不理想,对医生的本质需求和隐含需求肯定很难捕捉。
回到本文最开始的例子,“借一支笔”是一个原始需求,“回到酒店”才是本质需求,于是我的同事并没有给这个外国人找笔,而是找了另外一个同事顺路将其带回了酒店。看,
并不是一定是用户要求什么你就执行,仔细分析之后其实会有更好的方案。
再深入分析一下这个外国人的隐含需求呢?其实是“跟司机用中文交流”,试想一下这个隐含需求解决了,他也就不会有刚开始借笔那一幕了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18