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 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22