当下数字化产品赛道日趋饱和，同类产品在功能、性能层面差距不断缩小，单纯的界面美观、流程顺畅早已无法构建差异化竞争力。兰亭妙微深耕 UI/UX 设计多年，服务消费、文旅、政务、医疗等数百款产品，在长期落地实践中得出结论：能真正打动、留存用户的核心，是藏在交互、视觉、场景细节里有温度的情感化设计。它跳出冰冷的工具逻辑，以用户真实情绪为核心，让产品不再只是操作载体，而是能感知、共情用户的陪伴载体。

兰亭妙微（蓝蓝设计）深耕 UI/UX 设计十六年，服务数百款政企数字化产品，在长期项目实践中我们发现：当下数字产品早已脱离 “能用、好用” 的基础竞争阶段，氛围设计正在成为拉开产品体验差距、建立品牌情感记忆的核心抓手。区别于传统只聚焦功能、逻辑的界面设计，氛围设计以情绪为核心，融合设计心理学、多感官交互、叙事表达重构人机关系，回答设计底层问题：我们希望用户使用产品时拥有怎样的情绪感受？

上篇我们完整拆解了问卷调研前期筹备、问卷框架与题目设计全流程，本篇聚焦调研中期投放实操、科学抽样规则，以及调研结束后的数据清洗、统计分析、报告落地整套实操方法，结合兰亭妙微多年 B 端管理系统、C 端 APP、可视化平台项目经验，让设计师能用问卷产出可落地、高可信度的量化设计依据。

在前序用户研究文章中，兰亭妙微已经分享过深度访谈、可用性测试两类定性调研方法。今天结合我们多年政企 UI、交互项目实操经验，详解定量调研核心手段 —— 问卷调查，完整拆解从前期筹备、问卷设计到投放落地的标准化流程，帮助设计师跳出主观审美，用客观数据支撑产品改版、界面优化与需求决策。
问卷调查是一套标准化问题集合，可独立开展调研，也能搭配深度访谈、焦点小组联合使用。调研题目覆盖用户基础信息、产品使用行为、主观体验、需求建议四大维度，是低成本、大样本量化用户体验的核心工具。

花3个月上了BI系统，BI大屏每天都跑，老板手机能看实时数据了——然后呢？

发现：看板只是让数据”看得见”，并没有让数据”说人话”。

去年豆芽君参与了一个航运企业的成本分析系统建设。上线后，大屏展示着船舶运营费用、航线成本对比、港口费用构成——数据很全，老板们看得很满意。

但过了几天，老板问了一句：“为什么上个月运费涨了15%？”

运营主管愣了5秒，然后说：“我回去查一下。”

这一查，就是半天。

从4个系统里导出数据，人工清洗，找口径差异，逐条核对……等他把结论整理出来，老板已经忘了问过这件事。

这不是BI的问题。是**”数据到洞察”之间，永远差着一层**——那一层，是人的判断。

所以豆芽君花了点时间，把BI和AI接在了一起。现在再有人问”为什么涨了”，我只需要1-2分钟。

下面说说，豆芽君是怎么做的。

二、从Excel到BI，多数企业走完的路

先说说数据分析的发展历史。

Excel时代是多数企业的第一阶段。数据散在各个业务系统里，靠人工定时导出、清洗、汇总。我见过最夸张的团队，每周五下午花3小时手工整理，周会用的数据和业务系统里的真实数据已经差了2天。

BI时代解决了整理的问题。统一口径、实时同步、手机随时看、权限分部门。大概在2020年前后，很多中型以上的企业陆续上了帆软或者Power BI。老板们终于不用等到周五下午了，数据随时可以查。

但新的问题随之而来：看板越来越多，看到异常指标，不知道原因在哪？

一张大屏上几十个指标，看的人其实只扫自己关心的那几个。真正有价值的信号——比如某个航线成本突然偏离历史均值——看板不会告诉你，原因到底是油价上涨？还是船舶运营效率差？

这就是为什么，BI之后还需要一层AI。

三、BI+AI：让数据自己说人话

3.1 场景：航运船舶费用大屏的”最后一公里”

以航运成本分析为例。BI大屏展示的核心指标通常是这样：

本月船舶运营总费用：¥2,380,000 环比上月：+12%

老板看到这里，下一步就是问你”为什么涨了”。

以前的流程：业务人员拉明细Excel，数据分析师清洗口径，产品经理对比历史数据，写成分析报告，提交给老板——通常需要1到2个工作日。

现在的流程：打开BI看板，底部已经嵌着AI的解读结论：

AI洞察摘要（2026年Q1） 本月费用环比上涨12%，主因：
①油料成本上升贡献+68%的涨幅；
②3号航线港口使费异常增加¥86,000，建议核查；
③整体费用在正常波动范围内，无需过度关注。

这不是科幻，这是BI+AI API对接，跑通之后的标准输出。

3.2 方案架构：三条线接起来

整体方案分为三步，数据从BI流出，经AI解读，再回到BI展示，全流程不需要数据离开企业内网。

第一步：BI开放数据接口

多数BI软件支持通过API接口输出看板数据。你可以选择需要分析的指标，通过接口导出为结构化的JSON数据。

第二步：用WorkBuddy企业版AI解读

把JSON数据发给内部部署的WorkBuddy（数据不出企业网络）。这是关键：不用公有云AI，企业敏感数据不需要外传。

Prompt模板可以直接用：

你是一个资深航运成本分析师。基于以下数据，给出分析结论： [粘贴JSON数据]
请按以下格式输出：
核心异常：环比变化最大的指标TOP3，说明可能原因
趋势判断：过去3个月的变化方向（上升/下降/波动）
行动建议：建议优先关注哪个指标、排查什么数据
质量提示：如果发现口径不一致或数据缺失，请标注

这里有个经验：Prompt要具体，不要泛泛说”分析一下”。 你问得越清楚，AI的结论越可用。“按航线拆解费用变化”和”分析一下”，输出质量差一个量级。

注：涉及数据隐私，图片仅为效果参考

第三步：洞察结果嵌回BI看板

用BI工具的”插入HTML”组件，把WorkBuddy返回的分析结论以文字形式展示在大屏底部，与原始数据同步更新。

这一步的好处是：用户不需要切换工具，在看数据的同时就能看到AI的解读。

注：涉及数据隐私，图片仅为效果参考

3.3 Before与After：同样的数据，不同的体验

纯BI阶段BI+AI阶段老板看到费用上涨开始问原因，安排人查AI已标注主因和关联因素分析师回复细节1-2个工作日后AI当场给出初步结论月度分析报告手动写初稿，人工润色AI生成初稿，人工审核数据异常发现靠人工盯着，或者客户先发现系统自动标注

四、进阶：从”用户问AI”到”AI主动推”

上面的方法跑通2到3个月之后，你会发现有些分析模式是固定重复的——每周一早上，各航线成本对比每月费用异常预警（环比超过某个阈值）特定船型超过预算时的提醒

这些场景触发条件明确，分析逻辑固化，每次都是同一套结论。那就不需要人去找AI了，让AI主动来找人。

这就是AI定时任务，主动推送洞察。每天早上 9:00  → WorkBuddy读取BI关键指标  → 发现异常（环比变化超过阈值）  → 通过企业微信/邮件推送洞察报告

这一步做起来也简单，因为分析规则已经固化了——上一步的产出，就是这一步的规则来源。

建议的顺序：先跑通BI+AI API对接，等积累了足够的分析案例，再上AI定时任务，主动推送洞察。

不要一上来就做主动推送，那样分析规则不成熟，推出来的内容质量不可控。

五、BI+AI融合的方法论

经过这个项目的验证，我总结了一套”三段论”：

第一阶段：BI打通数据 统一数据口径、实时监控、权限管控。这是大多数企业已经完成的事情。

第二阶段：AI解读数据 用企业在用的WorkBuddy等AI智能体对BI导出的JSON做分析，输出可读的洞察结论。这是现在最值得投入的环节。

第三阶段：AI主动推送 固化分析规则，用定时任务替代人工触发，从”人找数据”变成”数据找人”。这是下一阶段的目标。

两个注意点：

1. 数据安全是底线 企业内数据不要上传公有云AI。WorkBuddy企业版是内部部署，数据不出域，这是基本前提。你可能会觉得”只是一些费用数据”，但对于贸易型企业，一条成本数据就是谈判筹码。

2. AI结论需要人确认 AI做分析辅助，但最终结论需要业务负责人确认后再使用。六、写在最后

写这篇文章的时候，我回想了一下过去十年做数据分析的历程。

Excel时代，我们学会了”怎么把数据整理干净”。 BI时代，我们学会了”怎么让数据被看见”。 AI时代，我们才开始思考”数据背后的业务问题是什么”。

工具变了，但有一件事没变：数据本身不会说话，说服人的永远是数据背后的分析和洞察。AI做的，是帮我们发现背后隐藏的信息，人再做综合判断。

在产品外观、界面与工业设计全流程中，用户研究是贯穿全程的核心标尺，能让设计脱离设计师主观臆断，扎根真实人群、真实场景，产出具备落地价值的解决方案。兰亭妙微结合多年政企、消费类产品设计项目经验，系统拆解标准化用户研究流程，讲解调研方法、数据梳理工具与洞察转化思路，理清从用户需求到设计落地的完整链路。

在 UI/UX 设计落地过程中，视觉、交互往往占据团队主要精力，UX 文案却常被视作 “填字工作”，仅要求无错别字即可。但兰亭妙微十六年数百个医疗、金融、工业后台、政务 SaaS 项目实战证明：文案是产品与用户直接对话的桥梁，一句模糊提示、表意笼统的按钮文字，都会增加用户理解成本，拉长操作流程，甚至降低业务转化。一味照搬苹果极简文案模板并不适配国内各行业产品，结合用户真实需求搭建标准化文案体系，才能兼顾易用性、专业性与品牌调性。

一、为什么设计师必须懂用户行为分析

二、用户行为分析核心定义与价值

三、用户行为分析四大核心优势

1. 客观真实，规避主观偏差

2. 群体大数据，兼具代表性与准确性

• 代表性：大量用户种草某帖子后均下单同款商品，可据此精准推荐商品，兼顾用户预期与商业转化；
• 准确性：后台操作日志可精准追溯员工仓库补货流程，无需主观回忆核实。

3. 持续可追溯，适配产品长期迭代

• 可持续：通过长期数据观测，可清晰发现服饰品类从冲锋衣热销转向瑜伽服领跑的趋势变化；
• 可追溯：一键查询历史消费金额、下单品类，精准复盘个人或群体消费习惯。

4. 不可被 AI 完全替代

四、用户行为分析标准搭建流程

1. 聚焦核心不求全覆盖，优先锁定高价值业务场景；
2. 清洗过滤异常、无效、爬虫测试脏数据，关联业务数据库；
3. 搭建可视化数据报表，完善指标运算规则；
4. 开展用户分层、异常行为复盘，输出产品优化、定制营销方案；
5. 进阶搭建行为预测、喜好推荐等分析模型，持续维护画像与埋点、指标体系。

五、核心关键节点深度拆解

（一）目标需求拆解：找准方向再落地

1. 启动时机

   

   产品具备基础流量，且有明确的用户行为分析诉求时再启动：如流量分布调研、功能使用频率统计、转化漏斗分析、用户偏好挖掘、用户画像搭建等。无流量、无明确业务目标盲目搭建，只会事倍功半。
    
2. 合理界定范围

   

   用户行为分析体系搭建是长期工程，切忌追求一步到位全盘布局。建议小步迭代、针对性搭建，从表层问题逐步深入，打好基础再扩容，降低后续维护迭代难度。
    
3. 自上而下拆解逻辑

   

   从顶层业务目标（商业转化、活跃留存、任务通过率）向下拆解，锁定核心业务场景、关键任务路径；穷举核心功能入口与操作链路，避免数据断层、异常问题无法溯源。

    

   核心原则：贴合业务价值，聚焦核心指标与场景，拒绝无效全面化建设。
    

（二）读懂数据埋点：行为采集的核心工具

1. 埋点是什么

2. 埋点适用场景

3. 埋点需求提报技巧

4. 业务扩参解析

（三）数据治理：保障数据质量的基石

1. 数据治理的必要性

2. 数据治理落地方式

3. 数据长期维护

六、三大核心分析内容产出逻辑

1. 内容产出优先级

• 核心指标（转化率、留存率、活跃度）是业务高层首要关注重点，优先落地；
• 行为链路、漏斗分析从微观视角挖掘体验卡点、流量问题，支撑产品优化；
• 用户画像数据收集周期长，需逐步沉淀完善，不适合作为初期搭建重点。

2. 基础指标构建

3. 行为链路分析

1. 梳理用户活动范围、页面流转关系，掌握流量分布与走向；
2. 定位任务流程漏斗卡点、跳失节点，优化体验、提升转化；
3. 依据路径特征做用户分层、偏好预测，赋能内容推荐与精准营销。

4. 用户数据画像

1. 偏好细分：兴趣偏好、行为偏好、消费偏好，通过标签化实现个性化内容推荐；
2. 基础画像指标：地域、年龄、性别、设备类型、活跃度，依托后台数据即可简单加工生成；
3. 进阶画像指标：交叉分析年龄段消费能力、教育背景与兴趣关联等复合型特征；
4. 用户分层应用：按闲逛浏览、精准采购、活动参与等行为分层，提供差异化服务与运营策略；用户规模较小时无需急于分层，避免投入与收益不匹配。
    
   ⚠️ 画像数据采集全程需严守用户隐私安全、合规合法原则。

七、分析结论落地应用

今天，兰亭妙微UI设计公司分享的是「常见的交互设计套路」。

不知道大家有没有过这种体验，睡前拿起手机刷短视频，原本打算看几条视频就睡觉，结果刷着刷着一两个小时就过去了。

那么我们为什么会忍不住一直“刷刷刷”呢，这种设计背后藏着哪些交互逻辑。今天就来好好聊聊这个话题。

一、引导用户沉浸的 4 种典型交互

1. 无限滚动

2. 自动播放

3. 下拉刷新

4. 红点与消息反馈

二、功能的两面性：从好体验到 “操控式设计”

暗黑模式：用界面或交互故意误导、操纵用户决策，看似友好，实则诱导点击、违背用户意愿。上述沉浸型交互，很容易跨过边界变成套路。

三、良性引导用户的 3 个设计原则

1. 提供终点，保留用户决策权

2. 适度反馈，拒绝过量刺激

3. 少套路，多真诚

结语

在用户研究中，不知道你是否会有“不知道该如何获取用户需求”的情况，应该如何提问、如何设计提纲？是直接问用户需要什么吗？是直接问用户对我们的现有方案有什么痛点吗？是直接问用户新方案好不好吗？如何从用户场景中洞察用户需求？将会为大家讲解用户研究中的万能钥匙：用户场景。

如何获取用户场景、如何通过用户场景洞察需求、如何将用户需求应用到产品/服务设计中，希望给大家带来一些启发～

一、为什么要到用户场景中去？

首先，链接用户需求和产品/服务设计的关键是“用户价值和产品价值”，即通过准确的”用户希望通过产品/服务实现的价值诉求”建立正确的“产品/服务自身想提供给用户的价值主张”，产品/服务的一系列设计都是基于该价值主张开展，这样的设计才是在各方面都满足用户需求的。

但是，用户希望通过产品/服务实现的价值诉求并不是他能直接告诉我们的，尤其是在比较创新性、系统性的设计中，用户直接表达的想要 XX 不一定是真实需求、而是假想的解决方案，

比如用户常在调研中说“你这个按钮再大一些”，我们可以无限制的放大按钮吗？用户为什么希望更大一些？实际上的点击场景是怎样的？也许当我们进一步还原场景会发现除了放大按钮，给按钮换颜色、挪位置、固定区域都是可以的解决方案。

当我们洞察用户背后更深层次的原因和诉求时，“用户场景”就是最关键的介质：

1. 用户场景是最容易获取的、承载用户诉求的表象内容，在研究过程中能通过很多研究方法直观获得，通过用户场景我们能获取用户的行为习惯、消费特征、决策偏好等丰富的内容；
2. 产品方案设计的本质也是重新设计用户的场景，是基于现有场景中的痛点和期待进行场景再造，因此回到用户现有场景中就很关键。

二、什么是用户场景？

先来看一段访谈对话～

Q：您周末的时候一般做什么事情？

A：我一般都在家里陪陪女儿和儿子。

Q：您能帮我们回忆下周末都会陪女儿和儿子做什么事情吗？

A：一般我都会在周末给他们准备早午饭，还会做一些烘焙。

上面是我们要获得的用户场景吗？并不是，我们需要的场景是：有丰富的细节、有生动的画面感、有强烈的代入感的“还原性场景”，需要包括空间、时间 、人物、行为，像下面这种：

Q：您和孩子共享早午饭的时候是什么样子呢？可以具体的描述一下当时的场景、越细致越好。

A：我家的厨房在一楼，一般都是西厨用的比较多，我起来之后会做一些西餐，牛奶、三明治，我喜欢边做饭的时候边听音乐，享受其中。我女儿很喜欢“有仪式感”的早餐，所以每次我都在我家的吧台铺上一条桌布，把食物精致的摆在盘子里，还会放一束花，在楼上呼唤楼上“亲爱的公主，下来用餐啦”，孩子就坐在高脚凳上有说有笑的吃，我还把每次做的饭都拍了照片单独存了相册（随后与我们分享了手机里的照片，网红早餐）

该场景是在地产项目中常见的空间使用场景，在不同的项目类型中我们所关注的场景类型也有所差异，一般可以区分为通用的生活场景和与该产品/服务强相关的场景，其中后者需要重点关注：

1. 生活场景：一般通过用户《典型的一天》去了解家庭场景、独处场景、社交休闲场景、工作场景、消费场景等；
2. 产品/服务场景：包括用户购买时的决策场景和操作产品/接受服务的使用场景，具体研究的场景与项目类型有关。

三、如何获取用户场景？

可以通过深度访谈、陪同访问、观察法等多种方法结合获取用户场景：

1. 深度访谈

通过与受访者一对一面谈的形式，深入了解用户的购买行为及逻辑、产品关注点及需求、产品使用场景等信息。

该方法有充足的时间与用户深入交流，是最常用的方法，但该方法多是用户通过回忆回答问题，会带有一定主观性，这时候就可以结合另外两种方法进行；

2. 陪同访问

在购买或实际使用阶段陪同用户进行，真实还原场景，直接观察用户的行为、情绪、与各触点的接触状态等，结束后及时进行补问，了解其行为动因、消费、使用体验感知等。比如跟随用户前往售楼处参与决策过程、让用户共享手机屏幕参与在电商平台的挑选过程。

该方法能避免用户回忆、在实际场景中了解用户最直观、真实的反应，在用户和产品/服务接触场景中需要尽量减少打扰、观察和记录问题，在该阶段结束后再进行访谈。

3. 观察法

通过在家中看、听、亲身体验等行为找出现象作为确证，深入揭示客户生活场景及产品使用习惯。比如观察用户家中厨房的布局、家电，询问为什么买这些家电、一般哪些场景下用、为什么放在该位置、如何布局的动线等。

该方法更发挥研究员的主动性，需要在观察中抓到关键信息（如此次研究重点关注的、该用户与众不同的信息等）去进行挖掘。

在应用以上方法获取场景时，还需要关注访谈提纲的设计和工具的使用：

访谈提纲是按照一定顺序去获得场景，多采用“总分总”的结构：1）总-先整体回忆，不用描述细节，对整个过程有大致的了解，并记录被访者重点说的内容；2）分-每个环节详细说，重视被访者反复说的内容；3）总-对所有提到的内容进行总结、补充、评价；

其中“分”里的场景顺序，根据项目类型可以：

1. 以流程为序：有明显先后发生顺序的场景，如购买场景（产生动机-获取信息-筛选信息-现场选择-对比-决定…）、看房场景（售楼处-沙盘讲解-园区介绍-样板间看房-签约…），可结合《顾客旅程图》《决策旅程图》工具使用；
2. 以空间变换为序：和空间有较强关系的研究，可以空间为序，如地产项目需获取的场景（卧室、厨房、客厅、卫生间、园区、周边），可结合《户型图》《场景卡片》工具使用；
3. 以时间为序：对于生活形态、日常行为相关的生活场景研究，可以时间为序，如工作日和非工作日一天的轨迹（从起床到睡觉，什么时间去了哪里发生了什么…），可结合《典型的一天》工具使用；

对于较难描述的价值场景，可以通过示卡测试、情景假设、朋友圈探究的方式去激发用户讲述：

①示卡测试：主要包含关键词测试与图片测试两种方法，在撰写提纲时我们针对需要挖掘的价值场景提前准备示卡，在访谈时提出问题、出示卡片，让用户选择、并通过案例或场景描述解释为什么这样选择：

②情景假设：提出假设性问题，留给受访者畅想的空间，鼓励受访者放飞想象

如用情景假设的方法挖掘客户的理想度假状态：

Q 抛开现实条件的束缚，如果给你两天时间，您最理想的度假地点是哪里？你会怎么度过呢？请您畅想一下。

Q 如果给您两周时间呢？

③朋友圈探究：通过浏览用户朋友圈，观察日常分享行为，以便更深入的了解用户，总结其价值观、在意点、需求取向等。比如是乐于分享的、关注热点的、喜欢未知爱探索的等等。

四、如何洞察场景中的用户需求？

在洞察场景时，首先需要对用户群体进行分类，这里的群体分类要依据用户对产品/服务/功能的使用差异进行区分，比如文旅地产开发项目中，我们结合用户的生命周期和置业目的，可以区分为养老一族、家庭度假、享乐度假、投资客，地产公司实际在开发产品（含户型/配套/服务的产品大概念）时也会考虑针对的主要群体，因此需要把同一类用户的场景放在一起分析。

接下来的场景洞察也以该文旅地产开发项目为例：

1. 场景分类形成典型场景库

从用户访谈小结中抽取该类用户的所有场景进行整合分类，结合地产维度可以为购房场景、居住场景、物业交流场景、社区交流场景等。

2. 分解场景关键内容洞察需求，以下图的场景为例

首先标注场景关键内容，对场景中人、时间、地点、行为、互动、情绪感受、喜好偏好等内容标注；

其次分析背后原因，将自己代入角色中，分析这样做的原因是什么，反映了具体什么人物特点；

再是去除具象标签，将与个人相关的具体内容去掉，转化为更高级别的需求；

3. 需求进一步提炼核心诉求

从场景中洞察的需求有时候会偏零散的，无法一步形成系统化建议，如果说场景是冰面以上的东西、需求是冰面以下的东西，那诉求是深海中的、是比需求更深层次的洞察，更有利于总结用户的共性需要，将其作为设计原则、进行系统化设计和建议的提供。

看一些具体的需求-诉求的提炼案例，会发现这些诉求都可以作为产品/服务的设计原则，再应用到不同方面的具体设计中，比如户型的、配套的、物业服务的、社区活动的等等：

写在最后

米兰·昆德拉说过：“无意义是生活的常态，但我们要试着去挖掘它，并且努力爱上它”，对于用户场景的研究也是如此，看似没什么特别的场景，其实隐藏了很多细节、用户诉求的体现，通过对已有场景的洞察和研究，设计出更符合用户需求和期望的新场景，希望我们都能在用户场景中开出花～

转载：优设

兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。