民族志研究方法与用户洞察

概述

本节介绍民族志（Ethnography）研究方法及其在 IoT 用户调研和需求洞察中的应用。民族志源于人类学，通过沉浸式观察和深度访谈，理解用户在真实环境中的行为、习惯和潜在需求。学习完成后，您将能够：

理解民族志方法的核心原则及与定量调研的区别
掌握三种民族志研究变体（全沉浸式/快速/数字）
在 IoT 项目中设计并执行一次民族志研究
将民族志洞察转化为 JTBD 和产品需求

前置要求

在开始本节之前，请确保：

已完成 01 节 JTBD 方法论的学习，了解任务概念
了解基本的用户研究流程
有一个可实地观察的 IoT 使用场景（工厂、仓库、车间等）

核心概念

什么是民族志研究？

民族志（Ethnography）是来自人类学的定性研究方法，核心原则是：

深入用户的真实环境，观察他们实际做什么，而非他们说自己做什么。

这与传统市场调研的关键区别：

维度	问卷/访谈	民族志
地点	会议室/电话/线上	用户的真实工作/生活场景
数据	用户自述	研究者观察 + 用户自述
时长	30 分钟~1 小时	半天~数天（可累计）
洞察深度	表层需求	隐性需求 + 行为模式
偏差	受访者偏差（说的≠做的）	观察者偏差（需训练）

IoT 从业者要点：用户在访谈中说的需求，与他们在实际工作中的真实行为往往有差距。民族志能揭示那些”用户自己都没意识到”的需求，这是 IoT 方案差异化的关键来源。

为什么 IoT 从业者需要民族志？

IoT 项目常见的失败原因之一是”需求假设错误”：

❌ 假想的需求：
"工厂一定需要实时监控所有设备的数据"

→ 民族志观察发现：
工厂班组长最在意的不是"所有数据"，而是"异常时谁能第一时间通知我"
他们不需要更多仪表盘，需要的是更精准的告警和责任分配

民族志帮助 IoT 从业者回答三个关键问题：

问题	传统方法	民族志方法
用户到底怎么做？	用户说：“我们会定时巡检”	观察：巡检实际上每 4 小时一次，中间的空窗期无人监控
用户真正在意什么？	用户说：“数据要准”	观察：用户真正在意的是”异常时别漏报”，精度 ±2°C 足够
什么会影响使用？	用户说：“系统挺好用的”	观察：工人戴手套操作触屏困难，最终放弃使用系统

民族志的三种变体

根据项目的时间、预算和深度需求，有三种常见形式：

1. 全沉浸式民族志

维度	说明
时长	连续 3~~5 天，或分阶段累计 1~~2 周
方法	研究者住在用户工作/生活场所，全程参与观察
产出	深度行为模式、隐性需求、文化洞察
适用	新产品定义、长期战略项目
IoT 示例	研究者在工厂车间连续观察 5 天，记录班组长、品控员、设备维护工的沟通协作方式，发现信息断裂的关键节点

2. 快速民族志（Mini-Ethnography）

维度	说明
时长	半天~2 天，针对关键场景聚焦观察
方法	带着明确假设，在关键时段/场景进行定点观察
产出	验证假设、发现流程痛点
适用	方案设计期、需求确认阶段
IoT 示例	研究者选择”夜班交接”和”设备异常”两个关键场景，各观察 3 小时，发现夜班交接时信息丢失的根因不是技术问题，而是交接班制度本身的设计缺陷

3. 数字民族志（Digital Ethnography）

维度	说明
时长	持续数天~数周（远程）
方法	通过摄像头、录屏、日志等方式远程观察用户行为
产出	使用模式、行为频率、系统交互问题
适用	远程调研、软件/平台类产品
IoT 示例	分析 Grafana 看板的用户操作日志，发现 80% 的用户只使用 3 个视图，其余视图从未被访问；结合回访发现用户需要的不是更多视图，而是”异常概览”一个视图

选择指南：

项目类型             推荐方法
───────────────────  ─────────────────
新产品定义            全沉浸式 + 快速
已有产品优化          快速 + 数字
需求验证              快速
远程团队              数字
时间紧迫              快速
预算充裕              全沉浸式

民族志研究五步法

Step 1: 制定研究计划

关键产出：研究目标 + 观察重点 + 时间安排

## 民族志研究计划 — XX化工厂环境监测需求调研

### 研究目标
- 了解值班人员在日常巡检中的实际工作流程
- 发现当前异常处理流程中的信息断裂点
- 识别夜班期间的人为操作风险

### 观察重点
1. 巡检路线和频次（实际 vs 制度规定）
2. 异常发现后的沟通链路（谁通知谁？用什么方式？）
3. 交接班时的信息传递方式
4. 值班人员在深夜时段的行为模式

### 时间安排
| 时间 | 地点 | 观察内容 |
|------|------|---------|
| Day 1 白天 8:00-12:00 | 主控制室 | 日班交接 + 日常巡检 |
| Day 1 白天 13:00-17:00 | 3 号车间 | 设备巡检操作 |
| Day 1 夜班 20:00-02:00 | 主控制室 | 夜班行为 + 异常模拟 |
| Day 2 白天 8:00-10:00 | 主控制室 | 夜→日交接班 |

Step 2: 实地观察与记录

记录方法：

方法	做法	适用场景
田野笔记	实时记录观察到的行为、环境、对话	通用
时间戳日志	按时间线记录关键事件发生时间和顺序	流程分析
照片/视频	拍摄现场环境、设备布局、操作界面	环境记录
工具有效性记录	记录用户使用/回避某些工具的行为	产品优化
对话录音	录制现场对话（需知情同意）	沟通模式分析

好的观察记录示例：

09:15 — 值班员老李走进控制室，查看了 DCS 系统画面
        停留约 30 秒，扫视了 6 个主要参数
09:17 — 拿起巡检记录本，在"温度"一栏看了一眼
        （没有记录任何数据，因为"看起来正常"）
09:18 — 走到 3 号车间，用手背触摸电机外壳
        （他的动作快速而熟练，这是在用手感受温度）
09:20 — 在巡检记录本上画了一个勾（没有具体数值）

关键洞察：

员工依赖”感官经验”而非仪表数字，说明现有传感器数据未被信任
巡检记录几乎不填写实际数据，说明制度与实际执行存在差距
手背测温是”隐性知识”，老员工会但新员工不会，说明知识传承有问题

Step 3: 深度追问（Contextual Interview）

在观察之后或观察间隙，进行情境化追问（而非正式访谈），让用户在操作现场解释他们的行为：

追问框架：

观察到行为 → 追问原因 → 挖掘判断依据 → 理解痛点 → 引出期望

示例：
观察到：老李用手背触摸电机外壳
追问："为什么要摸电机？仪表盘上不是有温度吗？"
原因："仪表经常不准，汉子上次被坑过一次"
依据："手背测比仪表准，我们老师傅都这么判断"
痛点："如果仪表能信得过，谁愿意天天去摸？"
期望："一个真正准的温度告警，我就安心了"

Step 4: 分析整理

研究结束后，将观察记录整理为结构化的洞察：

分析方法：

分析维度	问题	产出
行为模式	用户反复做的是什么？什么情况下做？	用户行为流程图
信息断裂	信息在哪些环节丢失或延迟？	信息流分析图
隐性知识	哪些判断依赖经验而非系统？	知识缺口清单
使用障碍	是什么让用户绕开系统？	可用性问题列表
情绪节点	什么让用户感到挫败/安心/高效？	情绪地图（Emotion Map）

洞察汇总模板：

## 民族志洞察汇总

### 关键发现 1: 传感器数据未被信任
- 证据：5 名值班员中有 4 人表示"仪表仅供参考"
- 行为表现：每班都会用手/眼/鼻做二次确认
- 根因：历史上发生过 2 次传感器误报，导致可信度下降
- 影响：IoT 系统价值被削弱，人工巡检成本无法真正降低
- JTBD 转化：当传感器数据发生变化时，我希望能判断数据是否可信，
  以便决定是否需要派人去现场确认

### 关键发现 2: 交接班制度存在设计缺陷
- 证据：夜班→日班交接平均用时 2 分钟（规定要求 15 分钟）
- 行为表现：交接内容仅为"没事"或"有点异常已处理"
- 根因：交接没有标准化模板，完全取决于交班人的责任心
- 影响：关键信息随人员更替而丢失
- JTBD 转化：当你交接班时，我希望能系统性地完成信息传递，
  以便每个班次都能知道上一个班次发生了什么

Step 5: 转化为 JTBD

将民族志洞察转化为 Job Statements，为后续的需求映射和方案设计提供输入：

民族志发现	转化的 JTBD
传感器曾被误报 → 员工用手背验证温度	当传感器数据告警时，我希望能验证告警的真实性，以免被误报干扰判断
交接班信息丢失 → 交接时只说”没事”	当交接班时，我希望能自动汇总本班次的异常事件和处理记录，以便完整地传递给下一个班次
夜班人手不足 → 值班人员打瞌睡导致漏检	当我处于低精力状态时，系统能自动替我监控关键参数，以免我因疲劳而漏掉异常
老员工经验没有传承 → 新员工用错判断方法	当我经验不足时，我希望系统能给出明确的判断建议，以便我能做出和老师傅一样准确的决策

民族志的常见误区

误区 1: 观察等于调研

❌ "我去车间走了一圈，看了 1 个小时，了解了"
✅ 民族志要求"足够的时间"来消除观察者效应
   起初用户行为会因被观察而改变，需要一定时长才能看到真实行为

建议：至少安排连续 4 小时以上的观察，或分多次访问。

误区 2: 只观察不追问

❌ 观察员默默记录，不敢打扰用户
✅ 在合适时机追问"为什么这样做？"，才能理解行为背后的逻辑

误区 3: 过早介入解决方案

❌ 观察到问题后立即开始构思 IoT 方案
✅ 先问：这个问题的根因是什么？IoT 是否是最优解？
   有些问题不需要 IoT，培训或流程改进就能解决

误区 4: 样本过少

❌ 观察了 1 个用户就下结论说所有客户都有同样问题
✅ 建议观察 3~5 个不同角色/场景的用户
   当连续 3 个用户出现相同模式时，可认为该模式具有普遍性

验证

验证对民族志研究方法的掌握：

概念理解
- 能解释民族志与问卷访谈的核心区别
- 能区分三种民族志变体及适用场景
- 知道民族志的常见误区
实践能力
- 能为一个 IoT 场景设计民族志研究计划
- 能进行有效的田野笔记记录
- 能在观察后进行深度追问
洞察提炼
- 能从观察记录中提取行为模式
- 能将民族志洞察转化为 JTBD
- 能区分”观察到的问题”和”问题的根因”

最佳实践

✅ 推荐: 首次拜访时先建立信任，不要直接拿笔记本记录；先跟用户做一天”跟班”
✅ 推荐: 记录”实际发生的行为”而非”你认为应该发生的行为”
✅ 推荐: 在观察结束后 24 小时内整理笔记，记忆最清晰
✅ 推荐: 每次观察后与团队进行”洞察分享会”，碰撞不同视角
✅ 推荐: 将观察者效应纳入考量（刚开始被观察时，用户行为可能异常）
❌ 避免: 带着预设结论做观察（会导致只看到你想看的东西）
❌ 避免: 只关注问题不关注用户已有的应对策略（有些”变通方法”就是产品创新的来源）
❌ 避免: 把民族志做成”审核”（不要评判用户的做法，而是理解为什么这么做）

Summary

本节要点总结：

民族志是通过沉浸式观察理解用户真实行为的方法
- 核心原则：观察用户实际做什么，而非他们说自己做什么
- 揭示”用户自己都没意识到”的隐性需求
三种变体适应不同项目需求
- 全沉浸式（3~5 天）：新产品定义
- 快速民族志（半天~2 天）：关键场景聚焦
- 数字民族志（远程）：软件/平台类产品
五步研究法形成完整闭环
- 制定计划 → 实地观察 → 深度追问 → 分析整理 → 转化为 JTBD
民族志洞察是 JTBD 的关键输入
- 从”观察到行为”到”理解根因”到”转化 Job Statement”
- 为后续的需求映射和方案设计提供真实依据

References

Spradley, J. P. (1980). Participant Observation — 民族志观察的经典方法论
Beyer, H. & Holtzblatt, K. (1998). Contextual Design — 情境化设计的经典著作
IDEO - Field Guide to Human-Centered Design
Nielsen Norman Group - Field Studies
ISO 9241-210:2019 — 以人为中心的交互系统设计标准（含现场研究指南）

正在开发商业 IoT 产品？

我们提供 ESP32 ODM 定制设计与制造服务。从原型到量产——编写这套教程的团队，可以和你一起实现。

联系我们 →