discovery-research-synthesis

发现研究综合

资深 PM 将研究材料转化为决策的实战指南。客户访谈、用户研究笔记、支持工单审查、销售通话记录、问卷数据、应用内反馈，所有这些都要综合起来，为其本应指导的产品方向提供依据。

大多数发现研究都无法促成决策。团队开展访谈；访谈记录堆积如山；研究人员把原始材料（数据倾倒）交给产品团队，或制作精美的汇报幻灯片（洞见表演）；幻灯片在一场 30 分钟的评审会上过了一遍，之后再也无人提起。两个月后，团队做出的产品决策与研究原本要指导的决策如出一辙，依然依赖研究本想取代的直觉判断。

关键在综合分析。综合分析能让研究发挥价值：访谈记录变成带标签的观察，观察归纳成模式，模式得到命名，命名后的模式揭示产品影响，产品影响推动具体决策。缺少这一连串步骤，研究就成了表演艺术。

这项技能适用于一次性的发现研究项目：为期 12 周的客户开发冲刺、为重新设计入门流程而审查销售通话记录，或为一个季度的路线图提供依据的支持工单审计。这不同于 user-feedback-aggregation，后者涵盖持续的反馈流；也不同于 jtbd-framing，后者是一种常在综合分析中使用、但范围更窄的框架技术。

本指南采用资深 PM 或资深产品研究员的口吻：他们擅长综合分析，也见过许多团队在这方面失败。坦诚指出精致包装何时沦为表演，以及归纳模式何时变成捏造模式。

适用场景：综合分析近期一批客户访谈，审查以往研究为何没有促成产品决策，为多周发现冲刺设计综合分析产出，或建立团队目前欠缺的综合分析规范。

---

这项技能的用途

这项技能涵盖从研究到决策的综合分析。PM 技能之间的区别：

• **discovery-research-synthesis（本技能）**是一次性研究综合分析：将一批特定材料转化为一组特定决策。
• user-feedback-aggregation 涵盖持续的反馈流：对始终开启的渠道（支持、NPS、应用内反馈、销售）进行持续综合分析。
• jtbd-framing 是一种常在综合分析过程中使用的框架技术；本技能的范围更广。
• pm-spec-writing 属于后续环节：规格文档以综合分析后的洞见为输入。
• roadmap-planning 属于后续环节：路线图以综合分析后的优先级为输入。
• experiment-design 是定量验证规范，通常接在定性综合分析之后。

适用对象：资深 PM、产品总监、内部产品团队、为客户开展发现研究的代理机构，以及向产品团队移交研究成果的研究人员。

不在范围内的内容：实际开展研究（访谈设计、招募、主持），决定委托哪些研究的整体发现策略，或 user-feedback-aggregation 涵盖的长期反馈渠道。

数据堆砌 vs 洞察表演 vs 可执行综合

核心框架：两种失败模式，以及一种严谨做法。

数据堆砌。 将未经处理的研究材料交给产品团队。“这里有 47 份访谈记录和一份标签表格；你们自己想办法。”没有综合分析，没有信号识别，也没有推导出影响。产品团队要么自己做综合分析（通常做得很差，而且往往拖到几个月后），要么直接跳过（这是最常见的结果）。结果：研究投入产出了材料，却没有产出洞察。

洞察表演。 把过度润色的综合包装成洞察。漂亮的引言墙、精心设计的用户画像、品牌化的汇报演示文稿，却没有能推动决策的结论。研究演示文稿经过 30 分钟的评审后，就再也没人引用。综合分析在高管面前表现出色，却没有为产品团队提供信息。代价：真正的研究预算变成了一套幻灯片；组织“做了研究”，却没有真正开展研究。

可执行综合。 能推动决策的综合分析。每个模式都附有“所以呢”；每项发现都导向产品层面的启示；文档会在路线图讨论、规格草案和优先级辩论中被引用。综合分析简短、观点鲜明且至关重要。六个月后，团队成员仍能说出哪些模式影响了最终上线的内容，以及哪些内容被砍掉。

检验标准：综合分析发布三个月后，团队成员能说出它影响了哪些决策吗？如果能，这就是可执行的综合分析。如果团队成员记得演示文稿，却说不出它影响了哪些决策，那就是洞察表演。如果综合分析从未发生，以至于没人记得任何内容，那就是数据堆砌。

---

发现研究类型

五种常见的研究类型，各自需要不同的材料和综合方式。

客户访谈。 时长为 30-90 分钟的结构化或半结构化对话。材料包括访谈记录、主持人笔记和录音。定性数据质量最高；收集成本最高；做好后综合分析的回报也最大。典型批次：每个发现周期进行 8-15 次访谈。

支持工单审查。 审查近期支持工单，寻找模式。单份材料的信息丰富度低于访谈，但数量更多；能揭示用户实际遇到的阻碍（而不只是他们在访谈中所说的内容）。典型批次：每次审查 100-500 份工单。

销售通话分析。 审查近期销售通话的录音或转录文本。可揭示异议、定价对话模式、竞争对手提及情况，以及营销定位与销售实际主打内容之间的差距。典型批次：每次审查 15-30 次通话。

调查数据。 定量回答，可附带定性评论。最适合大规模验证定性模式；不适合作为主要发现手段（调查揭示的是用户怎么说，而不是他们怎么做）。典型批次：100-2,000 份回答。

应用内反馈。 用户通过产品内渠道提交的反馈。数量很大；质量参差不齐；需要从大量低投入的提交中寻找模式，才能提取信号。典型批次：持续收集；定期审查并综合分析。

不同研究类型可以结合使用。发现周期通常会将访谈（深度）、支持工单审查（数量）和调查数据（大规模验证）结合起来。综合分析会整合这些结果。

详见 references/research-types-and-when-each-fits.md。

---

综合分析流程

从原始材料到决策的六个阶段。跳过任何阶段，综合分析就会失败。

1. 转录并准备。 将材料转换为可用于综合分析的格式。把访谈录音转成文字稿；把销售通话整理成摘要；把支持工单整理成带标签的数据集。准备工作并不起眼，但跳过这一步的团队永远无法进入后续阶段。

2. 在材料层面打标签。 阅读每份文字稿或工单，并为其中出现的主题、问题和引述打上标签。第一轮标签以描述为主：这个人说了什么、遇到了什么问题、想要做什么。标签不够规整也没关系。

3. 跨材料聚类。 将标签归并为主题。多个用户提到了相同的阻碍；多个工单涉及相同的工作流；多次访谈都回到了同一个受挫时刻。聚类会让这些模式显现出来。

4. 为模式命名。 每个聚类都成为一个有名称的模式。命名本身就是分析工作：模式名称起得不好，就会在综合分析中消失；名称起得好，就会成为团队引用的框架。“引导配置阻力”是一个模式名称；“用户遇到了困难”则不是。

5. 推断产品影响。 对于每个模式，它对产品意味着什么？影响是从观察到决策的桥梁。没有影响的模式只是发现；带有影响的模式则是可采取行动的输入。

6. 点明实际意义。 对于每项影响，明确它所影响的具体决策。“我们应该在 Q2 优先推进引导流程改版吗？”实际意义正是让综合分析达到决策级别的关键。

这个流程不可跳过。跳过打标签、直接命名模式的团队会臆造模式；跳过推断影响的团队会产出没有产品方向的发现；跳过实际意义的团队产出的是文档，而不是综合分析。

详见 references/synthesis-sequence-walkthrough.md。

---

打标签与聚类规范

综合分析流程的中间阶段有特定的失败模式。

先在材料层面打标签；不要预先设计分类体系。 标签应从材料中浮现。带着预先设计好的标签分类体系（“我们会按可用性、性能、定价、支持来打标签”）而来的团队，会强行将材料塞进可能不适合数据的类别，也会错过分类体系未曾预料到的模式。

允许标签大量增加；之后再合并。 早期打标签可能会在一批材料中产生 80-150 个标签，这是正常的。聚类阶段会将它们合并。过早合并（“我们有 4 个引导流程标签；我来把它们合并”）会丢失后来证明很重要的差异。

围绕模式聚类，而不是围绕标签重合度。 两个经常在同一材料中出现的标签，可能属于同一个模式，也可能不是。应围绕底层观察进行聚类：它们指的是同一个受挫时刻，还是因为标签定义宽泛才共享同一个标签？

先聚类，再为聚类命名。 聚类名称应来自数据，而不是假设。带着已命名的聚类、再将数据塞进去的团队，得到的是确认；根据数据命名聚类的团队，得到的则是发现。

明确标记异议和矛盾。 有些用户会与主导模式相矛盾。这些矛盾是重要信号：可能存在需求不同的细分群体，也可能是模式没有数量看起来那么强。标记这些异议，以便综合分析能够加以处理。

详见 references/tagging-and-clustering-discipline.md。

---

模式命名

区分综合分析与文档记录的工作。

模式名称不是类别标签。“引导”是一个类别。“用户在到达成功状态前放弃配置，因为第三个配置步骤需要他们手边没有的数据”才是一个模式。模式名称应概括数据揭示的具体行为。

**名称应清楚呈现其含义。**读者只看模式名称，就应能推测出产品层面的含义。如果名称过于抽象，读者就无法理解其含义；如果名称过于具体，综合分析就会变成一串细枝末节的观察。

**避免类别膨胀。**包含 30 个命名模式的综合分析通常聚类不足：其中许多模式其实是少数几个底层模式的变体。包含 4 个命名模式的综合分析往往数量恰当；6–8 个很常见；超过 12 个通常就是类别膨胀。

避免给显而易见的内容命名。“用户希望性能快”不是模式，而是老生常谈。模式是产品团队此前并不知道的具体观察。如果模式名称读起来像是研究开始前任何人都能说出来的话，那它就不是模式。

**以坚定的语气命名。**带有保留态度的模式名称（“用户有时似乎可能会在……方面遇到困难”）表明研究人员没有明确认定数据揭示了什么。坚定命名的模式更有用，即使措辞略有夸大；它们能引发质疑并推动决策。

详见 references/pattern-naming-patterns.md。

---

从模式到产品层面的含义

连接观察与决策的桥梁。

**从模式推导产品层面的含义，是作者的分析工作，而不是用户说的话。**用户不会陈述产品层面的含义；他们会描述自己的体验。负责综合分析的 PM 会解读模式并提出其含义。综合分析正是在这种解读中体现出超越转录的价值。

**每个模式都可能有多种含义。**关于引导流程阻力的模式，可能意味着重新设计配置流程、预先填充默认数据，或分阶段进行引导。综合分析会呈现这些选项；优先级决策则负责选出其中一个。

**这些含义应当可证伪。**模糊的含义（“我们应该改进引导流程”）无法付诸行动。具体的含义（“分阶段进行引导，在用户到达第一个成功状态后再执行第三个配置步骤”）则可以。具体的含义能够接受讨论、界定范围和排定优先级。

**这些含义应当承认成本。**模式会指向解决方案，而解决方案会占用产品团队的资源。如果综合分析暗示要进行 30 项产品改动，却不承认这些改动不可能全部交付，那它就不是综合分析，而是一份愿望清单。

**有些模式意味着不采取行动。**有时，模式揭示出的阻力并不值得团队解决：它影响的用户太少，反映了细分群体与产品不匹配，或者解决它会损害其他优先事项。坦诚地指出不采取行动也是综合分析的一部分。

详见 references/from-pattern-to-product-implication.md。

---

为决策而写，而非追求演示效果

综合分析结果应以决策应用为目标，而非以演示为目标。

写成文档，而非演示文稿。 演示文稿不适合呈现综合分析：幻灯片无法承载足够密集的论证；读者之后难以查阅幻灯片；演示文稿最终会沦为图标和项目符号。一份简短文档（4-12 页）承载的可用综合分析内容比一份 60 页的演示文稿更多。

先讲模式和影响；证据放在附录。 寻找决策依据的读者希望先看到模式和影响。证据（引言、工单摘录、数据表）用于支撑模式，而不是作为开篇。开篇就堆砌大段引言的演示文稿颠倒了读者的需求顺序。

每个模式单独设一个章节。 每个模式都用一个简短章节呈现：模式名称、证据摘要（2-3 句话，并附上指向附录中完整证据的链接）、影响，以及对决策的启示。

明确表达立场。 对每个模式都含糊其辞的综合分析，会让人觉得研究人员在逃避责任。明确表明立场的综合分析会引发质疑并推动决策。负责综合分析的 PM 正在提出建议；读者可以持不同意见，而这正是重点。

加入决策依据章节。 这份综合分析建议团队采取什么行动？优先级应该如何调整？哪些路线图项目得到验证，哪些受到质疑？决策依据章节正是这份综合分析存在的理由。

详情见 references/writing-for-decisions-not-decks.md。

---

综合分析的评审与验证循环

说明综合分析在推动决策前如何接受压力测试。

尽可能邀请研究参与者参与内部评审。 将综合分析展示给部分研究参与者。他们能否在这些模式中认出自己及其经历？如果无法认同，说明综合分析可能编造了模式，或投射了数据并不支持的解读。

邀请相关团队评审。 将综合分析展示给产品、工程、支持和销售团队。这些模式是否符合他们在各自领域观察到的情况？相关团队能发现研究团队遗漏的综合分析错误。

尽可能进行定量验证。 定性综合分析得出的模式通常可以通过分析数据、调查或应用内数据进行大规模验证。模式指出 X；数据是否证实 X 的发生频率和严重程度符合该模式的描述？有关定量方法，请参阅 experiment-design 和 product-analytics-setup。

召开“质疑综合分析”会议。 专门安排一次会议，让相关团队找出综合分析遗漏的模式、夸大的影响，以及试图强行推动的决策。富有成效的分歧能让综合分析更加扎实。

发布前反复修订。 综合分析应根据评审循环的反馈进行修订。以初稿状态发布的综合分析，往往带有尚未意识到的盲点。

详情见 references/synthesis-review-and-validation.md。

何时暂停并收集更多数据

综合分析有时会发现，研究收集的数据不足。

模式证据不足。 某个模式出现在 2-3 个材料中，但要据此确定立场，需要 5-8 个材料。要么将该模式标注为暂定结论，等待更多数据；要么暂停综合分析，开展更多研究。

细分群体代表性不足。 研究过度代表了一个用户细分群体，而另一个对决策很重要的群体代表不足。来自已有代表性群体的模式可能不适用于代表性不足的群体。

相互矛盾的群组。 两个群组指向相反方向，而数据无法消解矛盾。这通常表明存在研究未充分调查的细分群体差异。

决策时间紧迫。 综合分析发现了数据缺口，但决策必须在无法开展更多研究之前敲定。诚实的做法是：在综合分析中明确指出数据缺口，在承认缺口的前提下提出建议，并规划后续研究，以验证或修正建议。

“我们已经有足够数据”的陷阱。 投入过研究的团队往往想宣布数据已经足够，即使综合分析揭示了数据缺口。应当坚持如实指出缺口，即使这样做令人不适。

详情见 references/when-to-gather-more-data.md。

---

常见失败模式

快速诊断。见 references/common-discovery-synthesis-failures.md。

• “我们做了研究，却从未据此做出决策。” 这是数据倾倒或洞察表演；综合分析流程被跳过，或停留在研究发现阶段。
• “我们的综合分析演示文稿得到礼貌的评审后，就再也没人提起。” 这是洞察表演；产出只是做做样子，并未发挥关键作用。
• “我们有 30 个命名模式，却没有明确的优先级。” 这是类别膨胀和聚类不足；解决办法：重新聚类，归纳出 4-8 个根本模式。
• “每个模式听起来都是我们早就知道的事情。” 综合分析归纳的是陈词滥调，而非模式。重新检查数据，找出真正令人意外的内容。
• “这些模式相互矛盾，我们无法调和。” 这通常是细分群体不匹配；考虑这些矛盾是否揭示了需求不同的细分群体。
• “研究参与者在我们的综合分析中认不出自己。” 综合分析编造了模式，或投射了数据中没有的解读。重新开始，并更紧密地追踪证据。
• “综合分析很详尽，但团队不知道该怎么做。” 缺少影响，或影响表述含糊；解决办法：为每个模式提出具体且可证伪的影响。
• “我们对每个模式都加了保留措辞，综合分析读起来模棱两可。” 保留措辞层层叠加；综合分析回避了明确判断。以坚定的语气重写。
• “我们的引述墙令人印象深刻，但演示文稿有 60 张幻灯片。” 这是洞察表演；解决办法：制作一份 8 页文档，并将引述放入附录。
• “综合分析建议了 20 项产品改动，我们最终只上线了一项。” 这是愿望清单式综合分析；没有承认成本；解决办法：在综合分析中确定优先级。
• “相邻团队不同意我们的模式，但我们没有与他们沟通。” 跳过了评审环节；解决办法：将相邻团队评审设为发布前的必经环节。

---

框架：发现综合的 12 项考量

设计或审核综合输出时，请逐一审视以下 12 项考量。

1. 综合结果应可指导行动，而非数据堆砌或洞见表演。 综合结果应推动决策。
2. 研究类型应与问题匹配。 有意地结合访谈、支持工单、销售通话、调查问卷和应用内数据。
3. 综合流程：转录、标记、聚类、命名、推导影响、说明意义。 不跳过任何阶段。
4. 标签应从研究材料中自然形成；不要预先设计分类体系。
5. 允许标签大量增加；聚类会加以归并。
6. 以明确有力的语言命名模式；不要使用类别名称或陈词滥调。
7. 每种模式都应产生具体、可证伪的产品影响。
8. 每项影响都应说明其意义，并关联到真实决策。
9. 输出应是一份文档，而非演示文稿。 以模式为主；证据放在附录中。
10. 综合应有鲜明立场。 标出模棱两可之处，明确表达确信程度。
11. 发布前进行评审循环。 视情况纳入参与者、相关团队以及定量验证。
12. 明确指出数据缺口，而非将其掩盖。 如果研究不支持某个立场，就应在综合结果中说明。

该框架的输出是一份团队可以据此采取行动的综合结果：简短鲜明、以证据为依据、推动决策，并经得起质疑。

---

参考文件

• references/research-types-and-when-each-fits.md - 五种研究类型及其对综合工作的影响。发现周期中不同类型的组合模式。
• references/synthesis-sequence-walkthrough.md - 六阶段流程及完整示例。各阶段的输出、常见跳过导致的问题，以及各阶段所需时间。
• references/tagging-and-clustering-discipline.md - 在研究材料层面标记的规范；允许标签大量增加；按模式而非重叠内容聚类；聚类后命名；标记异议。
• references/pattern-naming-patterns.md - 有效与无效的模式名称。避免类别膨胀、以明确有力的语言命名，以及影响清晰度测试。
• references/from-pattern-to-product-implication.md - 从模式推导影响的桥梁。可证伪性、多重影响模式、承认成本，以及“不采取行动”的影响。
• references/writing-for-decisions-not-decks.md - 选择文档而非演示文稿；以模式为主；将证据放入附录；采用鲜明立场的语气；设置决策输入部分。
• references/synthesis-review-and-validation.md - 参与者评审、相关团队评审、定量验证、“质疑综合结果”会议，以及发布前的迭代。
• references/when-to-gather-more-data.md - 模式证据不足、细分群体代表性不足、聚类结果矛盾、决策时间压力，以及“数据已经够了”的陷阱。
• references/common-discovery-synthesis-failures.md - 11 种以上常见失败模式及其诊断和应对方法。

---

结语：综合分析让研究真正发挥价值

探索性研究是产品团队委托开展的成本最高的活动之一。这些成本大多隐而不显：客户的时间、研究人员的时间、探索周期本身的机会成本，以及招募和安排日程的管理开销。大部分成本在综合分析开始之前就已经付出。

能够从研究投入中获得回报的团队，会认真对待综合分析：完整执行整个流程，以明确的判断为模式命名，提出可证伪的启示，将“所以呢”落实到具体决策，并产出一份能支撑后续工作的文档，供团队在接下来几个月里反复查阅。无法获得回报的团队，只会产出数据倾倒或洞察表演；他们的研究成了对已完成工作的记录，而不是未来工作的依据。

如果不确定综合分析是否已准备就绪，可以问问自己：是否以明确的判断为模式命名？这些模式是否导向产品层面的启示？这些启示是否关联到具体决策？参与者和相关团队是否审阅过综合分析？数据缺口是否得到如实说明？如果这些问题的答案都是“是”，那么综合分析才算真正到位。如果有任何一个问题的答案是“否”，研究投入就可能无法转化为决策，而问题恰恰出在这个缺口上。