
无论是产品经理、前后端开发人员、架构师、数据分析师,我们都是为用户服务的。在社会这个大家庭里,我们都是用户。我们都是用户却各有所好。你喜欢这个,我喜欢那个,也有我们都喜欢的。那么在我们的心理隐藏着什么样的秘密呢?这些常态和非常态是否有章可循呢?
心理学是一门“心”的学问。关注用户体验不能不用心研读心理学,当你明白了这之中的道理,再考虑用户的时候自然就有了一杆秤。
事实上心理学有着悠久的历史,西方心理学起源于古希腊的哲学,到19世纪才行程单独的学科。心理学对人类的影响日益突现其重要性,不断渗透到日常生活的每一个角落。它更是研究人类实际心灵、行为的学科。你是不是也感觉很神秘呢?
我们如何感受世界(我们即用户)
1、人脑思考
大脑是信息处理的器官,有着非常复杂的构造和技能。
大脑的分区
运动区、感觉区、视觉区、听觉区、
2、神经系统指挥身体活动(信号传输)
个体的一切行为均与神经系统有关。神经系统是由神经元构成的机能系统统管人的所有行为。
神经系统是由神经元构成的机能系统统管人的所有行为。
分析:要想大脑对你的产品进行“思考”,你得先触碰到用户的“购买神经”。
我们通过感觉触摸世界
感觉是人类认识世界的第一步,是人脑对事物个体属性的认识。
那么感觉如何发生呢?
我们在日常生活中,每时每刻都要接触新鲜事物,任何事物都有被我们感觉的地方。
比如,淘宝网上有一件衣服,短袖衫,白色等属性,当衣服进入我们视野的时候,它的各种属性就直接作用到我们的感觉器官中,“短袖衫-凉爽”、“白色-干净”,于是大脑快速作出了反应。
一般情况下,将感觉分为“特殊感觉”、“身体感觉”、“内脏感觉”。
分析:洞察心理活动,才能有效的借用设计、策划向用户喜欢的感觉上靠拢。使之让用户产生购买欲。
视觉是心灵的窗口
视觉对人认识外部世界起着非常重要的作用,人类的80%活动都是在视觉的支配下进行的。其次是听觉。
我们通过知觉了解世界(我们即用户)
感觉受感觉器官的生理特征以及外部事物的物理特性影响,知觉受兴趣爱好、知识经验等的影响。
知觉有四个特征:整体性、理解性、选择性、恒常性。
我们都有从众心理(我们即用户)
我们常常发现,在一个团队中总有那么几个人很少发表自己的观点,总是多数人意见怎样,他就跟着如何如何。其实,每个人都有从众心理,也即服从权威的心理。
分析:请有效利用从众心理,不要规避常理。(更不能胡乱引导用户做违法的事情)
随着我们对幸福生活的观念日渐增长,用户对产品的选择更加挑剔,所以有了新的岗位叫“用户体验研究”。目的就是深入挖掘用户的内在需求,尽可能多的导致交易的发生。(文章来自:CDA数据分析师)
所以请各位同行一定要认真学习心理学知识。谢谢大家。希望对大家能有所帮助。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02