定义
通过大量样本、数据等客观证据对用户的特征、需求场景、目标、行为进行研究分析。
一般是数据描述
为什么要做定量的用户研究分析
由于定量方法可以快速的面向更多、更广的用户，所以定量分析是
用于验证在定性用户研究时发现的问题和用户需求 （用户需求的真伪），让你的定性分析根据说服力
用于确定用户需求的重要性和优先级
目标
既然是要验证在定性分析时发现的问题和用户需求，所以首先得有需要验证的用户需求，所以定性分析是做定量分析的前提。
具体该如何进行定性分析？其实我们的目标就是验证在定性分析结果中
目标用户模型是否准确？
用户需求场景是否真实存在？
对用户需求场景进行分析所得出的具体用户需求点是否存在？是否是伪需求？
最终，定量分析最终的产出物是
明确的目标用户模型
真实存在的用户需求场景
需求场景分析报告（对用户需求场景进行分析所得出的具体用户需求点）
以上产出物都是已经经过数据进行验证了的，是具备统计分析学的精确性、具备说服力的，你可以凭借定量分析的结果去证明你的观点，你在需求评审时站不站得住脚，就看你的定量分析了。
常用手段
调查问卷
数据分析，包括定性的数据（用户反馈）、定量的数据（产品使用数据统计和）；（前提是有产品）
具体描述
调查问卷
明确调研目标：即你要调研的是什么，要明确调研的所有目标，因为再次投放调查问卷会消耗大量的成本，这里会考察产品经理的逻辑能力，需要尽可能列出所有可能的潜在情况
明确调研对象：即在定性分析的目标用户模型，需要明确这个目标用户模型投射到现实场景是哪些用户
明确问卷数量：比起那些没卵用的“经验法则”，我更愿意提供一些经验的法则：每种细分用户模型200份。（当然这些经验法则是我根据书上&实践&其他人的工作经验得出的）；为了确保你能达到目标的问卷数，可以使用一些激励手段，比如说奖励等等
明确投放方式（线上？线下？）：现在互联网信息传递渠道多样化，同时有专门帮助发放和分析调查问卷数据的工具，比如说问卷星这类，使用线上的方式无疑是性价比最高的，具体可以是在问卷星填写好问卷，然后通过与你产品领域相关的微博、微信公众大号等等渠道进行投放，然后回收，利用问卷星进行统计与分析。
相信我，你线下去发放问卷并回收，再一份份输入电脑再进行分析统计，你会疯的。
设计调查问卷：
a. 问题：多用选择题；少用”是/否“题（假如非得使用“是/否”题，请使用5点量表（1-5个等级））；尽量不使用开放题。
b. 问题的答案：铭记MECE原则，Mutually Exclusive Collectively Exhaustive，即相互独立、完全穷尽
c. 问题的顺序：
i. 整体顺序是：简单&没那么重要→难&重要→简单&不用思考；
ii.人口统计问题一定要放在最后，这些敏感信息假如放在开头，会使用户认为泄露了个人信息，可能会影响下面问卷的填写,同时这些信息时简单且不用思考的，所以适合放在最后。
iii.每个问题要自然和下一个问题进行关联
清洗调查问卷数据：最简单的，一些明显乱填的、异常值应该要去掉吧？
统计分析调查问卷数据：并不需要装逼用SPSS，只是因为你不懂Excel的强大。
整个调查问卷的流程大概就是酱紫了..
数据分析
定量的数据分析
首先得明确要分析哪些产品使用数据：
下载量
流量分析
用户是从哪些渠道来的，从哪里去
活跃度
用户使用频次&使用时长,主要有月活跃用户数（MAU）和日活跃用户数（DAU）
留存率
第n天开始使用，第n+x天继续使用，即x天留存率
用户留存率的40-20-10法则：若你的目标是让你的应用的DAU达到100万，那么你的日留存率应大于40%、周留存率大于20%、月留存率大于10%
PV
UV
转化率
功能使用频率
…
当然这里只是列举了一些较为普遍的参考数据，具体产品还需具体分析。至于什么进行数据分析的话，这里就不详细写了。（以后会写一篇专门讲述“数据分析”的）
定性的数据分析
功能的新增/修改/删减
这部分是最需要考察产品经理的真功夫的，比如说判断用户需求的真伪等等..
性能的改善
一般来说，这块的话都是需要去做的，只是优先级的高低，去跟技术部门沟通吧；
交互&视觉设计
这块除了用户的意见，还需要去咨询下设计相关专业人员的意见；
纯吐槽
要安抚！要安抚！要安抚！其次是，其实吐槽的点看看就好，一般没什么卵用..
对问题进行优先级排序：性能的改善＞功能的新增/修改/删减＞交互&视觉设计>纯吐槽
当然这个优先级也不是绝对的，具体要看情况而定.
总结
关于定量的用户分析研究大概就说到这里了，对于产品经理验证需求是非常有效的手段，同时，这也是和老板、程序员们进行需求评（Si）审（Bi）时最有力的武器！希望大家能花多点时间去研究和进行定量的用户分析和研究。
