文/ Nor
跟跨界超越競賽的學生討論專題時，發現很適合拿來說明光譜（Spectrum）的應用，但本文僅是個人的心得分享，有錯當改。（但受限於比賽相關條文，本文不描述專題的內容，僅就研究方法進行分享）
這組學生的主題方向是地區性旅遊的行程規劃 APP，規劃前的受訪對象是當地旅遊體驗業者 1 名，以及 5 名旅遊的遊客，從中想找出洞察點，作為設計轉化的依據。但是在這些訪談資料中，並沒有一個比較明顯的使用情境以及使用族群，但就比賽時間上，也不允許再從 persona 開始做建構，所以我建議了採用光譜後再來招募受訪者的方式。
一開始我會從旅遊形式切入，例如旅行團、背包客、自由行等等，看看哪一種形式最多，就已那個形式作為情境。但是因為沒有實際的資料，而學生在先前也有自行決定了「自由行」這種形式。
接下來，我請學生去調查，在自由行這類旅遊形式中，會有那些不同背景的人，這邊因為學生還沒有去調查，所以我這邊純舉例。假設有年輕夫妻檔、閨蜜、以及個人興趣（旅遊）。接下來我們就要開始思考解析光譜區間的分類詞。
在解析區間之前，我們必須先知道這三種背景的人數，假設我們有進行過調查的情況下，年輕夫妻人數略少、閨蜜人數略少、而個人興趣的人數最高，得到這樣的資料之後，我們就開始進入光譜的解析。（調查方式：進入場域之中，找一個主要的入口，用抽樣方式來推估各種背景的比例）
使用光譜的主要目的，是想要把不同背景的人，區分成甚少、一般、極高，三種區間，這邊不同背景的人有年輕夫妻檔（人數略少）、個人興趣（人數多）、以及閨蜜（人數略少）。解析區間必須使用一些分類詞，舉例，出遊的頻率。如果年輕夫妻檔<個人興趣<閨蜜，就是適合的光譜；舉例，出遊的花費，個人興趣<年輕夫妻<閨蜜，這就不是適合的光譜。
為什麼是這樣解析光譜？其實這樣分類有一個中心的原則就是，區分一般使用者（中間）以及極端使用者（兩側），而極端使用者又分作甚少與甚多。如果我們要推出一個立即反應市場的服務，一般使用者的抽樣比例要高些，通常一般使用者的需求都會比較淺層，也比較比較好找，所以比例高一些可以找出共通淺層的需求；如果我們要將需求挖深，極端使用者的比例就要高一些，出遊頻率低的年輕夫妻還是會出遊，是甚麼驅使他們偶爾還是想出遊？出遊頻率高的閨蜜是甚麼驅使她們頻繁出遊？從這個角度切入，我們要找出背後的洞察，這些洞察可能是比較深層的需求。
甚麼叫做深層的需求？所謂深層的需求，就是我們歸納整理極端使用者的需求後，這些需求本身也是一般使用者需要，但過去甚少被挖掘過的。所以不是只有整理極端使用者的需求就結束了，也要在一般使用者身上得到驗證。
為什麼採用這種方式呢？極端使用者在光譜中，都是屬於人數比較少的，一般使用者是人數比較多的，所以雖然我們是在極端使用者中找需求，看似只是滿足極端使用者，市場很小，但只要驗證極端使用者的需求，是一般使用者身上過去未發現過的，我們把需求設計轉化後，就有機會在一般使用者市場中，產生猛爆性的收益。（市場比極端使用者大很多）
當我們找到眾多分類詞，都能夠形成鐘形分布後，這些分類詞就會是訪談時的切入點。例如：
出遊頻率
「您出遊的頻率如何？」「為什麼很少出遊呢」「最近一次出遊是何時？「為什麼會有那次出遊呢？」
出遊花費
「您出遊的花費大約是多少？」「您都花在甚麼地方呢？」「為什麼可以省下來？」
出遊地重複性
「您最近一次出遊去哪裡？」「曾經去過嗎？」「為什麼去過了還想再去呢？」
所以分類詞將是編寫訪綱的參考依據之一，如此一來，從使用者分類一直到訪談，就會存在一定程度的脈絡，並且透過不同類型間的比較，我們可以得到更多資料。資料的來源除了受訪者本身的訪談稿，我們也可以比較不同背景受訪者的訪談稿，從差異中推論出更多洞察，進而找到甚麼樣的因素會形成甚麼樣的行為，而這些推論，就是設計轉化時，最好的參考依據。（這部分請期待UXHK的分享）
當然我還是要再次強調，以上純粹個人使用心得，有錯當改。
