用户研究需要多少人？别把“5个用户”当成万能答案

“找5个人测一下”有时是合理的起点，有时会让团队得到非常危险的自信。样本量不是由研究方法的名字决定，而是由你想知道什么、用户差异有多大、结论需要多精确，以及错误决定的成本共同决定。

“找5个人测一下”有时是合理的起点，有时会让团队得到非常危险的自信。样本量不是由研究方法的名字决定，而是由你想知道什么、用户差异有多大、结论需要多精确，以及错误决定的成本共同决定。

01 先分清两类目标：发现问题，还是估计比例

定性研究通常关注“有哪些问题、为什么发生、用户如何理解”；量化研究关注“有多少人、差异多大、是否稳定”。前者需要覆盖关键差异并接近信息饱和，后者需要足够样本控制误差和支持比较。

02 不同方法的实务起点

下面的数字是项目规划的起点，不是行业统一标准。用户群越异质、任务越复杂、决策风险越高，越需要增加样本或分轮验证。

03 访谈做到什么时候可以停？看饱和度，不只看人数

所谓饱和，不是连续两位用户说了相同的话，而是新访谈已经很少改变关键主题、用户差异和决策判断。团队可以在每场访谈后记录：是否出现新主题；是否补充了已知主题的条件；是否推翻了原假设；是否改变产品决策。

如果项目有管理员、普通成员、审批人和外部客户四种角色，不能用总共5人覆盖全部角色后声称“已经饱和”。饱和应在研究问题相关的关键分群内判断。

04 为什么“5个用户能发现85%问题”不能机械套用

这个经典结论建立在特定的问题发生概率和发现目标上。现实项目中的问题并不都以相同概率出现：权限异常、退款失败、辅助技术兼容或低频高风险流程，可能需要特定人群和更多场景才能暴露。

形成性测试更适合“小样本、多轮次”：每轮测试明确流程，修复高风险问题，再测下一轮。相比一次性找20个用户测试同一个明显缺陷，5—8人一轮、连续三轮通常更能帮助设计迭代。

05 量化研究要算的是精度，不是凑一个整数

如果要估计任务成功率、满意度或问卷比例，样本量要围绕可接受误差来设计。样本越小，区间越宽；想把误差缩小一半，通常需要大约四倍样本。

例如10人中有8人完成任务，不等于总体成功率就是80%。小样本的置信区间会很宽，适合发现明显问题，不适合精确对外宣布指标。若要比较两个版本，还应先确定最小值得关注的差异，并据此做功效计算。

06 用户分群会让样本量迅速增加

很多项目说“我们招20个人”，实际却要比较新老用户、管理者与成员、国内与海外、手机与桌面四组。分组后每组只剩两三人，既没有定性覆盖，也无法量化比较。

先删掉不必要的比较，再增加样本。研究设计不是把所有差异都装进一次测试，而是选择这次决策真正需要的差异。

07 用风险决定投入，而不是所有问题同一规格

08 招募质量比多找几个人更重要

• 用真实或高度相似的目标用户，避免全靠同事和朋友。
• 招募条件围绕行为与经验，不要只按年龄和性别。
• 记录角色、使用频率、设备、权限和关键背景，便于解释差异。
• 预留10%—20%的替补，应对爽约、资格不符和技术问题。
• 对特殊人群、辅助技术或专业角色，优先保证匹配而不是追求大样本。

09 三个常见项目怎么定样本

场景一：改版企业官网询盘表单

先用访问数据和客服记录定位问题，再招5—8位真实目标客户做任务测试。若不同市场使用习惯差异明显，应分别覆盖。改版上线后观察表单开始率、完成率、有效线索率和错误。

场景二：评估B端系统新审批流程

至少覆盖发起人、审批人和管理员，不要把所有角色混成一组。每个关键角色可先5人左右一轮，重点验证状态、权限、退回和异常；若要量化比较效率，需要进一步扩大样本。

场景三：用问卷估计客户满意度

先明确总体、预期回复率、允许误差和需要比较的客户层级，再计算样本。若最终只收到少量回复，应诚实报告样本与偏差，不把结果包装成全部客户意见。

常见问题

用户访谈做6个人够不够？

若问题聚焦、用户相对同质且新主题已经明显减少，6人可能足以形成下一步假设；若包含多角色、多市场或复杂流程，则远远不够。

可用性测试一定是5个人吗？

不是。5人是常见的形成性起点，适合快速发现高频问题。低频、高风险、分群复杂或需要量化指标时，应增加样本或分轮测试。

问卷至少要100份才有效吗？

没有固定门槛。100份可能足够回答某些粗略问题，也可能无法支持多个分组比较。应根据总体、预期比例、误差和分析方式计算。

样本少，研究还有价值吗？

有，但要用对结论。小样本可以发现问题、生成假设和理解情境，不应被用来精确估计比例或代表全部用户。