企業基于目標角色進行數據分析，可啟發性地揭示數據趨勢并有效地獲得用戶洞察力。

許多企業在項目的初始構思和設計階段會分析不同群體的角色特征，但在解決設計階段的爭論之后就將這些信息束之高閣。

但是，實踐證明角色信息的應用能有效幫助企業進行長期維護。

具體來說，基于角色特征進行數據分析創建不同的用戶分群不僅可以檢查角色描述的用戶特征與企業的真實訪問者特征是否一致，還可以幫助企業發現用戶的使用模式和行為趨勢，相反，將所有訪問者數據進行匯總將隱藏這些寶貴信息。

一、什么是角色？

角色是一個從某類有共同特征的用戶群中抽象出來的虛構代表人物。企業應總結多個角色，以代表其網站或 APP 吸引的各種訪問者（通常 3-7 個角色將覆蓋大多數受眾，而不會在你的用戶類型中產生過于具體或寬泛的無效角色分類）。

理想情況下，這些用戶原型應基于定性的用戶研究，以更真實地概括用戶的確切行為、背景、態度和需求。

此外，個人詳細信息（如姓名、照片和特定背景敘述）應與性別、年齡、婚姻狀況、職稱、設備所有權和其他人口統計信息的描述相結合，以創建易于想象且相關的角色。

二、基于角色進行數據分析的價值

如果沒有角色，企業很有可能創建適合所有用戶的“一刀切”設計。

舉個例子，在我們對電子商務企業的研究中，我們確定了 5 種不同類型的電子商務購物者，所有這些購物者都可以訪問同一網站，但事實上他們期望的是不同級別的細節和產品信息類型。

再比如，即使是作為公司內部網包含的系統，也會有多種類型的用戶訪問它，所有這些用戶都需要完成不同的目標和任務。

因此，如果企業不確定訪問產品的用戶組的各種特征，企業就無法設計具備每種類型用戶所需關鍵元素可提供良好體驗的產品。相反，企業往往最終會創建一個任何人都不太滿意的產品。

設置角色的一個主要優勢是幫助企業專注于圍繞用戶類型及其特定需求或行為的設計進行工作，并減少團隊成員和利益相關者之間的爭論。

圍繞角色構建設計對話可創建更貼合實際的使用場景，并更容易理解受設計決策影響的用戶。

同時，這些角色有助于建立一種驗證而不是假設的文化，比如一旦團隊對客戶有共同的理解，企業就不需無休止地辯論“人”是否需要一個提議的功能，而是問“這將如何幫助安迪？”

三、如何進行基于角色的數據分析？

長期和大量的研究工作形成了對用戶真實表現的了解，如果企業能持續利用角色來推動產品改進，那么投資回報會成倍增加。

通過角色建立細化的用戶分群，將可以分析真實用戶實際使用網站或應用程序的方式。同時，分析的結果不僅可以佐證在創建角色過程中所做的一些假設，還可以支持對創建的角色進行校對與細化。

此外，重新分析審視角色的方式相比用戶訪談、日記研究和其他形式的密集用戶研究更具可維護性。

在分析工具中創建基于角色的用戶分群的關鍵步驟是確定分析工具的劃分維度中包含用戶的角色特征（如神策分析包含和支持自主創建多樣化的用戶分析維度）。

在閱讀角色詳細信息和用戶的相關故事時，你必須將代表該特定用戶組的特征與僅僅為了提供真實性而添加的特征分開。例如，某 SaaS 企業這樣描述訪問者大衛：

“大衛收到了企業每周發送的電子郵件簡報，其中包含周一上午 10 點在辦公室舉行會議后立即使用新功能的提示。他使用Android 手機點擊簡報，并在下次會議之前有時間閱讀一篇博文?！?/p>

在創建代表大衛的角色時，確切的時間可能過于詳細，但在工作日訪問該網站的用戶與在周末訪問該網站的用戶之間的行為可能會有所不同，因此該信息需進行記錄；

另外，他還是一名新聞通訊訂閱者并且已經是該服務的客戶這一事實也應該記錄在內，以區分這些用戶和那些仍在研究階段并且可能只是了解軟件及其功能的用戶；

此外，角色的性別可能沒有區別，就可以在創建代表性角色特征時將性別因素排除在外。

如上，一個虛構的 SaaS 公司的例子表明了不同的組織可能具有涵蓋不同主題的角色。在此示例中，角色反映了 SaaS 公司所針對的一種用戶類型。

值得強調的是，為了創建的用戶分群有意義并且值得單獨分析，從角色派生的分析維度一旦創建，就應該顯示明顯不同于其他產品訪問者的用戶行為，并且應該代表用戶群體中相當大的一部分。

對于許多人來說，這個合理的組塊在整體訪問者中占 7-10％，但最終可根據對你和企業的具體意義而決定，通過所占意義的比重，可以調整用于創建相應某個角色的特征數，以允許某個角色代表更大或更小的用戶組。

在這個過程中，首先要關注該組用戶最顯著的特征，然后在必要時添加更多細節以針對較小的用戶子集。

回到前面的 SaaS 示例，為了創建基于大衛的細分，我們需要知道角色描述中的其他細節的代表意義。比如要思考他是否使用手機訪問與他所代表的群體相關的網站？他使用 Android 手機而不是 iOS 或其他手機這代表什么？

為了確定特定細節的取舍，企業可能需要重新審視在角色開發時進行的原始用戶研究。

此外，我們必須確定這種行為是否真正區分了感興趣的群體：許多類似大衛的用戶是否會在手機上訪問該網站并且行為與其他移動用戶不同？或者也許該類型的用戶有時會在智能手機上訪問該網站并執行少量類似的事情？

如果是后者，對可能從角色派生的用戶細分維度示例如下：

• 人口統計資料：年齡范圍、性別
• 地理位置：特定國家、地區、城市與郊區等
• 設備、瀏覽器
• 新用戶與老用戶，登錄用戶、未登錄用戶或沒有帳戶
• 來源：來自電子郵件、搜索引擎、特定社交網絡或宣傳網站
• 訪問者是否搜索了品牌與非品牌關鍵字或關鍵詞
• 訪問者是否已訪問特定頁面集：例如，訪問過產品詳細信息頁面、訪問過客戶服務部分或者登錄到針對貿易專業人員或批發買家的內容部分

此列表并非詳盡無遺，細分中包含的特征集將根據網站、受眾以及在所選分析工具中定義的技術可行性而有所不同。

四、通過角色特征細分避免數據分析時忽視某些因素

當你使用細分來縮小可用數據量并深入研究相關統計數據時，解釋分析數據以回答特定問題變得更加容易。

一旦創建了與角色相關的細分，你可以過濾所選分析工具中的大多數數據，以僅顯示與該組相關的數據。單個用戶類型的行為和站點使用趨勢將比查看所有站點流量的數據時更清晰。

例如，在查看跳出率等指標時，很容易被到達某個頁面或一組頁面后跳出的所有訪問者的總體時間分散注意力。然而，這個數字本身不是可操作的信息，因為幾個不同類型的用戶從不同的源登陸頁面，導致對頁面內容具有不同的期望。

因此，必須單獨分析每個跳出率以發現有價值的信息。假如由兩個角色代表兩組用戶：忠誠的訪客和簡報訂閱者大衛和一個沒有深入技術知識的組織的營銷經理瑪麗。

類似大衛的用戶（重復頻繁訪問著來自電子郵件時事通訊）是否從博客文章中反復提到使用現有功能的提示？

我們理解忠誠的內容消費者跳出，因為他們以前已經消費了網站上的大部分內容。

而瑪麗的細分用戶如何從搜索引擎上的相關查詢到達頁面？如果它們也立即跳出，那么用戶對搜索引擎結果頁面的期望與頁面上實際傳遞的內容之間可能存在不匹配，這是應該進一步調查的內容。

另一方面，如果瑪麗代表的用戶類型實際上沒有跳出，則可能不需要對頁面或通向它的鏈接進行任何操作。

通過以上分析頁面跳出率的簡化示例，我們可以知道65％ 的總跳出率掩蓋了忠誠訪問者和專門搜索頁面主題信息的訪問者之間的差異。

只有在你對數據進行細分時，才能看到這些明顯的差異，并根據每個受眾的具體目標更好地了解網頁的效果。

細分不僅使我們能夠詳細分析具體指標，而且還可以發現行為模式并回答諸如以下問題：“登陸 Google 文章頁面的新訪問者是否也訪問任何其他類型的頁面？”和“新聞訂閱者和非訂閱者的行為不同？訂閱者是否更有可能下載白皮書或聯系我們獲取咨詢服務、升級會員資格？”

事實上，細分轉化率的顯著差異不僅表明該細分市場可能適用于不同用戶類型，而且還會揭示你應該繼續在內容策略中重視的用戶群。

綜上所述，基于角色的數據分析，企業可以更好地優化產品及其他策略，從而更好地滿足目標用戶的真實需求。

最后，告訴大家一個好消息：

為了幫助在運營進階路上，執著前進的伙伴們能夠更快速的提升，我們聯合了騰訊、百度等擁有10年以上經驗沉淀的實戰派導師，推出了【運營總監修煉之道】，至今已幫助5000多名運營管理者和進階者，掌握了更加系統全面的運營專業知識和管理思路，在處理類似運營戰略規劃、不同渠道運營策略和流量變現、品牌營銷玩法、數據分析等實際問題時有更清晰的解決方向！

掃描二維碼添加小助手了解詳情，還可以回復“筆記”領取【運營總監課程學習筆記】哦！

再猶豫，機會就沒啦~

原作者：Aurora Harley

原文鏈接：https://www.nngroup.com

編譯：策小編（編譯過程中有所刪減。）

本文由 @神策數據 發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議