這才是真正的用戶畫像,你那只是羅列性別年齡地域
做一大堆數(shù)據(jù)僅僅在羅列性別年齡地域?很多同學(xué)都搞不懂當(dāng)中的由來。那么怎樣才算是真正的用戶畫像,本文作者總結(jié)了五步法,為你系統(tǒng)解答。
有同學(xué)問:陳老師,我領(lǐng)導(dǎo)讓我做用戶畫像分析,可是我做了一大堆數(shù)據(jù),卻被批:也沒分析什么東西???該咋辦?今天系統(tǒng)解答一下。
01 用戶畫像的錯(cuò)誤姿勢(shì)
1、限于數(shù)據(jù),動(dòng)不敢動(dòng)
一提用戶畫像,很多人腦海里立刻蹦出了性別,年齡,地域,愛好等基礎(chǔ)信息字段,然后大呼:我們好像沒這個(gè)數(shù)據(jù),于是放棄分析了。可實(shí)際想想,知道男性占比真的有那么大意義?知道男性占比65%還是60%真的對(duì)業(yè)務(wù)有幫助?不一定的,貼用戶標(biāo)簽有很多方式,不要限于一些難采集的基礎(chǔ)信息。
2、羅列數(shù)據(jù),沒有思路
很多人一聽到用戶畫像分析,本能地就開始把數(shù)據(jù)庫里的用戶標(biāo)簽往外搬,在報(bào)告里碼上:
- 男女比例3:2
- 20-25歲占比40%
- 30%的人在最近一周內(nèi)登錄
- 70%的人沒有二次購買……
至于擺完這些數(shù)據(jù)干什么,完全沒有考慮過。這種分析結(jié)果,當(dāng)然讓人看完一頭霧水。迷茫地發(fā)問:“所以呢?又怎樣呢?”
3、無限拆分,沒有邏輯
很多人一聽到類似“流失用戶畫像分析”一類相對(duì)具體的分析題目,就開始無限拆解數(shù)據(jù)。分性別,年齡,地域,設(shè)備,注冊(cè)時(shí)間,來源渠道,購買金額……拆了幾十個(gè)維度看流失率。最后,只看到有的維度差5%,有的差10%,當(dāng)然沒有最后結(jié)論啦,越看越糊涂。
以上問題,都是太過糾結(jié)于用戶畫像四個(gè)字,忽視了分析兩個(gè)字導(dǎo)致的。
用戶畫像作為一個(gè)基礎(chǔ)數(shù)據(jù)體系,本身并沒有分析功能。單純地羅列用戶標(biāo)簽或者拆解用戶指標(biāo),也起不到分析作用。像利用好用戶畫像,還得按分析套路一步步來。
02 第一步:轉(zhuǎn)化商業(yè)問問題
用戶畫像分析,本質(zhì)上是從用戶的角度思考問題。
舉個(gè)簡(jiǎn)單的例子,比如新上市產(chǎn)品銷售未達(dá)預(yù)期,我們既可以從產(chǎn)品管理的角度來思考問題,也能從用戶角度來思考問題。
同樣一個(gè)問題,會(huì)有兩種思考方式(如下圖所示):
因此,簡(jiǎn)單地列出一堆用戶指標(biāo)(性別,年齡,地域,購買產(chǎn)品,登錄次數(shù)……)是沒啥用處的。用戶畫像只是分析的一個(gè)工具,和其他分析一樣,也要先考慮:我要解決的實(shí)際問題到底是什么。
想清楚了,再把問題轉(zhuǎn)化成用戶相關(guān)的問題,就能繼續(xù)使用用戶畫像分析方法了。
需要注意的是,商業(yè)問題是很復(fù)雜的。往往一個(gè)問題,可能與若干用戶群體、若干用戶行為有關(guān)。
比如上邊的例子,就至少和三個(gè)用戶群體(潛在用戶、流失用戶、存量用戶)涉及到用戶態(tài)度、信息接收、購買流程、使用體驗(yàn)等多方面。
因此更得分門別類,把分析線索和分析邏輯理清楚,找到對(duì)應(yīng)的數(shù)據(jù)。不然一鍋燉,光列性別,年齡,地域,也解釋不了任何問題。這就涉及下兩步工作。
03 第二步:宏觀假設(shè)驗(yàn)證
轉(zhuǎn)化完問題后,先宏觀上對(duì)假設(shè)進(jìn)行檢驗(yàn)非常重要,能有效避免無限拆解的錯(cuò)誤。如果大方向都不成立,細(xì)節(jié)更不用看了。還是新產(chǎn)品賣不動(dòng)的問題,如果要從大方向驗(yàn)證,可以簡(jiǎn)單如下進(jìn)行:
- 如果懷疑大環(huán)境不好,那應(yīng)該全品類受影響。
- 如果懷疑競(jìng)品競(jìng)爭(zhēng)力強(qiáng),那應(yīng)該競(jìng)品直接影響到我們產(chǎn)品
- 如果懷疑運(yùn)作太差,那本次商品轉(zhuǎn)化漏斗上勢(shì)必有一環(huán)掉鏈子
- 如果以上有假設(shè)驗(yàn)證,可以進(jìn)一步深入分析
- 如果以上假設(shè)都不成立,可能還需要新假設(shè)
總之,先進(jìn)行大方向檢驗(yàn),可以有效縮小懷疑范圍。懷疑范圍越小,后續(xù)對(duì)用戶分析可以越精確。同時(shí),當(dāng)數(shù)據(jù)不足的時(shí)候,懷疑范圍越小,越能夠集中力量收集數(shù)據(jù),改善數(shù)據(jù)質(zhì)量,做出有精度的分析。
用戶的分類維度可以有幾百個(gè)之多,如果不加篩選地做拆解對(duì)比,很有可能在數(shù)十個(gè)維度上都有差異,最后完全讀不懂?dāng)?shù)據(jù)。在拆解以前聚焦假設(shè),非常重要。
04 第三步:構(gòu)建分析邏輯
宏觀驗(yàn)證以后,可以基于已驗(yàn)證的結(jié)論,構(gòu)建更細(xì)致的分析邏輯。在這個(gè)階段,實(shí)際上已經(jīng)把原本宏大的問題,聚焦為一個(gè)個(gè)小問題,比如:
舉一個(gè)具體場(chǎng)景:
已驗(yàn)證:我們確實(shí)受競(jìng)品影響
- 子問題1:目標(biāo)用戶的需求是什么?
- 子問題2:目標(biāo)用戶對(duì)競(jìng)品體驗(yàn)如何?哪些需求點(diǎn)最被觸動(dòng)?
- 子問題3:目標(biāo)用戶對(duì)本品體驗(yàn)如何?哪些差距是致命傷?
- 子問題4:競(jìng)品/本品在硬功能,軟宣傳上差距如何?
這四個(gè)子問題,都可以通過對(duì)用戶需求與行為的深入挖掘得到答案,下一步可以繼續(xù)深入了。
須注意的是,這一部分的分析需要大量用戶態(tài)度、潛在用戶、競(jìng)品用戶的研究,單靠?jī)?nèi)部數(shù)據(jù)不能完成,必須通過外部調(diào)研。
再看另一個(gè)場(chǎng)景:
已驗(yàn)證:本次新品上市操盤確實(shí)有問題
- 子問題1:?jiǎn)栴}出在預(yù)熱、發(fā)布、上市、推廣哪個(gè)階段
- 子問題2:上市階段大量用戶未能響應(yīng),廣告投放出了什么問題
- 子問題3:推廣階段銷量未能引爆,為啥沒有激發(fā)核心用戶需求
- ……(可進(jìn)一步問太多,簡(jiǎn)單舉例如上)
這些問題,可以分兩方面解決
一方面,通過對(duì)下面不同類型用戶對(duì)比,找到投放、獎(jiǎng)勵(lì)活動(dòng)、購買品類、金額等細(xì)節(jié)上差異,從而調(diào)整投放、營(yíng)銷、產(chǎn)品補(bǔ)貨等業(yè)務(wù)。
- 核心/普通
- 購買/未購
- 觸達(dá)/未觸達(dá)
另一方面,通過對(duì)核心用戶畫像,讓業(yè)務(wù)更看清楚,真正愛買的人的以下信息,讓業(yè)務(wù)更多的去抓這些核心用戶,而且改善后續(xù)表現(xiàn)。
- 來自哪個(gè)渠道
- 通過什么主題
- 需要什么樣優(yōu)惠
- 在什么時(shí)機(jī)下單
需要注意的是,這一部分用戶來源、信息投放響應(yīng),購買行為,主題閱讀,完全可以通過內(nèi)部系統(tǒng)記錄。即使不知道他是男是女,我們也能通過投廣告,發(fā)內(nèi)容,做優(yōu)惠吸引到他們。
05 第四步:獲取用戶數(shù)據(jù)
在上一步我們已經(jīng)看到,用戶畫像分析如果真的想深入用戶,就得依賴多種數(shù)據(jù)來源。很有可能是內(nèi)外部數(shù)據(jù)雙管齊下的。
考慮到內(nèi)部數(shù)據(jù)可能采集不全,外部數(shù)據(jù)存在抽樣誤差問題,在使用數(shù)據(jù)上就得有取舍,有重點(diǎn)。這也是為啥前邊一直強(qiáng)調(diào)逐步驗(yàn)證,縮小假設(shè)的原因。聚焦了才好采集數(shù)據(jù)。
一般來說,
- 越是偏態(tài)度、體驗(yàn)、情感類問題,越傾向于用調(diào)研的方法
- 越是偏行為、消費(fèi)、互動(dòng)類問題,越傾向于內(nèi)部的數(shù)據(jù)分析
- 如果想了解競(jìng)品,就拉競(jìng)品用戶調(diào)研,或針對(duì)競(jìng)品網(wǎng)店爬蟲
在傳統(tǒng)意義上,做市場(chǎng)調(diào)研和做數(shù)據(jù)分析的,都有各自用戶畫像的定義、做法、輸出產(chǎn)物。站在實(shí)際對(duì)企業(yè)有用的角度,當(dāng)然是越多越好。
不過,隨著爬蟲,NLP,埋點(diǎn)越做越深入,在有技術(shù)支持的情況下,這些年對(duì)系統(tǒng)采集數(shù)據(jù)的利用度是越來越高的。
所以在有條件的情況下,還是盡量推動(dòng)內(nèi)部數(shù)據(jù)豐富。不然事事依賴調(diào)研,數(shù)據(jù)沒有積累,以后也難做。
06 第五步:歸納分析結(jié)論
如果以上幾步做好了,在最后推分析結(jié)論就是水到渠成的事,完全不費(fèi)力氣。
實(shí)際上,用戶畫像分析最大的問題都是出在前五步的。缺少假設(shè)方向,缺少數(shù)據(jù)準(zhǔn)備,缺少分析邏輯,單純羅列數(shù)據(jù),無限制拆解,到最后自然面對(duì)一堆零碎的數(shù)據(jù)糾結(jié):“男女比例3:2又怎樣呢???”
當(dāng)然用戶畫像有其他很多用處,比如支持新品開發(fā),支持推薦系統(tǒng),支持自動(dòng)營(yíng)銷系統(tǒng),支持投放系統(tǒng)等等,作分析只是它一小塊作用。
所以想做好分析,還是要多學(xué)習(xí)分析方法,操練分析邏輯哦。
專欄作家
接地氣的陳老師,微信公眾號(hào):接地氣的陳老師,人人都是產(chǎn)品經(jīng)理專欄作家。資深咨詢顧問,在互聯(lián)網(wǎng),金融,快消,零售,耐用,美容等15個(gè)行業(yè)有豐富數(shù)據(jù)相關(guān)經(jīng)驗(yàn)。
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載。
題圖來自Unsplash,基于CC0協(xié)議。
該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。
這篇文章從宏觀到微觀,概述了如何進(jìn)行有效的用戶畫像分析。關(guān)鍵是要轉(zhuǎn)化成真正的商業(yè)問題,構(gòu)建清晰的分析邏輯,選擇恰當(dāng)?shù)臄?shù)據(jù)源,而不要被“用戶畫像”本身迷惑,否則無法得出有價(jià)值的結(jié)論。對(duì)于分析工作者來說,這是一篇很有參考價(jià)值的文章??!
寫的不錯(cuò)
思路很清晰,學(xué)習(xí)到了,謝謝老師