中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導(dǎo)語(yǔ)：如今隨著互聯(lián)網(wǎng)的不斷發(fā)展以及科技的進(jìn)步，用戶(hù)在如今的環(huán)境下已經(jīng)貼上了標(biāo)簽，進(jìn)行了用戶(hù)分類(lèi)，通過(guò)不同需求等方面進(jìn)行分類(lèi)，實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)；本文作者分享了關(guān)于用戶(hù)細(xì)分的模型以及維度，我們一起來(lái)看一下。

分類(lèi)是人類(lèi)大腦的識(shí)別模式，分類(lèi)是化繁為簡(jiǎn)的方法之一。

——張小龍

隨著商品經(jīng)濟(jì)的發(fā)展，社會(huì)分工越來(lái)越細(xì)，產(chǎn)品的生產(chǎn)制造也從統(tǒng)一化供給逐漸發(fā)展到個(gè)性化供給。

互聯(lián)網(wǎng)產(chǎn)品更是千人千面，將用戶(hù)分為多種類(lèi)型分別服務(wù)，可謂是因地制宜、因勢(shì)利導(dǎo)、因材施教、量體裁衣。

但在用戶(hù)細(xì)分、精細(xì)化運(yùn)營(yíng)中也會(huì)遇到一些常規(guī)問(wèn)題：

• 不進(jìn)行“量體裁衣”，沒(méi)有差異化，拉新難
• “量體裁衣”不合理，需求難滿(mǎn)足，留存難

那么，我們?cè)撛趺催M(jìn)行合理的用戶(hù)細(xì)分呢？

兩千年前，書(shū)是竹簡(jiǎn)做的，能讀到書(shū)的已是王公貴族，識(shí)字的人極少，佛教如何把佛法傳到家家戶(hù)戶(hù)呢?

不同地域、部落、貧富、文化的群體，精神需求和接受程度不同，所以需要采用不同的方式；中國(guó)境內(nèi)佛教就演化了八大宗派分支，各派傳教風(fēng)格迥異。每個(gè)宗派內(nèi)對(duì)不同心性的人也采用不同的方法：與上上根之人，思辨哲學(xué)，探索世間真理；與上根之人，清心寡欲，生活處處是修行；與中根之人，討論公案，引申明理；與下根之人，以天堂誘之地獄嚇之，引導(dǎo)行善。

企業(yè)之于用戶(hù)更是如此了。

用戶(hù)細(xì)分是企業(yè)為了實(shí)現(xiàn)用戶(hù)需求的異質(zhì)性、并集中有限資源進(jìn)行有效市場(chǎng)競(jìng)爭(zhēng)的行為；企業(yè)在明確的戰(zhàn)略業(yè)務(wù)模式和特定的市場(chǎng)中，根據(jù)用戶(hù)的屬性，行為等因素對(duì)用戶(hù)進(jìn)行分類(lèi)，并提供有針對(duì)性的產(chǎn)品、服務(wù)、銷(xiāo)售、運(yùn)營(yíng)模式，達(dá)到用戶(hù)價(jià)值和產(chǎn)品目標(biāo)的最大化。

系統(tǒng)實(shí)施層面，是在抽象理論的指導(dǎo)下，用算法進(jìn)行標(biāo)簽化統(tǒng)計(jì)、分類(lèi)，并以用戶(hù)畫(huà)像的形式表現(xiàn)，最后在策略上、界面上、運(yùn)營(yíng)方式上進(jìn)行“量體裁衣”。

從哪些角度、維度進(jìn)行用戶(hù)細(xì)分呢？

如何用算法進(jìn)行標(biāo)簽化統(tǒng)計(jì)與分類(lèi)？

如何驗(yàn)證用戶(hù)細(xì)分的合理性并調(diào)整？

一、用戶(hù)細(xì)分常見(jiàn)的6種模型與5類(lèi)維度

首先，用戶(hù)是什么？

我們常常聽(tīng)說(shuō)這樣的對(duì)話(huà)：

• 你們公司的學(xué)生用戶(hù)有多少？500萬(wàn)個(gè)。
• 用戶(hù)有三類(lèi)：發(fā)視頻的、看視頻的、投廣告的。
• 在這個(gè)場(chǎng)景下，不同用戶(hù)的認(rèn)知、需求不同呀！

仔細(xì)一想，口語(yǔ)對(duì)話(huà)中用戶(hù)的含義是模糊的：

• 第一句，用戶(hù)其實(shí)指的是車(chē)主的注冊(cè)ID數(shù)量。
• 第二句，用戶(hù)其實(shí)指的是產(chǎn)品中存在的角色。
• 第三句，用戶(hù)其實(shí)指的是某一類(lèi)需求的集合。

很明顯，前兩句是口語(yǔ)上偷懶的、簡(jiǎn)化的表達(dá)，第三句中所含的意義?“?用戶(hù)是需求的集合?” 更為確切。

清晰了對(duì)用戶(hù)的定義，接下來(lái)，我們看看互聯(lián)網(wǎng)公司常用的6種分類(lèi)模型：

1. 梁寧·產(chǎn)品思維

根據(jù)商業(yè)模式中的主要角色及某角色下的用戶(hù)分類(lèi)：

舉個(gè)例子：大眾點(diǎn)評(píng)上的新店霸王餐。大眾點(diǎn)評(píng)與新開(kāi)的商家合作推出霸王餐，其大部分分配給用戶(hù)等級(jí)高、活躍度高、經(jīng)典評(píng)論多的頭羊，頭羊免費(fèi)享用之后做出點(diǎn)評(píng)，吸引大明羊、小閑羊、笨笨羊來(lái)消費(fèi)。

2. UCPM-產(chǎn)品管理知識(shí)體系

用戶(hù)在某個(gè)場(chǎng)景中，產(chǎn)生感受和需求，到尋找方案、挑選產(chǎn)品、購(gòu)買(mǎi)產(chǎn)品、使用產(chǎn)品、最后進(jìn)行售后的整個(gè)周期中，將用戶(hù)分為5類(lèi)：

• 購(gòu)買(mǎi)者：執(zhí)行購(gòu)買(mǎi)行為并主要關(guān)心價(jià)格
• 使用者：使用產(chǎn)品并首先考慮產(chǎn)品的性能
• 影響者：為決定的產(chǎn)生提供指導(dǎo)的各類(lèi)群體
• 信息管理者：控制信息流向并與其他人聯(lián)絡(luò)
• 決策者：正式批準(zhǔn)購(gòu)買(mǎi)決定并關(guān)心決定的內(nèi)部政策部分

舉個(gè)例子：

• 早幼教育產(chǎn)品：決策者、購(gòu)買(mǎi)者、信息管理者、影響者是家長(zhǎng)，使用者是學(xué)生；
• 小學(xué)教育產(chǎn)品：決策者、購(gòu)買(mǎi)者是家長(zhǎng)，使用者是學(xué)生，信息管理者、影響者是家長(zhǎng)和學(xué)生一起；
• 企業(yè)服務(wù)產(chǎn)品：一個(gè)辦公軟件的購(gòu)買(mǎi)要通過(guò)采購(gòu)部的貨比三家、財(cái)務(wù)部的預(yù)算、使用員工的意見(jiàn)、專(zhuān)人的管理維護(hù)、高層的決策。

3. 用戶(hù)體驗(yàn)要素

根據(jù)對(duì)產(chǎn)品的熟悉程度分為：

• 小白用戶(hù)：剛使用或不經(jīng)常使用，對(duì)產(chǎn)品不熟悉。
• 普通用戶(hù)：占用大多數(shù)，對(duì)產(chǎn)品使用情況良好。
• 專(zhuān)家用戶(hù)：對(duì)產(chǎn)品依賴(lài)程度高，能提出很多觀點(diǎn)意見(jiàn)，是產(chǎn)品的有力支持者。

如此分法以便于分析：

• 同一人群，在A/B/C場(chǎng)景下，分別遇到什么問(wèn)題。
• 同一場(chǎng)景，a/b/c三個(gè)人群，分別遇到什么問(wèn)題。

4. 商業(yè)模式新生代

根據(jù)用戶(hù)需求的范圍、用戶(hù)與用戶(hù)間的關(guān)系分為：

• 大眾市場(chǎng)：服務(wù)于一個(gè)龐大的、有著廣泛的相似需求的用戶(hù)群體，如淘寶、拼多多、抖音等。
• 小眾市場(chǎng)：服務(wù)于一個(gè)具體的、專(zhuān)門(mén)的、需求量身打造的用戶(hù)群體，如花瓣網(wǎng)服務(wù)于設(shè)計(jì)師。
• 求同存異的用戶(hù)群體：服務(wù)于有著相似卻不同需求的多個(gè)細(xì)分用戶(hù)群，如炒股APP服務(wù)于韭菜、獨(dú)立經(jīng)濟(jì)人、操盤(pán)手。
• 多元化的用戶(hù)群體：服務(wù)于不同需求的用戶(hù)群體；如同一個(gè)CRM產(chǎn)品，可以私有化部署，可以公有云部署，可以混合云部署。
• 多邊平臺(tái)（多邊市場(chǎng)）：服務(wù)于兩個(gè)或更多的相互獨(dú)立又依存的用戶(hù)群體；如o2o外賣(mài)，服務(wù)于點(diǎn)外賣(mài)的人、送外賣(mài)的人、商家、廣告買(mǎi)主。

5. 《交互設(shè)計(jì)精髓》

根據(jù)界面的設(shè)計(jì)目標(biāo)分為：

• 主要人物：一個(gè)產(chǎn)品的一個(gè)界面只能有一個(gè)主要人物模型。
• 次要人物：存在一些額外的特定需求，可以在不削弱產(chǎn)品能力，以服務(wù)主要人物的前提下得以滿(mǎn)足。
• 補(bǔ)充人物：主要人物和次要人物結(jié)合在一起完全可以代表補(bǔ)充人物的需求，一個(gè)界面可以用任意多個(gè)補(bǔ)充人物相聯(lián)系。
• 客戶(hù)人物：是客戶(hù)而不是終端用戶(hù)的需求，一些客戶(hù)人物的界面可能會(huì)成為自己獨(dú)有的管理界面的主要人物。
• 接受服務(wù)人物：并非產(chǎn)品的用戶(hù)，卻直接受產(chǎn)品使用的影響。
• 負(fù)面人物：用于告知產(chǎn)品不會(huì)為某類(lèi)具體的用戶(hù)服務(wù)，即不是產(chǎn)品的實(shí)際用戶(hù)。

舉個(gè)例子：

2B產(chǎn)品中，某類(lèi)用戶(hù)在日常使用中真正高頻關(guān)心的數(shù)據(jù)、高頻使用的功能其實(shí)并不多；將這些重點(diǎn)的數(shù)據(jù)和功能放在系統(tǒng)首頁(yè)、模塊首頁(yè)、功能首頁(yè)，讓用戶(hù)僅使用少數(shù)幾個(gè)功能就完成大部分的日常工作，便是極致的用戶(hù)體驗(yàn)。

6. RFM模型

RFM模型是衡量客戶(hù)價(jià)值和客戶(hù)創(chuàng)利能力的重要工具和手段，廣泛應(yīng)用于眾多的CRM產(chǎn)品的用戶(hù)分析上，主要以三項(xiàng)指標(biāo)——“最近一次消費(fèi)距當(dāng)前的天數(shù)、累計(jì)消費(fèi)次數(shù)、累計(jì)消費(fèi)金額”來(lái)描述客戶(hù)的價(jià)值狀況，可分為8類(lèi)：

這6種模型適用于PM的不同的工作場(chǎng)景，是已經(jīng)成型的、常規(guī)的、粗略的分類(lèi)模型，但對(duì)面市場(chǎng)上的產(chǎn)品越來(lái)越垂直化的趨勢(shì)，公用的細(xì)分模型使用效果有所折扣。

所以，越來(lái)越多的產(chǎn)品也逐漸從更多細(xì)致的維度分類(lèi)，筆者閱覽行業(yè)多數(shù)文章，結(jié)合工作實(shí)踐，整理總結(jié)，可歸納為五個(gè)維度：

細(xì)化了維度，怎么量化？

技術(shù)怎么實(shí)現(xiàn)？用戶(hù)如何表現(xiàn)呢？

二、將數(shù)據(jù)標(biāo)簽化，將用戶(hù)形象化

標(biāo)簽是什么？標(biāo)簽是用來(lái)標(biāo)志你的產(chǎn)品目標(biāo)、分類(lèi)、內(nèi)容的，是給你的目標(biāo)確定一個(gè)關(guān)鍵詞，是便于查找和定位的工具。

用戶(hù)標(biāo)簽從更新頻率可以分為：靜態(tài)標(biāo)簽、動(dòng)態(tài)標(biāo)簽；從開(kāi)發(fā)方式分為：統(tǒng)計(jì)類(lèi)標(biāo)簽、規(guī)則類(lèi)標(biāo)簽、算法類(lèi)標(biāo)簽（又稱(chēng)：基礎(chǔ)標(biāo)簽、模型標(biāo)簽、預(yù)測(cè)標(biāo)簽）；從標(biāo)簽來(lái)源分為：系統(tǒng)自動(dòng)打的、開(kāi)發(fā)商運(yùn)營(yíng)打的、用戶(hù)自己打的。

用戶(hù)畫(huà)像是什么？從上一小節(jié)分類(lèi)模型可以看出，有些模型比較感性，好像可以看到一個(gè)真實(shí)的人，有些模型比較理性，好像看到的是一堆標(biāo)簽數(shù)據(jù)。是的，用戶(hù)畫(huà)像目前是分兩類(lèi)：User Persona 和 User Profile。

User Persona 是產(chǎn)品設(shè)計(jì)、運(yùn)營(yíng)人員從用戶(hù)群體中抽象出來(lái)的典型用戶(hù)；一般來(lái)自于用戶(hù)訪談、用戶(hù)研究，幫助我們?nèi)ジ行缘恼J(rèn)識(shí)當(dāng)前的產(chǎn)品所主要服務(wù)的用戶(hù)是一些什么類(lèi)型的人。

User Profile 是基于用戶(hù)在產(chǎn)品中的真實(shí)數(shù)據(jù)，產(chǎn)出描述用戶(hù)的標(biāo)簽的集合，是偏理性的數(shù)據(jù)表現(xiàn)；一般用于產(chǎn)品具體的產(chǎn)品設(shè)計(jì)、決策依據(jù)、運(yùn)營(yíng)營(yíng)銷(xiāo)、風(fēng)險(xiǎn)預(yù)測(cè)、信用評(píng)估、個(gè)性化推薦等過(guò)程，如第一小節(jié)最后呈現(xiàn)的五個(gè)維度的表格。

User Persona 和 User Profile是一體兩面，具有同一性、統(tǒng)一性，在實(shí)際應(yīng)用中要結(jié)合業(yè)務(wù)及場(chǎng)景相互對(duì)照使用。

本節(jié)主要總結(jié)User Profile的實(shí)現(xiàn)方式，產(chǎn)品結(jié)構(gòu)如下：

實(shí)施步驟可分三步：

1. 確定畫(huà)像維度

• 根據(jù)業(yè)務(wù)場(chǎng)景挖掘真實(shí)用戶(hù)的虛擬代表：User Persona。
• 根據(jù)User Persona 確定系統(tǒng)中User Profile的標(biāo)簽維度、層級(jí)關(guān)系、標(biāo)簽類(lèi)型、標(biāo)簽值、初步的標(biāo)簽規(guī)則。

2. 建立數(shù)據(jù)處理模型

• 標(biāo)簽權(quán)重：標(biāo)簽在某一業(yè)務(wù)指標(biāo)中的權(quán)重
• 更新頻率：實(shí)時(shí)更新、離線T+1更新、單次計(jì)算
• 標(biāo)簽統(tǒng)計(jì)規(guī)則：如7天點(diǎn)外賣(mài)>2次屬于中等活躍
• 標(biāo)簽算法：TF-IDF權(quán)重歸類(lèi)算法、相似矩陣算法、LAP傳播算法…

用戶(hù)標(biāo)簽權(quán)重 = 行為類(lèi)型權(quán)重 × 時(shí)間衰減系數(shù) × 用戶(hù)行為次數(shù) × TF-IDF計(jì)算標(biāo)簽權(quán)重

行為類(lèi)型權(quán)重：用戶(hù)瀏覽、搜索、收藏、下單、購(gòu)買(mǎi)等不同行為對(duì)用戶(hù)而言有著不同的重要性，一般而言操作復(fù)雜度越高的行為權(quán)重越大，該權(quán)重值一般由運(yùn)營(yíng)人員或數(shù)據(jù)分析人員主觀給出。

時(shí)間衰減系數(shù)：用戶(hù)某些行為受時(shí)間影響不斷減弱，行為時(shí)間距現(xiàn)在越遠(yuǎn)，該行為對(duì)用戶(hù)當(dāng)前來(lái)說(shuō)的意義越小；這里應(yīng)用了牛頓冷卻定律數(shù)學(xué)模型，指的是一個(gè)較熱的物體在一個(gè)溫度比這個(gè)物體低的環(huán)境下，這個(gè)較熱的物體的溫度是要降低的，周?chē)奈矬w溫度要上升，最后物體的溫度和周?chē)臏囟冗_(dá)到平衡，在這個(gè)平衡的過(guò)程中，較熱物體的溫度F（t）是隨著時(shí)間t的增長(zhǎng)而呈現(xiàn)指數(shù)型衰減，其溫度衰減公式為：F（t）=初始溫度×exp（-冷卻系數(shù)×間隔的時(shí)間）。

對(duì)應(yīng)在用戶(hù)標(biāo)簽隨時(shí)間的影響上，冷卻系數(shù)相當(dāng)于標(biāo)簽權(quán)重隨時(shí)間衰減的系數(shù)。公式如下：

λ=-ln（dN/dt）/T=-ln（當(dāng)前值/初始值）/間隔時(shí)間

用戶(hù)行為次數(shù)：用戶(hù)標(biāo)簽權(quán)重按周期統(tǒng)計(jì)，用戶(hù)在周期內(nèi)與該標(biāo)簽產(chǎn)生的行為次數(shù)越多，該標(biāo)簽對(duì)用戶(hù)的影響越大。

TF-IDF計(jì)算標(biāo)簽權(quán)重：標(biāo)簽的重要性隨著它在用戶(hù)中被標(biāo)記的次數(shù)成正比增加，但同時(shí)會(huì)隨著它在標(biāo)簽庫(kù)中出現(xiàn)的頻率成反比下降；w（P , T）表示一個(gè)標(biāo)簽T被用于標(biāo)記用戶(hù)P的次數(shù)。TF（P , T）表示這個(gè)標(biāo)記次數(shù)在用戶(hù)P所有標(biāo)簽中所占的比重，TF越大，標(biāo)簽越重要；相應(yīng)的IDF（P , T）表示標(biāo)簽T在全部標(biāo)簽中的稀缺程度，即這個(gè)標(biāo)簽的出現(xiàn)幾率，IDF越大，標(biāo)簽越不重要。

然后根據(jù)TF * IDF即可得到該用戶(hù)該標(biāo)簽的權(quán)重值。公式如下：

(分母+1是防止分母為0)

舉個(gè)例子：

• TF（用戶(hù)P1，標(biāo)簽T1）=5/（5+2+1+0）=0.625
• IDF（用戶(hù)，標(biāo)簽T1）=log（5/(2+1)）=0.222
• TD-IDF=0.625*0.222=0.139

3. 數(shù)據(jù)采集，數(shù)據(jù)處理，生成User?Profile分類(lèi)

將業(yè)務(wù)數(shù)據(jù)、日志數(shù)據(jù)、埋點(diǎn)數(shù)據(jù)、第三方數(shù)據(jù)帶入數(shù)據(jù)處理模型中，生成User Profile。

（該圖片來(lái)自網(wǎng)絡(luò)）

舉個(gè)例子：

疫情期間大家都窩著家里挺無(wú)聊，眾多社交平臺(tái)出現(xiàn)了不法分子色誘無(wú)知的寂寞的男子果聊，然后錄屏敲詐錢(qián)財(cái)?shù)陌讣?，?bào)警數(shù)量上升，區(qū)縣及社區(qū)都發(fā)短信提醒居民。

那么，作為陌生人的交友平臺(tái)，如何避免不法分子的猖獗呢？

第一步、確認(rèn)畫(huà)像維度

1）根據(jù)場(chǎng)景挖掘User Persona

2）再確定系統(tǒng)中User Profile的標(biāo)簽

第二步、建立數(shù)據(jù)處理模型

1）標(biāo)簽權(quán)重：

• 行為類(lèi)型權(quán)重：人為判定、排序、給出權(quán)重值
• 時(shí)間衰減系數(shù)：按公式計(jì)算
• 用戶(hù)行為次數(shù)：周期計(jì)數(shù)
• TF-IDF計(jì)算權(quán)重：按公式計(jì)算

2）更新頻率：實(shí)時(shí)更新

3）標(biāo)簽統(tǒng)計(jì)規(guī)則：標(biāo)簽值中所述規(guī)則

4）標(biāo)簽算法：TF-IDF權(quán)重歸類(lèi)算法、決策樹(shù)分類(lèi)算法、神經(jīng)網(wǎng)絡(luò)、KNN分類(lèi)、SVM…

第三步、數(shù)據(jù)采集，數(shù)據(jù)處理，生成分類(lèi)

1）模型建好之后，可以導(dǎo)入樣本數(shù)據(jù)，進(jìn)行模擬，將果聊詐騙分子的賬號(hào)全部找出來(lái)。

2）可采用多種算法同時(shí)分類(lèi)，觀測(cè)各自結(jié)果，綜合比較，最后擇優(yōu)使用。

當(dāng)User Profile確定之后，User Profile與User Persona的差距如何？User Persona與真實(shí)用戶(hù)的情況間差距如何？User Profile與真實(shí)用戶(hù)的情況間差距如何？

三、用回歸分析、A/B測(cè)試、用戶(hù)調(diào)研的方法

驗(yàn)證用戶(hù)細(xì)分的準(zhǔn)確性：

1. 回歸分析

延續(xù)上一小節(jié)的例子，可分兩大步：

• 對(duì)比判定情況和實(shí)際情況，得到四類(lèi)結(jié)果。
• 用召回率、準(zhǔn)確率、精準(zhǔn)率評(píng)估，數(shù)值越大越好。

召回率（Recall）：R=TP?/（TP+FN）；即（正確識(shí)別的不法分子數(shù)）/（正確識(shí)別不法分子與正常用戶(hù)數(shù)）

準(zhǔn)確率（Accuracy）：ACC=(TP+TN)/(TP+TN+FP+FN）；即（判定正確的數(shù)）/（所有判定的數(shù)）

精確率（Precision）：P=TP /（TP+FP）；即（正確識(shí)別的不法分子數(shù)）/（系統(tǒng)識(shí)別出的不法分子數(shù)）

基本上僅用召回率（R）和準(zhǔn)確率（ACC）就可以評(píng)估策略的好壞，并進(jìn)行優(yōu)化調(diào)整了。

2. A/B測(cè)試

多方案并行測(cè)試，單一變量法觀察方案效果，最終擇優(yōu)；實(shí)施層面的原理如下圖：

（該圖片來(lái)自網(wǎng)絡(luò)）

從左到右，四條粗豎線代表了四個(gè)關(guān)鍵角色：客戶(hù)端、服務(wù)器、數(shù)據(jù)層、數(shù)據(jù)倉(cāng)庫(kù)。

從上到下，三部分代表了三種測(cè)試形式：無(wú) A/B 測(cè)試組、基于后端的 A/B 測(cè)試組、基于前端的 A/B 測(cè)試組。

3. 用戶(hù)調(diào)研

用戶(hù)調(diào)研是為了接近用戶(hù)、了解用戶(hù)，也方便自己變成用戶(hù)，體會(huì)用戶(hù)。

調(diào)研的方式有很多：用戶(hù)訪談、焦點(diǎn)小組、參與式設(shè)計(jì)、問(wèn)卷調(diào)查、觀察用戶(hù)行為、走進(jìn)場(chǎng)景、分析用戶(hù)數(shù)據(jù)、10-100-1000法則……用于持續(xù)獲取精準(zhǔn)的用戶(hù)畫(huà)像，具體的操作步驟在網(wǎng)上一搜一大篇；工作中只要選擇自己最順手的一兩個(gè)方法用到極致、用到出神入化、用到可以感知用戶(hù)就可以了。

那么，如何減小調(diào)研結(jié)果與真實(shí)用戶(hù)之間的差距呢？索尼公司曾經(jīng)做過(guò)一次關(guān)于用戶(hù)對(duì)Boomboxes音響顏色偏好的面對(duì)面訪談式的調(diào)研，音響顏色有黃色和黑色兩種，大部分人表示黃色更好看，更愿意購(gòu)買(mǎi)黃色的音箱；有意思的是，調(diào)研結(jié)束后，組織者為了答謝允許每人離開(kāi)時(shí)帶走一個(gè)音響，結(jié)果極大部分人都帶走了黑色的音箱。

故無(wú)論采取哪種調(diào)研方式，還是要有非常多的人與人之間互動(dòng)的注意事項(xiàng)；此塊內(nèi)容諸多文章都有所闡述，為了便于理解，我們看看唐僧一邊走路、一邊乞食去西天取經(jīng)的故事，為啥要走著去？不讓悟空背著飛去？為什么還要乞食前行？因?yàn)橐哌M(jìn)眾生、了解眾生、融入眾生，那在“托缽乞食”時(shí)有哪些注意事項(xiàng)？

綜上，回歸分析與A/B測(cè)試在從定量的角度驗(yàn)證、用戶(hù)調(diào)研從定性的角度佐證用戶(hù)細(xì)分的準(zhǔn)確性。

用戶(hù)細(xì)分是企業(yè)為了實(shí)現(xiàn)用戶(hù)需求的異質(zhì)性、并集中有限資源進(jìn)行有效市場(chǎng)競(jìng)爭(zhēng)的行為；系統(tǒng)實(shí)施層面，是在抽象理論的指導(dǎo)下，用算法進(jìn)行標(biāo)簽化統(tǒng)計(jì)、分類(lèi)，并以用戶(hù)畫(huà)像的形式表現(xiàn)，最后在策略上、界面上、運(yùn)營(yíng)方式上進(jìn)行“量體裁衣”。

本文由 @七牛 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(lái)自 Unsplash，基于 CC0 協(xié)議