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

上周有讀者問了個問題，大意是說對用戶畫像覺得很懵逼，那么今天就聊一聊。

「用戶畫像」這個詞，其實在國內的互聯網大概率是錯用的。

這里有兩個英文詞，第一個叫「PERSONA」，這是Allen Cooper提出來的一種通過調研和問卷獲得的典型用戶模型，用于產品需求挖掘與交互設計的方法。

其中：

P代表基本性(Primary)：指該用戶角色是否基于對真實用戶的情景訪談;

E代表同理性(Empathy)：指用戶角色中包含姓名、照片和產品相關的描述，該用戶角色是否引同理心;

R代表真實性(Realistic)：指對那些每天與顧客打交道的人來說，用戶角色是否看起來像真實人物;

S代表獨特性(Singular)：每個用戶是否是獨特的，彼此很少有相似性;

O代表目標性(Objectives)：該用戶角色是否包含與產品相關的高層次目標，是否包含關鍵詞來描述該目標;

N代表數量性(Number)：用戶角色的數量是否足夠少，以便設計團隊能記住每個用戶角色的姓名，以及其中的一個主要用戶角色;

A代表應用性(Applicable)：設計團隊是否能使用用戶角色作為一種實用工具進行設計決策。

而另一個單詞，叫「Profile」，是利用已經獲得的數據，用來勾勒用戶需求、用戶偏好的數據分析方法。

這兩個詞，都可以翻譯為「用戶畫像」，但第一種，用于產品用研與交互設計，第二種，用于運營與數據分析。

所以，必須要先明確用的是哪一種，考慮到亮哥的用戶結構，我就說第二種了。

如何獲得用戶畫像

獲得用戶畫像的基礎，是數據。

這是一句廢話，但對于一些創(chuàng)業(yè)公司來說，這是真理。

如果今天我們要分析一個人，我們會從哪些角度去分析呢？讓我們回憶一下，我們多年來填寫過的表格里都讓我們填什么：

1. 姓名
2. 性別
3. 民族
4. 戶口所在地
5. 目前居住地
6. 聯系方式

以上這些好像是標準要填寫的內容，但還會碰到：

• 血型
• 星座
• 興趣愛好
• 工作經歷
• 家庭成員
• 收入情況

甚至更多，讓我們先在這里打住。

我們通常情況下想要了解一個人，會需要知道這個人的基本信息，也就是上面1-6的部分，當然，根據需求，可以或多可以或少，但一般不會超過上面列舉的部分。

而除了了解這些基本信息之外，我們還會通過和他長時間的接觸，了解到基本信息之外的部分，譬如說：

• 性格是外向還是內向？
• 有沒有口頭禪，是什么？
• 空閑的時候喜歡做什么，是宅著，還是出去玩兒？
• 對食物有哪些偏好，愛吃甜還是愛吃辣？
• 好朋友多不多，是否受人歡迎？

……

諸如此類。

這些需要一段時間接觸獲得的信息，就不是基本信息，而是更接近于一些私隱和偏好信息。

今天，當用戶越來越多的使用產品，我們就會逐漸提高對用戶的認知。

在這個過程中，我們通過一些手段，可以對用戶的習慣、行為、屬性貼上一系列標簽，最終，用戶可能會變成這樣：

當我們拿到了一堆這樣的標簽之后，有啥用呢？

精細化運營。

本質上說，廣告推薦、內容分發(fā)、活動營銷都需要這一套東西，作為基礎。

善用標簽

在整個畫像過程中，標簽其實是個必備的玩意兒。

說到標簽，可能很多人會有點頭痛，因為標簽到底怎么打，很多人會覺得是問題，但其實，沒那么復雜。

首先是分類。

假設，我們的運營工作是面向C端客戶的，那么我們可以先簡單的分這么幾類：

1、人屬性標簽

即，利用用戶留在系統的信息，我們可以為他的人屬性打上各種標簽，譬如：

男、女，這是性別分類里的標簽；90后、80后，這是年齡分類里的標簽；獅子座、射手座，這是生日分類里的標簽……

2、行為屬性標簽

即，用戶在系統中真實發(fā)生的行為，我們可以為行為屬性打上標簽，譬如說：

如果有消費行為，那么我們可以根據時間維度和單次消費金額或累計消費金額進行標簽分類，如：土豪是在360天內，累積消費金額超過10萬元或單次消費金額超過1萬元的用戶。

3、社交屬性標簽

即，用戶在社會化網絡和系統中留下的有關其社交屬性的各類標簽，譬如說：

大V是在該社區(qū)內被超過50000人關注的用戶；萬人迷可以是因為其關注者構成中，80%為異性所以被分到這個類型。

……

還可以繼續(xù)打其他類型的標簽。

如果簡單點兒說的話，就是標簽本身只是用來分類的一個條件，即便沒有標簽，只要你能說得清楚行為之間的關聯和所需條件的疊加，我認為問題也不大，但經驗告訴我，真是這種情況的話，會比較制約需求的復雜度。

重在使用

亮哥一直認為，增長黑客其實就是系統化的運營。

而增長黑客與大多數公司的運營之間的差距，其實就是對數據的利用，以及建立假設之后的數據驗證拿到結果的速度和持續(xù)驗證的能力。

因為，我們通過Profile去描繪出的用戶需求也好、用戶角色也好，實際上幾乎可以100%認為是滯后的。

利用這些滯后的數據，我們實際想要實現的是預測，否則無法獲得商機。

咱們這樣來看，一個用戶A今天在平臺上買了5斤蘋果，請問下一次該用戶什么時候會產生買蘋果的需求，以及如何保證他下次還在我們平臺上買蘋果？

如果僅從理論上來思考。

我們基本會有以下的思考模型：

1. 聚合所有在平臺上買過水果的用戶
2. 取其中連續(xù)購買超過N次的用戶（假設N=3）
3. 取這些用戶每次購買的時間，并計算間隔
4. 與用戶A對比，找到近似值，然后在這個時間間隔上來對A做推薦，驗證效果。

或者換個思路：

1. 通過數據分析，算算看，A家有幾口人
2. 計算5斤蘋果大概是多少個。
3. 假設一天每個人吃一個蘋果，最多幾天吃完
4. 更換假設條件，獲得不同的吃完天數
5. 在不同的天數上對用戶A做推薦，驗證效果。

你會發(fā)現，其實預測需求比判斷需求要難的多。

而在實際操作中，我相信，如果你僅僅是推薦蘋果，恐怕是不夠的，要考慮人們的決策過程，就需要更加深入去了解人性。

而這，就是另一個話題了。

#專欄作家#

張亮，微信公眾號：zhangleo1983，人人都是產品經理專欄作家。知乎大V，互聯網從業(yè)者；《從零開始做運營》作者。聊產品聊運營，偶爾深度。分享一切有益有趣的內容。

本文原創(chuàng)發(fā)布于人人都是產品經理，未經許可，不得轉載。