還在騰訊的時候，我對“用戶畫像”產生濃厚興趣，開始海量的用戶群中開始探索和實踐，后來在騰訊學院開發了一門課程《用戶數據分析方法與案例》，其中有一部分是用戶畫像。

個人對用戶畫像的理解是三個層次，可以說是三個步驟吧，從群體用戶的問卷調研、數據分析到具象的個性描述，再到抽象應用，如下圖所示：

簡單的說下對這三個層次的認知與實踐。

一、群體定量統計分析

做用戶畫像的基礎，是通過數據對海量用戶有一個初步的了解，一般采用用戶數據提取分析與問卷調研兩種方式進行，根據產品目標確定統計分析的維度指標。

分析的維度，可以按照人口屬性和產品行為屬性進行綜合分析，

人口屬性：地域、年齡、性別、文化、職業、收入、生活習慣、消費習慣等；

產品行為：產品類別、活躍頻率、產品喜好、產品驅動、使用習慣、產品消費等；

以下是騰訊開放平臺的一些產品用戶屬性，年齡與性別的交叉分析，付費用戶與年齡的交叉分析。無論是后臺數據分析還是用戶問卷調研，都需要進行研究的效度與信度論證，保證數據盡量準確可用。

做問卷調研，需要做多少份問卷呢？一般是4000份以上，這個時候的抽樣置信區間可以達到99%，錯誤率幅度在2%左右。如果保持錯誤率2%的水平，置信水平95%，那么問卷數量可以下降到2500份。需要注意的是一般我們回收問卷，還會通過答題完整性、一致性等多項標準剔除無效問卷，所以回收問卷盡量高于標準數量的10%。

案例：頁游用戶年齡與性別分布

數據來源：2013年騰訊開放平臺白皮書

案例：付費用戶年齡分布

數據來源：2013年騰訊開放平臺白皮書

這本白皮書還是有不少用戶數據可以供大家參考，有興趣的同學可以去騰訊開放平臺下載：http://open.qq.com/

二、具象的定性個體描述

也就是創造人物角色，這里先說一個概念：Persona。Alan Cooper提出了Persona這一概念?！囤A在用戶》這本書將其翻譯為“人物角色”，是在上面的海量數據分析基礎上，進行具象化得到一個的虛擬用戶。

有興趣了解AlanCooper的可以去他的Google+主頁看看。

鏈接：https://plus.google.com/101097598357299353681/about

他的個人簡介是：I’m a software guy. I invented personas. They call me “The Fatherof Visual Basic”. I’m also the proprietor of Monkey Ranch, a former dairyfarm in Petaluma CA.

PERSONA的含義

• P 代表基本性（Primary research）指該用戶角色是否基于對真實用戶的情景訪談
• E 代表移情性（Empathy）指用戶角色中包含姓名、照片和產品相關的描述，該用戶角色是否引起同理心。
• 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，是否包含關鍵詞來闡述該目標。
• N 代表數量（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。一個產品，一般最多滿足3個角色需求。
• 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。

我們通過調研去了解用戶，根據他們的目標、行為和觀點的差異，將他們區分為不同的類型，然后每種類型中抽取出典型特征，例如：一些個人基本信息，家庭、工作、生活環境描述，賦予一個名字、一張照片、場景等描述，就形成了一個具象的典型用戶畫像。人物角色一般會包含與產品使用相關的具體情境，用戶目標或產品使用行為描述等。為了讓讓用戶畫像容易記憶，可以用具體的名字、標志性語言、幾條簡單的關鍵特征進行描述。一個產品通常會設計3～6個角色代表所有的用戶群體。

譬如下面就是我們去年做YY用戶畫像的一個案例：

具象的用戶畫像作用

理解用戶。人物角色是海量用戶“打包”后的研究結果，是用戶研究結果的生動呈現方式，是用戶心里模型好的載體，可以讓產品經理、設計師進行方便的換位思考。

提高溝通效率。由于人物角色是用戶研究結果的具象化，它不但生動，而且代表著用戶真實的目標和動機等信息，基于統一用戶認知基礎的溝通，可以大大提高團隊的溝通效率。

設計依據。人物角色，讓設計師找到了“以用戶為中心的設計”的著力點——“用戶”，在團隊成員間對設計方案存在分歧時，可以依據“人物角色”來選擇最佳的設計方案。

三、數據建模與產品應用

用戶研究的價值，最終還是要體現在產品的應用上。

一方面是產品經理、設計師在進行視覺設計、交互設計等方面進行參考。另一方面，更重要的是將用戶角色落實在在實際的產品中，用數據做產品在當前熱議大數據的時代越來越受到重視。

數據建模的方法太多了，神經網絡、遺傳算法、蒙特卡羅算法、聚類分析、關聯算法等等。在

目前的產品應用中，最常見的是用戶分類、各種推薦算法、防流失模型等。這里我們舉幾個常見的案例。

案例一：英雄聯盟對新用戶的類別劃分

新玩家進入游戲后，不同的游戲水平，將會有不同的引導體驗。

我是新手：剛開始接觸戰略游戲和英雄對戰游戲。

我玩RTS：玩過一些即時戰略游戲，但是并非高手。

我玩MOBA：玩過MOBA類游戲，知道打錢、殺人、推塔、拆基地。

大師你懂嗎：團隊頂梁柱，反黑主力軍，打輔助也能殺超神，沒有什么能比你更強力。

案例二：QQ音樂猜你喜歡

Fm.qq.com，這個案例，是當年在騰訊ISD團隊時候經常打交道的O胖、春哥等哥們的作品，從歌手、專輯、單曲三個維度，融合離線計算與在線實時推薦機制進行設計與開發。

以下也是某音樂產品的推薦邏輯：

案例三：流失預警模型決策樹算法

參考文章：《The origin of personas》，Alan Cooper

鏈接地址：http://www.cooper.com/journal/2008/05/the_origin_of_personas

#專欄作家#

Blues，微信公眾號：BLUEMIDOU，人人都是產品經理專欄作家，迅雷產品總監，原YY語音、騰訊高級產品經理。具有十年產品經驗，多年產品講師經驗。著名自媒體人，WeMedia自媒體聯盟成員，十佳自媒體人之一。擅長產品策劃、產品運營、數據分析、用戶研究、行業分析等。

本文原創發布于人人都是產品經理，未經許可，不得轉載。