B端產品經理,如何構建企業用戶畫像?
用戶畫像是產品經理技能之一,我們可通過構建用戶畫像分析客戶、了解客戶、挖掘需求,提高轉化率和復購率。那么該如何構建企業用戶畫像呢?本文筆者結合相關例子與圖表介紹了構建企業用戶畫像的三大步驟。
一、什么是企業用戶畫像?
工廠為什么需要ERP系統、WMS系統,而不需要收銀系統?經銷商為什么需要分銷系統、CRM系統,而不需要流水線設備?
原因就在于工廠是通過ERP系統、WMS系統來管理原材料采購、生產制造過程、出入庫等環節的生產效率和運營效率,而不是把商品直接賣給終端用戶。在交易過程中承載“創造價值”的目標。
而經銷商需要通過線上分銷、線下批發等方式,把商品銷售給客戶并要維護客戶關系,達成合作關系。在交易過程中承載“傳遞價值”的目標。企業是為實現既定目標相互協助的,具備某個特征的群體組織。
企業用戶畫像指的是,使用B端產品或服務的企業用戶,具有企業屬性特征和企業內部多個角色屬性特征結合構成的畫像,是對現實企業用戶的數字建模。通過采集企業和角色信息,總結提煉特征,構建標簽化的企業用戶模型。
構建企業用戶畫像是為了梳理和建立與企業用戶的關聯關系,聚焦產品服務對象,提供專注服務、營銷決策、迭代產品、挖掘數據等。
構建企業用戶畫像可分為以下步驟:
- 采集數據;
- 構建標簽體系;
- 呈現畫像。
二、采集數據
2.1 列舉基礎數據
基礎數據是構建企業用戶畫像的前提,采集數據前,根據企業用戶畫像使用目的,從宏觀層、中觀層、微觀層的角度,列舉構建企業用戶畫像所需要的基礎數據。
- 宏觀層,指企業用戶的行業屬性,不同行業存在不同的市場結構、運作模式、運行規律。通過行業特征,了解目標企業用戶行業的現狀和發展趨勢;
- 中觀層,指企業用戶的企業屬性,如企業成立時間、企業規模、人員規模、收入規模、活躍用戶、使用評價等。通過企業特征,了解目標企業用戶的現狀;
- 微觀層,企業用戶畫像不僅僅是企業屬性的特征,同時還要考慮企業內部角色屬性的特征,即決策鏈角色特征,可分為:決策者(老板、高管)、使用者(員工),決策者和使用者的關注點和需求存在很大差異。
2.2 調研對象
列舉基礎數據后,就要確定調研(采集)數據的對象了,只有在決策鏈上的角色,才有調研價值。
如現有一款“企業福利系統”的B端產品,作用是協助企業建立正向的激勵制度,解決員工福利采購成本高、發放難、員工滿意度低等問題。
A眼科醫院(企業用戶)有意向采購,需對其進行調研。調研對象包括普通員工、人資專員、人資總監、總經理和董事長。
這條決策鏈,首先要打動該醫院的人資總監,再說服總經理和董事長,最后讓人力資源專員和普通員工體驗使用。
人資總監是決策鏈的關鍵人物,具有很大的建議權,如果取得了人資總監的認可,就會向總經理推薦這款產品,而董事長是則聽取總經理和人資總監的意見。在決策鏈上,核心角色的建議權,往往比決策權還重要。
至于人資專員和普通員工,他們是這款軟件產品的使用者。
人資專員負責體驗這款產品的采購環節是否節省采購成本和時間成本,發放流程是否便利。
員工則體驗福利項目、福利商品是否人性化、多樣化。也許在企業決定購買這款企業福利系統之前,人資專員和普通員工沒有話語權,但是在續費的時候,他們的建議權最大。
- 對于決策者,可向其了解企業戰略目標、發展情況、商業模式、業務情況、管理需求、業務需求等方面的信息。決策者關注營收增長、效率提高、減少成本等方面的問題。
- 對于使用者,可側重了解體驗、操作細節、工作細節、流程細節等信息。使用者關注產品便捷性、靈活性等用戶體驗方面的問題。
2.3 調研方法
明確了調研對象后,就可以展開調研了。企業用戶調研可使用定性分析與定量分析結合的方式。
- 定性分析,指研究者通過訪談、洞察等方式,并根據行業研究報告、過往經驗等挖掘企業用戶的行為動機、需求、變化規律等數據進行分析的方法;
- 定量分析,指基于數據和可能性的研究,對企業用戶進行各項指標、特性、相互關系的比較和分析,用數據檢驗某些假設的研究方法。
產品立項階段,可使用 “定性發現 + 定量驗證”的方式。產品還沒上線,需求還在探索時,利用身邊的資源做訪談,找出關鍵的變量,劃分好標簽特征后,再通過問卷調研方式做驗證。舉個例子:
小明覺得今天應該是大熱天,因為路上行人都撐著太陽傘和穿短袖短褲(定性發現)。然后拿著測溫器到室外驗證:室外溫度40度,地表溫度60度,而人體舒適溫度是23-26度,所以今天是大熱天(定量驗證)。
產品在已有數據積累階段,可使用“數據挖掘+定量篩選+定性豐富”的方式。結合項目的已有數據,使用定量方式篩選出用戶群,再通過調研訪談了解具體的行為細節和態度,進一步豐富用戶信息和數據。舉個例子:
產品經理發現上線一個月后的商家滿減功能使用率很低,不足10%(數據挖掘)。于是篩選了一批月成交量1~10萬,10~30萬,30~50萬的商家進行調研(定量篩選)。然后總結商家在使用過程中遇到的問題和收集建議,再分析過濾商家需求,持續優化功能和用戶體驗(定性豐富)。
數據挖掘的常用方式有后臺行為數據、后臺交易數據、第三方監測平臺數據(如百度統計、神策數據)等。
為了構建完善的企業用戶標簽體系,需要盡可能匯總最大范圍的數據。當然,收集到的信息不會100%準確,這就需要在后面的階段中建模來再判斷。如某企業用戶對某營銷功能的使用評價很高,但后臺行為數據判斷其極少使用該營銷功能。
三、構建標簽體系
標簽是某一種特征的符號表示,每個標簽都提供了一個觀察、了解企業用戶的角度。如采購需求大,合作穩定,結算周期短的企業用戶,可貼一個“優質合作伙伴”的標簽。
采集完基礎數據后,就可以構建標簽體系了。構建標簽體系流程:先把原始數據進行清洗、統計分析,得到事實標簽,再進行建模分析,得到模型標簽,最后進行模型預測,獲得預測標簽,如下圖:
標簽的每一個層級是對上一層級標簽的再次提煉。一般情況下,標簽體系是開放和變化的,并不是一成不變。
首先,由于企業用戶的需求可能會隨市場環境不斷的變化,產品為了滿足企業用戶需求,也會不斷的調整和完善;其次,每家供應商產品所面向的企業用戶都各有特點,再加上原始數據的差異,靈活使用標簽體系,才能獲得更好的效果;另外,標簽的顆粒度也要注意,顆粒度越粗,特征就越模糊,而顆粒度過細,則會導致標簽體系過于復雜而不具有通用性。
3.1 事實標簽
事實標簽,是基礎數據進行清洗、去重、去無效、去異常、整合提取特征的過程,也是對數據加深理解的過程,是為了模型標簽的構建做準備。
假設采集完20個企業用戶的基礎數據后,就可以提取共同特征,抽離出一個??能適用于更多同類型企業用戶的一個事實標簽,那么它不是某一個企業用戶的事實標簽,??而是共性特征的事實標簽。
3.2 模型標簽
模型標簽,由一個或多個事實標簽的組合而成。如“企業用戶價值等級”模型標簽,由采購總數量、采購總金額、結算周期等事實標簽組合而成的。
模型標簽的顆粒度越粗,每個模型之間的特征就越模糊;模型標簽的顆粒度越細,也會給產品定位和運營推廣帶來負擔。所以顆粒度不僅需要定量的聚類來調整,還需要結合產品經驗來驗證。
3.3 預測標簽
預測標簽,是根據已有事實數據和模型標簽,來預測企業用戶的行為偏好,在一定程度上反映企業用戶的規律性。預測標簽可以是簡單的數據統計,也可以是復雜的預測數學模型。如A眼科醫院的預測標簽,如下示例:
四、呈現畫像
企業用戶畫像的呈現,可以理解為企業用戶標簽的集合,標簽在各個維度之間都不是孤立的,存在強關聯關系。如A眼科醫院的用戶畫像呈現,如下示例:
用戶畫像不是一成不變的,需要反復迭代。因為B端用戶是在不斷發生變化的,也許是客戶業務方向調整,也許是客戶換了高管等等。
同時,產品的策略變化也會對受眾群體產生影響,可能會產生更加細分的業務受眾群體,需要用戶畫像給我們指明方向;也可能業務收縮需要重新定義受眾群體。
所以我們需定期回顧用戶畫像、進行更新調整,確保與現實情況保持一致性。
五、總結
用戶畫像是產品經理技能之一,我們可通過構建用戶畫像分析客戶、了解客戶、挖掘需求,提高轉化率和復購率。
作者:青木,微信公眾號:青木產品筆記
本文由 @青木 原創發布于人人都是產品經理,未經許可,禁止轉載。
題圖來自 Pixabay,基于CC0協議
思路清晰,簡單明了,很受用,謝謝分享。
說得很好,很受用,謝謝分享