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

關于用戶畫像的建立，網上有很多文章，方法也都不經相同。作為一枚非用研人員，第一次嘗試做用戶畫像，在各種資源有限、經驗有限的情況下，經歷一次完整的研究過程并不容易，所謂最難跨出的永遠是第一步。

本文只適合沒有相關經驗，一直想做用戶畫像而不得的童鞋，專業人士可繞過啦?^_^??。這里沒有聚類分析、標簽權重、親和圖等專業的算法研究，有的只是一枚交互如何從0到1建立畫像的過程，也算是給自己近期工作做個總結（篇幅略長，不喜跳過）。

再次感謝小七前輩的耐心指點~

一、為什么想做用戶畫像

我們的項目是一款移動視頻應用，最開始想做用戶畫像，主要是想解決當前階段，產品/設計/開發/運營在核心用戶的理解上的分歧問題。

比如由于受推廣渠道影響，產品認為我們的用戶年紀偏大，且呈現低學歷的屬性特點，其他職能可能認為用戶偏年輕，且網絡及產品使用習慣均有差異。因此，大家在后續要開放哪些功能（甚至是后續的收費方式上）無法達成一致，產品希望加入一些成熟用戶更喜歡的內容。

另外，由于受業務影響，產品們更多關心的是日活、新增、時長等業務數據，對真實滲透到用戶行為上的數據，并不十分在意。但在交互上，清晰的用戶畫像和行為直接關系到具體的產品設計和表現，甚至是后續的產品規劃、運營推廣等。

因此，本次的畫像研究有兩個主要目的：

1. 為了讓項目相關人在核心用戶上達成統一且具象的認知，方便在后續投入上有的放矢；
2. 詳細了解我們的真實用戶是如何和產品及其相關內容進行互動等。

二、用戶畫像研究方法

在開始做畫像之前，我在各種書籍和網站收集相關實施方案，但發現內容不是偏于理論，就是脫離業務本身。結果就是：雖然看了很多資料，自己執行的時候，還是一臉懵逼（原諒小白的第一次T_T）。

不過，過程還算有收獲，如下圖1所示，主要是根據不同的產品階段配置不同的研究組合（這里列出的是常見的兩種類型，并不全面，具體方法有多種，可根據實際的項目情況做調整）。比如立項階段只做定性化的用戶畫像也是可以的，且用戶畫像的產出基本都是定量與定性的結合使用。由于我們的項目上線一年多，已具有一定的數據積累，因此，采用的是第二種研究組合。雖然方法有了，但是正真的難點在于，需要根據不同節點的研究目的，產出相關數據結果，下圖2即是本次整個用戶畫像的研究過程，對應的每一階段都有相應文檔輸出，這對于首次嘗試的我來說是個不小的挑戰。

下面對具體的執行方式不做詳細說明，而將重點放在，非用研人員在第一次做畫像經常會遇到的問題上，畢竟在定量和定性的研究部分，很多資料和書籍遠遠比我專業。

１.數據挖掘

雖然產品已上線一年多，由于沒有進行過系統的數據整理，各職能甚至產品之間出現信息斷層，團隊中很少有人能完全了解產品基本的用戶情況，因此，對現有數據的清洗顯的很有必要。

首先對后臺數據進行提取，比如Android和iOS端不同的使用時長、行為及內容偏好等，包括產品在第三方統計平臺沉淀的數據，比如百度、友盟等平臺，甚至是各種行業報告。通過對多方數據的假設和驗證，最終得出整體的戶群類型與規模，比如具體的用戶年齡、性別、訪問時段、行為偏好、轉化情況等。此時的分析報告，雖然有實際的數據支撐，但由于我們自身數據結構不完善，也存在部分假設成分，尤其是在用戶群的整體構成上，比如80和90后上班族、00后學生等比例及行為等，和真實情況會有偏差，這個時候的用戶數據是比較散的。

完成了數據挖掘階段，本來可以直接根據結果數據顯示，展開問卷調研，并對部分假設做驗證，且能了解更多用戶行為、目的、偏好等信息。但過程中發現光做一個用戶畫像，并不能達成目的。因為用戶畫像的應用場景，通常是建立在大家已經知道核心/大眾/邊緣的分布比例，需要統一對不同用戶的認知，建立感性影響的階段。另外，由于團隊資源有限，對無法看到效果的產出都保持謹慎態度，因此還需要配合其他事項。

切入點就是：由于產品們比較關心一些運營指標，比如日活用戶、新增用戶、使用時長等，可以從這方面入手，并獲得資源支持。先將用戶劃分幾個類別，如下圖3所示。

劃分的原因，是為了和產品同步一些基礎定義，比如“高活躍老用戶”是我們的持續核心，“高活躍新用戶”是新增核心等。同步了這些數據，就可以在該數據基礎上做進一步白描。如圖4形式，因為入手的是他們比較感興趣的問題，所以開始沒有很難。在這個過程中，使用的是性別和年齡作為維度來描述不同活躍用戶的組成，輸出的主要是一個屬性分布，用來統一基礎認知的，這里還沒有到畫像那么細的地步。當和產品達成一致以后，按照下圖的整體規劃開始進行問卷數據的收集。

２.問卷調研

關于不同活躍類型的用戶數據，可以有多種來源，最靠譜的數據來源于日志，但是關于這部分我們是缺失的，所以只能靠問卷調研，即在app中投放問卷。關于問卷的具體設計此處略，主要說一下我在這個過程中遇到的幾個關鍵問題：

1）問卷目的

由于問卷調研本身的局限性，正常在app中投放的問卷，回收的數據一定是偏活躍用戶數據，因為非活躍用戶一般不會看到或填寫，這也是問卷調研結果經常會遭到質疑的原因。但由于本次問卷目的本來就是為了研究活躍用戶整體的社會屬性、目的、行為、態度和觀點等，也就是所謂的產品核心用戶（上圖中的1、2象限用戶），所以問卷數據的參考價值還是比較大的。

而非活躍用戶并不屬于本次調研重點，因為對非活躍用戶的觸達，需要定向激活方式，比如郵件、短信推送、電訪等，但由于團隊沒有用研伙伴，并不具備這個資源和能力，只能將重心放在主要用戶上。

2）如何劃分活躍/新老用戶

對于活躍/新老用戶的劃分，不同的項目類型有不同的標準。作為交互設計師雖然有一個大體的概念，但如果要精確到具體的數據也并不清楚，所以需要先根據后臺及項目本身預估一下，然后和業務方確認。比如用戶的活躍度劃分主要是根據使用時長和頻率，但使用時長是周時長，還是日時長，根據項目來定。

由于我們的項目屬于視頻類，按道理周使用時長更合理，因為不同類別的人群，可能使用時間是錯開的，但是根據后臺數據顯示，用戶在工作日和雙休日使用時長并無明顯差異，直接按照日使用時長就可以。因此最終的活躍/非活躍用戶的劃分標準如下圖5所示。至于新老用戶的劃分，由于項目之前沒用過這個指標，也是和產品溝通好以后確認的。

3）先梳理問題大綱再設計卷子

很多非用研同學，第一次做卷子很容易陷入一個誤區，就是缺乏對問卷的整體規劃，直接上手就做，這會為后續數據分析埋下隱患，很容易導致問題不聚焦或無價值（同踩坑，幸好有前輩及時糾正^_^）。

因此，在設計問卷之前，最好梳理好相關問題，以結果為導向，通過想得到的數據，設計相關問題，可以做一個大致的問卷提綱，然后將每一個想要的得到的信息一一對應，這樣更加方便整理思路，甚至可以補充一些分析思路等，比如下圖所示（這里只是一個例子，一張問卷中無非包含用戶基本信息、目標、行為、觀點、態度等，具體可根據實際項目做調整）。

4）如何分析問卷數據

當根據問題大綱設計好問卷，并投放回收以后（關于問卷投放和問題設計是一個較長的話題，此處不再贅述），一般來說都會按之前的分析維度來拆分，因為這些是之前和業務確認過的，比較有幫助的。但是在過程中，也會視分析情況來進一步做交叉對比等，可能會有一些意外的發現，這是一個比較有趣的過程。

對于設計師來講，在數據分析階段，會一些交叉分析基本能滿足工作需求，可以不需要聚類這種比較復雜的方式。最終的分析結果形式如下圖7所示，當然也包含基本的用戶白描部分。

３.用戶訪談

當問卷結束以后，由于在這一階段已經和產品達成了愉快的共識，就可以繼續做用戶畫像的工作，從之前的幾個象限中，挑選一些典型的用戶出來，做進一步訪談。

1）如何篩選訪談用戶

訪談用戶主要來源于之前填寫問卷的用戶，如何從眾多用戶中篩選出合適的，是首要解決的問題，也是訪談前重點。首先，根據之前核心/非核心用戶的劃分進一步細化分類，從而知道應該挑選的對象。

如下圖8所示，統計學上有很多分類方法，但對數據量要求較高，所以一般在不具備條件的情況下，會使用比較簡單粗糙的手動分類（也就是按業務邏輯來分類）?？梢钥闯觯聢D中用戶的分類標簽更多的是用戶屬性方面，因為回收的問卷主要講了3件事：

1. 數量分布；
2. 使用頻率、使用時長、進入時間（誰是活躍用戶，也就是指留存較好的用戶）；
3. 社會屬性。

其中1和2在象限上，圖上的標簽就是社會屬性了，將這些屬性投上去，用肉眼就能發現一些可見的分類。這種方法雖然粗糙簡單，但是直觀有效。由于回收的問卷樣本不是特別多，統計學上的方式并不適用。

那么，在4個象限中，到底要訪談哪些用戶呢？

對于產品來講，重點的的人群，永遠只有兩類：1、人多的分類；2、活躍的分類。我們做的所有努力都是為了維護這兩個分類的規模，以及努力將其他用戶轉化近這兩個分類中；因此，目前優質用戶對我們來講很重要。而且，由于團隊第一次做，資源、精力都有限，所以先以優質用戶為主，覆蓋部分待改善用戶，其他象限以后再做。

訪談的用戶范圍定了，接下來就是篩選出符合該條件的用戶，共篩選出20個用戶進行訪談，每類5-6個人。

2）訪談形式和大綱

關于訪談形式和大綱，這里只做一些簡單介紹：對于我們團隊來講，面對面訪談雖然優點很多，但團隊并不具備資源，所以選擇了電訪和QQ訪談。由于我們的訪談信息量較多，開始的兩個電訪用戶結果并不理想，后來使用的是QQ訪談，雖然消耗的時間多，但就收集的信息量來講更有價值。

訪談大綱一般是比較開放的題目，更多地會詢問一些問卷觸達不到的內容，比如說怎么理解一個功能，為什么會喜歡某些內容，平時使用APP的習慣是先點擊哪個再點擊哪個之類，可以看成是問卷問題再往下拆細，更多地去觸達細節。

3）訪談信息如何處理

由于用戶畫像的根本是要找到同類用戶的共性，和分類用戶的異性，所以訪談后的信息整理也主要是圍繞這個目的。但是對新手來講，首次面對海量信息，很容易迷失（就像我T_T），所以有個最簡單有效的方式就是，看關鍵詞的出現頻率，先挑高的出來，再根據上下文理解哪個是可以作為特征的。但是這個方法對我似乎并不有效，因為信息多且散，需要整理者有較強的概括能力，可以體會一下下圖8的信息。所以只能根據每個信息節點，一個點一個點的抽，比如二次動漫，這種內容的覆蓋范圍太大，可能拆分成具體的動漫類型、吸引人的信息、日本文化、輕小說等相關信息。雖然比較消耗時間和腦力，但結果還是值得的。

當整理出最終結果以后，用戶畫像的雛形基本形成。

用戶畫像實際是由兩部分組成：

• 概括的部分，是根據前面的量化研究帶來的，比如：18~22歲的學生群體，男女都有；
• 具象的部分是由定性研究而來，也就是用戶訪談，比如，用戶具體是如何使用產品的，他對這種內容的訴求和態度等。

通常情況下，建立3個左右的用戶畫像即可，且要對畫像進行優先級排列，排列的依據主要來源于之前的數據挖掘和問卷調研，比如每個類型占有的大致比例。最后不要忘記給每類用戶畫像起一個名字（即簡述），用于對該類用戶畫像的總結，方便理解的同時，也更容易復用。比如“二次元重癥患者”就會比“14~16歲之間，女性為主，喜歡瀏覽二次元視頻和追動漫新番，每天花費4~6小時觀看相關作品，積極參與評論/翻譯/同人創作等”更容易記憶。

三、畫像的最終運用

用戶畫像從根本上來講，就是為了統一產品相關人員的共同認知的，并以畫像為基礎給產品或運營做參考依據。所以，通常隨著畫像的產出，也需要給產品設計、運營、甚至推廣等意見或建議，這樣整個用戶畫像的研究才是完整的。

最后，雖然整個研究過程整體順利，但同時也存在不少問題，會嘗試在未來工作中持續改進，也歡迎專業人士交流~

本文由 @butter 原創發布于人人都是產品經理。未經許可，禁止轉載。