一 用戶畫像概念

用戶畫像是根據(jù)用戶社會屬性、生活習(xí)慣和消費(fèi)行為等信息抽象出的一個標(biāo)簽化的用戶模型。構(gòu)建用戶畫像的核心工作即是給用戶貼“標(biāo)簽”，而標(biāo)簽是通過對用戶信息分析二來的高度精煉的特征標(biāo)識。

1 用戶畫像的意義

當(dāng)一個壞商家掌握了你的購買數(shù)據(jù)，他就可以根據(jù)你平常購買商品的偏好來決定是給你發(fā)正品還是假貨以提高利潤。--羅振宇

用戶畫像可以找到目標(biāo)用戶，在產(chǎn)品設(shè)計(jì)階段將焦點(diǎn)關(guān)注在目標(biāo)用戶的動機(jī)和行為上進(jìn)行設(shè)計(jì)；確保一個大方向，做到精準(zhǔn)營銷。

2 構(gòu)建流程

信息收集->信息處理->打標(biāo)簽->用戶畫像

為了精準(zhǔn)的描述用戶屬性，可以逐層分類：

1. 個人屬性：基本信息，地理位置，性格信息等；
2. 信用屬性：資產(chǎn)變化趨勢，學(xué)歷，負(fù)債，職業(yè)，信用信息等；
3. 興趣愛好：閱讀興趣，運(yùn)動興趣，社交興趣等；
4. 消費(fèi)特征：消費(fèi)能力，交易行為偏好，便利性偏好，關(guān)系偏好等；
5. 需求特征：當(dāng)前需求，潛在需求等；
6. 心理特征：情感波動，就業(yè)壓力等；

比如：
個人屬性：Afra55，男，22歲，西安；
信用特征：程序員，房貸，月光，信用良好；
興趣愛好：二次元，游戲，美食；
消費(fèi)特征：線上課程，游戲用戶群體，手辦，小吃，電子設(shè)備；
需求特征：理財，健身，脫單；
心理特征：疫情擔(dān)憂；

指標(biāo)推薦購買率=推薦用戶購買數(shù)%總推薦用戶數(shù)

二 分析用戶畫像

用戶這些需求是潛意識的，基本自己不會發(fā)掘，如果產(chǎn)品滿足了用戶會驚喜萬分，對產(chǎn)品的滿意度會大大提升。

用戶畫像雖然是用戶的虛擬代表，但必須基于的是真實(shí)用戶和真實(shí)數(shù)據(jù)。

用戶畫像分為兩個部分，第一部分是列舉所有的用戶群體，第二部分是列舉所有的用戶場景及其產(chǎn)生的需求，最后再對這兩部分進(jìn)行組合。

1 劃分用戶群體

通過六個維度進(jìn)行群體劃分：性別，年齡，地域，職業(yè)，經(jīng)濟(jì)地位，性格特征。
通過單一變量的變化都可以分化成許多的用戶群體，別劃分太細(xì)，盡量是典型群體。
按照用戶群體規(guī)模再進(jìn)行劃分： 核心用戶群，次要用戶群，小眾用戶群。

2 場景和需求

在各種各樣的生活場景下，就會有各種各樣的需求，比如渴了想喝水，困了想睡覺。盡可能多的列舉場景和需求。分析哪些群體是有這些需求的，把需求劃分到群體中。

把需求再進(jìn)行分類：基礎(chǔ)型，優(yōu)化型，興奮型。

基礎(chǔ)型需求：用戶的這些需求沒有得到滿足，他們會很不爽，如果產(chǎn)品沒有滿足他們，他們可能就會棄產(chǎn)品而去。

優(yōu)化型需求：用戶的這些需求沒有得到滿足不會不爽，但是用戶會期望這些需求得到滿足，且滿足了用戶會對產(chǎn)品的滿意度會高，且滿足得越多滿意度就越高，于此和別的產(chǎn)品區(qū)分開

興奮型需求：用戶這些需求是潛意識的，基本自己不會發(fā)掘，如果產(chǎn)品滿足了用戶會驚喜萬分，對產(chǎn)品的滿意度會大大提升。

3 結(jié)果

經(jīng)過以上的分析可以得到用戶畫像樹。不斷地去觀察這棵樹，我們就會對我們產(chǎn)品需要滿足哪個用戶群體以及群體的哪些需求熟稔于心了。

三 做好用戶畫像

用戶畫像永遠(yuǎn)也無法100％地描述一個人，只能做到不斷地去逼近一個人。

70后，80后，90后，00后 每個年齡段都會有代溝，70后的各位是大概率沒法體會到00后的心思。用戶畫像是針對產(chǎn)品/服務(wù)目標(biāo)群體真實(shí)特征的勾勒，是真實(shí)用戶的綜合原型，可以打破代購局限。

一個產(chǎn)品大概需要4-8種類型的用戶畫像。

1 用戶畫像的PERSONA七要素

• P 代表基本性(Primary)指該用戶角色是否基于對真實(shí)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(chǎn)品相關(guān)的描述，該用戶角色是否引同理心;
• R 代表真實(shí)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(shí)人物;
• S 代表獨(dú)特性(Singular)每個用戶是否是獨(dú)特的，彼此很少有相似性;
• O 代表目標(biāo)性(Objectives)該用戶角色是否包含與產(chǎn)品相關(guān)的高層次目標(biāo)，是否包含關(guān)鍵詞來描述該目標(biāo);
• N 代表數(shù)量性(Number)用戶角色的數(shù)量是否足夠少，以便設(shè)計(jì)團(tuán)隊(duì)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(yīng)用性(Applicable)設(shè)計(jì)團(tuán)隊(duì)是否能使用用戶角色作為一種實(shí)用工具進(jìn)行設(shè)計(jì)決策。

通過 PERSONA 就可以得出一個典型的用戶畫像，PERSONA能清晰地揭示用戶目標(biāo)，幫助我們把握關(guān)鍵需求、關(guān)鍵任務(wù)、關(guān)鍵流程，看到產(chǎn)品必須做的事，也知道產(chǎn)品不該做什么。

注意：

1. 知道誰是用戶比什么都重要；
2. 不再說“用戶”，而是直呼其名；
3. 將Persona展示給銷售、技術(shù)、運(yùn)營、市場人員；
4. 找到周圍符合Persona特征的人，與他交朋友；
5. 融入他的生活，觀察他的生活，了解他的需求；
6. 不斷邀請他來使用你的產(chǎn)品，反饋他的想法；

2 給用戶行為加上權(quán)重

用戶的行為，用4w表示： WHO(誰);WHEN(什么時候);WHERE(在哪里);WHAT(做了什么)，具體分析如下：

• WHO(誰)：定義用戶，明確我們的研究對象。主要是用于做用戶分類，劃分用戶群體。網(wǎng)絡(luò)上的用戶識別，包括但不僅限于用戶注冊的ID、昵稱、手機(jī)號、郵箱、身份證、微信微博號等等。
• WHEN(時間)：這里的時間包含了時間跨度和時間長度兩個方面?！皶r間跨度”是以天為單位計(jì)算的時長，指某行為發(fā)生到現(xiàn)在間隔了多長時間;“時間長度”則為了標(biāo)識用戶在某一頁面的停留時間長短。越早發(fā)生的行為標(biāo)簽權(quán)重越小，越離現(xiàn)在近權(quán)重越大，這就是所謂的“時間衰減因子”。
• WHERE(在哪里)：就是指用戶發(fā)生行為的接觸點(diǎn)，里面包含有內(nèi)容+網(wǎng)址。內(nèi)容是指用戶作用于的對象標(biāo)簽，比如小米手機(jī);網(wǎng)址則指用戶行為發(fā)生的具體地點(diǎn)，比如小米官方網(wǎng)站。權(quán)重是加在網(wǎng)址標(biāo)簽上的，比如買小米手機(jī)，在小米官網(wǎng)買權(quán)重計(jì)為1,，在京東買計(jì)為0.8，在淘寶買計(jì)為0.7。
• WHAT(做了什么)：就是指的用戶發(fā)生了怎樣的行為，根據(jù)行為的深入程度添加權(quán)重。比如，用戶購買了權(quán)重計(jì)為1，用戶收藏了計(jì)為0.85，用戶僅僅是瀏覽了計(jì)為0.7。

當(dāng)上面的單個標(biāo)簽權(quán)重確定下來后，就可以利用標(biāo)簽權(quán)重公式計(jì)算總的用戶標(biāo)簽權(quán)重：

標(biāo)簽權(quán)重=時間衰減因子×行為權(quán)重×網(wǎng)址權(quán)重

這樣可以得出用戶的忠誠度等關(guān)鍵信息。

3 數(shù)據(jù)收集

數(shù)據(jù)收集大致分為網(wǎng)絡(luò)行為數(shù)據(jù)、服務(wù)內(nèi)行為數(shù)據(jù)、用戶內(nèi)容偏好數(shù)據(jù)、用戶交易數(shù)據(jù)這四類。

• 網(wǎng)絡(luò)行為數(shù)據(jù)：活躍人數(shù)、頁面瀏覽量、訪問時長、激活率、外部觸點(diǎn)、社交數(shù)據(jù)等；
• 服務(wù)內(nèi)行為數(shù)據(jù)：瀏覽路徑、頁面停留時間、訪問深度、唯一頁面瀏覽次數(shù)等；
• 用戶內(nèi)容便好數(shù)據(jù)：瀏覽／收藏內(nèi)容、評論內(nèi)容、互動內(nèi)容、生活形態(tài)偏好、品牌偏好等；
• 用戶交易數(shù)據(jù)（交易類服務(wù)）：貢獻(xiàn)率、客單價、連帶率、回頭率、流失率等；

當(dāng)然，收集到的數(shù)據(jù)不會是100%準(zhǔn)確的，都具有不確定性，這就需要在后面的階段中建模來再判斷，比如某用戶在性別一欄填的男，但通過其行為偏好可判斷其性別為“女”的概率為80%。

還得一提的是，儲存用戶行為數(shù)據(jù)時最好同時儲存下發(fā)生該行為的場景，以便更好地進(jìn)行數(shù)據(jù)分析。

對用戶的行為和偏好進(jìn)行猜測，來劃分精準(zhǔn)用戶。

4 在做用戶畫像之前要明確研究目的

• 確定目標(biāo)用戶，將用戶根據(jù)不同特征劃分不同類型，確定目標(biāo)用戶的比例和特征；
• 統(tǒng)計(jì)用戶數(shù)據(jù)，獲得用戶的操作行為、情感偏好以及人口學(xué)等信息；
• 根據(jù)目標(biāo)用戶確定產(chǎn)品發(fā)展相關(guān)優(yōu)先級，在設(shè)計(jì)和運(yùn)營中將焦點(diǎn)聚焦于目標(biāo)用戶的使用動機(jī)與行為操作；
• 方便設(shè)計(jì)與運(yùn)營，據(jù)用戶畫像提供的具體的人物形象進(jìn)行產(chǎn)品設(shè)計(jì)和運(yùn)營活動，也比僅有模糊的、虛構(gòu)的、或是有個人偏好的用戶形象更為方便和可靠；
• 根據(jù)不同類型用戶構(gòu)建智能推薦系統(tǒng)，比如個性化推薦，精準(zhǔn)運(yùn)營等等；
• 等等；

5 指數(shù)數(shù)據(jù)搜索

到各大網(wǎng)站收集數(shù)據(jù)質(zhì)量：百度指數(shù)、艾瑞網(wǎng)、TalkingData、友盟、企鵝智庫、　Dataeye等數(shù)據(jù)質(zhì)量渠道收集數(shù)據(jù)。

百度指數(shù)： http://index.baidu.com/v2/index.html#/

艾瑞網(wǎng)：http://www.iresearch.cn/mindex.shtml

TalkingData：https://www.talkingdata.com

企鵝智庫：https://re.qq.com

Dataeye：https://www.dataeye.com