研究用戶畫(huà)像的方法往往很復(fù)雜，本文作者自己總結(jié)了一種通過(guò)數(shù)據(jù)分析得出用戶畫(huà)像的簡(jiǎn)易方法，分享給大家。

在做任何產(chǎn)品之前，都會(huì)先想好受眾群體。但產(chǎn)品上線后發(fā)現(xiàn)，預(yù)設(shè)好的用戶群體好像并不買單，比如很多新產(chǎn)品都變成了現(xiàn)象級(jí)產(chǎn)品，曇花一現(xiàn)。或是伴隨著產(chǎn)品的發(fā)展，最初的受眾群體可能會(huì)發(fā)生了變化，比如最早使用QQ的那幫用戶群體早已成家立業(yè)，在寢室里團(tuán)體狙擊CS的那幫人早已放下屠刀。

用戶發(fā)生了變化，產(chǎn)品就要趕緊跟進(jìn)調(diào)整適應(yīng)新用戶群體的風(fēng)口，這時(shí)候重新定位找到用戶畫(huà)像就變的迫在眉睫。

用戶畫(huà)像是真實(shí)用戶的虛擬代表，它是基于真實(shí)的，它不是一個(gè)具體的人，是根據(jù)目標(biāo)的行為觀點(diǎn)的差異區(qū)分為不同類型，迅速組織在一起，然后把新得出的類型提煉出來(lái)，形成一個(gè)類型的用戶畫(huà)像。

使用最多的用戶畫(huà)像有八要素：基本性、同理性、真實(shí)性、獨(dú)特性、目標(biāo)性、數(shù)量性、應(yīng)用性、長(zhǎng)久性，來(lái)尋找用戶畫(huà)像，可能又會(huì)嚇退一批人，今天咱們就把這幾個(gè)要素綜合起來(lái)搬到線上，從產(chǎn)品的真實(shí)運(yùn)營(yíng)數(shù)據(jù)中來(lái)提煉，一步步分析出用戶畫(huà)像的標(biāo)簽。

一、用戶畫(huà)像的3個(gè)維度

我們將用戶畫(huà)像的8要素，在線上進(jìn)行聚類整合，從而勾勒出目標(biāo)用戶的群體特性。這在產(chǎn)品中被稱為“受眾定向”。在線上研究用戶畫(huà)像主要圍繞產(chǎn)品的運(yùn)營(yíng)數(shù)據(jù)，獲取用戶的基本信息和用戶在產(chǎn)品中的網(wǎng)絡(luò)行為，進(jìn)行差異化組合分群。

根據(jù)先后順序依次可分為三個(gè)維度：信息畫(huà)像、行為畫(huà)像、分群畫(huà)像。

• 信息畫(huà)像：即用戶的基本信息，屬于靜態(tài)數(shù)據(jù)，包括地域、性別，收入，婚否、家庭、職業(yè)、收入、資產(chǎn)、消費(fèi)水平等。
• 行為畫(huà)像：即用戶在產(chǎn)品中的網(wǎng)絡(luò)行為，又叫動(dòng)態(tài)數(shù)據(jù)，包括用戶的瀏覽習(xí)慣、訪問(wèn)時(shí)長(zhǎng)、使用頻次、消費(fèi)記錄、喜歡偏好、行為軌跡等。
• 分群畫(huà)像：就是細(xì)分用戶群體，根據(jù)產(chǎn)品業(yè)務(wù)的需求，將具有共同業(yè)務(wù)特性的用戶貼上標(biāo)簽，聚合標(biāo)簽劃分群體畫(huà)像。

1. 建立信息畫(huà)像

現(xiàn)有數(shù)據(jù)一般都是通過(guò)第三方統(tǒng)計(jì)平臺(tái)獲取到的，比如友盟等。對(duì)于大公司或者一些保密單位，可能會(huì)開(kāi)發(fā)一套自己的監(jiān)測(cè)系統(tǒng)。

用我們做過(guò)的一個(gè)分期購(gòu)車產(chǎn)品的來(lái)查找信息畫(huà)像，先從統(tǒng)計(jì)平臺(tái)和數(shù)據(jù)庫(kù)中提取到可提取到的用戶基本信息，然后整理這些基本信息在用戶群中的占比，最終整理到以下幾個(gè)關(guān)鍵指標(biāo)如下圖所示：

2. 繪制行為畫(huà)像

產(chǎn)品根據(jù)市場(chǎng)發(fā)展和用戶需求的變化不斷地更新迭代，在產(chǎn)品迭代中獲取關(guān)鍵變量，從而繪制出行為畫(huà)像。用戶在產(chǎn)品中的可統(tǒng)計(jì)到的網(wǎng)絡(luò)行為，主要包括使用場(chǎng)景、獲取內(nèi)容、訪問(wèn)路徑這三塊。使用場(chǎng)景主要是設(shè)備終端、網(wǎng)絡(luò)狀況、訪問(wèn)時(shí)段等；獲取內(nèi)容是用戶在產(chǎn)品中瀏覽的內(nèi)容、完成任務(wù)、使用工具等；訪問(wèn)路徑是用戶進(jìn)入產(chǎn)品到離開(kāi)的整個(gè)行為軌跡。

還是用分期購(gòu)車產(chǎn)品來(lái)續(xù)，分析第二個(gè)維度行為畫(huà)像。獲取跟業(yè)務(wù)相關(guān)網(wǎng)絡(luò)行為，再統(tǒng)計(jì)數(shù)據(jù)占比，分析需要獲取有價(jià)值的關(guān)鍵幾個(gè)點(diǎn)：

3. 勾勒分群畫(huà)像

信息畫(huà)像和行為畫(huà)像整理好以后，怎么聚合這些信息，為用戶貼上精準(zhǔn)的標(biāo)簽，勾勒出分群畫(huà)像，是需要我們接下來(lái)想辦法去解決的。這里精減到3步，首先找出極端信息值的概念，找到合理的聚合信息畫(huà)像，最后繪制出合理的分群畫(huà)像。

第一步：極端值

盡量合理覆蓋每組信息的“極端信息值（每組數(shù)據(jù)中占比最高或最低的信息）”。

第二步：合理值

這里極端值的用戶中，分析合理的群體。比如下圖中聚合信息畫(huà)像呈現(xiàn)出最高值關(guān)聯(lián)信息中，穩(wěn)定理財(cái)?shù)仲I車買房經(jīng)濟(jì)壓力很大，看似不合乎邏輯，但買房本來(lái)就是一種非常穩(wěn)定的投資，而且這樣的用戶買車的概率很高，還能接受貸款。不合理最低值的用戶占比年齡都相對(duì)比較大，而且不接收網(wǎng)絡(luò)交易的安全性，怎么還會(huì)去買股票呢？

聚合行為畫(huà)像呈現(xiàn)出最高值關(guān)聯(lián)信息中，流量來(lái)源中呈現(xiàn)出了一個(gè)PC端數(shù)據(jù)占據(jù)近半的現(xiàn)象，這其實(shí)反映出兩個(gè)問(wèn)題：一是移動(dòng)端做的不好，二是用戶群體多為上班族等。

第三步：勾勒集合分群畫(huà)像

盡量合理連接用戶行為的“集合信息值（將每組數(shù)據(jù)占比較大的同其他組進(jìn)行合理地組合，分析出最符合真實(shí)用戶的信息值）”，即相對(duì)來(lái)說(shuō)基數(shù)較大的用戶群。

勾勒出用戶畫(huà)像，產(chǎn)品需求迭代更具針對(duì)性。但這是我們根據(jù)數(shù)據(jù)分析出來(lái)的結(jié)果，還不能說(shuō)明這樣的結(jié)果就是對(duì)的，接下來(lái)還需要我們做進(jìn)一步用戶畫(huà)像的驗(yàn)證。

二、驗(yàn)證用戶畫(huà)像

這是我們理論分析得出的用戶畫(huà)像，但是到底對(duì)不對(duì)呢？

我們還是用同樣的方法來(lái)驗(yàn)證，整理新版本上線后的真實(shí)數(shù)據(jù)尋找其中的變量，然后分析其帶來(lái)的提升或?qū)嶋H轉(zhuǎn)化。我們總結(jié)出以下三種方式來(lái)驗(yàn)證。

1. 驗(yàn)證真實(shí)數(shù)據(jù)

產(chǎn)品上線后統(tǒng)計(jì)各組實(shí)時(shí)數(shù)據(jù)，尋找其中產(chǎn)品變化的數(shù)據(jù)，是否符合我們最初迭代改版的預(yù)期，分析是否符合我們勾勒的用戶畫(huà)像，變化的需要分析，沒(méi)能達(dá)到預(yù)期的就要結(jié)合一些數(shù)據(jù)變化有針對(duì)性的分析原因。

2. A/B Test

A/B Test算是互聯(lián)網(wǎng)最常用的驗(yàn)證方法了，基于用戶畫(huà)像上線后的產(chǎn)品同當(dāng)前產(chǎn)品進(jìn)行比對(duì)分析，驗(yàn)證用戶畫(huà)像反饋需求的準(zhǔn)確性。對(duì)于訪問(wèn)量很大的產(chǎn)品我們通常會(huì)設(shè)置99%的用戶正常訪問(wèn)到原有版本，只保留1%的用戶會(huì)被隨機(jī)切到新版本，集中新舊數(shù)據(jù)對(duì)比變化的幅度。

比如上面案例做過(guò)的分期購(gòu)車的產(chǎn)品使用A/B Test的數(shù)據(jù)變化，如下圖：

3. 業(yè)務(wù)數(shù)據(jù)轉(zhuǎn)化驗(yàn)證

產(chǎn)品可以為企業(yè)帶來(lái)的利潤(rùn)，是衡量產(chǎn)品好壞的關(guān)鍵指標(biāo)。雖然這屬于商業(yè)層面的考量，但也要回歸到產(chǎn)品層面來(lái)落實(shí)。主要還是看產(chǎn)品可以為業(yè)務(wù)帶來(lái)的轉(zhuǎn)化率，這是企業(yè)考核的關(guān)鍵KPI,如果轉(zhuǎn)化率跌了，可能就是白忙活一場(chǎng)，如果轉(zhuǎn)化率提高了，就可以作為具有說(shuō)服力驗(yàn)證結(jié)果。

上面案例的分期購(gòu)車產(chǎn)品中的數(shù)據(jù)來(lái)展示一下，如下圖：

通過(guò)不斷地迭代驗(yàn)證用戶畫(huà)像，帶來(lái)用戶增長(zhǎng)。但產(chǎn)品帶來(lái)大量的新增的同時(shí)，也會(huì)帶來(lái)產(chǎn)品需求的變化，因?yàn)橛脩舯旧砭褪且粋€(gè)變量，產(chǎn)品依然需要不斷的迭代更新，才能不斷地更新驗(yàn)證用戶畫(huà)像。

用戶畫(huà)像使我們更好地解決了用戶的需求，驗(yàn)證我們用戶畫(huà)像方向的可行性，從而得到產(chǎn)品的用戶畫(huà)像。

作者：VV體驗(yàn)，微信公眾號(hào)：VV體驗(yàn)

本文由 @VV體驗(yàn) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash， 基于CC0協(xié)議