編輯導語：一提到用戶畫像，很多人都會直觀地想到：通過用戶畫像來分析用戶偏好。但是有些同學可能不懂得用戶偏好該如何分析，作者整理了一份用戶偏好分析攻略，與你分享，希望對你有所幫助。

大家好，我是愛學習的小xiong熊妹。

一提到用戶畫像，很多人直觀地會想到：通過用戶畫像分析出用戶偏好。到底用戶偏好該如何做分析，今天簡單分享下，給大家一個懶人攻略。

一、如何量化用戶偏好

直觀上看，用戶偏好，就是：

• A用戶喜歡產(chǎn)品甲
• B用戶喜歡產(chǎn)品乙

問題是：如何通過數(shù)據(jù)的形式，把這個關系表達出來。

最簡單的方法是：

• 把用戶分類標注出來（如上邊的A用戶、B用戶）
• 把產(chǎn)品標準出來（比如甲產(chǎn)品、乙產(chǎn)品）
• 設定“喜歡”的標準，比如一周內(nèi)購買2次以上
• 計算每個用戶，符合“喜歡”產(chǎn)品的人數(shù)

如下圖，A、B用戶各抽100人，觀察其對甲乙產(chǎn)品“喜歡”的人數(shù)，這樣就能簡單的把“喜歡”表達出來了。

二、如何評價用戶偏好

如果真如上邊例子的話，用戶的喜好是很明顯的。把人數(shù)換算成比例，可以清晰看到：抽出的100名A用戶，90%都喜歡甲產(chǎn)品，抽出的100名B用戶，90%都喜歡乙產(chǎn)品。那肯定兩類用戶喜好不同。

但實際情況會很糾結，比如下圖這種情況。理論上，年輕人喜歡喝汽水，中年喜歡喝茶，老年喜歡喝牛奶。但是在數(shù)據(jù)上看，其比例差異也就不到20%。很多時候會讓人糾結：到底年齡和飲料之間有沒有關系呀？

這時候可以用統(tǒng)計學中獨立性檢驗，一定程度減少糾結。

三、什么是獨立性檢驗

（大家可以直接略過這一段）獨立性檢驗是一種基礎方法。所謂獨立性檢驗，指的是其利用了“兩個互獨立的事件同時發(fā)生的概率，等于兩件事單獨發(fā)生的概率的乘積”的原理進行檢驗。

獨立性檢驗的原假設是兩個變量獨立。大家知道，原假設就是要被懟翻的，所以如果假設檢驗不通過（P值小于0.05），就能拒絕原假設，認為兩個變量有關系。

四、如何做獨立性檢驗

具體的統(tǒng)計學原理稍顯復雜，既然是懶人攻略，那么就直接給操作步驟：

第一步：根據(jù)題目，給出觀察數(shù)據(jù)

第二步：計算期望頻數(shù)數(shù)據(jù)

第三步：使用公式計算卡方檢驗結果

大家直接看P值就好了，小于0.05，推翻原假設，年齡和飲料選擇之間不獨立，可認為差異是真實存在的。

五、背后的問題

上邊雖然給了很多方法，但是一定要注意：用戶喜好并不是固定不變的，過去的數(shù)據(jù)參考意義會很有限。

• 比如把“偏好”定義為購買。那么購買很可能受到價格、品牌、口碑等多方面影響。
• 比如把“偏好”定義為瀏覽頁面。那么瀏覽行為很可能受到標題黨、蹭熱點等影響。

可能一個促銷活動，一個蹭熱點的標題，就把前邊發(fā)現(xiàn)的結論推翻了。

總之，通過簡單的數(shù)據(jù)定義出來的“偏好”，可能不是真正的偏好，其中夾雜了大量的其他原因。需要更多方法來剔除這些原因。

作者：碼工小熊，微信公眾號：碼工小熊

本文由 @碼工小熊 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉載。

題圖來自 Unsplash，基于CC0協(xié)議