从0开始构建用户画像

一、什么是用户画像?

用户画像,即用户信息标签化,是通过收集与分析用户的社会属性、生活习惯、消费行为等主要信息数据,抽象出的标签化的目标用户模型。

二、为什么要构建用户画像?

1、使产品为用户而设计
构建具体用户蓝本,有助于使产品设计脱离设计者自身偏好和使团队在设计方向上保持一致,使产品聚焦目标用户的动机和行为。

2、提供精准化产品及服务
精准用户群体以及用户需求,通过可视化用户大数据实现精准营销服务,从而提升用户体验及提高产品运营数据。

三、如何构建用户画像?

用户画像的核心工作是给用户打“标签”。标签是高度精炼的用户描述用户属性的特征标识,如年龄、性别、地域、用户偏好等,通过综合用户的所有标签信息可勾勒出该用户的立体“画像”。

构建用户画像的几个步骤:
第一步:明确用户画像构建的目的
通过不同的用户画像可以实现不同的目的,如提升产品服务质量、实现精准营销等。因此首先需要明确用户画像的意义、建设目标和效果预期,进而有针对性的开展实施工作。

第二步:进行数据挖掘及搜集
根据用户画像构建目的,挖掘及搜集所需的用户数据。可先通过列举法先列举出构建用户画像所需要的数据资料,然后再有针对性的进行数据搜集。
例如:


数据搜集的一般方法:

  • 相关的文献资料和研究报告
  • 产品数据后台
  • 问卷调研
  • 用户访谈(真实人物观察记录)
    其中,问卷调研和用户访谈,是了解用户的关键渠道。

第三步:进行数据分析与建模
对搜集到的数据资料进行统计和分析,提炼关键要素,构建可视化模型产出标签与权重。
通过定性与定量相结合的方式进行数据建模。定性的方法,表现为对产品、行为、用户个体的性质和特征的概括,从而形成对应的产品标签、行为标签以及用户标签;定量的方法,是在定性的基础上,给每个标签加上特定的权重,最后通过计算得出总标签权重,从而形成完整的用户模型。
通过事件分析建立标签权重模型。一个事件包括时间、地点、人物三个要素。每一次用户行为本质上是一次随机事件,可以详细描述为4W:什么用户(who),在什么时间(when),什么地点(where),做了什么事(what)。

权重模型:标签权重=内容地址行为类型时间衰减因子**

举个栗子:
用户A,昨天在XX红酒网浏览一瓶价值238元的长城干红葡萄酒信息。
标签:红酒,长城
时间:因为是昨天的行为,假设衰减因子为:r=0.95
行为类型:浏览行为记为权重1
地点:XX红酒单品页的网址子权重记为 0.9(相比京东红酒单品页的0.7)

假设用户对红酒出于真的喜欢,才会去专业的红酒网选购,而不再综合商城选购。
则用户偏好标签是:红酒,权重是0.95*0.7 * 1=0.665,即,用户A:红酒 0.665、长城 0.665。
上述模型权重值的选取只是举例参考,具体的权重值需要根据业务需求二次建模。


第四步:进行数据维度分解和列举
根据相关性原则,进一步筛选和构建用户画像目的相关的数据维度,避免产生过多无用数据干扰分析过程。对数据维度进行分解,形成字段集,再进一步将他们标签化及进行用户分群,构建基本用户画像。
用户数据维度包括自然特征、兴趣特征、社会特征、消费特征。从数据特点上看,又可分为基本属性和衍生标签,基本属性包括年龄、性别、地域、收入等客观事实数据,衍生标签属于基本属性为依据,通过模型规则生成的附加判断数据。
  用户自然特征:性别,年龄,地域,教育水平,出生日期,职业,星座
  用户兴趣特征:兴趣爱好,使用APP/网站,浏览/收藏内容,互动内容,品牌偏好,产品偏好
  用户社会特征:婚姻状况,家庭情况,社交/信息渠道偏好
  用户消费特征:收入状况,购买力水平,已购商品,购买渠道偏好,最后购买时间,购买频次
当有多个用户画像时,需确定用户画像的优先级,在产品设计时,首先考虑满足首要用户画像的需求,然后在不冲突的情况下尽量满足次要用户画像的需求。

四、如何应用用户画像?

第一步:根据用户画像列举用户场景及需求
根据用户画像列举不同用户的使用场景及需求。使用场景的三个关键因素:对象(用户)、动作(需求)、情景(场景)。用户在某场景中的需求及痛点需与自身的产品目标关联。即我们列举出来的用户需求痛点是我们产品能够解决的。

第二步:应用用户画像进行产品设计决策
应用用户画像,根据不同用户角色需求进行产品设计及开发决策。

五、构建用户画像的注意事项

用户画像(Persona)构建的基本原则:
P ——基本性(Primary)指该用户角色是否基于对真实用户的情景访谈;
E——同理性(Empathy)指用户角色中包含姓名、照片和产品相关的描述,该用户角色是否引同理心;
R ——真实性(Realistic)指对那些每天与顾客打交道的人来说,用户角色是否看起来像真实人物;
S ——独特性(Singular)每个用户是否是独特的,彼此很少有相似性;
O ——目标性(Objectives)该用户角色是否包含与产品相关的高层次目标,是否包含关键词来描述该目标;
N ——数量性(Number)用户角色的数量是否足够少,以便设计团队能记住每个用户角色的姓名,以及其中的一个主要用户角色;
A ——应用性(Applicable)设计团队是否能使用用户角色作为一种实用工具进行设计决策。

一个产品大概需要4-8种类型的用户画像,每个产品的用户画像不宜过多,否则相互冲突的需求就会让我们难以决断。同时有多个用户画像时,我们需要考虑用户画像的优先级。
当一个产品非常复杂时,我们需要针对不同的模块来考虑其用户画像的优先级。

六、用户画像相关工作

用户画像不只是为某个项目、某次特殊需求而创建的。持续使用和更新,将核心用户的形象融入到每个成员开发、设计思维中,才是用户画像的使命。

  • 建立用户画像文档。
  • 展示用户画像。在决策、设计和沟通过程中不断向团队人员解释与展示用户画像。
  • 与用户画像一起生活。融入他的生活,观察他的生活,了解他的需求,不断邀请他来使用你的产品,反馈他的想法

七、用户画像示例

示例一
示例二
示例三

此文为我学习用户画像过程中整理的学习笔记,内容参考了大量网络上相关文章,加上自己的理解梳理而成,有不正确的地方还请大家批评指正。(文中图片均来自网络)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,736评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,167评论 1 291
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,442评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,902评论 0 204
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,302评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,573评论 1 216
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,847评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,562评论 0 197
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,260评论 1 241
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,531评论 2 245
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,021评论 1 258
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,367评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,016评论 3 235
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,068评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,827评论 0 194
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,610评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,514评论 2 269

推荐阅读更多精彩内容