今天我們就來(lái)說(shuō)說(shuō)用戶畫(huà)像。本文重點(diǎn)：1.用戶畫(huà)像在數(shù)據(jù)分析中的應(yīng)用；2.如何構(gòu)建用戶畫(huà)像。

一、 什么是用戶畫(huà)像

用戶畫(huà)像（User Persona）的概念最早由交互設(shè)計(jì)之父Alan Cooper提出，是建立在一系列屬性數(shù)據(jù)之上的目標(biāo)用戶模型。一般是產(chǎn)品設(shè)計(jì)、運(yùn)營(yíng)人員從用戶群體中抽象出來(lái)的典型用戶，本質(zhì)是一個(gè)用以描述用戶需求的工具。

Personas are a concrete representation of target users.

真實(shí)用戶的虛擬代表

——交互設(shè)計(jì)之父Alan Cooper

但隨著互聯(lián)網(wǎng)的發(fā)展，現(xiàn)在我們說(shuō)的用戶畫(huà)像（User Profile）又包含了新的內(nèi)涵：根據(jù)用戶人口學(xué)特征、網(wǎng)絡(luò)瀏覽內(nèi)容、網(wǎng)絡(luò)社交活動(dòng)和消費(fèi)行為等信息而抽象出的一個(gè)標(biāo)簽化的用戶模型。

它的核心工作主要是利用存儲(chǔ)在服務(wù)器上的海量日志和數(shù)據(jù)庫(kù)里的大量數(shù)據(jù)進(jìn)行分析和挖掘，給用戶貼“標(biāo)簽”，而“標(biāo)簽”是能表示用戶某一維度特征的標(biāo)識(shí)，主要用于業(yè)務(wù)的運(yùn)營(yíng)和數(shù)據(jù)分析。

二、為什么需要用戶畫(huà)像

用戶在企業(yè)發(fā)展的過(guò)程中有舉足輕重的作用，主要的應(yīng)用有：

1、精準(zhǔn)營(yíng)銷(xiāo)：這是運(yùn)營(yíng)最熟悉的玩法，在從粗放式到精細(xì)化運(yùn)營(yíng)過(guò)程中，將用戶群體切割成更細(xì)的粒度，輔以短信、推送、郵件、活動(dòng)等手段，驅(qū)以關(guān)懷、挽回、激勵(lì)等策略。

2、用戶分析：用戶畫(huà)像也是了解用戶的必要補(bǔ)充。產(chǎn)品早期，產(chǎn)品經(jīng)理們通過(guò)用戶調(diào)研和訪談的形式了解用戶。在產(chǎn)品用戶量擴(kuò)大后，調(diào)研的效用降低，這時(shí)候就可以輔以用戶畫(huà)像配合研究。方向包括新增的用戶有什么特征，核心用戶的屬性是否變化等等。

3、數(shù)據(jù)應(yīng)用：用戶畫(huà)像是很多數(shù)據(jù)產(chǎn)品的基礎(chǔ)，諸如耳熟能詳?shù)耐扑]系統(tǒng)廣告系統(tǒng)，廣告基于一系列人口統(tǒng)計(jì)相關(guān)的標(biāo)簽，性別、年齡、學(xué)歷、興趣偏好、手機(jī)等等來(lái)進(jìn)行投放的。

4、數(shù)據(jù)分析：用戶畫(huà)像可以理解為業(yè)務(wù)層面的數(shù)據(jù)倉(cāng)庫(kù)，各類(lèi)標(biāo)簽是多維分析的天然要素。數(shù)據(jù)查詢平臺(tái)會(huì)和這些數(shù)據(jù)打通，最后輔助業(yè)務(wù)決策。

三、用戶畫(huà)像的主要內(nèi)容

用戶畫(huà)像一般按業(yè)務(wù)屬性劃分多個(gè)類(lèi)別模塊。除了常見(jiàn)的人口統(tǒng)計(jì)，社會(huì)屬性外，還有用戶消費(fèi)畫(huà)像、用戶行為畫(huà)像，用戶興趣畫(huà)像等。

人口屬性和行為特征是大部分互聯(lián)網(wǎng)公司做用戶畫(huà)像時(shí)會(huì)包含的：人口屬性主要指用戶的年齡、性別、所在的省份和城市、教育程度、婚姻情況、生育情況、工作所在的行業(yè)和職業(yè)等。行為特征主要包含活躍度、忠誠(chéng)度等指標(biāo)。

除了以上較通用的特征，用戶畫(huà)像包含的內(nèi)容并不完全固定，根據(jù)行業(yè)和產(chǎn)品的不同所關(guān)注的特征也有不同。

①以內(nèi)容為主的媒體或閱讀類(lèi)網(wǎng)站、搜索引擎，或通用導(dǎo)航類(lèi)網(wǎng)站，往往會(huì)提取用戶對(duì)瀏覽內(nèi)容的興趣特征，比如體育類(lèi)、娛樂(lè)類(lèi)、美食類(lèi)、理財(cái)類(lèi)、旅游類(lèi)、房產(chǎn)類(lèi)、汽車(chē)類(lèi)等等。

②社交網(wǎng)站的用戶畫(huà)像，也會(huì)提取用戶的社交網(wǎng)絡(luò)，從中可以發(fā)現(xiàn)關(guān)系緊密的用戶群和在社群中起到意見(jiàn)領(lǐng)袖作用的明星節(jié)點(diǎn)。

③電商購(gòu)物網(wǎng)站的用戶畫(huà)像，一般會(huì)提取用戶的網(wǎng)購(gòu)興趣和消費(fèi)能力等指標(biāo)。網(wǎng)購(gòu)興趣主要指用戶在網(wǎng)購(gòu)時(shí)的類(lèi)目偏好，比如服飾類(lèi)、箱包類(lèi)、居家類(lèi)、母嬰類(lèi)、洗護(hù)類(lèi)、飲食類(lèi)等。消費(fèi)能力指用戶的購(gòu)買(mǎi)力，如果做得足夠細(xì)致，可以把用戶的實(shí)際消費(fèi)水平和在每個(gè)類(lèi)目的心理消費(fèi)水平區(qū)分開(kāi)，分別建立特征緯度。

④像金融領(lǐng)域，還會(huì)有風(fēng)險(xiǎn)畫(huà)像，包括征信、違約、洗錢(qián)、還款能力、保險(xiǎn)黑名單等。

另外還可以加上用戶的環(huán)境屬性，比如當(dāng)前時(shí)間、訪問(wèn)地點(diǎn)LBS特征、當(dāng)?shù)靥鞖?、?jié)假日情況等。當(dāng)然，對(duì)于特定的網(wǎng)站或App，肯定又有特殊關(guān)注的用戶維度，就需要把這些維度做到更加細(xì)化，從而能給用戶提供更精準(zhǔn)的個(gè)性化服務(wù)和內(nèi)容。

四、如何構(gòu)建用戶畫(huà)像

業(yè)內(nèi)有很多關(guān)于創(chuàng)建用戶畫(huà)像的方法，比如Alen Cooper的“七步人物角色法”，Lene Nielsen的“十步人物角色法”等，這些都是非常好并且非常專(zhuān)業(yè)的用戶畫(huà)像方法，值得我們借鑒和學(xué)習(xí)。

事實(shí)上，當(dāng)我們了解了這些方法之后，就會(huì)發(fā)現(xiàn)這些方法從流程上可以分為3個(gè)步驟：獲取和研究用戶信息、細(xì)分用戶群、建立和豐富用戶畫(huà)像。在這3大步驟中，最主要的區(qū)別在于對(duì)用戶信息的獲取和分析，從這個(gè)維度上講主要有以下三種方法：

簡(jiǎn)單來(lái)說(shuō)，定性就是去了解和分析，而定量則是去驗(yàn)證。一般而言，定量分析的成本較高、相對(duì)更加專(zhuān)業(yè)，而定性研究則相對(duì)節(jié)省成本。因此創(chuàng)建用戶畫(huà)像的方法并不是固定的，而是需要根據(jù)實(shí)際項(xiàng)目的需求和時(shí)間以及成本而定。創(chuàng)建用戶畫(huà)像的方法，并沒(méi)有嚴(yán)格意義的最專(zhuān)業(yè)和最科學(xué)，但是有最適合團(tuán)隊(duì)和項(xiàng)目需求的。

好的用戶畫(huà)像是理解用戶的決策，考慮業(yè)務(wù)場(chǎng)景和業(yè)務(wù)形態(tài)的。這里我們介紹一種簡(jiǎn)單的構(gòu)建用戶畫(huà)像方法。

1、數(shù)據(jù)采集

構(gòu)建用戶畫(huà)像是為了還原用戶信息，因此數(shù)據(jù)來(lái)源于所有用戶相關(guān)的數(shù)據(jù)。用戶數(shù)據(jù)劃分為靜態(tài)數(shù)據(jù)、動(dòng)態(tài)數(shù)據(jù)兩大類(lèi)。

靜態(tài)數(shù)據(jù)：用戶的人口屬性、商業(yè)屬性、消費(fèi)特征、生活形態(tài)、CRM五大維度，其獲取方式存在多種，數(shù)據(jù)挖掘是最為常見(jiàn)也是較為精準(zhǔn)的一種方式，如果數(shù)據(jù)有限，則需要定性與定量結(jié)合補(bǔ)充。

定性方法如小組座談會(huì)、用戶深訪、日志法、Laddering 階梯法、透射法等，主要是通過(guò)開(kāi)放性的問(wèn)題潛入用戶真實(shí)的心理需求，具象用戶特征；定量更多是通過(guò)定量問(wèn)卷調(diào)研的方式進(jìn)行，關(guān)鍵在于后期定量數(shù)據(jù)的建模與分析，目的是通過(guò)封閉性問(wèn)題一方面對(duì)定性假設(shè)進(jìn)行驗(yàn)證，另一方面獲取市場(chǎng)的用戶分布規(guī)律。

動(dòng)態(tài)數(shù)據(jù)：用戶不斷變化的行為信息，一個(gè)用戶打開(kāi)網(wǎng)頁(yè)，買(mǎi)了一個(gè)杯子；與該用戶傍晚溜了趟狗，白天取了一次錢(qián)，打了一個(gè)哈欠等等一樣都是用戶行為。隨著互聯(lián)網(wǎng)的發(fā)展，各種動(dòng)態(tài)的行為數(shù)據(jù)都可以被記錄下來(lái)。

2、目標(biāo)分析

用戶畫(huà)像的目標(biāo)是通過(guò)分析用戶行為，最終為每個(gè)用戶打上標(biāo)簽，以及該標(biāo)簽的權(quán)重。標(biāo)簽，表征了內(nèi)容，用戶對(duì)該內(nèi)容有興趣、偏好、需求等等。權(quán)重，表征了指數(shù)，用戶的興趣、偏好指數(shù)，也可能表征用戶的需求度，可以簡(jiǎn)單的理解為可信度，概率。

3、數(shù)據(jù)建模

一個(gè)事件模型包括：時(shí)間、地點(diǎn)、人物三個(gè)要素。每一次用戶行為本質(zhì)上是一次隨機(jī)事件，可以詳細(xì)描述為：什么用戶，在什么時(shí)間，什么地點(diǎn)，做了什么事。

①用戶：關(guān)鍵在于對(duì)用戶的標(biāo)識(shí)，用戶標(biāo)識(shí)的目的是為了區(qū)分用戶、單點(diǎn)定位。

②時(shí)間：時(shí)間包括兩個(gè)重要信息，時(shí)間戳和時(shí)間長(zhǎng)度。時(shí)間戳，為了標(biāo)識(shí)用戶行為的時(shí)間點(diǎn)；時(shí)間長(zhǎng)度，為了標(biāo)識(shí)用戶在某一頁(yè)面的停留時(shí)間。

③地點(diǎn)：用戶接觸點(diǎn)，Touch Point。對(duì)于每個(gè)用戶接觸點(diǎn)。潛在包含了兩層信息：網(wǎng)址和內(nèi)容。網(wǎng)址：每一個(gè)鏈接（頁(yè)面/屏幕），即定位了一個(gè)互聯(lián)網(wǎng)頁(yè)面地址，或者某個(gè)產(chǎn)品的特定頁(yè)面?？梢允荘C上某電商網(wǎng)站的頁(yè)面，也可以是手機(jī)上的微博，微信等應(yīng)用某個(gè)功能頁(yè)面，某款產(chǎn)品應(yīng)用的特定畫(huà)面。如，長(zhǎng)城紅酒單品頁(yè)，微信訂閱號(hào)頁(yè)面，某游戲的過(guò)關(guān)頁(yè)。

④內(nèi)容：每個(gè)網(wǎng)址（頁(yè)面/屏幕）中的內(nèi)容?？梢允菃纹返南嚓P(guān)信息：類(lèi)別、品牌、描述、屬性、網(wǎng)站信息等等。如，紅酒，長(zhǎng)城，干紅，對(duì)于每個(gè)互聯(lián)網(wǎng)接觸點(diǎn)，其中網(wǎng)址決定了權(quán)重；內(nèi)容決定了標(biāo)簽。

⑤事情：用戶行為類(lèi)型，對(duì)于電商有如下典型行為：瀏覽、添加購(gòu)物車(chē)、搜索、評(píng)論、購(gòu)買(mǎi)、點(diǎn)擊贊、收藏 等等。

綜合上述分析，用戶畫(huà)像的數(shù)據(jù)模型，可以概括為下面的公式：用戶標(biāo)識(shí)+時(shí)間+行為類(lèi)型+接觸點(diǎn)（網(wǎng)址+內(nèi)容），某用戶因?yàn)樵谑裁磿r(shí)間、地點(diǎn)、做了什么事。所以會(huì)打上標(biāo)簽。

用戶標(biāo)簽的權(quán)重可能隨時(shí)間的增加而衰減，因此定義時(shí)間為衰減因子r，行為類(lèi)型、網(wǎng)址決定了權(quán)重，內(nèi)容決定了標(biāo)簽，進(jìn)一步轉(zhuǎn)換為公式：標(biāo)簽權(quán)重=衰減因子×行為權(quán)重×網(wǎng)址子權(quán)重。

五、注意事項(xiàng)

1、不要把典型用戶當(dāng)作用戶畫(huà)像

不能把典型用戶當(dāng)作用戶畫(huà)像。每年的微信生活白皮書(shū)中，微信官方都會(huì)公布典型用戶的一天：工作日每天 7 點(diǎn)起床刷朋友圈、7:45 出門(mén)路上讀文章……很多用戶看了表示這完全就是自己啊！不過(guò)也有不少人吐槽：我也是微信重度用戶，但這個(gè)典型的一天的跟我怎么完全不符合？

為什么會(huì)出現(xiàn)如此截然相反的反饋呢？原來(lái)是這些人把「典型用戶」跟「用戶畫(huà)像」的概念搞混了。因?yàn)橐陨厦枋龅湫陀脩暨@些特點(diǎn)，只是把用戶特征抽象出來(lái)，組合在一起，事實(shí)上典型用戶是虛構(gòu)的，并不真實(shí)存在。而用戶畫(huà)像是把用戶以標(biāo)簽的形式表現(xiàn)出來(lái)，每一個(gè)真實(shí)存在的用戶都有對(duì)應(yīng)的用戶畫(huà)像。

2、不要把用戶畫(huà)像簡(jiǎn)單理解成由用戶標(biāo)簽構(gòu)成

這也是 50% 以上的人都可能存在的錯(cuò)誤認(rèn)知，即把用戶畫(huà)像簡(jiǎn)單理解成由用戶標(biāo)簽構(gòu)成。用戶標(biāo)簽是用來(lái)概括用戶特征的，比如說(shuō)姓名、性別、職業(yè)、收入、養(yǎng)貓、喜歡美劇等等。這些標(biāo)簽表面上看沒(méi)有什么問(wèn)題，但是實(shí)際上組成用戶畫(huà)像的標(biāo)簽要跟業(yè)務(wù)/產(chǎn)品結(jié)合。

舉個(gè)夸張的例子，海底撈要做用戶畫(huà)像，最后列出來(lái)小明是一個(gè)大學(xué)生、高富帥、獨(dú)生子、四川人，愛(ài)玩游戲、愛(ài)看動(dòng)漫等用戶標(biāo)簽。而事實(shí)上，對(duì)于海底撈而言，用戶帥不帥、是否愛(ài)玩游戲真的沒(méi)有關(guān)系。

3、沒(méi)有建立真正有效的用戶畫(huà)像標(biāo)簽

如果你能夠建立真正有效的用戶畫(huà)像標(biāo)簽，才算正確理解從而提升運(yùn)營(yíng)效果。這就涉及到構(gòu)建用戶畫(huà)像最大的難點(diǎn)了。

比如某知識(shí)付費(fèi)團(tuán)隊(duì)要賣(mài)課，那么建立用戶畫(huà)像最核心的訴求就是：提高課程購(gòu)買(mǎi)數(shù)量。如果能通過(guò)用戶畫(huà)像了解用戶購(gòu)買(mǎi)課程的意愿，然后采取相應(yīng)的運(yùn)營(yíng)策略，效率便會(huì)大幅度提高。而這個(gè)購(gòu)買(mǎi)課程意愿度，就是我們最需要放在用戶畫(huà)像里的標(biāo)簽。

比如我們建立用戶畫(huà)像之后，計(jì)算出來(lái)甲購(gòu)買(mǎi)課程的意愿是 40%，乙購(gòu)買(mǎi)課程的意愿是 90%。為了進(jìn)一步提高購(gòu)買(mǎi)量，我們會(huì)對(duì)購(gòu)買(mǎi)意愿在 40% 的用戶（甲）發(fā)放優(yōu)惠券。如果沒(méi)有建立這樣一個(gè)用戶畫(huà)像標(biāo)簽，我們就會(huì)對(duì)甲和乙發(fā)放同樣的優(yōu)惠券。而乙類(lèi)用戶原本是不需要用優(yōu)惠券進(jìn)行激勵(lì)的，這么一發(fā)，便會(huì)增加很多成本。這也就是電商利用用戶畫(huà)像標(biāo)簽實(shí)現(xiàn)的大數(shù)據(jù)殺熟。

六、小結(jié)

1.我們進(jìn)入了一個(gè)用戶精細(xì)化運(yùn)營(yíng)階段。在這個(gè)階段中，我們不得不使用一個(gè)工具——用戶“畫(huà)像”標(biāo)簽體系；

2.用戶畫(huà)像是根據(jù)用戶人口學(xué)特征、網(wǎng)絡(luò)瀏覽內(nèi)容、網(wǎng)絡(luò)社交活動(dòng)和消費(fèi)行為等信息而抽象出的一個(gè)標(biāo)簽化的用戶模型；

3.用戶在企業(yè)發(fā)展的過(guò)程中有舉足輕重的作用，主要應(yīng)用有：精準(zhǔn)營(yíng)銷(xiāo)、用戶分析、數(shù)據(jù)應(yīng)用、數(shù)據(jù)分析；

4.用戶畫(huà)像包含的內(nèi)容并不完全固定，根據(jù)行業(yè)和產(chǎn)品的不同所關(guān)注的特征也有不同；

5.好的用戶畫(huà)像是理解用戶的決策，考慮業(yè)務(wù)場(chǎng)景和業(yè)務(wù)形態(tài)的。

End.