【转】4w+1h 教你如何做用户画像

记得14年开始做用户画像的时候，对于用户画像完全没有概念，以为是要画一幅幅图画，经过两年多的学习和理解，渐渐的总结出了一些方法和技巧，在这里就通过4个W英文字母开头和1个H英文字母开头的单词和大家分享一下我关于用户画像的理解。

 

本文框架

一、什么是用户画像（What）

用户画像最早是由交互设计之父Alan Cooper提出persona逐渐演化而来的，他最早提出persona的概念： Personas are a concrete representation of target users.（人物画像是目标用户的具体表现形式）。Alan Cooper指出人物画像是产品所寻找目标用户的归类化体现。

现在的对于用户画像尚未有一个定义化的说法，我曾经看到过一个最好的说法，用户画像是企业或组织在基于产品目标的基础上，依据用户的个人属性、社会属性、消费行为和消费心理而抽象出的一个标签化的用户模型。简单来说就是“贴标签”。

举个栗子：

90后的标签化总结

 

图片来源于网络

 

标签化的辽宁人

这些都是画像标签化的总结，通过这些标签化的总结可以一目了然的了解到90后和辽宁人的行为方式和性格特征。

二、为什么要构建用户画像（Why）

为什么要构建用户画像，构建用户画像都有什么好处呢？像上面“90后画像”“辽宁人画像”一样，贴上标签以后，展示的非常生动形象，一目了然，关键印象深刻。

除此之外还有以下几个原因：

从用户层面来看：减少信息干扰，可以找到适合自己的内容。

如今处于一个信息爆炸的社会，就我个人微信群有53个，平均每个群聊天记录超1000条；公众号关注了128个，还包含了例如“人民日报”等特殊号，根本来不及看，我现在也在逐渐优化，减少干扰，聚焦有价值信息。

通过用户画像企业或组织通过画像定位目标人群，可以把符合用户需求的内容推送到用户手中，产品针对性推送，得到想要的优惠。

代表性购物类淘宝的“千人千面”、大众点评、饿了么优惠券推送、出行类的滴滴根据用户分层用户可以收到不同面额的优惠券，新闻类的今日头条为代表通过算法为用户推送个性化的内容，都是此类的代表，用户真正得到了想要的产品和服务。

从企业层面来看：

发现目标市场

在如今这个充分竞争的红海市场中如何找到一片蓝海，这一直是各个企业头痛的难题，好不容易想到了细分领域，又不知市场的反响如何，这个时候就需要用户画像。通过构建用户画像可以了解目标人群是谁，消费水平如何，他们喜欢什么，不喜欢什么，消费观念如何，为此产品付费意愿如何等等，通过试错迭代，最终找到目标市场。

精准定位目标用户

有许许多多的老板都会有这个想法：我的产品和服务能否覆盖各个年龄阶段和消费层级的客户？答案是NO。老祖宗曾说有360行，如今这个时代，3600行都不止，每一行都有每一行的客户，有的客户喜欢吃酸菜，有的人喜欢吃火锅，有的人喜欢吃鱼，每一类客户的需求不同，他们所选择的产品也不同，而通过用户画像可以找到爱吃酸菜的用户都有哪些特征，爱吃火锅的用户都有哪些特征，爱吃鱼的用户都有哪些特征。

举个栗子：

 

三节课

�他的目标用户定位就很精确-互联网人在线大学，但是互联网行业也非常宽泛，他进而二次定位，线上产品+运营课程、线下培训。日前线上该公众号文章阅读访问量轻松过万，线下举办了三期训练营活动，2016年10月份获得了千万级人民币的投资。

精准营销

精准定位目标用户之后就可以进行下一步的营销推广工作了，用户画像可以让我们明确这些目标用户的调性，我们把更匹配目标用户内容、产品、消息推送给他，势必能更容易与其交流和产生共鸣，实现付费转化。

在打开知乎APP也会有一个内容的订阅推荐，用户选择自己想要关注的领域后，知乎也会不定时的进行内容推送的工作。

 

知乎

行业工作软件脉脉同样如此，用户下载脉脉APP以后，也会让用户选择行业/方向，进行用户的精准营销策略。

 

脉脉

二、何时构建用户画像（When）

在我看来用户画像贯穿着一个产品的生命周期的始终，只不过在产品不同阶段他所承载的侧重点各有不同。

用户画像在产品初期更多承载着发现目标市场，寻找细分市场，通过画像进行思路验证，找到产品的目标市场。

伴随着产品发展和数据的不断积累，用户画像也在不断的完善和丰富，指导着产品体验和使用更好。
        举个栗子：某购物类APP在上线优惠券功能，但在实际的使用过程中，却发现用户很少使用优惠券，原因是用户不需要优惠券吗？可能不是！在用户访谈中我们发现一笔订单使用优惠券需要点击3级后才可使用，当把优惠券放到1级页面后发现优惠券使用大幅上升，订单数量明显增长。

而在产品后期，用户画像可以有用户的拓展和需求发掘的作用，当画像展现出一类的人特点时，这些特点可能是另一类人也具备的。

举个栗子：

 

90、95后画像比较

90后的某些特质，95后同样具备（画圈部分标记了部分相同项），而90后的某些特质，80、85后肯定同样具备，这个时候就可以根据这些特质进行需求多次开发，让产品的覆盖边界更广。

三、 用户画像的构成要素有哪些（Which）

用户画像的构成可以用两种方式来表述：用户静态属性和动态属性或用户显性特征和隐形特征，虽然称呼不同，但他们都是对用户内在和外在特征的描述。

以下做两者的归纳和总结：

 

画像构成要素

四、如何构建用户画像(How)

业内有很多关于创建用户画像的方法，比如Alen Cooper的“七步人物角色法”，Lene Nielsen的“十步人物角色法”等，有兴趣的同学可以自行去查看，在这里，我通过这3个步骤建立用户画像。

 

画像构建

1、 数据采集

在数据采集之前，一定要明确产品的主要用户群是哪些，然后有针对性的进行数据采集。

举个栗子：豆瓣

豆瓣，工具型兴趣导向社区，目标用户是文艺青年，文艺青年在这里能找到知音，找到自己想要内容。所有的宣传海报是“我们的精神角落”

 

豆瓣—文艺青年-—精神需求

明确目标用户之后，那么这些用户的基础数据如何采集呢？

（1） 行业数据

了解目标用户的数据特征，我一个建议是把相关的研究报告、文献资料看一遍。常规的渠道有百度文献、行业知名公众号、相关书籍、行业分析报告等。

（2） 问卷调研

问卷调研是一种比较传统但有效的手段，通过问卷调研可以收集到用户对产品的态度、需求、建议等等。

在调研之前有几点需要注意：

a． 明确你们调研的主题是什么？

根据调研的主题进行问题的设计，不要涉及无关调研主题的内容。

b． 想通过问卷调查获取的信息有哪些？

将所要调研的信息进行拆解，以选择和判断题目为主，信息量要控制在适量范围内，题目不宜过多。

c．筛选获取后的信息，找出共性的特征加以总结归纳。

（3）用户访谈

通过电话或者面谈的方式对用户进行访谈，在访谈前准备好想要获取的信息，根据产品类型不同，访谈的量一定要大，只有基数大了之后才可以找到共性的特点，然后对特点进行提炼和总结。

（4）产品后台数据

后台可以看到很多相关的数据（利用cookie跟踪和统计），常规的通过后台可以看到的用户数据有：

 

后台可见数据（部分）

所有产品在使用过程都会要求填写相关的个人信息，包含电话、性别、昵称、年龄，地址等。这也是被大部分用户可以接受的方式。

网站后台：很多网站一进入都要首先进行注册，填写手机号、邮箱等相关信息，随后每次购买后台都会记录浏览产品、页面停留时间、点击次数、购买记录等信息。

APP后台数据：包括我们的微信、微博、天猫、美团、饿了么等，在APP中预埋SDK插件，在实际使用过程中地理位置、聊天记录、订单记录等都会有数据的记录，后台会将信息汇总给指定服务器，实现数据收集。

举个健身类APP栗子：

 

Keep

在个人资料栏目中会要求填写相关的个人信息，通过用户自发填写，收集用户的基本信息。

除了个人资料用户填写之外，在平时使用过程中APP同样时时刻刻记录你的个人数据，如下图所示：

 

Keep

（5）其他方式

完善信息可看到更多的内容；填写完整个人资料得奖励；开展某某活动，填写完整个人资料获得参与资格；完成相关任务得金币或者优惠券等方式，都是为了获取目标用户的基础数据。

2、数据分析和画像构建

接下来对收集来的数据进行分析，需要注意的是，并不是所有收集而来的数据都是有用的，在分析数据之前必须对数据进行筛选，根据企业目标确立几个主要维度，比如：你的用户画像分析的是谁？用户在哪里？用户需求是什么？所选取的画像数据是否有意义？进行数据分析之后提炼出关键要素，构建画像模型。

那么如何分析和建模呢？

数据分析：

我们通过数据采集来的数据有静态数据和动态数据。静态信息数据是指表现用户相对稳定的信息的数据；动态数据是指表现用户不断变化的行为数据，对这些数据进行分析和关键词提炼，接着通过聚类分析进行归纳和总结，找出目标客户相同的特性（具体的操作方法可自行查阅，这里不做赘述了），得到用户共性的数据。

数据建模：

用户画像构建=个人属性+社会属性+个人偏好+接触产品方式+其他

先举个栗子：某款游戏用户的三类画像

 

图片来源于网络

 

图片来源于网络

 

图片来源于网络

从中我们可以发现，3个用户画像都是游戏的目标用户，其中包含了用户的个人属性，性别、年龄、住址、家庭情况；社会属性，所属行业、职位、收入状况；个人偏好，爱好、社交方式；接触游戏方式，使用方式、触游原因，游戏时长等等。

我们在构建画像时可以根据这个模型，进行步骤拆解，最终得到用户画像。

画像目标维度设定：企业或组织根据产品的种类不同，画像目标用户数据搜集的维度也不会相同，颗粒度的细化也尽相同，所以在画像制定之前需要对画像目标的维度进行设定。包括画像用户群、营销手段、用户种类细分、维度关键项等等。

数据分析建模：依据设定好的维度进行数据收集，对实际的数据分析和建模，得到符合预期的模型。

数据还原用户：通过分析建模后，得到的是一个或者几个用户的数据类别，这个时候需要将数据还原回用户属性类别，包括某类用户的个人属性、社会属性、消费属性、行为模式等等。

3、 画像应用

画像做好之后的应用非常广泛，具体体现在以下几个方面。

a. 用于企业的精准营销。

根据收集的大数据，找出目标客户，进行分层后，进行针对性的营销策略。

b. 为产品运营提供方案指导。

在产品的实际推广过程中，我们会想尽各种运营方案进行产品推广，但是实际操作的过程中发现运营方案并不一定是正确的，这个时候需要有用户画像这个大的框架指导运营方案的策划、落地、执行。

去年“支付鸨”事件就是一次离开用户画像指导而单纯只为做社交的一次失败尝试。（支付鸨:支付宝推出圈子功能，发帖与芝麻信用分捆绑，甚至只限女性，由于出现大量美女自拍，甚至大尺度照片，因此被网友调侃为“支付鸨”。）

c. 确定产品更新迭代的优先级。

根据画像，在设计和运营中将焦点聚焦于目标用户的使用动机与行为操作，为产品的更新迭代提供优先级。

五、 关于用户画像的几点补充

1、 定性分析和定量分析

定性的方法有：深度访谈、焦点小组、

定量的方法有：定量问卷、行为日志数据

定性分析师为了直观的了解和分析用户，得到的是用户的第一手的用户资料；定量分析是是通过具体的数据和证据来佐证补充定性分析用户的真实想法。

2、颗粒度

指用户画像应该细化到什么程度。

举个栗子

 

图片来源于网络

画像1：马云、男、 阿里巴巴集团主要创始人。

画像2：马云、男、 浙江省杭州市

出生日期：1964年9月10日

1999年创办阿里巴巴集团

2008年日本第十届企业家大奖

2009中国经济十年商业领袖

2012年CCTV中国经济年度人物

......

单纯从画像颗粒度的角度而言，画像2的颗粒度比画像1的颗粒度小，画像2更加细化。

可能有人认为越细化越好，但是在实际过程中并不是这样，太细容易分散画像的主要目标，也浪费公司资源；但如果画像颗粒度过大，对于产品设计和运营的指导意义就变小了，起不到用户画像的作用，所以在颗粒度把握上一定要适度。

3、权重计算：

得到了用户的兴趣标签，还需要针对用户给这些标签进行权重赋值，用来区分不同标签对于该用户的重要程度。

4、用户画像不是一次做好

市场在处于不断的变化，用户的消费观念也在不断的升级，用户画像也应根据市场和用户的变化而不断修改和完善，这样画像才更具有指导意义。�

最后祝大家情人节快乐！

成文于2017.2.14，首发于简书。

作者：河豚有毒
链接：https://www.jianshu.com/p/403385170542
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。