数极客首页

实战案例:非用研人员如何创建用户画像

关于用户画像的树立
,网上有很多文章,办法

也都不经相同。作为一枚非用研人员,第一次尝试做用户画像,在各种资源有限、阅历

有限的状况

下,阅历
一次完好
的研讨
过程并不容易,所谓最难跨出的永远是第一步。

本文只适合

没有相关阅历

,不时

想做用户画像而不得的童鞋,专业人士可绕过啦?^_^。这里没有聚类剖析

、标签权重、亲和图等专业的算法研讨
,有的只是一枚交互怎样
从0到1树立
画像的过程,也算是给自己

近期工作做个总结(篇幅略长,不喜跳过)。

第三
感激

小七前辈的耐烦
指点~

一、为什么想做用户画像

我们的项目是一款移动

视频应用,最开端
想做用户画像,主要是想处置

当前阶段,产品/设计/开发/运营在中心
用户的了解

上的分歧问题。

比如

由于受推行
渠道影响,产品以为
我们的用户年岁
偏大,且呈现低学历的属性特性
,其他职能可能以为
用户偏年轻,且网络及产品运用
习气
均有差别

。因而

,大家在后续要开放哪些功用
(致使

是后续的收费方式上)无法达成分歧
,产品希望参与

一些成熟用户更喜欢的内容。

另外,由于受业务影响,产品们更多关怀

的是日活、新增、时长等业务数据,对真实渗透

到用户行为上的数据,并不十分

在意。但在交互上,明晰
的用户画像和行为直接关系到细致

的产品设计和表现,致使

是后续的产品规划、运营推行
等。

因而

,本次的画像研讨
有两个主要目的:

  1. 为了让项目相关人在中心
    用户上达成统一且具象的认知,便当
    在后续投入上对症下药

  2. 细致
    了解

    我们的真适用
    户是怎样
    和产品及其相关内容中止

    互动等。

二、用户画像研讨
办法

在开端
做画像之前,我在各种书籍和网站搜集
相关实施

计划

,但发现内容不是偏于理论,就是脱离业务自身

。结果就是:固然
看了很多资料

,自己

执行的时分
,还是一脸懵逼(原谅小白的第一次T_T)。

不过,过程还算有收获,如下图1所示,主要是依据

不同的产品阶段配置不同的研讨
组合(这里列出的是常见的两种类

型,并不全面,细致

办法

有多种,可依据

理论

的项目状况

做调整)。比如

立项阶段只做定性化的用户画像也是能够

的,且用户画像的产出基本

都是定量与定性的分别

运用

下面对细致

的执行方式不做细致
阐明

,而将重点放在,非用研人员在第一次做画像经常会遇到的问题上,毕竟在定量和定性的研讨
部分

,很多资料

和书籍远远比我专业。

1.数据挖掘

固然
产品已上线一年多,由于没有中止

过系统的数据整理,各职能致使

产品之间呈现
信息断层,团队中很少有人能完好

了解

产品基本

的用户状况

,因而

,对现有数据的清洗显的很有必要。

第一
对后台数据中止

提取,比如

Android和iOS端不同的运用
时长、行为及内容偏好等,包括产品在第三方统计平台沉淀的数据,比如

百度、友盟等平台,致使

是各种行业报告。经过
对多方数据的假定
和考证
,最终得出整体的户群类型与范围
,比如

细致

的用户年龄、性别、访问时段、行为偏好、转化状况

等。此时的剖析

报告,固然
有理论

的数据支撑,但由于我们自身

数据结构

不完善,也存在部分

假定
成分,特别
是在用户群的整体构成上,比如

80和90后上班族、00后学生等比例及行为等,和真实状况

会有倾向

,这个时分
的用户数据是比较

散的。

完成了数据挖掘

阶段,原本

能够

直接依据

结果数据显现
,展开问卷调研,并对部分

假定
做考证
,且能了解

更多用户行为、目的、偏好等信息。但过程中发现光做一个用户画像,并不能达成目的。由于
用户画像的应用场景,通常是树立
在大家曾经
知道

中心
/大众

/边缘的散布

比例,需求
统一对不同用户的认知,树立
理性
影响的阶段。另外,由于团队资源有限,对无法看到效果的产出都坚持
谨慎

态度,因而

还需求
配合其他事项。

切入点就是:由于产品们比较

关怀

一些运营指标,比如

日活用户、新增用户、运用
时长等,能够

从这方面入手

,并取得

资源支持。先将用户划分几个类别,如下图3所示。

划分的缘由
,是为了和产品同步一些基础

定义,比如

“高生动

老用户”是我们的持续中心
,“高生动

新用户”是新增中心
等。同步了这些数据,就能够

在该数据基础

上做进一步白描。如图4方式
,由于
入手

的是他们比较

感兴味
的问题,所以开端
没有很难。在这个过程中,运用
的是性别和年龄作为维度来描画

不同生动

用户的组成,输出的主要是一个属性散布

,用来统一基础

认知的,这里还没有到画像那么细的地步。当和产品达成分歧
以后,依照

下图的整体规划开端
中止

问卷数据的搜集

2.问卷调研

关于不同生动

类型的用户数据,能够

有多种来源,最靠谱的数据来源于日志,但是关于这部分

我们是缺失的,所以只能靠问卷调研,即在app中投放问卷。关于问卷的细致

设计此处略,主要说一下我在这个过程中遇到的几个关键问题:

1)问卷目的

由于问卷调研自身

的局限性,正常在app中投放的问卷,回收的数据一定是偏生动

用户数据,由于
非生动

用户普通
不会看到或填写,这也是问卷调研结果经常会遭到质疑的缘由
。但由于本次问卷目的原本

就是为了研讨
生动

用户整体的社会属性、目的、行为、态度和观念
等,也就是所谓的产品中心
用户(上图中的1、2象限用户),所以问卷数据的参考价值还是比较

大的。

而非生动

用户并不属于本次调研重点,由于
对非生动

用户的触达,需求
定向激活方式,比如

邮件、短信推送、电访等,但由于团队没有用研同伴
,并不具备这个资源和才干

,只能将重心放在主要用户上。

2)怎样
划分生动

/新老用户

关于
生动

/新老用户的划分,不同的项目类型有不同的规范

。作为交互设计师固然
有一个大致
的概念,但假定

要精确

到细致

的数据也并不分明

,所以需求
先依据

后台及项目自身

预估一下,然后和业务方确认。比如

用户的生动

度划分主要是依据

运用
时长和频率,但运用
时长是周时长,还是日时长,依据

项目来定。

由于我们的项目属于视频类,按道理周运用
时长更合理,由于
不同类别的人群,可能运用
时间是错开的,但是依据

后台数据显现
,用户在工作日和双休日运用
时长并无显然
差别

,直接依照

日运用
时长就能够

。因而

最终的生动

/非生动

用户的划分规范

如下图5所示。至于新老用户的划分,由于项目之前没用过这个指标,也是和产品沟通好以后确认的。

3)先梳理问题大纲再设计卷子

很多非用研同窗
,第一次做卷子很容易堕入
一个误区,就是缺乏对问卷的整体规划,直接上手就做,这会为后续数据剖析

埋下隐患,很容易招致
问题不聚焦或无价值(同踩坑,幸而

有前辈及时纠正^_^)。

因而

,在设计问卷之前,最好梳理好相关问题,以结果为导向,经过
想得到的数据,设计相关问题,能够

做一个大致的问卷大纲
,然后将每一个想要的得到的信息逐一

对应,这样愈加
便当
整理思绪
,致使

能够

补充一些剖析

思绪
等,比如

下图所示(这里只是一个例子,一张问卷中无非包含用户基本

信息、目的
、行为、观念
、态度等,细致

可依据

理论

项目做调整)。

4)怎样
剖析

问卷数据

当依据

问题大纲设计好问卷,并投放回收以后(关于问卷投放和问题设计是一个较长的话题,此处不再赘述),普通
来说都会按之前的剖析

维度来拆分,由于
这些是之前和业务确认过的,比较

有辅佐

的。但是在过程中,也会视剖析

状况

来进一步做交叉

对比

等,可能会有一些不测
的发现,这是一个比较

有趣的过程。

关于
设计师来讲,在数据剖析

阶段,会一些交叉

剖析

基本

能满足工作需求,能够

不需求
聚类这种比较

复杂的方式。最终的剖析

结果方式
如下图7所示,当然也包含基本

的用户白描部分

3.用户访谈

当问卷终了

以后,由于在这一阶段曾经
和产品达成了快乐

的共识,就能够

继续做用户画像的工作,从之前的几个象限中,选择
一些典型的用户出来,做进一步访谈。

1)怎样
选择

访谈用户

访谈用户主要来源于之前填写问卷的用户,怎样
从众多用户当选

出合适

的,是首要处置

的问题,也是访谈前重点。第一
,依据

之前中心
/非中心
用户的划分进一步细化分类,从而知道

应该选择
的对象。

如下图8所示,统计学上有很多分类办法

,但对数据量央求

较高,所以普通
在不具备条件的状况

下,会运用
比较

简单粗糙的手动分类(也就是按业务逻辑来分类)。能够

看出,下图中用户的分类标签更多的是用户属性方面,由于
回收的问卷主要讲了3件事:

  1. 数据量
    散布

  2. 运用
    频率、运用
    时长、进入时间(谁是生动

    用户,也就是指留存较好的用户);

  3. 社会属性。

其中1和2在象限上,图上的标签就是社会属性了,将这些属性投上去,用肉眼就能发现一些可见的分类。这种办法

固然
粗糙简单,但是直观有效。由于回收的问卷样本不是特别多,统计学上的方式并不适用。

那么,在4个象限中,到底要访谈哪些用户呢?

关于
产品来讲,重点的的人群,永远只需

两类:1、人多的分类;2、生动

的分类。我们做的一切
努力都是为了维护这两个分类的范围
,以及努力将其他用户转化近这两个分类中;因而

,目前优质用户对我们来讲很重要。而且,由于团队第一次做,资源、肉体

都有限,所以先以优质用户为主,掩盖
部分

待改善用户,其他象限以后再做。

访谈的用户范围定了,接下来就是选择

出契合
该条件的用户,共选择

出20个用户中止

访谈,每类5-6个人。

2)访谈方式
和大纲

关于访谈方式
和大纲,这里只做一些简单引见
:关于
我们团队来讲,面对面访谈固然
优点很多,但团队并不具备资源,所以选择了电访和QQ访谈。由于我们的访谈信息量较多,开端
的两个电访用户结果并不理想,后来运用
的是QQ访谈,固然
耗费

的时间多,但就搜集
的信息量来讲更有价值。

访谈大纲普通
是比较

开放的标题
,更多地会讯问
一些问卷触达不到的内容,比如

说怎样
了解

一个功用
,为什么会喜欢某些内容,平常
运用
APP的习气
是先点击哪个再点击哪个之类,能够

看成是问卷问题再往下拆细,更多地去触达细节。

3)访谈信息怎样
处置

由于用户画像的基本

是要找到同类用户的共性,和分类用户的异性,所以访谈后的信息整理也主要是盘绕
这个目的。但是对新手来讲,初次
面对海量信息,很容易迷失(就像我T_T),所以有个最简单有效的方式就是,看关键词的呈现
频率,先挑高的出来,再依据

上下文了解

哪个是能够

作为特征的。但是这个办法

对我似乎并不有效,由于
信息多且散,需求
整理者有较强的概括才干

,能够

体会

一下下图8的信息。所以只能依据

每个信息节点,一个点一个点的抽,比如

二次动漫,这种内容的掩盖
范围太大,可能拆分红
细致

的动漫类型、吸收
人的信息、日本文化、轻小说等相关信息。固然
比较

耗费

时间和脑力,但结果还是值得的。

当整理出最终结果以后,用户画像的雏形基本

构成

用户画像理论

是由两部分

组成:

  • 概括的部分

    ,是依据

    前面的量化研讨
    带来的,比如

    :18~22岁的学生群体,男女都有;

  • 具象的部分

    是由定性研讨
    而来,也就是用户访谈,比如

    ,用户细致

    是怎样
    运用
    产品的,他对这种内容的诉求和态度等。

通常状况

下,树立
3个左右的用户画像即可,且要对画像中止

优先级排列,排列的依据

主要来源于之前的数据挖掘

和问卷调研,比如

每个类型占有的大致比例。最终
不要遗忘
给每类用户画像起一个名字(即简述),用于对该类用户画像的总结,便当
了解

的同时,也更容易复用。比如

“二次元重症患者”就会比“14~16岁之间,女性为主,喜欢阅读
二次元视频和追动漫新番,每天破费

4~6小时观看相关作品,积极参与评论/翻译/同人创作等”更容易记忆。

三、画像的最终运用

用户画像从基本

上来讲,就是为了统一产品相关人员的共同认知的,并以画像为基础

给产品或运营做参考依据

。所以,通常随着画像的产出,也需求
给产品设计、运营、致使

推行
等意见或倡议

,这样整个用户画像的研讨
才是完好
的。

最终
,固然
整个研讨
过程整体顺利,但同时也存在不少问题,会尝试在未来

工作中持续改进

,也欢送

专业人士交流

 

发表评论

评论已关闭。

相关文章