還在騰訊的時候,我對“用戶畫像”產生濃厚興趣,開始海量的用戶群中開始探索和實踐,後來在騰訊學院開發了一門課程《用戶數據分析方法與案例》,其中有一部分是用戶畫像。

個人對用戶畫像的理解是三個層次,可以說是三個步驟吧,從群體用戶的問卷調研、數據分析到具象的個性描述,再到抽象應用,如下圖所示:

簡單的說下對這三個層次的認知與實踐。

一、群體定量統計分析

做用戶畫像的基礎,是通過數據對海量用戶有一個初步的了解,一般採用用戶數據提取分析與問卷調研兩種方式進行,根據產品目標確定統計分析的維度指標。

分析的維度,可以按照人口屬性和產品行為屬性進行綜合分析,

人口屬性:地域、年齡、性別、文化、職業、收入、生活習慣、消費習慣等;

產品行為:產品類別、活躍頻率、產品喜好、產品驅動、使用習慣、產品消費等;

以下是騰訊開放平台的一些產品用戶屬性,年齡與性別的交叉分析,付費用戶與年齡的交叉分析。無論是後台數據分析還是用戶問卷調研,都需要進行研究的效度與信度論證,保證數據盡量準確可用。

做問卷調研,需要做多少份問卷呢?一般是4000份以上,這個時候的抽樣置信區間可以達到99%,錯誤率幅度在2%左右。如果保持錯誤率2%的水平,置信水平95%,那麼問卷數量可以下降到2500份。需要注意的是一般我們回收問卷,還會通過答題完整性、一致性等多項標準剔除無效問卷,所以回收問卷盡量高於標準數量的10%。

案例:頁游用戶年齡與性別分佈

數據來源:2013年騰訊開放平台白皮書

案例:付費用戶年齡分佈

數據來源:2013年騰訊開放平台白皮書

這本白皮書還是有不少用戶數據可以供大家參考,有興趣的同學可以去騰訊開放平台下載:http://open.qq.com/

二、具象的定性個體描述

也就是創造人物角色,這裏先說一個概念:Persona。Alan Cooper提出了Persona這一概念。《贏在用戶》這本書將其翻譯為“人物角色”,是在上面的海量數據分析基礎上,進行具象化得到一個的虛擬用戶。

有興趣了解AlanCooper的可以去他的Google+主頁看看。

鏈接:https://plus.google.com/101097598357299353681/about

他的個人簡介是:I’m a software guy. I invented personas. They call me “The Fatherof Visual Basic”. I’m also the proprietor of Monkey Ranch, a former dairyfarm in Petaluma CA.

PERSONA的含義

  • P 代表基本性(Primary research)指該用戶角色是否基於對真實用戶的情景訪談
  • E 代表移情性(Empathy)指用戶角色中包含姓名、照片和產品相關的描述,該用戶角色是否引起同理心。
  • R 代表真實性(Realistic)指對那些每天與顧客打交道的人來說,用戶角色是否看起來像真實人物。
  • S 代表獨特性(Singular)每個用戶是否是獨特的,彼此很少有相似性。
  • O 代表目標性(Objectives)該用戶角色是否包含與產品相關的高層次目標,是否包含關鍵詞來闡述該目標。
  • N 代表數量(Number)用戶角色的數量是否足夠少,以便設計團隊能記住每個用戶角色的姓名,以及其中的一個主要用戶角色。一個產品,一般最多滿足3個角色需求。
  • A 代表應用性(Applicable)設計團隊是否能使用用戶角色作為一種實用工具進行設計決策。

我們通過調研去了解用戶,根據他們的目標、行為和觀點的差異,將他們區分為不同的類型,然後每種類型中抽取出典型特徵,例如:一些個人基本信息,家庭、工作、生活環境描述,賦予一個名字、一張照片、場景等描述,就形成了一個具象的典型用戶畫像。人物角色一般會包含與產品使用相關的具體情境,用戶目標或產品使用行為描述等。為了讓讓用戶畫像容易記憶,可以用具體的名字、標誌性語言、幾條簡單的關鍵特徵進行描述。一個產品通常會設計3~6個角色代表所有的用戶群體。

譬如下面就是我們去年做YY用戶畫像的一個案例:

具象的用戶畫像作用

理解用戶。人物角色是海量用戶“打包”后的研究結果,是用戶研究結果的生動呈現方式,是用戶心裏模型好的載體,可以讓產品經理、設計師進行方便的換位思考。

提高溝通效率。由於人物角色是用戶研究結果的具象化,它不但生動,而且代表着用戶真實的目標和動機等信息,基於統一用戶認知基礎的溝通,可以大大提高團隊的溝通效率。

設計依據。人物角色,讓設計師找到了“以用戶為中心的設計”的着力點——“用戶”,在團隊成員間對設計方案存在分歧時,可以依據“人物角色”來選擇最佳的設計方案。

三、數據建模與產品應用

用戶研究的價值,最終還是要體現在產品的應用上。

一方面是產品經理、設計師在進行視覺設計、交互設計等方面進行參考。另一方面,更重要的是將用戶角色落實在在實際的產品中,用數據做產品在當前熱議大數據的時代越來越受到重視。

數據建模的方法太多了,神經網絡、遺傳算法、蒙特卡羅算法、聚類分析、關聯算法等等。在

目前的產品應用中,最常見的是用戶分類、各種推薦算法、防流失模型等。這裏我們舉幾個常見的案例。

案例一:英雄聯盟對新用戶的類別劃分

新玩家進入遊戲后,不同的遊戲水平,將會有不同的引導體驗。

我是新手:剛開始接觸戰略遊戲和英雄對戰遊戲。

我玩RTS:玩過一些即時戰略遊戲,但是並非高手。

我玩MOBA:玩過MOBA類遊戲,知道打錢、殺人、推塔、拆基地。

大師你懂嗎:團隊頂樑柱,反黑主力軍,打輔助也能殺超神,沒有什麼能比你更強力。

案例二:QQ音樂猜你喜歡

Fm.qq.com,這個案例,是當年在騰訊ISD團隊時候經常打交道的O胖、春哥等哥們的作品,從歌手、專輯、單曲三個維度,融合離線計算與在線實時推薦機制進行設計與開發。

以下也是某音樂產品的推薦邏輯:

案例三:流失預警模型決策樹算法

參考文章:《The origin of personas》,Alan Cooper

鏈接地址:http://www.cooper.com/journal/2008/05/the_origin_of_personas

#專欄作家#

Blues,微信公眾號:BLUEMIDOU,人人都是產品經理專欄作家,迅雷產品總監,原YY語音、騰訊高級產品經理。具有十年產品經驗,多年產品講師經驗。著名自媒體人,WeMedia自媒體聯盟成員,十佳自媒體人之一。擅長產品策劃、產品運營、數據分析、用戶研究、行業分析等。

本文原創發佈於人人都是產品經理,未經許可,不得轉載。