教你一招快速找到用户画像的方法,精选项目案例的实操


在做任何产品之前,都会先想好受众群体。但产品上线后发现,预设好的用户群体好像并不买单,比如很多新产品都变成了现象级产品,昙花一现。或是伴随着产品的发展,最初的受众群体可能会发生了变化,比如最早使用QQ的那帮用户群体早已成家立业,在寝室里团体狙击CS的那帮人早已放下屠刀。用户发生了变化,产品就要赶紧跟进调整适应新用户群体的风口,这时候重新定位找到用户画像就变的迫在眉睫。


 

用户画像是真实用户的虚拟代表,它是基于真实的,它不是一个具体的人,是根据目标的行为观点的差异区分为不同类型,迅速组织在一起,然后把新得出的类型提炼出来,形成一个类型的用户画像。使用最多的用户画像有八要素:基本性、同理性、真实性、独特性、目标性、数量性、应用性、长久性,来寻找用户画像,可能又会吓退一批人,今天咱们就把这几个要素综合起来搬到线上,从产品的真实运营数据中来提炼,一步步分析出用户画像的标签。


1
 用户画像的3个维度   


我们将用户画像的8要素,在线上进行聚类整合,从而勾勒出目标用户的群体特性。这在产品中被称为“受众定向”。在线上研究用户画像主要围绕产品的运营数据,获取用户的基本信息和用户在产品中的网络行为,进行差异化组合分群。根据先后顺序依次可分为三个维度:信息画像、行为画像、分群画像


信息画像即用户的基本信息,属于静态数据,包括地域、性别,收入,婚否、家庭、职业、收入、资产、消费水平等。


行为画像即用户在产品中的网络行为,又叫动态数据,包括用户的浏览习惯、访问时长、使用频次、消费记录、喜欢偏好、行为轨迹等。


分群画像 就是细分用户群体,根据产品业务的需求,将具有共同业务特性的用户贴上标签,聚合标签划分群体画像。


2
 建立信息画像


现有数据一般都是通过第三方统计平台获取到的,比如友盟等。对于大公司或者一些保密单位,可能会开发一套自己的监测系统。其实友盟做得还算比较成功,自己开发耗费巨大的人力成本和时间成本,结果还不一定会比友盟好用,在友盟上可以清晰地查到新增、日活、启动、留存、渠道、终端等。很多互联网产品在初期都会选择友盟统计。先获取用户的基本信息即静态数据,建立起信息画像的雏形。

 

用我们做过的一个分期购车产品的来查找信息画像,先从统计平台和数据库中提取到可提取到的用户基本信息,然后整理这些基本信息在用户群中的占比,最终整理到以下几个关键指标如下图所示:

3
 绘制行为画像


产品根据市场发展和用户需求的变化不断地更新迭代,在产品迭代中获取关键变量,从而绘制出行为画像。用户在产品中的可统计到的网络行为,主要包括使用场景、获取内容、访问路径这三块。使用场景主要是设备终端、网络状况、访问时段等;获取内容是用户在产品中浏览的内容、完成任务、使用工具等;访问路径是用户进入产品到离开的整个行为轨迹。

还是用分期购车产品来续,分析第二个维度行为画像。获取跟业务相关网络行为,再统计数据占比,分析需要获取有价值的关键几个点:

4
 勾勒分群画像


信息画像和行为画像整理好以后,怎么聚合这些信息,为用户贴上精准的标签,勾勒出分群画像,是需要我们接下来想办法去解决的。这里精减到3步,首先找出极端信息值的概念,找到合理的聚合信息画像,最后绘制出合理的分群画像。


第一步:极端值

尽量合理覆盖每组信息的“极端信息值(每组数据中占比最高或最低的信息)”。

第二步:合理值

这里极端值的用户中,分析合理的群体。比如下图中聚合信息画像呈现出最高值关联信息中,稳定理财但又买车买房经济压力很大,看似不合乎逻辑,但买房本来就是一种非常稳定的投资,而且这样的用户买车的概率很高,还能接受贷款。不合理最低值的用户占比年龄都相对比较大,而且不接收网络交易的安全性,怎么还会去买股票呢?

聚合行为画像呈现出最高值关联信息中,流量来源中呈现出了一个PC端数据占据近半的现象,这其实反映出两个问题,一是移动端做的不好,二是用户群体多为上班族等。


第三步:勾勒集合分群画像

尽量合理连接用户行为的“集合信息值(将每组数据占比较大的同其他组进行合理地组合,分析出最符合真实用户的信息值)”,即相对来说基数较大的用户群。


勾勒出用户画像,产品需求迭代更具针对性。但这是我们根据数据分析出来的结果,还不能说明这样的结果就是对的,接下来还需要我们做进一步用户画像的验证。

 

5
 验证用户画像

这是我们理论分析得出的用户画像,但是到底对不对呢?我们还是用同样的方法来验证,整理新版本上线后的真实数据寻找其中的变量,然后分析其带来的提升或实际转化。我们总结出以下三种方式来验证。


1. 验证真实数据

产品上线后统计各组实时数据,寻找其中产品变化的数据,是否符合我们最初迭代改版的预期,分析是否符合我们勾勒的用户画像,变化的需要分析,没能达到预期的就要结合一些数据变化有针对性的分析原因。


2. A/B Test

A/B Test算是互联网最常用的验证方法了,基于用户画像上线后的产品同当前产品进行比对分析,验证用户画像反馈需求的准确性。对于访问量很大的产品我们通常会设置99%的用户正常访问到原有版本,只保留1%的用户会被随机切到新版本,集中新旧数据对比变化的幅度。比如上面案例做过的分期购车的产品使用A/B Test的数据变化,如下图:                                                   

 3. 业务数据转化验证

产品可以为企业带来的利润,是衡量产品好坏的关键指标。虽然这属于商业层面的考量,但也要回归到产品层面来落实。主要还是看产品可以为业务带来的转化率,这是企业考核的关键KPI,如果转化率跌了,可能就是白忙活一场,如果转化率提高了,就可以作为具有说服力验证结果。上面案例的分期购车产品中的数据来展示一下,如下图:

通过不断地迭代验证用户画像,带来用户增长。但产品带来大量的新增的同时,也会带来产品需求的变化,因为用户本身就是一个变量,产品依然需要不断的迭代更新,才能不断地更新验证用户画像。     

用户画像使我们更好地解决了用户的需求,验证我们用户画像方向的可行性,从而得到产品的用户画像。 



看完记得分享出去,让更多的人学习


VV体验
设计总监 · 搜狐
认可他 2