【作者丨粉小圓】

【來源丨活動盒子】

      【編輯丨狗賊】

 

 

用戶畫像(personas)

交互設(shè)計(jì)之父Alan Cooper最早提出persona的概念：“Personas are a concrete representation of target users.”Persona 是真實(shí)用戶的虛擬代表,是建立在一系列真實(shí)數(shù)據(jù)(Marketing data,Usability data)之上的目標(biāo)用戶模型。

通過用戶調(diào)研去了解用戶,根據(jù)他們的目標(biāo)、行為和觀點(diǎn)的差異,將他們區(qū)分為不同的類型,然后每種類型中抽取出典型特征,賦予名字、照片、一些人口統(tǒng)計(jì)學(xué)要素、場景等描述,就形成了一個人物原型(personas)。

一、用戶畫像有什么用

在實(shí)際的可行性運(yùn)營中，沒有多少產(chǎn)品會把目標(biāo)用戶設(shè)置成所有人。大多產(chǎn)品都是聚焦在某類特定的服務(wù)對象，用戶畫像就是將目標(biāo)的那群人清晰化的過程。用戶畫像對于營銷策略，產(chǎn)品跟服務(wù)的提升，還是渠道投放的優(yōu)化，都非常重要。

淘寶通過機(jī)器人學(xué)習(xí)去優(yōu)化用戶瀏覽頁面中商品的展現(xiàn)，越來越多的新聞客戶端通過算法為用戶推送個性化的內(nèi)容.....基于用戶畫像而做的優(yōu)化還是蠻多的，不管產(chǎn)品、運(yùn)營還是營銷層面。

優(yōu)化用戶體驗(yàn)

不僅對用戶瀏覽體驗(yàn)優(yōu)化，還包括產(chǎn)品消費(fèi)過程的優(yōu)化。

實(shí)現(xiàn)精準(zhǔn)化營銷

顯現(xiàn)用戶的喜好跟需求屬性，在跟用戶點(diǎn)對點(diǎn)交互中，精準(zhǔn)的匹配個性化的業(yè)務(wù)內(nèi)容。

關(guān)聯(lián)數(shù)據(jù)挖掘

結(jié)合過去的畫像數(shù)據(jù)及未來畫像數(shù)據(jù)的變化，對用戶做數(shù)據(jù)關(guān)聯(lián)的挖掘。

不管是通過市場抽樣調(diào)研的方式，還是基于用戶數(shù)據(jù)追蹤跟沉淀的方式，重要的是對獲知的信息跟數(shù)據(jù)經(jīng)過清洗、匯總、整合跟統(tǒng)計(jì)，描繪出用戶群與轉(zhuǎn)化最密切關(guān)聯(lián)的“樣子”。把用戶畫像做好了，可以減輕團(tuán)隊(duì)成員中主觀因素對產(chǎn)品、營銷策略的影響，設(shè)計(jì)出更貼近用戶選擇，心中所想要的產(chǎn)品。

二、用戶畫像的幾種場景數(shù)據(jù)

1、網(wǎng)站內(nèi)容

網(wǎng)站頁面分析

訪問量、點(diǎn)擊率、熱點(diǎn)圖、人均流量頁面、停留時間、關(guān)聯(lián)跳轉(zhuǎn)等

用戶體驗(yàn)

跳轉(zhuǎn)率、關(guān)聯(lián)標(biāo)簽點(diǎn)擊情況、頁面轉(zhuǎn)化、用戶流失率等app刷榜

2、流量情況

渠道效果

來路、點(diǎn)擊訪問量、人均訪問頁面、停留時間、轉(zhuǎn)化率、跳轉(zhuǎn)率等

3、電商交易

頁面流量

點(diǎn)擊量、人均瀏覽頁數(shù)、跳失率、轉(zhuǎn)化率等

用戶銷售轉(zhuǎn)化

收藏率、加入購物車比例、提交訂單比例、支付訂單比例、客單價(jià)、復(fù)購率等

4、APP使用

流量分析

7日/15日/30日訪客活躍度、1日/7日/15日/30日留存率、注冊率、新增登錄等

用戶情況

活躍時段、地域、版本、終端、啟動次數(shù)、訪問時長、活躍度等

三、用戶畫像的操作過程

作為一個非技術(shù)型的運(yùn)營，對用戶畫像會偏向通過數(shù)據(jù)簡單整合、與用戶多維度溝通過程中實(shí)現(xiàn)。這跟很多專業(yè)的產(chǎn)品經(jīng)理會有很大的差距，不過小圓也在不斷學(xué)習(xí)跟實(shí)踐中，這文章更多的是小圓對于用戶畫像學(xué)習(xí)跟復(fù)盤經(jīng)歷的過程。小圓所理解的用戶畫像過程并不會很復(fù)雜，簡單的概括起來會有3個重要的過程。

1、用戶維度篩選

用戶畫像需要建立在真實(shí)有效的數(shù)據(jù)上，在做用戶畫像的過程中要對數(shù)據(jù)做篩選整合，首先并不是所有數(shù)據(jù)信息都有用，其次，數(shù)據(jù)還會有主次重要跟非重要的區(qū)別。每一個公司的不同階段，構(gòu)成用戶畫像的數(shù)據(jù)維度會不一樣。

用戶畫像維度的篩選是為了指引營銷、產(chǎn)品或者運(yùn)營指標(biāo)，不同職能人員對不同用戶畫像維度的看重程度不一樣。以電商平臺為例，客服銷售關(guān)注的是用戶的購物情況，產(chǎn)品運(yùn)營關(guān)注的是頁面的用戶體驗(yàn)變化，渠道推廣關(guān)注的是用戶在流量上的表現(xiàn)。

有人會認(rèn)為維度越多越好，這樣用戶畫像的結(jié)果就會更全面。但是小圓并不是這么認(rèn)為，用戶畫像是一個動態(tài)的過程，強(qiáng)行的去追求更全的維度，有時候反而會耽誤了營銷決策的時間。例如，有一些公司在做用戶調(diào)研時總是覺得數(shù)據(jù)量不夠，然后花非常多的時間去做數(shù)據(jù)的匯集，到最后做營銷決策的時候，反而因?yàn)閿?shù)據(jù)收集時間太長，很多維度因?yàn)闀r間拖延而失去了時效性價(jià)值。

為了不出現(xiàn)這種情況，把用戶的數(shù)據(jù)維度分成：靜態(tài)維度、動態(tài)維度，然后歸類維度屬性，接下來就開始進(jìn)入到數(shù)據(jù)信息收集的過程了。APP刷評論

2、數(shù)據(jù)信息收集

收集數(shù)據(jù)的方式方法，會決定數(shù)據(jù)是不是有效的。線上運(yùn)營比較常用的方法就是對用戶進(jìn)行“監(jiān)控、跟蹤”，一般是PC端cookie，還有移動端的IMEI、IDFA。而初始化階段比較常用的方法是用戶訪談。

當(dāng)然，也有數(shù)據(jù)跟蹤，用戶調(diào)研兩者結(jié)合的方式收集用戶數(shù)據(jù)信息，例如電商運(yùn)營，除了跟蹤用戶購物下單等數(shù)據(jù)之外，還可以篩選出特定的用戶做訪談?wù){(diào)研，例如：橫比產(chǎn)品的選擇偏好，對于產(chǎn)品消費(fèi)過程中的反饋等等。

3、數(shù)據(jù)建模分析

數(shù)據(jù)是零散的，或者是表面的，用戶畫像要對收集到的數(shù)據(jù)做整理，比較常用的是通過數(shù)據(jù)建模的方式做歸類創(chuàng)建。小圓接觸過的大多是比較初級的用戶畫像，通過excel工具就可以基本完成整合。而對于技術(shù)工具層面的數(shù)據(jù)建模。

在數(shù)據(jù)量不大，用戶畫像比較初級的情況下，通過篩選、歸類、整合的過程對用戶做屬性歸類，然后確定用戶畫像，這種方式可能有一定不到位的地方，但是在產(chǎn)品還沒有推出或者數(shù)據(jù)量不大的情況下，運(yùn)營還未進(jìn)入深度精細(xì)化階段，對用戶畫像的初級處理，也能避免很多決策過于主觀化。

在數(shù)量比較多，用戶畫像精細(xì)化的情況下，就需要通過一些用戶畫像的工具做數(shù)據(jù)的整理了，通過對數(shù)據(jù)進(jìn)行規(guī)整處理，然后做例如聚類，回歸，關(guān)聯(lián)，各種分類器等算法做處理。關(guān)聯(lián)性分析和RFM模型都是用戶畫像中數(shù)據(jù)建模分析常用的方式。小圓對于這塊的內(nèi)容，還在學(xué)習(xí)探索階段，在這里就不展開討論了。

關(guān)于用戶畫像的幾個實(shí)操經(jīng)歷

其實(shí)很多公司對用戶畫像的重視程度并沒有想象中那么高，一方面很多公司太急躁，沒有耐心經(jīng)過那么長流程的用戶畫像去做沒有直接刺激大量銷售轉(zhuǎn)化的優(yōu)化，營銷也沒有時間去等待那么長的畫像流程，甚至有時候還需要投入費(fèi)用去做用戶畫像。另一方面，很多公司忽略了對用戶數(shù)據(jù)的追蹤設(shè)置，當(dāng)需要用戶畫像的時候，要么是數(shù)據(jù)缺少，要么是數(shù)據(jù)混亂來源不清。

小圓的相關(guān)的APP運(yùn)營經(jīng)歷中，有開始關(guān)注用戶畫像的，也有對用戶畫像完全不在意，甚至是沒有概念的，小圓希望真實(shí)的還原這個過程，給大家，給小圓自己一些啟發(fā)。

1、初始階段：產(chǎn)品推出前

① 產(chǎn)品原型確定前，做深度開放式用戶訪談很重要

互聯(lián)網(wǎng)產(chǎn)品推出前，可能會有一些競品的數(shù)據(jù)幫助做用戶畫像，但是可看到的數(shù)據(jù)所組成的用戶畫像會有不到位的地方。所以，比較常用的方式是做用戶抽樣調(diào)研。

小圓在團(tuán)隊(duì)中主要負(fù)責(zé)運(yùn)營版塊，產(chǎn)品上線前團(tuán)隊(duì)已經(jīng)有了很多次的討論，因?yàn)閳F(tuán)隊(duì)人員專業(yè)跨度大，從運(yùn)營角度、用市場角度、用產(chǎn)品角度、從內(nèi)容角度，對于用戶的理解都會有所不同，這讓目標(biāo)用戶的畫像一直模糊不定。

這個階段用戶畫像的意義更在于定義產(chǎn)品差異點(diǎn)，清晰產(chǎn)品是面向什么人群，以及整個業(yè)務(wù)的發(fā)展戰(zhàn)略。為了相對的讓用戶畫像清楚具象一點(diǎn)，我們從寬泛確定下來的目標(biāo)人群中，基于不同屬性(從業(yè)時間、專業(yè)方向、地區(qū)等)篩選了一共50+個用戶做了深度的溝通。溝通匯總出來的答復(fù)去做了幾個核心維度的整合篩選，最終慢慢清晰下來產(chǎn)品能夠解決用戶哪方面的需求，各個階段核心的重點(diǎn)策略方向。

在團(tuán)隊(duì)中，每一個職能的人對于用戶的理解，都會有一定主觀專業(yè)因素在里面，誰也說不準(zhǔn)到底誰說的是對的。所以，去深度的做一些用戶訪談?wù){(diào)研非常必要，特別是在產(chǎn)品原型確定階段。而對于用戶調(diào)研訪談，這個階段要避免做封閉式的溝通，善用開放式的溝通方式，得到更全面更多的信息，有利于后期的數(shù)據(jù)篩選跟整合。

② 定性用戶畫像對于新品營銷策略的幫助

那時候我們準(zhǔn)備推出一個面膜新品，我們希望從產(chǎn)品中增加差異化的亮點(diǎn)(專利、使用方法、成分等都做了考慮)。團(tuán)隊(duì)經(jīng)歷了比較激烈的討論，很多點(diǎn)子還是不錯的。這種腦暴前置的方式還是蠻有幫助的，這時候大家還不需要太多用戶畫像的限制。

營銷的策略一直沒有最終選定的方案，這時候我們就想，要不做一次跟這個新品關(guān)聯(lián)度比較密切的用戶畫像吧。首先，我們對數(shù)據(jù)的維度做了篩選，聚焦在“面膜的復(fù)購頻次、面膜的客單價(jià)、面膜的關(guān)聯(lián)銷售產(chǎn)品”等。接著我們篩選了大概500個用戶做問卷調(diào)查推送，精選一部分用戶做深度的電話訪談。

基于收集到的信息接下來所做的分析比較簡單，主要通過圖表，還有屬性內(nèi)容歸類的方式，把用戶跟這次新品營銷關(guān)聯(lián)最密切的維度情況做了分析，了解到是否功效型的面膜跟用戶復(fù)購頻次的關(guān)聯(lián)，也了解到基于用戶使用面膜會很在意拆開時的感受，不同類型的面膜的復(fù)購情況等等。

這次用戶畫像除了篩選出新品意向用戶之外，其實(shí)對于團(tuán)隊(duì)在腦暴時一些不成熟的想法也作了很好的修正，例如成分的投入，使用流程的設(shè)計(jì)。最終新品面膜推出的時候，很多營銷的動作落地都特別踏實(shí)，銷售量就不延伸了，因?yàn)檫@個當(dāng)時還涉及到一些比較復(fù)雜的情況。

2、增長階段：實(shí)現(xiàn)產(chǎn)品的精準(zhǔn)營銷

用戶畫像缺失，對于營銷會有什么影響?

小圓曾經(jīng)負(fù)責(zé)過一段時間投放的工作，通過投放引流到微信再做進(jìn)一步的營銷轉(zhuǎn)化。那時候用戶數(shù)據(jù)量還是蠻大的(好友數(shù)、購物情況等數(shù)據(jù))，但是從運(yùn)營角度回顧這段經(jīng)歷，用戶畫像是缺失的。

一方面可能跟銷售的產(chǎn)品比較敏感有關(guān)，基于產(chǎn)品用戶的投訴率比較高，深度去維護(hù)用戶的價(jià)值相對不會太明顯，另一方面產(chǎn)品品類單一，SKU非常少，用戶畫像延伸的更多需求匹配表現(xiàn)不夠充分。那時候?qū)τ谟脩舻睦斫?，更多的是依賴銷售人員或者推廣人員感性主觀的認(rèn)知。

缺失用戶畫像，銷售人員做的就是同樣的促銷活動、營銷話術(shù)，通過微信群發(fā)的方式推送給不同的用戶。每一次推送，對于關(guān)注的用戶都是一次傷害，那時候會有賬號被舉報(bào)，也有用戶不斷流失，復(fù)購轉(zhuǎn)化后勁不足。

其實(shí)，很多用戶服務(wù)做得一般的電商公司會這么對待用戶。統(tǒng)一的郵件，通發(fā)的短信，不顧用戶喜好的客服電話回訪。而對于電商公司來說，用戶畫像非常重要，篩選出深度維護(hù)用戶，沉睡用戶......根據(jù)不同的用戶匹配不同的溝通方式，例如活躍用戶可以選擇高頻互動的方式，對于沉睡的用戶可以定制特權(quán)活動，個性化的激活不同畫像下的用戶群。

還有很多用戶體驗(yàn)不太友好的公司，只是簡單的劃分用戶為新用戶，老用戶，不活躍用戶。然后針對新老用戶做同樣的營銷活動，另外客服還會對不厭其煩的跟老用戶做電話回訪，郵件推送，短信發(fā)送等等，這些真的是用戶想要的嗎?

3、突破階段：用戶畫像對設(shè)計(jì)用戶體系的引導(dǎo)

用戶畫像可以避免很多“自以為是”的運(yùn)營動作

小圓在負(fù)責(zé)論壇運(yùn)營時，在第一次去調(diào)整會員等級、積分體系、勛章系統(tǒng)時，這段經(jīng)歷可以說是一個挑戰(zhàn)?，F(xiàn)在回過頭去看，那時候自己對于用戶畫像的操作有太多生澀的地方，但是那是小圓第一次意識到用戶畫像對于運(yùn)營的意義，真的可以排掉很多“運(yùn)營的雷區(qū)”。

會員等級、積分、勛章如果設(shè)計(jì)的合理，是可以產(chǎn)生拉動論壇渡過各個瓶頸期的力量的。那時Discuz后臺有比較初始的設(shè)計(jì)算法，但是當(dāng)時用戶的數(shù)量開始不斷增多，產(chǎn)生的行為動作也越來越復(fù)雜，簡單的引導(dǎo)已經(jīng)滿足不了了。為了讓這個比較大的調(diào)整不至于對用戶的影響太大，同時對論壇的發(fā)展也是有幫助的，加上當(dāng)時在簡單的流量數(shù)據(jù)中很難做出相對合理的規(guī)則設(shè)置。所以，小圓對論壇的用戶做了一次比較深入的分析(可以理解為是一次用戶畫像的過程)。

基于數(shù)據(jù)，主要對用戶的活躍情況(發(fā)帖量、回帖量、登錄頻次等)，用戶的等級變化時間(各個級別升級的平均時間、級別的分布等)，還有用戶的標(biāo)簽情況(地區(qū)、年齡、職業(yè)等)都做了數(shù)據(jù)的抽選跟規(guī)整。另外，還抽選了大概幾十位用戶做深度的交流，了解等級對于用戶的影響，在升級或者融入論壇的過程中有什么困惑或意見。

這次用戶畫像涉及到的數(shù)據(jù)量以及維度都會相對比較多，小圓記得那時候自己還處理了很長一段時間，然后具象出可以刺激推動快速升級的用戶是哪些，已經(jīng)沉睡的用戶都是集中在哪個級別，新用戶的升級積分走勢等等，基于這些情況，整理出相應(yīng)的等級設(shè)置，包括某些等級做了合并，某類等級做了切分，另外積分的數(shù)量所匹配的行為也做了調(diào)整，還有確定了勛章的表現(xiàn)跟刺激點(diǎn)。

用戶畫像可以讓很多運(yùn)營的動作有依有據(jù)，不再僅僅是主觀上的決策。

用戶畫像是需要持續(xù)學(xué)習(xí)優(yōu)化

對于用戶畫像，有人會非常專業(yè)的運(yùn)用工具去實(shí)現(xiàn)，當(dāng)然也會有粗暴的整合方式。小圓也在不斷學(xué)習(xí)的階段，從業(yè)務(wù)的全局去篩選出各個階段用戶畫像的輸出內(nèi)容，引導(dǎo)做出適合的營銷、運(yùn)營以及產(chǎn)品策略，最優(yōu)的配置每一類用戶(不僅僅是單個用戶)的資源投入，盡量大的輸出用戶群的價(jià)值，或者這就是用戶畫像應(yīng)該要有的思維方式吧。