作為一名非技術型的運營，怎么理解并做好用戶畫像？
Warning: Invalid argument supplied for foreach() in /data/cxweb/www/gupowang.com/public/article/view.html on line 71
7年前
來源 | 粉小圓
作者 | 粉小圓
用戶運營涉及的內容蠻多的，希望通過這個月的主題做一次思路的整理。這個一邊學習新知識，一邊總結過往經歷的過程，還是蠻有趣的。
用戶畫像是很多運營口頭上經常會提及的，只是并不是每一個運營在做的用戶畫像時都是有理有據，適合而且到位的。為什么這么說呢？小圓接下來從用戶畫像的知識系統梳理，還有親身實操經歷，盡量真實還原出用戶畫像在運營實際落地工作中，到底是怎樣的存在。
用戶畫像（personas）
交互設計之父Alan Cooper最早提出persona的概念：“Personas are a concrete representation of target users.”Persona 是真實用戶的虛擬代表,是建立在一系列真實數據(Marketing data,Usability data)之上的目標用戶模型。
通過用戶調研去了解用戶,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,然后每種類型中抽取出典型特征,賦予名字、照片、一些人口統計學要素、場景等描述,就形成了一個人物原型(personas)。
[內容摘抄自網絡]
一、用戶畫像有什么用？
在實際的可行性運營中，沒有多少產品會把目標用戶設置成所有人。大多產品都是聚焦在某類特定的服務對象，用戶畫像就是將目標的那群人清晰化的過程。用戶畫像對于營銷策略，產品跟服務的提升，還是渠道投放的優化，都非常重要。
淘寶通過機器人學習去優化用戶瀏覽頁面中商品的展現，越來越多的新聞客戶端通過算法為用戶推送個性化的內容.....基于用戶畫像而做的優化還是蠻多的，不管產品、運營還是營銷層面。
- 優化用戶體驗
不僅對用戶瀏覽體驗優化，還包括產品消費過程的優化。
- 實現精準化營銷
顯現用戶的喜好跟需求屬性，在跟用戶點對點交互中，精準的匹配個性化的業務內容。
- 關聯數據挖掘
結合過去的畫像數據及未來畫像數據的變化，對用戶做數據關聯的挖掘。
不管是通過市場抽樣調研的方式，還是基于用戶數據追蹤跟沉淀的方式，重要的是對獲知的信息跟數據經過清洗、匯總、整合跟統計，描繪出用戶群與轉化最密切關聯的“樣子”。把用戶畫像做好了，可以減輕團隊成員中主觀因素對產品、營銷策略的影響，設計出更貼近用戶選擇，心中所想要的產品。
二、用戶畫像的幾種場景數據
1、網站內容
- 網站頁面分析
- 訪問量、點擊率、熱點圖、人均流量頁面、停留時間、關聯跳轉等
- 用戶體驗
- 跳轉率、關聯標簽點擊情況、頁面轉化、用戶流失率等
2、流量情況
- 渠道效果
- 來路、點擊訪問量、人均訪問頁面、停留時間、轉化率、跳轉率等
3、電商交易
- 頁面流量
- 點擊量、人均瀏覽頁數、跳失率、轉化率等
- 用戶銷售轉化
- 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、復購率等
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、訪問時長、活躍度等
三、用戶畫像的操作過程
我是一個非技術型的運營，對用戶畫像會偏向通過數據簡單整合、與用戶多維度溝通過程中實現。這跟很多專業的產品經理會有很大的差距，不過小圓也在不斷學習跟實踐中，這文章更多的是小圓對于用戶畫像學習跟復盤經歷的過程。小圓所理解的用戶畫像過程并不會很復雜，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有效的數據上，在做用戶畫像的過程中要對數據做篩選整合，首先并不是所有數據信息都有用，其次，數據還會有主次重要跟非重要的區別。每一個公司的不同階段，構成用戶畫像的數據維度會不一樣。
用戶畫像維度的篩選是為了指引營銷、產品或者運營指標，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，客服銷售關注的是用戶的購物情況，產品運營關注的是頁面的用戶體驗變化，渠道推廣關注的是用戶在流量上的表現。
有人會認為維度越多越好，這樣用戶畫像的結果就會更全面。但是小圓并不是這么認為，用戶畫像是一個動態的過程，強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研時總是覺得數據量不夠，然后花非常多的時間去做數據的匯集，到最后做營銷決策的時候，反而因為數據收集時間太長，很多維度因為時間拖延而失去了時效性價值。
為了不出現這種情況，把用戶的數據維度分成：靜態維度、動態維度，然后歸類維度屬性，接下來就開始進入到數據信息收集的過程了。
2、數據信息收集
收集數據的方式方法，會決定數據是不是有效的。線上運營比較常用的方法就是對用戶進行“監控、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。
當然，也有數據跟蹤，用戶調研兩者結合的方式收集用戶數據信息，例如電商運營，除了跟蹤用戶購物下單等數據之外，還可以篩選出特定的用戶做訪談調研，例如：橫比產品的選擇偏好，對于產品消費過程中的反饋等等。
3、數據建模分析
數據是零散的，或者是表面的，用戶畫像要對收集到的數據做整理，比較常用的是通過數據建模的方式做歸類創建。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。而對于技術工具層面的數據建模，感興趣的可以看推文的第二條。
在數據量不大，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，但是在產品還沒有推出或者數據量不大的情況下，運營還未進入深度精細化階段，對用戶畫像的初級處理，也能避免很多決策過于主觀化。
在數量比較多，用戶畫像精細化的情況下，就需要通過一些用戶畫像的工具做數據的整理了，通過對數據進行規整處理，然后做例如聚類，回歸，關聯，各種分類器等算法做處理。關聯性分析和RFM模型都是用戶畫像中數據建模分析常用的方式。我對于這塊的內容，還在學習探索階段，在這里就不展開討論了。
關于用戶畫像的幾個實操經歷
其實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，沒有耐心經過那么長流程的用戶畫像去做沒有直接刺激大量銷售轉化的優化，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用去做用戶畫像。另一方面，很多公司忽略了對用戶數據的追蹤設置，當需要用戶畫像的時候，要么是數據缺少，要么是數據混亂來源不清。
我的的相關的運營經歷中，有開始關注用戶畫像的，也有對用戶畫像完全不在意，甚至是沒有概念的，希望真實的還原這個過程，給大家，給自己一些啟發。
1、初始階段：產品推出前
① 產品原型確定前，做深度開放式用戶訪談很重要
互聯網產品推出前，可能會有一些競品的數據幫助做用戶畫像，但是可看到的數據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研。
我在團隊中主要負責運營版塊，產品上線前團隊已經有了很多次的討論，因為團隊人員專業跨度大，從運營角度、用市場角度、用產品角度、從內容角度，對于用戶的理解都會有所不同，這讓目標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品差異點，清晰產品是面向什么人群，以及整個業務的發展戰略。為了相對的讓用戶畫像清楚具象一點，我們從寬泛確定下來的目標人群中，基于不同屬性（從業時間、專業方向、地區等）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去做了幾個核心維度的整合篩選，最終慢慢清晰下來產品能夠解決用戶哪方面的需求，各個階段核心的重點策略方向。
在團隊中，每一個職能的人對于用戶的理解，都會有一定主觀專業因素在里面，誰也說不準到底誰說的是對的。所以，去深度的做一些用戶訪談調研非常必要，特別是在產品原型確定階段。而對于用戶調研訪談，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，有利于后期的數據篩選跟整合。
① 定性用戶畫像對于新品營銷策略的幫助
那時候我們準備推出一個面膜新品，我們希望從產品中增加差異化的亮點（專利、使用方法、成分等都做了考慮）。團隊經歷了比較激烈的討論，很多點子還是不錯的。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聯度比較密切的用戶畫像吧。首先，我們對數據的維度做了篩選，聚焦在“面膜的復購頻次、面膜的客單價、面膜的關聯銷售產品”等。接著我們篩選了大概500個用戶做問卷調查推送，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，還有屬性內容歸類的方式，把用戶跟這次新品營銷關聯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購頻次的關聯，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，其實對于團隊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，使用流程的設計。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，銷售量就不延伸了，因為這個當時還涉及到一些比較復雜的情況。
2、增長階段：實現產品的精準營銷
用戶畫像缺失，對于營銷會有什么影響？
我曾經負責過一段時間投放的工作，通過投放引流到微信再做進一步的營銷轉化。那時候用戶數據量還是蠻大的（好友數、購物情況等數據），但是從運營角度回顧這段經歷，用戶畫像是缺失的。
一方面可能跟銷售的產品比較敏感有關，基于產品用戶的投訴率比較高，深度去維護用戶的價值相對不會太明顯，另一方面產品品類單一，SKU非常少，用戶畫像延伸的更多需求匹配表現不夠充分。那時候對于用戶的理解，更多的是依賴銷售人員或者推廣人員感性主觀的認知。
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，通過微信群發的方式推送給不同的用戶。每一次推送，對于關注的用戶都是一次傷害，那時候會有賬號被舉報，也有用戶不斷流失，復購轉化后勁不足。
其實，很多用戶服務做得一般的電商公司會這么對待用戶。統一的郵件，通發的短信，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，篩選出深度維護用戶，沉睡用戶......根據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：用戶畫像對設計用戶體系的引導
用戶畫像可以避免很多“自以為是”的運營動作
我在負責論壇運營時，在第一次去調整會員等級、積分體系、勛章系統時，這段經歷可以說是一個挑戰。現在回過頭去看，那時候自己對于用戶畫像的操作有太多生澀的地方，但是第一次意識到用戶畫像對于運營的意義，真的可以排掉很多“運營的雷區”。
會員等級、積分、勛章如果設計的合理，是可以產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計算法，但是當時用戶的數量開始不斷增多，產生的行為動作也越來越復雜，簡單的引導已經滿足不了了。為了讓這個比較大的調整不至于對用戶的影響太大，同時對論壇的發展也是有幫助的，加上當時在簡單的流量數據中很難做出相對合理的規則設置。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）。
基于數據，主要對用戶的活躍情況（發帖量、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），還有用戶的標簽情況（地區、年齡、職業等）都做了數據的抽選跟規整。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據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，整理出相應的等級設置，包括某些等級做了合并，某類等級做了切分，另外積分的數量所匹配的行為也做了調整，還有確定了勛章的表現跟刺激點。
用戶畫像可以讓很多運營的動作有依有據，不再僅僅是主觀上的決策。。
用戶畫像是需要持續學習優化
對于用戶畫像，有人會非常專業的運用工具去實現，當然也會有粗暴的整合方式。我也在不斷學習的階段，從業務的全局去篩選出各個階段用戶畫像的輸出內容，引導做出適合的營銷、運營以及產品策略，最優的配置每一類用戶（不僅僅是單個用戶）的資源投入，盡量大的輸出用戶群的價值，或者這就是用戶畫像應該要有的思維方式吧。
投稿請戳這里！投稿
文章評論(0)