您的位置:首页 >艺术家 >

如何进行用户画像分析「用户画像技术」

时间:2022-12-20 13:41:09 来源:人人都是产品经理

大家好,如何进行用户画像分析「用户画像技术」很多人还不知道,现在让我们一起来看看吧!

编辑导语:对于产品经理来说,做用户调研是一项很重要的过程,能够有效地获取用户真正的需求,那么怎么去做用户调研呢?本篇文章作者将为你解答,感兴趣的一起来看一下吧。

用户调研,就是带着某些调查目的去直达用户,根据用户反馈,记录下当前的某些现象,并对此进行事后分析的行为。

大致的形式包括四种,有从定性角度去考虑的用户访谈,可用性测试;也有从定量角度去分析的问卷调查,数据分析。

对于产品侧而言,无论是哪种形式的用户调研,最终目的均是,在确保调研有效性的前提下,得出什么样的用户倾向于做出怎么样行为的结论。

切勿拿着误以为有效的调研结果做出看起来正确的分析,本质上讲,用户调研是统计学上的问题。

用户调研方法论系列的分享,将分为三个篇章进行,分别是用户画像篇(什么样的用户)、指标体系篇(怎么样的行为)以及调研时间篇(调研有效性)。

本期,主要分享的是,如何思考用户调研中的画像建立。

同时以工具类APP(美的美居)的社区话题(场景知乎)冷启动为例,进行案例分析。

一、画像

什么是用户画像?通俗来讲就是通过某些可收集的指标来对某个用户,或者某类群体进行介绍。

如,居住地为广州的男性群体。

又如,居住地为广州,月均收入≥5k,家庭购买智能家居设备数≥5的男性群体。

从上例子可看出,限制条件越多,某类用户被介绍的越详细,也即用户画像被刻画的越深刻。

特别地,当经过某些限制条件进行筛选后,符合条件的用户数只有1个,则某类群体退化为某个用户。

这就是所谓的互联网黑话——颗粒度,等同于限制条件数量,限制条件越少,颗粒度越大,描述现象越宽泛。

限制条件越多,颗粒度越小,目标现象越明确。

值得注意的是,对用户进行介绍的指标必须是可被收集的,对于产品侧而言这决定了某个画像是否具有分析的意义。

而对于某次用户调研,如何去刻画一个用户,或是某类用户群体,可从四个维度去进行思考,分别是事前画像、事后画像、静态划分以及动态行为。

1. 事前画像&事后画像

用户调研所刻画的画像,是事前还是事后,根据调研前,是否明确用户群类的特征而作区分。

若调研前,目标用户类型已经确认,则该画像为事前画像;若目标用户类型是根据调研后的数据进行反向筛选,则该画像为事后画像。

如,某次收集画像A如下。

性别:男性地区:北京/上海/广州/深圳年龄:25-30岁设备持有:用户家庭所捆绑智能家居设备数≥5操作行为:APP内,日均动态发布数≥2

当上述画像A,在某次用户调研之前已经明确,也即问卷的发放,或者是用户的邀请只在符合上述条件的用户中进行,则为事前画像。

若,符合上述条件的用户是根据某次调研数据结构筛选而来,则为事后画像。

可从如下角度进行两者间的差异比较。

①行为导向

事前画像需要在用户调研前明确调研的目的,知道具体的调研群体。

一般来说,这类画像的选取是APP内的高活跃或是高潜价值用户,产品侧而言对其比较熟悉。

事后画像则具备探索性质,根据某次问卷或平台收集的数据,进行限制条件的确认后,再明确该类群体。

事前画像强调,先知道了用户是什么样的人,再对其行为进行调查研究。

而事后画像则以行为导向,强调探索做出某些行为的用户是一类什么样的群体,是一个反向推导的未知过程。

如,经调研统计,APP内日均消费超过500的用户符合条件B:

性别:男地区:深圳设备持有:用户家庭所捆绑智能家居设备数≥12操作行为:APP内,日均动态发布数≥4

B画像的出现,根据数据统计后,条件筛选再确认,是一事后画像。

②存在与否

对于产品侧而言,用户画像的建立是为了用户调研而服务的,它必须具备相应的实用性和价值性。

而这两者的前提是,用户画像是存在的,也即,对用户进行介绍的指标必须可被收集。

存在性的判断主要出现在事前画像,特别是依据数据库建立的画像问题。

如,产品侧想调研C群体:

该群体作为事前画像进行刻画,前提是在用户群体的选择之前,能判断某些用户为男性,哪些用户的月均收入>5000。

这和产品的埋点体系设计相关,如果任意一个数据库均未储存用户的性别或收入信息,此人群无法被划分确认,该类型的画像仅存在于理论当中,无法在实操中存在。

唯一的解决办法是作为本期需求,对产品的埋点设计进行迭代,重新储存用户的相关信息,用户调研放到下期的需求进行评估。

而对于事后画像,由于其是根据某次调研后的具体数据进行反向筛选,筛选条件已经存在于最终结果当中,因此,事后画像必定存在。

③分类交叉

事前和事后画像的区分依赖于,调查目标的信息是否提前已知。

而后续介绍的静态划分和动态行为的区别,依赖的则是数据指标的变动频率,它们间是互不干扰的。

可理解为事前画像和事后画像、静态划分和动态行为是互补子集关系。而事前与否和动态与否,两者间互不相关。

即,可出现D是静态划分的事前画像,或静态划分的事后画像。

但不可能出现D,即属于静态划分的事前,也属于静态画像的事后,这是互斥的。

2. 静态划分&动态行为

某一类型的特征在某段时间内,被修改的频率,这作为静态划分和动态行为的判断依据。

①修改频率的相对性

静态和动态的区分,不应停留在动与不动,而应关注“动”的频率多少,“动”相对较多,即为动态行为,“动”相对较少,则判断为静态划分。

而这个频率界限不必是一明确的数值,可以是相对的经验判断。

②修改频率的时间性

修改频率的相对性,和时间相关。如,用户的性别,年龄,居住地等可理解为较长时间内不会发生变动,此为静态划分。

而对于,用户的动态发布数,点赞数,评论数等,每天均在变化的操作,即,修改频率较高,则判断为动态行为。

时间和频率是相对统一的。同样是用户的动态发布数,如果把此衡量指标变更为日均动态发布,当日均取的是上一周的情况,本次用户调研进行的是季度情况的调查,则仍可判断为动态行为。

原因在于,按每月四周的时间维度进行划分,一季度包含12个周期,用户的动态发布可理解为,在每个调研季度下发生12次的变动,频率相对较高。

而如果本次用户调研进行的是月度情况的调查,则用户的动态发布行为在统计周期内仅变动4次,相对较少,可进行静态的划分。

③目标行为关联

在01前言中提及,用户调研即是在确保调研有效性的前提下,得出什么样的用户倾向于做出怎么样行为的结论。

调研所得到的倾向性结论,为目标行为,它和用户画像所涉及的动态行为,两者间是强相关的关系。

一句话概括,用户群体E若作出行为α(动态行为),则他/她大概率会倾向于做出行为β(目标行为)的操作。

如,某次的调研目的是,确认在话题【场景知乎】活跃的用户日常喜欢进行哪些操作?

若,把在话题【场景知乎】活跃的用户,定义为发该话题相关的动态较多,则发动态为目标行为。

此时,若选择建立的用户画像为事前画像,则须先行判断所需收集的动态行为有哪些。

即,什么样操作的用户会有倾向性地多发和【场景知乎】相关的话题呢?

反推,这类型的用户,应该是某段时间内,家庭绑定一定基数的智能家居设备。

这类型的用户应该是某段时间内,创建一定基数的设备联动场景;这类型的用户应该是,一段时间内,有查看和场景创建相关的帖子或视频。

④核心操作路径

用户可能操作的行为路径数以百计,在进行筛选时,切不可不加思考地选取。

无论是调研的目标行为,亦或是画像的动态行为,均应是产品侧的核心行为,一般而言,会和APP的产品定位或所解决的用户需求相关。

如,对于一款直播类APP的用户调研,相关的行为选择应是进房频率,频道停留时长,主播关注,主播打赏。

而不应该是头像的设置,个性签名的修改,喜爱话题的添加,这应该是一个社交类APP调研中才关注的焦点。

二、案例

工具类APP社区话题【场景知乎】冷启动调研——用户群类定位。

1)分析选择:事后画像。

2)目标行为:【场景知乎】话题下,动态发布数≥3。

3)时间跨度:2022年3月-2022年4月

4)静态划分:

(1)存量指标:

APP内用户家庭智能家居设备捆绑数≥3(0,1变量,1代表符合条件);APP内用户家庭具备单品场景创建数(场景涉及的设备=1种类型)(整数型变量,≥1);APP内用户家庭联动场景创建数(场景涉及的设备≥2种类型)≥3(0,1变量,1代表符合条件)。

(2)增量指标:

当月内,APP内用户家庭智能家居设备捆绑数,增量≥3(0,1变量,1代表符合条件);单月内,APP内用户家庭具备单品场景的新创建行为数(整数型变量,≥1);当月内,APP内用户家庭联动场景创建数,增量≥3(0,1变量,1代表符合条件)。

(3)用户价值(整数型变量):

单月内,用户进入商城界面日均次数;;单月内,用户查看商城内商品日均品类数;单月内,用户购买商品人均件数。

5)分析:

静态指标的划分在于确定,【场景知乎】话题下,动态发布数≥3的用户大多数原本是怎么样的群体(存量指标),【场景知乎】话题对他的核心行为是否有影响(增量指标),以及【场景知乎】话题能否具备一定的经济效益(用户价值)。

6)动态行为:

(1)来源筛选:

当月内,用户是否关注【场景知乎】话题(0,1变量,1代表符合条件);当月内,用户是否点击【场景知乎】相关动态详情进行查看或收藏(0,1变量,1代表符合条件);当月内,用户浏览圈子类别(整数型变量,1代表直通IoT,2代表日常生活,3代表提问求助);单月内,户浏览非【场景知乎】的日均话题数(整数型变量)。

(2)行为转化(整数型变量):

单月内,用户关于【场景知乎】相关动态的日均点赞数;单月内,用户关于【场景知乎】相关动态的日均评论数;单月内,用户关于【场景知乎】相关动态的日均分享数;单月内,用户关于【场景知乎】话题的日均分享数。

(3)行为相关(整数型变量):

单月内,用户日均浏览场景相关的内容帖子数;单月内,用户日均浏览场景相关的视频播放数。

(4)社交关系:(整数型变量):

单月内,用户通过【场景知乎】相关动态详情页,浏览up主个人主页次数;单月内,用户通过【场景知乎】相关动态详情页,关注up主人数;单月内,用户通过【场景知乎】相关动态详情页,收藏动态数。

7)分析:

动态行为的区分目的在于确认,做出什么样行为的用户,倾向于单月【场景知乎】话题下,动态发布数会≥3。

来源的筛选在于判断后续引流的渠道;行为的转化在于作为当前话题效果的衡量;行为的相关在于等价参与当前话题的路径;而社交关系的建立则在于预测话题裂变的速度。

上述的用户画像建立是一个框架的思考过程,仅提供想法上的借鉴,实际的操作过程,颗粒度理应更小。

同时,有关次数和人数的差异,本质上来说是pv和uv的区别,工具类APP社区话题冷启动-以美的美居APP-场景知乎为例(入口&漏斗篇)这篇文章有相关的描述。

三、总结

用户画像建立后的语言描述,是一个倾向性的百分比或行为集合。

如,对于上述案例,最终的总结报告可能是:在【场景知乎】话题下,动态发布数≥3的用户,70%在参与话题前家庭智能设备捆绑数≥3。

60%在话题参与后单月新增联动场景创建数≥3。

他/她日均进入商城次数达7次,通过【场景知乎】相关动态详情页,关注up主数日均为5人。

用户画像的建立也只是做用户调研的第一步,如上述倾向性的百分比或行为集合形成后该如何分析。

怎么样构建测量目标行为的指标体系,用户调研在确认调查的方式方法后该在什么时候进行,都需要相应的方法论去支撑。

高楼不是一天建成的,须先明确,做出某些行为的用户他/她应该是一类什么样的群体,切勿拿着错误的例子去论述误以为正确的行为,这会贻笑大方。

本文由 @一个学统计的PM 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于CC0协议。


郑重声明:文章仅代表原作者观点,不代表本站立场;如有侵权、违规,可直接反馈本站,我们将会作修改或删除处理。