用户研究：深度解析用户画像

“用户画像作为一种设计工具，可以很好得帮助设计师跳出“为自己设计”的惯性思维，聚焦目标用户，发现核心价值，赋能产品，在互联网各类型产品中有广泛的应用。 在产品研发过程中，产品、设计、研发等人员经常会提到“我们要为目标用户设计”、“我们的用户是谁”等字眼，可见找准目标用户在产研过程中至关重要。用户画像作为一种设计工具，可以很好得帮助设计师跳出“为自己设计”的惯性思维，聚焦目标用户，发现核心价值，赋能产品，在互联网各类型产品中有广泛的应用。”

前言：

当我们在淘宝搜索一本书时，淘宝就会推送相关书籍，再回到首页，立刻会发现首页下面的推荐似曾相识，不止是淘宝，甚至会推送到支付宝，其他相关软件也是如此。当你刷抖音浏览视频时，下次，还会有更多相关的视频推送给你，是的，软件会根据你的浏览和搜索喜好进行推荐。这就是我们在这个大数据时代，很多时候我们会被打上“标签”，比如我们在逛淘宝时，或者是抖音时，这就是对于用户的精准投放，有效地提高转化；下面我们就来聊聊用户画像！

在产品研发过程中，产品、设计、研发等人员经常会提到“我们要为目标用户设计”、“我们的用户是谁”等字眼，可见找准目标用户在产研过程中至关重要。用户画像作为一种设计工具，可以很好得帮助设计师跳出“为自己设计”的惯性思维，聚焦目标用户，发现核心价值，赋能产品，在互联网各类型产品中有广泛的应用。

本文将介绍用户画像概念、价值以及如何从0到1构建用户画像，希望阅读后能让大家了解用户画像相关理论，并有助于后续对用户画像的深度学习。

一、认识用户画像

1. 什么是用户画像

用户画像是一个描述用户的工具。刻画出用户个体或者用户群体全方位的特征，为运营分析人员提供用户的偏好、行为等信息进而优化运营策略，为产品提供准确的用户角色信息以便进行针对性的产品设计。

用户画像是根据用户社会属性、生活习惯和消费行为等信息抽象出的标签化用户模型。

用户画像核心价值在于了解用户、猜测用户的潜在需求、精细化的定位人群特征、挖掘潜在的用户群体。

结合媒体网站、广告主、企业及广告公司得到的数据深度挖掘群体用户的特征，根据族群的差异化特征和共性特征，帮助客户找到营销机会、运营方向，全面提高客户的核心影响力。

用户画像系统集用户画像的生产与应用于一身，对外（如产品运营、推荐系统等）封装提供用户画像信息，以便对产品更好的设计以及对用户更好的运营。

第一种用户画像，即User persona

根据Alan Cooper的《About Face》，是基于产品对真实世界的观察，抽象出来的具有代表性的虚拟用户模型，有时也被称为综合的用户原型（Composite User Archetype）。这个概念最早由Alan Cooper在《The Inmates are Running the Asylum》（软件创新之路）一书中提出，后续在多处书籍进行了不停的完善。

这个画像主要特征如下：

（1）描述一个用户画像包括角色描述和用户目标

这里角色描述是指如名称、年龄、位置、收入、职业等，这类角色描述主要是为了使用户画像更丰富、真实，具象；重点关注的是用户动机，用户目标是其动机。

（2）可以代表相似的用户群体或类型，也可以代表个体

User persona是抽象的、虚拟的，代表一个典型的用户群体；虽然也可以代表个体，但个体并不是实际独立的个人，而是从实际观察研究中综合而来。

（3）须针对具体情境-具体产品的行为和目标

User persona研究的是用户在具体情境下对产品的使用，关注其在一定范围内的行为、态度、能力、动机等。即使同一个角色，在不同产品下的动机也是有差异的，一般来说不轻易在不同产品间复用，需要考虑不同类产品的切入场景。

第二种用户画像，即User portrait

是指用户信息标签化，通过收集用户多维度的信息数据（如人口统计属性、社会属性、行为偏好、消费习惯等），并对其进行统计、分析，从而抽象出的用户信息全貌，相比user persona，它更侧重于数据挖掘、标签体系搭建。

这类画像主要特征如下：

真实性：集合了每个个体的真实信息，如既有人口统计属性等静态信息，也有用户行为的动态信息。

时效性：用户动态信息并非一层不变，可以实时追踪其变化。

 覆盖度广：既能监测到用户感兴趣的内容，也可以看到其不感兴趣的内容，维度众多，颗粒度粗细均有。

2. 用户画像（User Profile）与用户角色（User Persona）区别

经常有人搞不清楚用户画像与用户角色的区别，其实两者本质上是不一样的，先来看看两者的对比图表：

a.性质：用户角色为定性研究，只考虑用户的特征性质不考虑程度，而用户画像是对用户的精细刻画，为定量研究。

b.使用时机：一般来说，用户角色的使用场景在产品上线之前，此时几乎没有任何数据，需要产品同学针对产品的使用方进行特征描绘，以便了解目标群体进行针对性的设计；用户画像的使用场景在产品上线后，此时已积累了一定的数据量，可以对用户进行数据统计构建用户画像，获得精细化运营的能力。

c.描述程度：用户角色是对某个用户群体特征进行高度概括，用户画像是对用户个体或者用户群体的精细描述。

d.用途：用户角色用于辅助产品进行设计，研究用户体验，例如权限控制系统会分为以下几个角色：分析师、产品、运营、数据科学家等角色，用户画像用于了解用户特征以及偏好，以便提供个性化的服务和提高盈利。

3、用户画像的现状

认知缺失  成本原因   人才缺失

用户画像是用户研究的一个重要的研究方法论，他可以帮助我们，对用户进行分类，可以帮助我们产品在产品方向、产品运营、用户体验…方面提供重要参考依据。但是，国内的市场大环境，虽然近两年公司对用户研究，交互这块慢慢重视起来，但从身边了解情况来看，从整个圈子来看，重视|懂交互，用户研究的还是很少。

认知原因

有能力做，但是不做。那有可能是决策者的认知问题，也可能是时间优先级觉得缓一缓。

成本原因

用户研究花费的成本相对是比较高的，花费的时间和人工成本都比较高。公司的体量和项目的周期，不满足做用户研究这一块。

人才缺失

真正懂得相关用户研究的专业人才很少。

所以，我们有必要在深入去了解相关的一些用户研究的方法论，其中用户画像是用户研究中非常重要的一个方法论之一，熟悉和了解用户的相关的人群基础属性、喜好、行为、目标、观点，成为我们了解我们目标用户的重要相关指标，也就是接下来我们通篇要谈的用户角色(Persona)

4、用户画像为什么难做？

当我们意识到用户画像很好用的时候，那么用户画像为什么难做？为什么我们总觉得，用户画像是搞了一堆数据堆在那，最后没有什么用呢？因为想做出有用的用户画像，需要规避以下几点：

a.没有明确干什么 

b.数据质量没保障

c.不打标签只捞数

d.效果缺少验证，更没有迭代

a.没有明确干什么

当我们在做用户画像时，没有明确的知道到底在干什么。对应到工作中，很多人做用户画像是基于：“领导要求做”“我看人家都在做”。没有一个目标的判断。我们常遇到的问题有哪些呢？

为什么要做用户画像？

哪个部门来做？做完了给哪个部门来用？

用户画像用在上面场景？提升什么指标？

目前的指标是多少？预计提升多少？

提升指标需要什么配套？

如果这些问题都没有明确，那么我们做用户画像的结果也是没有用的。

b.数据质量没保障

对应到工作中，就是我们常说的数据质量，数据质量是一切分析的前提，而很多公司是低估了数据采集的严谨性的。在所谓“标签扩散法”出来以后，更有一帮做数据的新人，自己都以为不要采集，只要有算法就能算出真实数据了，这就真的是自断生路了。数据质量，永远都是越高越好。

  c.不打标签只捞数

标签作用的直观体现：含义丰富，使用方便。有时候大家采集了数据，还得继续打标签。标签是经过提炼，有含义的数据分类，比原始数据要有用的多。

d.效果缺少验证，更没有迭代

说到标签有用，很多人对标签狂热，疯狂打标，不管是否有用，有多大用，总之标签越多越好。可没有验证过效果的标签，跟没有一样。更不要提基于初级标签，再制作更复杂的二级，三级标签了。

二、为什么构建用户画像

1、用户画像的内容与特征

用户画像一般可以按照行为特征、基本属性、消费特征、交易属性、潜力特征、兴趣偏好和预测需求等方面组织。当然，因为业务的差异，可以根据自己业务的特点添加不同的特征构建用户画像。

行为特征：主要用来记录用户的行为操作信息。例如，网页端的日启动次数、周启动次数、月启动次数、使用活跃度、最近浏览页面及浏览时间等。

基本属性：描述用户的一些基本特征，用来反映用户的通用信息。例如，用户ID、昵称、性别、年龄、手机号、城市、注册时间、活跃度、流失倾向等。

消费特征：主要用来记录用户的下单购买行为。此处可以用RMF模型记录用户的最近购买时间、消费价格、消费频率等。

交易属性：主要用来记录一些交易的偏好。例如，订单总数、交易额、支付时间间隔等。

兴趣偏好：主要是针对性的找一些兴趣点，用来区分用户。兴趣偏好往往结合日常营销推广活动设置。例如，品牌偏好、房型偏好、品类偏好、星级偏好、菜品口味偏好等。

潜力特征和预测需求：主要用来分析用户的价格敏感度和目标价位等。

（1）基础特征

从基础特征来说具有：标签性、真实性、实用性。

鲜明而独特的标签是我们连接目标用户的依据，告诉我们为什么选择这类用户而不是那一类用户，同时可以让设计团队进一步验证产品定位。在标签不断被丰富的过程中，用户的形象也在不断变得立体，产品与设计的思考决策随之会更全面

可信的真实度可以让设计师、产品经理较为有依据地对客户的诉求进行把握不至于被错误的信息影响设计目标的确立，同时这也是在项目推进的过程中与各部门沟通强有力的凭借和背书，能有效地抢夺设计过程中的话语权，所以一定要尽量去对你的目标客户进行最大程度的真实还原

实用的意义主要存在于项目工作效率中，在B端的设计和产品中会比C端更加强调效率，项目的进程总是一环扣一环，前一个环节的错误都必然会影响到后面的环节，从而影响整体的进度，好的用户画像是一定能为你的设计开个好头，准确切中正确用户的正确需求，以其实用性大大提升整个团队的生产效率

（2）关键特征

关键特征，就是该用户（或者该用户群体）有显著特点的特征。

a.单个用户的关键特征

对于单个用户而言，关键特征其实只有一种，那就是个体特征。

强调一下，单用户的关键特征一定是需要参照物（即对比人群）的，且对比人群是群体，而非个体。不然1个人和1个人进行比较，有啥关键特征可言呢？

b. 群体用户的关键特征

对于群体用户，其实有两类关键特征：一类是绝对特征，一类是相对特征。

所谓绝对特征，只需要看该群体的特征分布即可，是不需要进行对比的。

所谓相对特征，就是强调了对比。

正向特征：意思是该特征和对比人群比，明显偏高

逆向特征：这个意思恰恰相反，是和对比人群比，明显偏少。

为啥绝对特征没有逆向的细分呢？因为绝对特征的逆向特征是不可穷举的从很多情况之下，相对特征的应用场景更广泛，也更科学一些。

2. 为什么要构建用户画像

(1) 对内意义

    a.统一设计目标

通过制作一个客观的用户画像，有助于统一设计目标内部达成共识，减少无谓的辩论，大家心目中的用户不可避免带有各自的主观因素，结果经常导致公说公有理婆说婆有理。但是这样的争论其实是没有意义的。

   b.避免为自己设计

我们经常会发现一些软件，界面超级好看，当我们下载下来使用了几天后，就卸载了。这是就是“为自己设计”的典型情况。对于设计师来说，他们设计出了超级酷的界面，使用此类产品会有很大的满足感，但用户很少会这么认为。作为设计师，我们并非产品的目标用户，我们的经验和想法并不等于用户的经验和想法。

   c.避免弹性用户

我们经常在做设计时，为了说服自己，就强行推给用户一个需求，认为这个肯定也是用户需要的，结果”用户”变成了一个弹性概念，为了适应我们的观点和假设，不断地变化。最终把很多精力和时间浪费在了并不重要的功能方面，产品成功的关键是目标而非特性，通过用户画像，可以帮助我们时刻聚焦在帮助企业完成目标上，而非做功能堆砌。用户画像给了我们一个强有力的工具，让我们辨识出伪需求。

(2) 对外意义

a.良好的沟通工具

相比流程图和功能列表由于用户画像是以叙述方式描述产品的目标用户，这使得它非常易于理解，可以让团队中的所有人迅速理解到用户，保证产品设计过程中都时刻记着设计目标。相信大家遇到过这种情况，根据需求文档设计出来的功能，被开发砍掉，在有了用户画像之后，为讨论哪些功能是否该砍掉提供了更有力的依据。

b.提高设计团队的话语权

设计师经常在团队里会出现话语权不足的情况，这是由以业务的中心的特征决定的，越理解业务话语权自然也越高，在做用户画像的过程中，设计师对业务的理解也会更深入一步。用户画像使得自己的设计有理有据，提升设计提案被通过的可能性，提高设计团队在公司的话语权。

c.帮助营销团队做精准营销

除了产品开发团队，用户画像也会为其他团队提供价值。营销团队根据用户画像提供的信息，结合他们本来已有的市场画像，更容易找到目标用户做精准营销，提高广告的精准度和命中率。

3、用户画像的场景

用户画像概况可应用于以下三个场景：

产品设计：开发前期的产品定位设计；

  产品营销：指导运营对特定用户进行推送活动信息，推广信息，个性化推荐等。

产品决策：分析用户画像统计对产品的发展现状和发展趋势进行预测，及时调整产品发展路线。

按照用户标签的生产方式可分为：

    统计标签：现有的可以直接从数据中提取出来的标签；包括用户自然属性，用户行为统计等信息。

    规则标签：自定义规则进行标签建模；根据业务流程提取需要统计的标签。

    算法模型标签：根据机器学习等算法进行用户行为预测分类；具有不确定性、开发周期长、成本高，因此系统中此类标签数量较少。

4、用户画像的应用领域

精准营销：根据人群定向进行营销活动，能使营销更效率，在相同的成本下得到更好的总体转化效率。例如，向工人们推送快餐店的优惠营销活动，而没有必要高端人群推荐里的比较近的快餐店促销活动。

推荐系统：用户画像、用户行为分析高转化率个性推荐的极重要的数据基础。例如，向有收藏机票行为的商旅推送距离机场较近的酒店及餐厅。

搜索排序：在细化场景，把人群定向与意图分析相结合，精细提高转化率的过程中，可以根据人群标签进行有针对性的排序。例如，给刚生完孩子的宝妈推荐奶粉。

筛选排序：在细化场景，精细提高转化率的过程中，可以根据人群标签进行有针对性的排序。例如，当预定五星级的商旅用户筛选餐厅时，把品质较高的餐厅排在前面。

用户分析：把用户画像和用户行为分析相结合，能够发现更高质量的用户人群。例如，在寒暑假的时候，很多孩子和父母一起去迪士尼乐园游玩。

商家分析：分析商家近期客户的用户行为与用户画像，能够更好地帮助商家发现商机。

三、用户画像的益处与价值

1、用户画像的益处

 a.用户画像可以使产品的服务对象更加聚焦，更加的专注。

在行业里，我们经常看到这样一种现象：做一个产品，期望目标用户能涵盖所有人，男人女人、老人小孩、专家小白、文青屌丝…… 通常这样的产品会走向消亡，因为每一个产品都是为特定目标群的共同标准而服务的，当目标群的基数越大，这个标准就越低。换言之，如果这个产品是适合每一个人的，那么其实它是为最低的标准服务的，这样的产品要么毫无特色，要么过于简陋。

纵览成功的产品案例，他们服务的目标用户通常都非常清晰，特征明显，体现在产品上就是专注、极致，能解决核心问题。比如抖音，一款音乐创意短视频社交软件，面向自己动手，自娱自乐的人群服务，简单易使用，用户特征非常明确。比如苹果的产品，一直都为有态度、追求品质、特立独行的人群服务，赢得了很好的用户口碑及市场份额。所以，给特定群体提供专注的服务，远比给广泛人群提供低标准的服务更接近成功。

 b.用户画像可以在一定程度上避免产品设计人员草率的代表用户。

代替用户发声是在产品设计中常出现的现象，产品设计人员经常不自觉的认为用户的期望跟他们是一致的，并且还总打着 “为用户服务”的旗号。这样的后果往往是：我们精心设计的服务，用户并不买账，甚至觉得很糟糕。

 c.用户画像还可以提高决策效率。

在现在的产品设计流程中，各个环节的参与者非常多，分歧总是不可避免，决策效率无疑影响着项目的进度。而用户画像是来自于对目标用户的研究，当所有参与产品的人都基于一致的用户进行讨论和决策，就很容易约束各方能保持在同一个大方向上，提高决策的效率。

2、客户画像的价值

产品和服务只是企业将价值传递给客户的一种工具和媒介，无论产品形态如何，其本质都是在解决客户的问题。如果没法满足客户的业务需求，基本上该产品对客户是没有价值的。客户画像作用贯穿产品生命全周期，产品/市场/销售较为关注，它的价值主要体现有三点：

对产品：明确为谁服务，快速的了解客户的需求和状况，确定产品功能设计，学会识别用户的解决方案和用户在场景下的诉求，不断迭代调整产品；

对市场/运营人员：建立对客户尽量全面的了解并基于客户画像确定营销内容、营销策略和渠道选择，使产品的服务对象更聚焦；

对销售人员：帮助销售进行客户筛选，找到有效客户，提高转化率，确定业务方向和销售打法。合理配置团队，完成KPI。

客户画像越早建立越好，但是务必注意控制深度和成本，因为不同阶段的企业其侧重点有所不同。在初创期，产品团队可以通过关注典型客户来积累定性数据，从而低成本搭建客户画像；而到了成长期和成熟期，在拥有大量客户数据的前提下，企业可以逐渐过渡到使用定性&定量相结合的方式来形成更为清晰的客户画像。

3、角色画像的价值

之前，在各个产品还没有那么成熟的时期，大家都遵守一个原则，能用是第一位，用户体验不重要。所以大部分的企业在跑马圈地时期是不注重用户体验的，企业有客户画像，却未必有角色画像。

现在随着产品不断的成熟，用户需求不断的增加，对企业来说，改善产品用户体验，了解使用产品的终端用户，构建角色画像愈加重要。而角色画像作为产品和设计师比较关注的画像，有以下三点价值：

 设计前：帮助确立设计目标、设计策略与准则

 设计中：解决架构混乱问题，明确需求功能的合理性和优先级；解决需求争议

问题和沟通问题，与团队成员就服务目标达成共识

   设计后：解决可用性测试问题，帮助我们锁定合适的测试用户

总结一下就是角色画像是产品的根基，客户画像是产品的外延生命力的象征，两者相辅相成。

4. 用户画像的业务价值

用户画像的业务价值有哪些呢？例如，我们以一个针对影楼相册设计软件为例，随着产品成熟引入一些付费服务模块，比如选片，设计，服务等模块。我们进行了一次用户画像分析，以此实战作为案例从以下四个步骤拆解：

（1）明确业务目标（2）提取数据数据提取的关键 （3）数据分析、提出策略 （4）策略验证与优化

（1）明确业务目标

（2）提取数据数据提取的关键： 

基于我们目标梳理清楚我们需要哪些数据，然后针对性的捞取数据：

（3）数据分析、提出策略

这一步需要一定的数据分析能力，所以很多时候数据分析都会由专门的数据运营人员来完成。

a. 数据处理与分析：像上面捞取的数据，只要我们思路清晰了，其实大部分都可以用excel做统计就可以完成.

b. 报告输出：结论先行+数据支持。用户画像需要输出一份可视化的报告，因看报告的并不清楚数据分析思路，因此在报告呈现时一定要结论先行提高可读性，而不是单纯的摆数据。

c. 基于业务目标的策略输出：在输出报告的最后应该给出一套相对完整的策略方案总结。

（4） 策略验证与优化

这里特别强调2点：

  可衡量：就是在方案落地前我们要先想好通过什么指标来衡量我们的策略，包括目标（如活跃用户付费率）、观察指标（漏斗转化、留存分析、不同用户付费对比分析等）；

   可调整：我们很难确保最开始的策略就一定有效的，需要小步快步不断地基于指标调整，在方案落地前就需要想好有哪些可能的调整方向。

经过这四步的拆解，不仅有了一份完整的画像分析报告，还能跟进其在业务目标上的价值，当然需要实践操作才能慢慢熟悉。

四、从数据的思路，搭建用户画像系统

1. 数据分析的本质是什么

数据分析的本质是获得信息和知识，从而在判断和决策中使用。我们设计的分析模型、可视化方案，实际上都是为了得到一个最好的方法进行信息的展示。当我们通过数据分析，得到了信息和知识后，最后都是需要落地的，这个落地的操作可能是我们改进了自己的产品，也可能是我们在运营中优化了策略……

从目标上划分，数据分析又可以分为三类：描述式分析、预测式分析和决策式分析。

 描述式分析：将数据信息进行整合，选择一个最优的可视化方案，进行事实的陈述；

   预测式分析：通过已有的沉淀数据，进行后续的预测，预测式分析是有探索性，他的目标是辅助我们的判断；

决策式分析：通过对比、实验等手段，直接反应情况，给出明确的好坏，从而直接进行决策。

所以说，一个分析系统，至少要包含描述式分析的能力，这样信息的获取是不成问题。再进阶就是增加预测式和决策式的分析能力，让分析师可以更高效、更准确的解决问题。

数据分析的本质是获得信息和知识，从而在判断和决策中使用。根据分析的方法和目的，数据分析可以被划分为：

描述性分析（Descriptive Analysis）：将数据整合为一份可视化的报告，进行演讲或陈述，但它不能解释某种出现的结果及未来发生的事情。

（1） 信息可视化

预测性分析（Predictive Analysis）：预测性分析不仅可以对数据特征和变量（可以假定取消范围的因素）之间的关系进行描述，还可以基于过去的数据预测未来。

预测性分析首先会确定变量值之间的关联，然后基于这种已知的关联预测另一种现象出现的可能性。

（2）预测分析

决策性分析（Decision Analysis）：通过对比、验证等手段，直接反应情况，给出明确的好坏。

所以要分析数据，至少要包含描述性分析的能力，这样获取的信息才有价值。剩下的就是进阶能力，预测和决策了；让用研和产品同学更高效的、更准确的解决问题，而不是纸上谈兵“我认为”、“我感觉”。

静态信息数据：静态数据在很长的一段时间内不会变化，一般不随运行而变。包含有：人的基本属性，公司基本属性、商业属性等等；一般来说，做调研获得的静态数据都是真实的信息，无需进行分析和清晰。

动态信息数据：动态数据是常常变化，直接反映事务过程的数据，比如，网站访问量、在线人数、日销售额等等，也就是用户不断变化的行为。

得出的数据是为了完成用户画像的架构图：

2.采集数据

按数据采集方式5个要素：

（1）紧紧围绕研究主题和目的

（2）题目易读、易理解、且具有一般性

（3）充分考虑被调者特点

（4）充分考虑问题排序（循序渐进）

（5）充分考虑统计便利性

3、什么是用户画像系统

什么是画像系统？用户画像系统是一个以用户为分析对象，通过各种方法将用户信息进行展示，提供给分析人员全面、准确并具有指导意义的信息，从而优化运营的策略。

画像系统最为核心的三个能力，分别是：信息的加工生产能力、信息的分析展示能力和信息的传递能力。我们将其比作一次画画流程：信息加工生产就是我们的原材料，他决定了我们可以做尝试哪些画（比如油画，水彩，水粉，彩铅，素描等）；信息的分析展示就是我们画出来的画，技巧、顺序都会影响我们的绘画效果；信息的传递是我们绘画依托的材料（纸张，画布等），如果没有绘画的材料，一幅经典的画也就无法被欣赏。

用户画像系统可以做什么？掌握用户特征，更好的进行用户群选定，提升运营效果。

4、如何搭建用户画像系统

抓住画像系统最核心的三个能力，我们的搭建思路也围绕这三点进行展开。分别是：内容生产、画像分析和对外输出。

（1）数据的采集、加工和生产：

数据的采集可以参考市面上主流的大数据平台进行数据的采集和治理即可。通过埋点的方式，我们需要将用户在产品中的行为进行记录上报。尽可能准确、全面的采集核心链路的数据。数据的的加工和生产，实际上就是我们标签体系的搭建。文章后半段会单独讲述如何搭建一个标签体系。在实际的操作中，还需再额外考虑几个点：

a. 历史的记录：因为我们在为用户画像做数据储备，所以在预想范围内是无法避免对一个用户的历史状态进行分析的。我们需要在每次标签的加工时，考虑到历史数据的备份存储。

b.灵活的更新：同时数据的更新机制，可以提供不仅仅只有调度器调度一种，还可以使用触发型的数据更新，用以满足更多的业务场景。

c. 丰富的配置：如果系统的面向对象是我们的业务人员，那么随着产品的发展，标签的规则修改在所难免。那么如果能做到快速响应，顺应业务的变化，就是需要考虑的一个问题。

(2)多视角的分析模型：

分析模型是画像系统中的精髓所在。从分析的体量划分，分为群体和单体；从分析的状态划分，分为静态和动态；从分析的路径划分，分为探索分析和目标倒推。

    a.群体和单体：

群体分析，也就是我们平常说的用户群画像，用户群画像承载的目标是：体现人群的特征。我们由浅入深的来思考，如何完成这个目标。

首先，我们要把基础的信息展示出来。

人群的体量：人群数、占全部用户的占比等信息，反应人群的规模

人群的基础构成：人群中新老用户占比

人群的标签分布：人群中，标签值的分布占比，反应人群标签值的分布情况，如人群中「性别：男」占比为  70%，那么认为人群中男性较多

人群的行为指标：人群完成指定指标的总次数、人均次数等

有了以上的基础信息，我们就可以对人群情况有一个基础的的认知，了解他们的构成和他们的习惯。光有基础的认知是不够的，我们还需要知道人群的特征，这个特征是要有差异化的、突出的、显著的。普遍的分析方法中，会引入 TGI 指数（目标群体指数）来进行人群的特征判断。

我们引入一个对照组，默认的可以是全体用户，也可以是「最近 7 日活跃用户」。

b.人群中标签值的 TGI 指数：用来反映人群中该标签是否是一个突出的特征，按照 TGI 指数进行排序，我们就可以得到这个群体与对照组最大的差异点在哪里

单体分析，也就是单个用户画像，单个用户画像承载的目标是：描绘出单个用户的使用轨迹以及属性特征。

这个分为两个部分，在我们分析单个用户时，通过观察行为轨迹来探索用户的偏好和特征，通过已有的属性标签全面的观察总结性的特征信息。

用户的行为序列：按照时序展示用户的每个行为触发情况

用户的标签分布：展示一个用户身上的标签情况，并额外展示标签的变更记录和在整体的分布情况

c.静态和动态：

静态分析，即我们将人群选择后，通过增减维度、变换视角来进行人群信息的展示，从而获得信息。静态分析的目标是，得到一个人群的当前状态，当前特征，然后用于运营。

动态分析，人群演进，引入时间的概念，由于我们提前准备好了标签的历史数据，那么我们就可以在这里应用。选定人群后，可以向前或向后进行演进，观察同一个人群中标签的迁移情况。这个在我们做运营活动后，观察活动效果的作用上体现尤为明显。

 d.探索分析和目标倒推：

探索分析是个正向的分析过程，探索观察这个用户群中的特征以及行为情况，来获取我们想要的信息和知识。

目标倒推，智能预测，是我们从目标出发，提前判断出人群的特性。我们使用用户画像，获取信息和知识，最后的目标是为了进行运营。运营的目标可能是完成某个活动或者是个多维立体的指标，那么如果我们能在运营之前，就先预测到这个群体与目标是否相匹配，就会规避一些效果不理想的风险。

(3)高效稳定的对外输出：

在我们生成了用户画像后，接下来落地的场景就是我们需要去应用这个人群或者特征了。这里主要有两个场景，第一个是使用人群包，第二个是使用人群的特征。

人群包的使用上，系统中应考虑提供多种高效的对接方式。由于应用场景的不同，人群包中携带的特征属性等也可能不尽相同。

人群的特征使用上，应考虑到应用场景。大部分都是需要支持高 QPS 查询的在线服务。尽可能快速的响应，返回一个用户身上的标签情况。

同时，设计完善的通知机制，当人群计算完成、标签计算完成的状态，可以快速被获取到。

5、如何搭建标签体系

搭建一个标签体系，可以从我们的使用场景里入手。既然我们的目标是来做精细化运营，那么我们的搭建也应该围绕着精细化运营的方法进行拆解。简单的概括就是「自上而下的需求梳理」和「自下而上的体系构建」。

自上而下的需求梳理

自上而下的需求梳理，可以拆解为几个步骤：运营的目标、运营的方案、人群的拆解。

自下而上的体系构建

当我们有了希望创建的标签清单，先别急着创建，我们还需要进行一次数据的梳理和抽象。

我们会发现，很多业务标签的定义会有部分重叠，比如：「新老用户」「活跃用户」都会使用最近访问的时间进行判断。类似这样的情况还应该会有很多，这里给出一个比较通过用的解决办法。

第一步 事实标签的搭建：

首先，理解什么叫事实标签。用户的属性、用户的行为指标这些归类为事实标签，在事实标签中，只会描述「什么时间」「做了几次」这类真实反映事实的情况。

事实标签主要的作用，就是用来做行为的概括和描述，并且为更加上层的标签打下数据基础（元标签）。由于事实标签只描述事实，所以他们的稳定性极高，不会随业务指标的改变而变化。

第二步 模型标签的搭建：

模型标签是基于自己的业务判断，或者大数据分析，综合多个维度产生的标签。举个业内最通用的例子，应该就是 RFM 模型的标签了。最近一次消费时间 Recency，消费频率Frequency，消费金额 Monetary，这三个指标都可以使用事实标签进行描述。

所以，模型标签很依赖业务的判断。当然，我们也可以很自由的修改切割方案，所以模型标签是结合了业务经验，再加上一些主观判断得到的一个可以反映用户特征的标记。他的稳定性一般，因为偶尔会结合不同的产品周期和客群的演变而进行调优。

第三步 用户群标签的搭建

当我们有了事实标签和模型标签后，其实已经可以开始进行精细化运营了。但是对于某些特定的场景，我们可以固化下来一些有特征的用户群，比如：高价值流失客群（使用「消费能力」「最近一次访问时间」「消费意愿」…

这类标签更加贴合业务，甚至还有一定的时效性和周期性，有些甚至直接和活动挂钩。用户群标签更加贴合业务场景，基本是不稳定的，会随着业务的变化、运营策略的调整而新增或修改。

四、用户画像的构建思路、方法和流程

1. 创建用户画像的思路

用户画像不是简单的用户细分，也不是平均用户，更不是某一个真实用户。而是指针对产品目标群体真实特征的勾勒，是真实用户的综合原型。

无论是做设计、做营销策略，还是做广告，都需要事先通过各种手段勾勒出目标用户，然后将设计或自然、或“劲爆”地融入到目标用户的生活轨迹中。

用户研究的过程实际上是一个定性研究和定量研究循环穿插的过程，用户画像的创建也是如此，下面是创建用户画像的三种思路：

 （1）创建定性用户画像的过程

a. 进行定性研究，通过一些小样本的研究，比如用户访谈、可用性测试、现场调查等形成直观感受。

b. 用户细分，基于用户的目标、观点或行为将相似的人群归集到群组中。

c. 建立用户画像，为每个细分群体加入详细信息。

   (2)  创建经定量检验的定性用户画像的过程

a.进行定性研，通过一些小样本的研究，比如用户访谈、可用性测试、现场调查等形成直观感受。

b. 用户细分，基于用户的目标、观点或行为将相似的人群归集到群组中。

c. 定量研究验证用户细分，调查问卷、网站流量分析等方法核实用户群的差异。

d. 建立用户画分，为每个细分群体加入详细信息。

    (3) 创建定量用户画像的过程：

a. 进行定性研究，通过一些小样本的研究，比如用户访谈、可用性测试、现场调查等形成直观感受。

b. 形成分类假设，得到用于定量分析的多个候选细分选项列表。

c. 定量研究，调查问卷、网站流量分析等收集细分选项的数据而非证实。

d. 用户细分，基于统计聚类分析来细分用户。

e.建立用户画像，为每个细分群体加入详细信息。

2. 创建用户画像的方法

前面提到，创建用户画像是一个定性和定量研究循环穿插的过程。

业内有很多关于创建用户画像的方法，比如Alen Cooper的“七步人物角色法”，Lene Nielsen的“十步人物角色法”等，这些都是非常好并且非常专业的用户画像方法，值得我们借鉴和学习。事实上，当我们了解了这些方法之后，就会发现这些方法从流程上可以分为3个步骤：获取和研究用户信息、细分用户群、建立和丰富用户画像。在这3大步骤中，最主要的区别在于对用户信息的获取和分析，从这个维度上讲主要有以下三种方法：

实际执行中，可以根据时间的跨度、用户画像的精细度和用户覆盖度来决定，先做定性研究，定量研究，还是定性定量研究结合进行。这里，我们先从定性研究开始。

（1） 第一步：定性研究

定性研究从用户访谈开始。访谈的步骤不再赘述，需要注意的是，对于定性研究中的用户访谈，一般会覆盖以下几方面的内容：

  产品的使用情况：接触渠道和方式、接触原因、第一印象、使用产品的关注因素、使用频率等；

  行业经验和知识：对行业的理解、同类产品对比、其产品的优劣势等；

目标和行为：使用步骤、典型过程、使用功能或内容、未满足的需求、可优化的地方等；

  观点和动机：对产品的描述、可能的推荐动机、最喜欢/不喜欢的地方、提升使用频率的可能性等；

机会点和反馈：新功能新内容的反馈、新功能的使用情况、需要重点改进的地方、机会点和创意点等。

除此之外，为了能够获得更丰富完整的用户画像，常常会把情景研究、概念验证和可用性测试和用户访谈进行结合。

（2）第二步：用户分类

经过定性研究，我们搜集了创建用户画像的素材，接下来就需要对这些用户进行分类。

a. 创建定性细分

以餐厅用户为例，为去餐厅用餐的20个用户做用户画像，首先要有几个关键的维度，把这20个人进行有效分类，然后再去详细地刻画每一类人的特征。

分类有很多种不同的维度，比如用餐次数、用餐周期和阶段、是否一个人去或者是多个人去等等因素。

如何做用户的定性分群，关键在于研究的主题。选取的维度可以根据用户目标、使用周期、用户的行为和观点进行划分，这个是需要大量的时间探索。

b. 评估分类选项

分类可以考虑这几个选项：

这些群体分类是否可以解释已知的关键差异：比如餐厅要优惠套餐，关键差异是需要被解释的，a用户和b用户的消费能力不一样，餐厅的c套餐和d套餐也是为什么不一样，首先，用户的支付能力和支付意愿可以很好的解释a和b之间的差异。其次，用户有没有时间也可以解释a和b之间的差异，所以找到分类的维度，可以很好的解释买不买的关键差异；

这些群体分类是否已经足够不同：划分出来的人与人之间会不会有很大的交叉。

这些群体分类是否像真实的人：要保证每一类都像真实的人；

这些群体分类是否能快速地被描述出来：比如给去消费的人贴一些标签：他是美食达人、他每次来只点优惠套餐   等等，可以很有效、很明确地把每一类人标识出来；

这些群体分类是否覆盖了全部的用户；

这些群体分类将如何影响决策制定。

  (3)  第三步：定量验证

这一步是对定性研究所搜集到的问卷调查结果和产品行为数据进行分析和检验，检查上一阶段形成的用户细分群体之间是否存在差异和遗漏。

（4）第四步：建立画像

设置形象照，可以是图片或卡通形象，看上去更真实。

揭示关键差异（目标行为和观点）：给用户一个比较典型的名字，这个名字要把产品最关键的特点凸显出来，也可以从目标行为和观点上去定义。

姓名、照片、个人信息、家庭结构：一个虚构的典型用户，可能跟某类用户的大部分人比较相似，但不会是某一个具体的人。有了这些个人信息，能够让用户画像看起来更像一个真实的人，更容易引起用户的同理心。

相关设备产品使用情况：标识出相关特点，比如产品的使用情况，一天的生活轨迹等等，这部分内容主要跟产品、研究对象、研究目标相关。

简介场景：比如某父母类产品，最典型的场景是跟小孩有关。所以产品需求就是容易操作，跟小孩有关。

其他重要属性：其他的重要属性可以帮助我们去理解用户，为了让用户形象更生动，还可以添加用户语录，帮助我们更好的理解用户的需求。

3. 构建用户画像的流程

（1）确立目标与画像维度

（2）确立调研方法

（3）制定计划与数据收集

（4）分析资料，角色聚类

（5）综合特征，产出画像

（6）结合产品，画像落地

（1） 确立目标与画像维度

明确业务目标与用户角色，不同的角色与目标在收集信息时有所差异，进而影响到最终得到的画像结果。因此在做画像之前，需要考虑清楚画像目的。明确目标后，就可以结合目标与角色，制定出画像信息维度。

此处有2个注意点：

a.画像维度有哪些？

  b.如何筛选出目标用户？

  a.画像维度有哪些？

筛选出了目标用户，那画像维度有哪些呢？通用信息维度可以结合用户画像的构成要素，自身业务情况有选择性的摘取。这里需要注意，to C和to B类的信息维度会有些许差异，比如to C属性产品会关注用户的性别、年龄、家庭情况、爱好习惯等，而to B类则不太关注这些，它们会更侧重用户的工作能力、工作内容、使用工作等等.

例如：我们针对B端产品进行用户画像的设计，做用户画像的目的是了解用户的使用情况，比如各功能的使用频率、使用中遇到的问题，定位问题关键及原因分析，优化产品功能及运营模式，同时也希望通过了解用户的具体行为细节和态度，发现新的机会点。

对于企业，主要了解其企业规模、行业属性、业务流程、组织架构、机构里有哪些岗位/工种。这个信息主要由产品或销售采集，应该前置于角色画像。而我们第一步的业务研究中，很大一部分内容也来自于此。

对于决策者，主要向其了解企业管理、业务等方面的需求信息，对于本产品决策者关注的是营收增长、效率提高还是减少成本等方面的问题。

对于主要使用者，侧重了解用户特征、产品认知、使用场景与痛点，各功能的使用频率、使用中遇到的问题

用户画像构成要素汇总：

b.如何筛选出目标用户？

由于是创建用户画像，我们需要尽可能最大程度覆盖不同用户。那找谁进行研究呢？这里介绍2个小tips。

Tips1：用户筛选条件

寻找与业务紧密相关的产品、运营，一起讨论确定用户类型，在讨论中我们会定义符合条件的用户，得出一张用户筛选条件表，进而根据这张表邀约用户。

Tips2：工作职能筛选

针对一些to B类岗位职能划分清楚的产品，可以基于工作职能寻找用户。实操中需要结合实际情况，看是否需要区分管理岗与普通执行岗。

以我司为例，人像影像行业的设计软件服务。调研目的：了解用户使用寸心设计软件的体验感受，同时挖掘用户更多的诉求…以便更好的规划与改进产品…使用频率。调研方法：本次调研，采用定性访谈与定量问卷的方式。

（2） 确立调研方法

确立画像信息维度后，需要结合用户、时间精力、经费等因素，选择合适的调研方法以实现信息收集。常用的调研方法有3种：

定性研究：如访谈法、二手资料研究

定量研究：如问卷调研、数据分析

定性+定量：上面2种方法的结合。

每种方法如何选择？可以从调研方法的差异性、产品所处生命周期，再结合实际时间精力、经费等情况酌情选择。

  a.调研方法的差异性

定量和定性是一个相对的概念，定量法着重了解“是什么”，即发现用户做了什么，挖掘事实信息。而定性方法着重了解“为什么”，即挖掘用户行为背后的原因，从而理解现象。

  b.与产品生命周期对应的调研方法

 新生期：这个时期产品尚未定型，目标用户也在市场探索中，可以尝试通过访谈法，找专家用户或竞对产品的用户，重点挖掘TA们使用产品的场景，核心痛点是什么，以便进行MVP版本的验证。

  成长期：这时产品已经进入用户快速增长时期，随着体量的变大，用户会出现分层，暴露的问题也会越来越多，可以尝试通过定量法进行用户分层，再辅助定性了解每类用户，针对性解决问题。

  成熟期：用户体量趋于平稳，产品一方面需要维稳，持续满足现有用户的需求，提升产品体验；另一方面需要尝试突破，找到细分市场，以挖掘新的增长点。可以尝试先定性挖掘蓝海，再定量进行验证。

衰退期：定性了解原因，调整产品。

以寸心云服业务线为例，综合了目的、产品周期、调研方法、时间精力等因素，采用了数据+问卷+电话访谈三种方法结合。

（3） 制定计划与数据收集

在明确目标与方法后，需要对整个研究进行细化，制定具体详实的执行计划并落地，把控整体节奏以收集有效的信息。

例如，若使用问卷法，则需要进行问卷设计——被访者选取——问卷投放——问卷回收。若使用访谈法，则需要准备访谈前中后的相关资料。采用不同方法，执行环节需要注意事项有所不同，可以针对性查阅相关方法的工具书、文章，此处不再赘述。

（4）分析资料，角色聚类

a. 根据角色对访谈对象分组

将用户访谈后得出的重点信息写在便利贴上（或Excel表中打印后切片），设计师需要根据产品用户角色不同，将受访的用户归类分组.

 b.找出行为变量

分组后，需要识别关键的行为变量，将调研到的用户与行为变量进行一一对应，并识别差异化行为模式。在寻找可能导致用户间行为差异变量时，结合以往经验，笔者总结了一下可供参考的维度。

c. 映射访谈对象与行为变量的关系

再将不同的角色间同类行为模式归纳（合并同类项），进行行为描述。此处需注意以行为变量为依据进行用户对应时，不必追求绝对的精准，只要相对能映射清楚即可。梳理完后，观察可发现某些用户群体聚集在几个行为变量上，它们构成了一个显著的行为模式，由此聚类出某个角色类型。依此类推，可以发现几个不同的行为模式。为保证全面，映射完最好遍历一下，检查是否有用户或变量的遗漏。

d. 找出共性行为模式

完成映射后，寻找在变量轴上的对象群。梳理完后，如果一组对象聚集在多个不同的变量上，则可以代表一类角色存在显著的共性行为表现（通常每类角色会有2～3个共性行为）。共性行为能帮我们识别标准化产品需要满足的用户需求，而差异化行为可以根据企业需求做定制化服务，一个B端产品是不太可能满足所有用户的需求的。

（5）综合特征，产出画像

完成角色聚类后，梳理每类角色的行为、目标、痛点等维度特征，形成画像的基本框架，并对每个角色进行属性信息、场景等详细描述，让画像更加丰满、真实。

此时需要注意：

a. 结合真实的数据，选择典型特征加入到用户画像中

b. 结合使用场景进行故事描述，在描述中体现行为变量等因素，让画像更加丰满、真实。

c. 让用户画像容易记忆，比如用照片、名字、年龄、几条简单的关键特征描述，都可以减轻读者的记忆负担。

（6）结合产品，画像落地

用户画像只有落地，助力产品设计，才能体现其价值，否则就是空中楼阁。

在创建完画像后，可以组织分享画像结果，让团队内成员对服务的用户达成共识，进而探讨产品的新机会点或改进点，逐步落地到产品设计、推广营销中。

七.用户画像的使用

1. 用户画像的使用

用户画像作为一个强大的设计和交流工具，能够让利益相关人目标始终保持一致，它的价值在于传播与使用。用户画像制作出来后，与整个项目团队共享定义的用户画像是很重要的，千万不要让他在共享文档里积灰或挂在墙上当摆设。你要做的是让用户画像从纸上跃起，走进你同事的心里，让他在每次讨论、每个决策时，自然、自发地被提起。所以用户画像的使用也是极其重要的，不然前面的工作都是无用之功。

（1） 产品设计决策

指导建立信息架构和交互设计、根据用户画像确定内容、风格和语气、为每个角色建立风格指南指导视觉设计。

（2） 产品功能定义

使用用户画像引导头脑风暴、产出满足用户需求的想法、参考竞品和用户画像确定功能优先级。

（3） 商业策略

将用户需求和策略整合可以弥补用户空白、易理解的普通人的故事可以弥合沟通的差距、可以作用于策略制定到执行的全流程。

（4）设计师推进

向团队介绍用户画像。花点时间介绍研究的过程，展示照片给他们看，聊一聊画像的需求，期望，痛点，性格等。最好以故事性的方式进行引导，并长期地在会议里提到并讨论它

在你的用户故事中使用用户画像。设计时，花点时间想象一下软件会被用户在工作中如何应用。

造访不同团队，介绍用户画像，包括它从何来，如何用。教他们怎么招募有代表性的用户进行测验，如何写用户情景来启发设计或作为可用性测试任务

总结

总的来说，用户画像可以帮助设计师跳出自己的需求，了解真正使用产品的人的需求。这个对于办公软件来说尤其重要，因为很多软件开发者与产品的用户完全不相似。

用户画像的价值在于被使用，当越来越多的团队使用用户画像，那么用户画像就会越来越像一个真实的用户，帮助团队从用户的角度出发去设计软件。

参考文献:

《The User Is AlwaysRight》–美]Steve Mulder/[美]Zivv Yarr

《如何在UXHCD或设计思维过程中进行用户访谈》–DanNessler

《用户画像方法论与工程化解决方案》

《创建定性用户画像》腾讯CDC:

《如何获取B端客户画像》

《原来在为你设计:我的B端用户画像构建总结》

《构建用户画像的流程与方法》酷家乐

文章来源：用户研究：深度解析用户画像

最后

以上就是忧伤雪糕为你收集整理的用户研究：深度解析用户画像的全部内容，希望文章能够帮你解决用户研究：深度解析用户画像所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。