实战案例:非用研人员如何创建用户画像

关于用户画像的建立,网上有很多文章,方法也都不经相同。作为一枚非用研人员,第一次尝试做用户画像,在各种资源有限、经验有限的情况下,经历一次完整的研究过程并不容易,所谓最难跨出的永远是第一步。

关于用户画像的建立,网上有很多文章,方法也都不经相同。作为一枚非用研人员,第一次尝试做用户画像,在各种资源有限、经验有限的情况下,经历一次完整的研究过程并不容易,所谓最难跨出的永远是第一步。

本文只适合没有相关经验,一直想做用户画像而不得的童鞋,专业人士可绕过啦^_^。这里没有聚类分析、标签权重、亲和图等专业的算法研究,有的只是一枚交互如何从0到1建立画像的过程,也算是给自己近期工作做个总结(篇幅略长,不喜跳过)。

再次感谢小七前辈的耐心指点~

一、为什么想做用户画像

我们的项目是一款移动视频应用,最开始想做用户画像,主要是想解决当前阶段,产品/设计/开发/运营在核心用户的理解上的分歧问题。

比如由于受推广渠道影响,产品认为我们的用户年纪偏大,且呈现低学历的属性特点,其他职能可能认为用户偏年轻,且网络及产品使用习惯均有差异。因此,大家在后续要开放哪些功能(甚至是后续的收费方式上)无法达成一致,产品希望加入一些成熟用户更喜欢的内容。

另外,由于受业务影响,产品们更多关心的是日活、新增、时长等业务数据,对真实渗透到用户行为上的数据,并不十分在意。但在交互上,清晰的用户画像和行为直接关系到具体的产品设计和表现,甚至是后续的产品规划、运营推广等。

因此,本次的画像研究有两个主要目的:

  1. 为了让项目相关人在核心用户上达成统一且具象的认知,方便在后续投入上有的放矢;
  2. 详细了解我们的真实用户是如何和产品及其相关内容进行互动等。

二、用户画像研究方法

在开始做画像之前,我在各种书籍和网站收集相关实施方案,但发现内容不是偏于理论,就是脱离业务本身。结果就是:虽然看了很多资料,自己执行的时候,还是一脸懵逼(原谅小白的第一次T_T)。

不过,过程还算有收获,如下图1所示,主要是根据不同的产品阶段配置不同的研究组合(这里列出的是常见的两种类型,并不全面,具体方法有多种,可根据实际的项目情况做调整)。比如立项阶段只做定性化的用户画像也是可以的,且用户画像的产出基本都是定量与定性的结合使用。实战案例:非用研人员如何创建用户画像由于我们的项目上线一年多,已具有一定的数据积累,因此,采用的是第二种研究组合。虽然方法有了,但是正真的难点在于,需要根据不同节点的研究目的,产出相关数据结果,下图2即是本次整个用户画像的研究过程,对应的每一阶段都有相应文档输出,这对于首次尝试的我来说是个不小的挑战。

实战案例:非用研人员如何创建用户画像

下面对具体的执行方式不做详细说明,而将重点放在,非用研人员在第一次做画像经常会遇到的问题上,毕竟在定量和定性的研究部分,很多资料和书籍远远比我专业。

1.数据挖掘

虽然产品已上线一年多,由于没有进行过系统的数据整理,各职能甚至产品之间出现信息断层,团队中很少有人能完全了解产品基本的用户情况,因此,对现有数据的清洗显的很有必要。

首先对后台数据进行提取,比如Android和iOS端不同的使用时长、行为及内容偏好等,包括产品在第三方统计平台沉淀的数据,比如百度、友盟等平台,甚至是各种行业报告。通过对多方数据的假设和验证,最终得出整体的户群类型与规模,比如具体的用户年龄、性别、访问时段、行为偏好、转化情况等。此时的分析报告,虽然有实际的数据支撑,但由于我们自身数据结构不完善,也存在部分假设成分,尤其是在用户群的整体构成上,比如80和90后上班族、00后学生等比例及行为等,和真实情况会有偏差,这个时候的用户数据是比较散的。

完成了数据挖掘阶段,本来可以直接根据结果数据显示,展开问卷调研,并对部分假设做验证,且能了解更多用户行为、目的、偏好等信息。但过程中发现光做一个用户画像,并不能达成目的。因为用户画像的应用场景,通常是建立在大家已经知道核心/大众/边缘的分布比例,需要统一对不同用户的认知,建立感性影响的阶段。另外,由于团队资源有限,对无法看到效果的产出都保持谨慎态度,因此还需要配合其他事项。

切入点就是:由于产品们比较关心一些运营指标,比如日活用户、新增用户、使用时长等,可以从这方面入手,并获得资源支持。先将用户划分几个类别,如下图3所示。

实战案例:非用研人员如何创建用户画像

划分的原因,是为了和产品同步一些基础定义,比如“高活跃老用户”是我们的持续核心,“高活跃新用户”是新增核心等。同步了这些数据,就可以在该数据基础上做进一步白描。如图4形式,因为入手的是他们比较感兴趣的问题,所以开始没有很难。在这个过程中,使用的是性别和年龄作为维度来描述不同活跃用户的组成,输出的主要是一个属性分布,用来统一基础认知的,这里还没有到画像那么细的地步。当和产品达成一致以后,按照下图的整体规划开始进行问卷数据的收集。

2.问卷调研

关于不同活跃类型的用户数据,可以有多种来源,最靠谱的数据来源于日志,但是关于这部分我们是缺失的,所以只能靠问卷调研,即在app中投放问卷。关于问卷的具体设计此处略,主要说一下我在这个过程中遇到的几个关键问题:

1)问卷目的

由于问卷调研本身的局限性,正常在app中投放的问卷,回收的数据一定是偏活跃用户数据,因为非活跃用户一般不会看到或填写,这也是问卷调研结果经常会遭到质疑的原因。但由于本次问卷目的本来就是为了研究活跃用户整体的社会属性、目的、行为、态度和观点等,也就是所谓的产品核心用户(上图中的1、2象限用户),所以问卷数据的参考价值还是比较大的。

而非活跃用户并不属于本次调研重点,因为对非活跃用户的触达,需要定向激活方式,比如邮件、短信推送、电访等,但由于团队没有用研伙伴,并不具备这个资源和能力,只能将重心放在主要用户上。

2)如何划分活跃/新老用户

对于活跃/新老用户的划分,不同的项目类型有不同的标准。作为交互设计师虽然有一个大体的概念,但如果要精确到具体的数据也并不清楚,所以需要先根据后台及项目本身预估一下,然后和业务方确认。比如用户的活跃度划分主要是根据使用时长和频率,但使用时长是周时长,还是日时长,根据项目来定。

由于我们的项目属于视频类,按道理周使用时长更合理,因为不同类别的人群,可能使用时间是错开的,但是根据后台数据显示,用户在工作日和双休日使用时长并无明显差异,直接按照日使用时长就可以。因此最终的活跃/非活跃用户的划分标准如下图5所示。至于新老用户的划分,由于项目之前没用过这个指标,也是和产品沟通好以后确认的。

实战案例:非用研人员如何创建用户画像

3)先梳理问题大纲再设计卷子

很多非用研同学,第一次做卷子很容易陷入一个误区,就是缺乏对问卷的整体规划,直接上手就做,这会为后续数据分析埋下隐患,很容易导致问题不聚焦或无价值(同踩坑,幸好有前辈及时纠正^_^)。

因此,在设计问卷之前,最好梳理好相关问题,以结果为导向,通过想得到的数据,设计相关问题,可以做一个大致的问卷提纲,然后将每一个想要的得到的信息一一对应,这样更加方便整理思路,甚至可以补充一些分析思路等,比如下图所示(这里只是一个例子,一张问卷中无非包含用户基本信息、目标、行为、观点、态度等,具体可根据实际项目做调整)。

实战案例:非用研人员如何创建用户画像

4)如何分析问卷数据

当根据问题大纲设计好问卷,并投放回收以后(关于问卷投放和问题设计是一个较长的话题,此处不再赘述),一般来说都会按之前的分析维度来拆分,因为这些是之前和业务确认过的,比较有帮助的。但是在过程中,也会视分析情况来进一步做交叉对比等,可能会有一些意外的发现,这是一个比较有趣的过程。

对于设计师来讲,在数据分析阶段,会一些交叉分析基本能满足工作需求,可以不需要聚类这种比较复杂的方式。最终的分析结果形式如下图7所示,当然也包含基本的用户白描部分。

实战案例:非用研人员如何创建用户画像

3.用户访谈

当问卷结束以后,由于在这一阶段已经和产品达成了愉快的共识,就可以继续做用户画像的工作,从之前的几个象限中,挑选一些典型的用户出来,做进一步访谈。

1)如何筛选访谈用户

访谈用户主要来源于之前填写问卷的用户,如何从众多用户中筛选出合适的,是首要解决的问题,也是访谈前重点。首先,根据之前核心/非核心用户的划分进一步细化分类,从而知道应该挑选的对象。

如下图8所示,统计学上有很多分类方法,但对数据量要求较高,所以一般在不具备条件的情况下,会使用比较简单粗糙的手动分类(也就是按业务逻辑来分类)。可以看出,下图中用户的分类标签更多的是用户属性方面,因为回收的问卷主要讲了3件事:

  1. 数量分布;
  2. 使用频率、使用时长、进入时间(谁是活跃用户,也就是指留存较好的用户);
  3. 社会属性。

其中1和2在象限上,图上的标签就是社会属性了,将这些属性投上去,用肉眼就能发现一些可见的分类。这种方法虽然粗糙简单,但是直观有效。由于回收的问卷样本不是特别多,统计学上的方式并不适用。实战案例:非用研人员如何创建用户画像

那么,在4个象限中,到底要访谈哪些用户呢?

对于产品来讲,重点的的人群,永远只有两类:1、人多的分类;2、活跃的分类。我们做的所有努力都是为了维护这两个分类的规模,以及努力将其他用户转化近这两个分类中;因此,目前优质用户对我们来讲很重要。而且,由于团队第一次做,资源、精力都有限,所以先以优质用户为主,覆盖部分待改善用户,其他象限以后再做。

访谈的用户范围定了,接下来就是筛选出符合该条件的用户,共筛选出20个用户进行访谈,每类5-6个人。

2)访谈形式和大纲

关于访谈形式和大纲,这里只做一些简单介绍:对于我们团队来讲,面对面访谈虽然优点很多,但团队并不具备资源,所以选择了电访和QQ访谈。由于我们的访谈信息量较多,开始的两个电访用户结果并不理想,后来使用的是QQ访谈,虽然消耗的时间多,但就收集的信息量来讲更有价值。

访谈大纲一般是比较开放的题目,更多地会询问一些问卷触达不到的内容,比如说怎么理解一个功能,为什么会喜欢某些内容,平时使用APP的习惯是先点击哪个再点击哪个之类,可以看成是问卷问题再往下拆细,更多地去触达细节。

3)访谈信息如何处理

由于用户画像的根本是要找到同类用户的共性,和分类用户的异性,所以访谈后的信息整理也主要是围绕这个目的。但是对新手来讲,首次面对海量信息,很容易迷失(就像我T_T),所以有个最简单有效的方式就是,看关键词的出现频率,先挑高的出来,再根据上下文理解哪个是可以作为特征的。但是这个方法对我似乎并不有效,因为信息多且散,需要整理者有较强的概括能力,可以体会一下下图8的信息。所以只能根据每个信息节点,一个点一个点的抽,比如二次动漫,这种内容的覆盖范围太大,可能拆分成具体的动漫类型、吸引人的信息、日本文化、轻小说等相关信息。虽然比较消耗时间和脑力,但结果还是值得的。

实战案例:非用研人员如何创建用户画像

当整理出最终结果以后,用户画像的雏形基本形成。

用户画像实际是由两部分组成:

  • 概括的部分,是根据前面的量化研究带来的,比如:18~22岁的学生群体,男女都有;
  • 具象的部分是由定性研究而来,也就是用户访谈,比如,用户具体是如何使用产品的,他对这种内容的诉求和态度等。

通常情况下,建立3个左右的用户画像即可,且要对画像进行优先级排列,排列的依据主要来源于之前的数据挖掘和问卷调研,比如每个类型占有的大致比例。最后不要忘记给每类用户画像起一个名字(即简述),用于对该类用户画像的总结,方便理解的同时,也更容易复用。比如“二次元重症患者”就会比“14~16岁之间,女性为主,喜欢浏览二次元视频和追动漫新番,每天花费4~6小时观看相关作品,积极参与评论/翻译/同人创作等”更容易记忆。

三、画像的最终运用

用户画像从根本上来讲,就是为了统一产品相关人员的共同认知的,并以画像为基础给产品或运营做参考依据。所以,通常随着画像的产出,也需要给产品设计、运营、甚至推广等意见或建议,这样整个用户画像的研究才是完整的。

最后,虽然整个研究过程整体顺利,但同时也存在不少问题,会尝试在未来工作中持续改进,也欢迎专业人士交流

 

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

(0)
上一篇 2016-11-22 18:14
下一篇 2016-11-29 06:30

相关文章

关注我们
关注我们
分享本页
返回顶部