一、什么是用户画像( personas)?

Alan Cooper (交互设计之父)最早提出了 persona 的概念:“Personas are a concrete representation of target users.”

Persona 是真实用户的虚拟代表,通过一系列的真实数据分析,得出的目标用户模型。

通过调研,根据用户的目标、行为和观点的差异,将他们区分为不同的类型,从每种类型中抽取典型特质,赋予名字、照片、场景等描述,构成了一个用户的人物原型。

二、分析用户画像有什么用?

第一,助力产品设计。新媒体运营,我们以为的用户,并不是产品真实的用户。做用户画像,是为了让团队成员在产品设计的过程中抛开个人喜好,聚集在用户的动机和行为上进行产品设计,了解到用户的深层动机与心理。

第二,实现精准营销。这是最直接和最有价值的应用,广告主可以通过用户标签来发布广告给所要触达的用户,实现精准营销。

第三,行业报告与用户研究。了解行业动态,用户偏好,不同地域消费差异分析,这些有价值的报告可以指导平台更好的运营,为公司和媒体提供细分领域的深入洞察。

三、用户画像包括哪些构成元素?

构建用户画像,分为显性和隐性画像两个方面。

显性画像:即用户群体的可视化的特征描述,如目标用户的年龄、性别、职业、地域、兴趣爱好等特征;

隐性画像:用户内在的深层次的特征描述。包含了用户的产品使用目的、用户偏好、用户需求、产品的使用场景等。

说白了,做用户画像就是对一群人进行特征描述,是对一个群体的共性特质进行提炼,给用户群体打标签。如图:

四、构建用户画像的思路?

用户画像不是拍脑袋想出来的,是建立在系统的调研分析,数据统计基础之上得出的科学结论。

用户画像一般会存在多个,要考虑用户画像的优先级,不能为超过三个以上的用户设计产品,容易产生需求冲突,要分清楚哪些是核心用户,哪些是打酱油用户。

同时,用户画像不是一确定就一成不变的,而是根据实际情况不断修正。

以下可做思路的参考:

五、构建用户画像的具体步骤?

一般分为三个步骤:基础数据采集,分析建模,结果呈现。

第一步:基础数据采集

数据不说谎,是构建用户画像的核心依据,建立在客观数据基础上的用户画像才是有说服力的。

在基础数据采集方面,可以通过列举法,先列举出构建用户画像所需要的基础数据。

具体的思路如下:

当然上面列举的数据纬度相对比较多,在构建用户画像过程中会根据需求进行相关的数据筛选。

在基础资料和数据收集环节我们会通过一手资料和二手资料获取相应的基础数据。

这些资料和数据会有三个方面的来源:相关的文献资料和研究报告;产品数据后台;问卷调研和用户访谈。

第二步:分析建模

当我们对用户画像所需要的资料和基础数据收集完毕后,需要对这些资料进行分析和加工,提炼关键要素,构建可视化模型。

有一个网络来源资料,关于95后的用户群体的研究。

通过搜索你可以获取到以下资料:

企额智库《透视95后:新生代社交行为》

QQ空间独家大数据《“95后”新生代社交网络喜好报告》

百度《00后用户移动互联网行为洞察》

中国大数据产业观察《2015年95后生活形态调研报告》

接着,对这些报告进行分析和关键词提炼,概括出整个95后群体标签,具体如下:

做用户画像调研,可以通过问卷调查和访谈形式。

1、问卷调研

问卷调查第一要考虑样本的数量,其次内容的设计,要考虑研究的目的,毕竟这是一项有目的的研究实践,另外,通过问卷获取的信息,不一定是非常确定的,存在很多变量因素,数据可以作为参考,要以质疑的眼光看待。

2、用户访谈

访谈之前要列好访谈提纲,围绕用户的角度,他的想法,他的行为等角度,具体步骤如下:

在分析访谈结果时,采取关键词提炼法,针对每个用户对每个问题的回答,进行关键词提炼,将共性词汇总,具体思路如下:

第三步:画像呈现

画像呈现即从显性画像、隐性画像、场景和需求等方面,给用户打标签,案例:

这一步也要将收集到的信息进行整理和分析并归类,创建出用户角色框架(更全面地反映出用户的状态),然后根据产品侧重点提取出来,进行用户评估分级,并结合用户规模、用户价值和使用频率来划分,确定主要用户、次要用户和潜在用户。

构建用户画像的目的,是为了充分了解用户,为产品设计和运营提供有有价值的参考,为运营战略服务。

纸上得来终觉浅,行动吧!

注:以上图片资料来源于网络,关于用户画像的参考阅读:

[1]永洪BI:手把手教您搞定用户画像

[2]易观智库:大数据下的用户分析(PPT)

[3]杨步涛:基于用户画像的大数据挖掘实践

[4]慕课网:电商大数据应用之用户画像

如何快速构建用户画像?相关推荐

  1. 思路+步骤+方法,三步教你如何快速构建用户画像?

    思路+步骤+方法,三步教你如何快速构建用户画像? 2016-10-07 超哥 互联网er的早读课 互联网er的早读课 数十万互联网从业者的共同关注! 作者:超哥.作者授权早读课发表,转载请联系作者. ...

  2. 大咖分享会 | 百度首次揭秘如何构建用户画像与移动统计

    从11年开始,互联网进入大数据时代,相比传统的调查分析,大数据是企业通过互联网便利的获取用户更广泛的反馈信息,为进一步精准.快速地分析用户行为习惯.消费习惯等重要商业信息,提供了足够的数据基础.本次P ...

  3. 【干货】产品经理如何使用大数据构建用户画像

    送给真正的互联网人一顿干货早餐 [小咖导读]文自"数据挖掘与数据分析",伴随着大数据应用的讨论.创新,个性化技术成为了一个重要落地点.相比传统的线下会员管理.问卷调查.购物篮分析, ...

  4. 如何基于数据快速构建用户模型(Persona)?

    用户模型(Persona)是Alan Cooper在<About Face:交互设计精髓>一书中提到的研究用户的系统化方法.它是产品经理.交互设计师了解用户目标和需求.与开发团队及相关人交 ...

  5. 基于MRS-ClickHouse构建用户画像系统方案介绍

    业务场景 用户画像是对用户信息的标签化.用户画像系统通过对收集的各维度数据,进行深度的分析和挖掘,给不同的用户打上不同的标签,从而刻画出客户的全貌.通过用户画像系统,可以对各个用户进行精准定位,从而将 ...

  6. 大数据 | 如何为企业构建用户画像体系

    伴随着大数据应用的讨论.创新,个性化技术成为了一个重要落地点.用户画像越来越被企业所重视.相比传统的线下会员管理.问卷调查.购物篮分析,大数据第一次使得企业能够通过互联网便利地获取用户更为广泛的反馈信 ...

  7. 用SparkSQL构建用户画像标签

    用SparkSQL构建用户画像 - 伪全栈的java工程师 - 博客园 一.  前言 大数据时代已经到来,企业迫切希望从已经积累的数据中分析出有价值的东西,而用户行为的分析尤为重要. 利用大数据来分析 ...

  8. 用SparkSQL构建用户画像

    用SparkSQL构建用户画像 二.  前言 大数据时代已经到来,企业迫切希望从已经积累的数据中分析出有价值的东西,而用户行为的分析尤为重要. 利用大数据来分析用户的行为与消费习惯,可以预测商品的发展 ...

  9. 如何利用大数据构建用户画像?

    大数据时代,不仅普通用户可以享受到技术带来的便利,企业也可以从数据中提取有商业价值的信息,构建出用户画像,从而对用户行为进行分析和预测.虽然用户画像不是什么新鲜的概念,但是大数据技术的出现使得用户画像 ...

最新文章

  1. 力邀安卓为鸿蒙效力,期末阅读题答题秘籍2
  2. Lr(2)-脚本调试之“集合点” 和 “事务”
  3. php 设置时区_为什么没有 Asia/Beijing 时区?
  4. 【完结】优秀的深度学习从业者都有哪些优秀的习惯
  5. spark mapreduce术语梳理
  6. xp系统qq安装不上网络连接服务器,winxp系统下QQ远程协助连不上如何解决
  7. 存储分类分析:DAS、NAS、SAN[转]
  8. 怎样用计算机命令修复软件,电脑修复指令是什么
  9. linux升级ssh到6.6版本,CentOS6.5 openssh升级到openssh-7.6版本
  10. DotNetNuke 5 C#版本解读之2--HTTP Modules
  11. python-面向对向-静态方法的继承-父类中的super方法
  12. Mac 更适合做开发?从零把 Mac 打造成开发利器
  13. jython语法入门
  14. IBM 发布企业级社交协作平台 Domino V10,开启快速应用程序开发的新时代
  15. UINavigationController_学习笔记
  16. rocketmq消息积压
  17. java 拼音识别_java 解析汉字拼音
  18. 无线路由器服务器关闭后 如何重新打开,无线路由器怎么重启?
  19. 关于flex布局中,父元素设置display:flex;flex-direction:row;子元素1高度撑开400px,子元素2、子元素3高度40px,如何设置全部自适应撑开?
  20. H3C模拟器安装及解决各种兼容性问题方法

热门文章

  1. mac下的socket调试工具---sokit
  2. Python编程 递归函数
  3. 携职教育:初级会计考试明明不难,为什么通过率这么低?
  4. python写打开的excel 冲突_在Python中打开excel文件时出错
  5. 使用class.getClassLoader().getResource()的注意事项
  6. PC_@BCD码(8421BCD)@定点数加减法@补码减法公式
  7. 2019_ICML_Domain Agnostic Learning with Disentangled Representations
  8. Xshell | Xftp 免费版
  9. 计算机组成原理(白中英戴志涛版)——终极笔记1️⃣
  10. 关于hosts管理工具