很多人对用户调研、用户群体、用户画像这几个概念是混淆的,这三个其实不断深入的过程。用户画像( personas)的概念最早由Alan Cooper提出——“Personas are a concrete representation of target users.”也就是说,用户画像是真实用户的虚拟代表

PERSONA的含义

P 代表基本性(Primary research)指该用户角色是否基于对真实用户的情景访谈

E 代表移情性(Empathy)指用户角色中包含姓名、照片和产品相关的描述,该用户角色是否引起同理心。

R 代表真实性(Realistic)指对那些每天与顾客打交道的人来说,用户角色是否看起来像真实人物。

S 代表独特性(Singular)每个用户是否是独特的,彼此很少有相似性。

O 代表目标性(Objectives)该用户角色是否包含与产品相关的高层次目标,是否包含关键词来阐述该目标。

N 代表数量(Number)用户角色的数量是否足够少,以便设计团队能记住每个用户角色的姓名,以及其中的一个主要用户角色。一个产品,一般最多满足3个角色需求。

A 代表应用性(Applicable)设计团队是否能使用用户角色作为一种实用工具进行设计决策。

用户画像是通过用户调研去了解用户群体(包括现有用户和潜在用户),根据他们的目标、行为和观点的差异,将他们区分为不同的用户类型,然后每种类型中抽取出典型特征,赋予名字、年龄、职业、场景等描述,形成的一个人物原型。创造一个或者多个用户画像的目的是为了让团队成员在产品设计和营销推广的过程中能有具体的参照物,以便够抛开个人喜好,更加聚焦在目标用户的动机和行为上。虚拟现实还是比凭空想象更加生动、有真实感的。

对用户画像的误解

很多人对用户画像有一种迷思——用户画像是现有用户中占比最大的群体的代表。我个人不是很认同。

有人会觉得行业越垂直越细分,用户的相似性就越大,所做出来的用户画像就越准确,但实际上如果进行比较细致的用户调研你会发现用户群体是多元多类型的,只选择当下占比最大的用户群建立用户画像,也许是一个化繁为简的办法,但我认为这种偷懒意味着你放弃了更有挖掘空间的潜在用户,而这些被忽略的相对小众往往意味着更少的竞争者,例子就是很多人在电商的红海里朝不保夕,但原先不被看好的农村电商却风生水起。

用户画像是可以有多个的,可以依重要性分为不同的优先级,类似P1、P2、P3。在产品设计上通常建议不能为超过三个以上的用户画像 ,这样容易产生需求冲突。这也不是新观点,只是在实际工作中却很少被实践。

初创公司可能受困于人力财力等资源不足,只能围绕最重要的一个用户画像H1进行产品设计、制定营销策略,但有条件的产品我建议在发展种子用户阶段就从多维度进行。

有个摄影类app曾提及他们的忠实用户中有一群是老人年,也不是他们刻意争取的,是活动引流来的,虽然这个比例很小,但不失为一个待挖掘的潜在用户群体,当下我没有注意到有哪个摄影类app是刻意在经营老年人群体的,同时一个事实是:国内外所有景点我们都会看到摄影装备让年轻人都艳羡不已的银发族,他们生活闲适,有大把的时间来使用app,也乐于和他人分享,也由于会使用的app不多而留存率很高,这么优质的用户却没有人在乎,实在可惜。也许我们有的时候真应该跳出互联网思维惯性,向专门针对老年人推销医疗保健品的骗子忽悠们学习一下。

另外,用户画像绝不是闭门造车想出来的,是了解用户、分析用户群体后,根据一系列真实数据(市场数据、可用性数据)而描绘修改而来的,同时也并非一劳永逸的,是随着不同阶段发展需要不断修正的。

以下是“小红书”的用户画像,供大家参考。

用户画像一般需要具备哪些元素?

• 姓名

• 性别

• 年龄

• 学历

• 地域

• 收入

• 工作

• 用户场景

• 消费习惯

• 获取渠道

• 喜好

• 需求

……

注意:对于app用户而言,使用app的习惯和用户的生活方式息息相关。

建立用户画像的几个步骤:

Step1: 用户调研与数据收集

基础用户信息、用户行为数据、用户评价反馈

Step2: 利用亲和图法确定类型

所谓亲和图法(KJ法)是针对某一问题,充分收集各种经验知识、想法和意见等语言、文字资料,通过亲和图进行汇总,并按其相互亲和性,归纳整理这些资料,使问题明确起来,求得统一认识和协调工作,以利于问题解决的一种方法列出大量标签、品类或者数据聚类的过程

Step3: 人物原型框架

1、 绘制画像的模板

2、 用户画像有很多特征,哪些必须包含?哪些可以包含?确定一个用户画像框架,依托框架让流程标准化。

Step4: 优先级排序

确定用户画像优先级,参照的要素是:使用频率、市场大小、用户(潜在)价值、竞争优势/策略等

Step5: 完善人物原型

1, 结合真实数据,选择典型特征加入到用户画像中

2, 加入描述性的元素和场景描述,让用户画像更加丰满和真实

3, 将用户画像框架中的范围和抽象的描述具体化

4, 让用户画像容易记忆,比如用名字、几条简单的关键特征描述

总之,建立用户画像需要很系统的定量分析和定性分析,很多大型公司都是由数据分析部门,产品开发部门,市场营销部门一起去指定新产品的定位和战略的,从而进行精准营销,实现“在对的时间,向对的用户,通过对的渠道,推荐对的产品”。

本文由鸟哥笔记-陈晶独家编辑整理,转载请注明出处。欢迎加入【鸟哥笔记CP交流QQ群 99183540】

必读干货推荐:

  • 鸟哥笔记精编App推广运营知识大全之【数据分析与渠道质量】

  • 鸟哥笔记精编APP推广运营知识大全之【换量】

  • 鸟哥笔记精编APP推广运营知识大全【应用市场广告收费模式】

  • 鸟哥笔记精编APP推广运营知识【安卓应用市场推广活动大全】

  • 鸟哥笔记精编App推广运营知识大全之【AppStore冲榜】

  • 鸟哥笔记精编App推广运营知识大全【信息流广告渠道报价及投放指南】

  • 鸟哥笔记精编App推广运营知识大全【8家超级App广告合作刊例大集合】

最后

鸟哥笔记

http://www.niaogebiji.com

鸟哥笔记专注于移动互联网干货知识分享,成立以来累计分享上万篇干货知识、数十场线下活动,由于内容具有很强的专业性和实操性,深受业内小伙伴的认可和推崇。

加入鸟哥笔记 ▼

▼ “阅读原文”可直达更多干货,却很少人会点

简单人物画像_天天谈【用户画像】95%的人根本不知道自己在说什么相关推荐

  1. python用户画像_大数据-用户画像DMP

    描述 大数据-用户画像DMP --小树老师 更多好课 大数据用户画像系统课程一.项目概述目前推广平台仅在投放端提供了有限的定向能力,广告主没有足够的流量抓手,无法满足大中型广告主的营销目标.画像系统提 ...

  2. 用户画像_什么是“用户画像”?如何利用用户画像进行精准营销?

    1.什么是"用户画像" 所谓的用户画像,简单来说就是根据用户社会属性.生活习惯和消费行为等信息而抽象出的一个标签化的用户模型. 用户画像,即用户信息标签化,就是企业通过收集与分析消 ...

  3. python用户画像_京东小家电用户画像分析(python+tableau)

    一.项目背景 京东电商平台最近小家电类目的订单数量.产品浏览量和搜索数量等均有所下降,相关部门计划对小家电类目进行一次促销活动,希望能针对小家电用户的特征提出相应的建议. 二.需求拆解 促销活动主要包 ...

  4. 当我们谈用户画像时,到底在谈什么?

    人人都在谈论大数据的时代背景下,越来越多的品牌将用户画像作为经营战略的重要调整依据,上篇文章<干货 | 不容错过的用户标签全面解读.建议收藏!>我们已经了解了什么是用户标签,今天就接着来聊 ...

  5. 大数据杀熟的背后 -- 浅谈用户画像

    ​A有一天在某电商平台搜了"连衣裙",惊呼:"xx上的裙子好贵啊,怎么都要四五百?".B接话:"不能吧,我看看,哎?我这就两百多啊".胖里默 ...

  6. **用户画像是什么?用户画像如何分析?**

    1.用户画像是什么 用户画像(User Profile),作为大数据的根基,它完美地抽象出一个用户的信息全貌,为进一步精准.快速地分析用户行为习惯.消费习惯等重要信息,提供了足够的数据基础,奠定了大数 ...

  7. 什么是用户画像?如何构建用户画像?

    我们通过这篇文章,介绍我们理解的两种用户画像(User Persona 和 User Profile),以及如何构建用户画像(User Profile)的标签体系并驱动产品智能. User Perso ...

  8. 用户画像系列——什么是用户画像?金融行业大数据用户画像实践

    进入移动互联网时代之后,金融业务地域限制被打破.金融企业没有固定业务区域,金融服务面对所有用户是平的. 金融消费者逐渐年轻化,80.90后成为客户主力,他们的消费意识和金融意识正在增强.金融服务正在从 ...

  9. 什么是用户画像——从零开始搭建实时用户画像(一)

    用户画像 简介 用户画像,作为一种勾画目标用户.联系用户诉求与设计方向的有效工具,用户画像在各领域得到了广泛的应用. 用户画像最初是在电商领域得到应用的,在大数据时代背景下,用户信息充斥在网络中,将用 ...

最新文章

  1. 南开大学教授:科研开源的行动倡议!
  2. dslJson、jsoniter、fastjson、jackson解析字符串为map效率比较
  3. mysql是逻辑库吗_mycat是一种比较简单的中间件产品,可以帮助mysql进行分库,同时统一在一个逻辑库。硬件环境:系统:centos 7.6数据库版本:5.7.19mycat:...
  4. python中模块sys与os的一些常用方法
  5. selenium java测试_java+selenium 自动化测试
  6. 14 操作系统第四章 文件管理 文件逻辑结构 文件目录结构
  7. python经典实例-终于明了python入门经典实例
  8. rabbitMq多个队列多种任务同时监听
  9. atitit.抽奖活动插件组件设计--结构设计and 抽奖流程建模
  10. nyoj20吝啬得过度(DFS)
  11. 信息搜集 - 二层发现 arping
  12. 前端学习笔记-JS数据类型
  13. 突破电信80端口封锁,用CDN架设公司服务器!
  14. 木瓜移动全方位布局跨境电商SaaS木瓜大橙, 这条新赛道有何机遇?
  15. C指针原理(32)--C语言-pvm并行计算
  16. SQL Server数据库学习总结及T-SQL语法使用实战
  17. 简单分析大量京东快递揽收后没有物流的单号
  18. 乐鑫ESP32-C3开发(一)简述和目录
  19. 子域名接管_在S3上利用子域接管
  20. 新一代光学工程仿真软件FRED MPC介绍

热门文章

  1. 如果数据库也有一个元宇宙,应该会是什么样子?
  2. 数据3分钟丨Oracle宣布从JDK17开始提供免费版本和更新​;ClickHouse 宣布独立成立公司...
  3. MogDB/openGauss 故障排查思路
  4. 阿里云数据库产品专家胡航丽:数据库自动驾驶平台DAS重磅助力数据库领域智能未来...
  5. 今天聊聊Oracle Database 21c 十“小”新特性
  6. 近千人观看live,晚8点继续安排,2个CPU过高案例+1个文件数据删除案例-Oracle故障分析的方法论+DBA能力提升要领...
  7. 技术人解读企业为什么要平台化,关于数据中台你不知道的事...
  8. 偷梁换柱 | 无备份情况下的数据恢复实践(二)
  9. Java之五种遍历Map集合的方式
  10. 一个真正0基础小白学习前端开发的心路历程