上周有讀者問了個(gè)問題，大意是說對(duì)用戶畫像覺得很懵逼，那么今天就聊一聊。

「用戶畫像」這個(gè)詞，其實(shí)在國(guó)內(nèi)的互聯(lián)網(wǎng)大概率是錯(cuò)用的。

這里有兩個(gè)英文詞，第一個(gè)叫「PERSONA」，這是Allen Cooper提出來的一種通過調(diào)研和問卷獲得的典型用戶模型，用于產(chǎn)品需求挖掘與交互設(shè)計(jì)的方法。

其中：

P代表基本性(Primary)：指該用戶角色是否基于對(duì)真實(shí)用戶的情景訪談;

E代表同理性(Empathy)：指用戶角色中包含姓名、照片和產(chǎn)品相關(guān)的描述，該用戶角色是否引同理心;

R代表真實(shí)性(Realistic)：指對(duì)那些每天與顧客打交道的人來說，用戶角色是否看起來像真實(shí)人物;

S代表獨(dú)特性(Singular)：每個(gè)用戶是否是獨(dú)特的，彼此很少有相似性;

O代表目標(biāo)性(Objectives)：該用戶角色是否包含與產(chǎn)品相關(guān)的高層次目標(biāo)，是否包含關(guān)鍵詞來描述該目標(biāo);

N代表數(shù)量性(Number)：用戶角色的數(shù)量是否足夠少，以便設(shè)計(jì)團(tuán)隊(duì)能記住每個(gè)用戶角色的姓名，以及其中的一個(gè)主要用戶角色;

A代表應(yīng)用性(Applicable)：設(shè)計(jì)團(tuán)隊(duì)是否能使用用戶角色作為一種實(shí)用工具進(jìn)行設(shè)計(jì)決策。

而另一個(gè)單詞，叫「Profile」，是利用已經(jīng)獲得的數(shù)據(jù)，用來勾勒用戶需求、用戶偏好的數(shù)據(jù)分析方法。

這兩個(gè)詞，都可以翻譯為「用戶畫像」，但第一種，用于產(chǎn)品用研與交互設(shè)計(jì)，第二種，用于運(yùn)營(yíng)與數(shù)據(jù)分析。

所以，必須要先明確用的是哪一種，考慮到亮哥的用戶結(jié)構(gòu)，我就說第二種了。

如何獲得用戶畫像

獲得用戶畫像的基礎(chǔ)，是數(shù)據(jù)。

這是一句廢話，但對(duì)于一些創(chuàng)業(yè)公司來說，這是真理。

如果今天我們要分析一個(gè)人，我們會(huì)從哪些角度去分析呢？讓我們回憶一下，我們多年來填寫過的表格里都讓我們填什么：

1. 姓名

2. 性別

3. 民族

4. 戶口所在地

5. 目前居住地

6. 聯(lián)系方式

以上這些好像是標(biāo)準(zhǔn)要填寫的內(nèi)容，但還會(huì)碰到：

• 血型

• 星座

• 興趣愛好

• 工作經(jīng)歷

• 家庭成員

• 收入情況

甚至更多，讓我們先在這里打住。

我們通常情況下想要了解一個(gè)人，會(huì)需要知道這個(gè)人的基本信息，也就是上面1-6的部分，當(dāng)然，根據(jù)需求，可以或多可以或少，但一般不會(huì)超過上面列舉的部分。

而除了了解這些基本信息之外，我們還會(huì)通過和他長(zhǎng)時(shí)間的接觸，了解到基本信息之外的部分，譬如說：

• 性格是外向還是內(nèi)向？

• 有沒有口頭禪，是什么？

• 空閑的時(shí)候喜歡做什么，是宅著，還是出去玩兒？

• 對(duì)食物有哪些偏好，愛吃甜還是愛吃辣？

• 好朋友多不多，是否受人歡迎？

……

諸如此類。

這些需要一段時(shí)間接觸獲得的信息，就不是基本信息，而是更接近于一些私隱和偏好信息。

今天，當(dāng)用戶越來越多的使用產(chǎn)品，我們就會(huì)逐漸提高對(duì)用戶的認(rèn)知。

在這個(gè)過程中，我們通過一些手段，可以對(duì)用戶的習(xí)慣、行為、屬性貼上一系列標(biāo)簽，最終，用戶可能會(huì)變成這樣：

當(dāng)我們拿到了一堆這樣的標(biāo)簽之后，有啥用呢？

精細(xì)化運(yùn)營(yíng)。

本質(zhì)上說，廣告推薦、內(nèi)容分發(fā)、活動(dòng)營(yíng)銷都需要這一套東西，作為基礎(chǔ)。

善用標(biāo)簽

在整個(gè)畫像過程中，標(biāo)簽其實(shí)是個(gè)必備的玩意兒。

說到標(biāo)簽，可能很多人會(huì)有點(diǎn)頭痛，因?yàn)闃?biāo)簽到底怎么打，很多人會(huì)覺得是問題，但其實(shí)，沒那么復(fù)雜。

首先是分類。

假設(shè)，我們的運(yùn)營(yíng)工作是面向C端客戶的，那么我們可以先簡(jiǎn)單的分這么幾類：

1、人屬性標(biāo)簽

即，利用用戶留在系統(tǒng)的信息，我們可以為他的人屬性打上各種標(biāo)簽，譬如：

男、女，這是性別分類里的標(biāo)簽；90后、80后，這是年齡分類里的標(biāo)簽；獅子座、射手座，這是生日分類里的標(biāo)簽……

2、行為屬性標(biāo)簽

即，用戶在系統(tǒng)中真實(shí)發(fā)生的行為，我們可以為行為屬性打上標(biāo)簽，譬如說：

如果有消費(fèi)行為，那么我們可以根據(jù)時(shí)間維度和單次消費(fèi)金額或累計(jì)消費(fèi)金額進(jìn)行標(biāo)簽分類，如：土豪是在360天內(nèi)，累積消費(fèi)金額超過10萬元或單次消費(fèi)金額超過1萬元的用戶。

3、社交屬性標(biāo)簽

即，用戶在社會(huì)化網(wǎng)絡(luò)和系統(tǒng)中留下的有關(guān)其社交屬性的各類標(biāo)簽，譬如說：

大V是在該社區(qū)內(nèi)被超過50000人關(guān)注的用戶；萬人迷可以是因?yàn)槠潢P(guān)注者構(gòu)成中，80%為異性所以被分到這個(gè)類型。

……

還可以繼續(xù)打其他類型的標(biāo)簽。

如果簡(jiǎn)單點(diǎn)兒說的話，就是標(biāo)簽本身只是用來分類的一個(gè)條件，即便沒有標(biāo)簽，只要你能說得清楚行為之間的關(guān)聯(lián)和所需條件的疊加，我認(rèn)為問題也不大，但經(jīng)驗(yàn)告訴我，真是這種情況的話，會(huì)比較制約需求的復(fù)雜度。

重在使用

亮哥一直認(rèn)為，增長(zhǎng)黑客其實(shí)就是系統(tǒng)化的運(yùn)營(yíng)。

而增長(zhǎng)黑客與大多數(shù)公司的運(yùn)營(yíng)之間的差距，其實(shí)就是對(duì)數(shù)據(jù)的利用，以及建立假設(shè)之后的數(shù)據(jù)驗(yàn)證拿到結(jié)果的速度和持續(xù)驗(yàn)證的能力。

因?yàn)椋覀兺ㄟ^Profile去描繪出的用戶需求也好、用戶角色也好，實(shí)際上幾乎可以100%認(rèn)為是滯后的。

利用這些滯后的數(shù)據(jù)，我們實(shí)際想要實(shí)現(xiàn)的是預(yù)測(cè)，否則無法獲得商機(jī)。

咱們這樣來看，一個(gè)用戶A今天在平臺(tái)上買了5斤蘋果，請(qǐng)問下一次該用戶什么時(shí)候會(huì)產(chǎn)生買蘋果的需求，以及如何保證他下次還在我們平臺(tái)上買蘋果？

如果僅從理論上來思考。

我們基本會(huì)有以下的思考模型：

1. 聚合所有在平臺(tái)上買過水果的用戶

2. 取其中連續(xù)購(gòu)買超過N次的用戶（假設(shè)N=3）

3. 取這些用戶每次購(gòu)買的時(shí)間，并計(jì)算間隔

4. 與用戶A對(duì)比，找到近似值，然后在這個(gè)時(shí)間間隔上來對(duì)A做推薦，驗(yàn)證效果。

或者換個(gè)思路：

1. 通過數(shù)據(jù)分析，算算看，A家有幾口人

2. 計(jì)算5斤蘋果大概是多少個(gè)。

3. 假設(shè)一天每個(gè)人吃一個(gè)蘋果，最多幾天吃完

4. 更換假設(shè)條件，獲得不同的吃完天數(shù)

5. 在不同的天數(shù)上對(duì)用戶A做推薦，驗(yàn)證效果。

你會(huì)發(fā)現(xiàn)，其實(shí)預(yù)測(cè)需求比判斷需求要難的多。

而在實(shí)際操作中，我相信，如果你僅僅是推薦蘋果，恐怕是不夠的，要考慮人們的決策過程，就需要更加深入去了解人性。

而這，就是另一個(gè)話題了。