產(chǎn)品增長必備技能：快速找到用戶畫像的方法

在做任何產(chǎn)品之前，都會先想好受眾群體。

但產(chǎn)品上線后發(fā)現(xiàn)，預(yù)設(shè)好的用戶群體好像并不買單，比如很多新產(chǎn)品都變成了現(xiàn)象級產(chǎn)品，曇花一現(xiàn)。或是伴隨著產(chǎn)品的發(fā)展，最初的受眾群體可能會發(fā)生了變化，比如最早使用QQ的那幫用戶群體早已成家立業(yè)，在寢室里團體狙擊CS的那幫人早已放下屠刀。

用戶發(fā)生了變化，產(chǎn)品就要趕緊跟進調(diào)整適應(yīng)新用戶群體的風口，這時候重新定位找到用戶畫像就變的迫在眉睫。

用戶畫像是真實用戶的虛擬代表，它是基于真實的，它不是一個具體的人，是根據(jù)目標的行為觀點的差異區(qū)分為不同類型，迅速組織在一起，然后把新得出的類型提煉出來，形成一個類型的用戶畫像。

使用最多的用戶畫像有八要素：基本性、同理性、真實性、獨特性、目標性、數(shù)量性、應(yīng)用性、長久性，來尋找用戶畫像，可能又會嚇退一批人，今天咱們就把這幾個要素綜合起來搬到線上，從產(chǎn)品的真實運營數(shù)據(jù)中來提煉，一步步分析出用戶畫像的標簽。

1.?用戶畫像的3個維度? ?

我們將用戶畫像的8要素，在線上進行聚類整合，從而勾勒出目標用戶的群體特性。這在產(chǎn)品中被稱為“受眾定向”。在線上研究用戶畫像主要圍繞產(chǎn)品的運營數(shù)據(jù)，獲取用戶的基本信息和用戶在產(chǎn)品中的網(wǎng)絡(luò)行為，進行差異化組合分群。根據(jù)先后順序依次可分為三個維度：信息畫像、行為畫像、分群畫像。

信息畫像即用戶的基本信息，屬于靜態(tài)數(shù)據(jù)，包括地域、性別，收入，婚否、家庭、職業(yè)、收入、資產(chǎn)、消費水平等。

行為畫像即用戶在產(chǎn)品中的網(wǎng)絡(luò)行為，又叫動態(tài)數(shù)據(jù)，包括用戶的瀏覽習慣、訪問時長、使用頻次、消費記錄、喜歡偏好、行為軌跡等。

分群畫像?就是細分用戶群體，根據(jù)產(chǎn)品業(yè)務(wù)的需求，將具有共同業(yè)務(wù)特性的用戶貼上標簽，聚合標簽劃分群體畫像。

2.?建立信息畫像

現(xiàn)有數(shù)據(jù)一般都是通過第三方統(tǒng)計平臺獲取到的，比如友盟等。

對于大公司或者一些保密單位，可能會開發(fā)一套自己的監(jiān)測系統(tǒng)。其實友盟做得還算比較成功，自己開發(fā)耗費巨大的人力成本和時間成本，結(jié)果還不一定會比友盟好用，在友盟上可以清晰地查到新增、日活、啟動、留存、渠道、終端等。

很多互聯(lián)網(wǎng)產(chǎn)品在初期都會選擇友盟統(tǒng)計。先獲取用戶的基本信息即靜態(tài)數(shù)據(jù)，建立起信息畫像的雛形。

用我們做過的一個分期購車產(chǎn)品的來查找信息畫像，先從統(tǒng)計平臺和數(shù)據(jù)庫中提取到可提取到的用戶基本信息，然后整理這些基本信息在用戶群中的占比，最終整理到以下幾個關(guān)鍵指標如下圖所示：

3.?繪制行為畫像

產(chǎn)品根據(jù)市場發(fā)展和用戶需求的變化不斷地更新迭代，在產(chǎn)品迭代中獲取關(guān)鍵變量，從而繪制出行為畫像。用戶在產(chǎn)品中的可統(tǒng)計到的網(wǎng)絡(luò)行為，主要包括使用場景、獲取內(nèi)容、訪問路徑這三塊。使用場景主要是設(shè)備終端、網(wǎng)絡(luò)狀況、訪問時段等；獲取內(nèi)容是用戶在產(chǎn)品中瀏覽的內(nèi)容、完成任務(wù)、使用工具等；訪問路徑是用戶進入產(chǎn)品到離開的整個行為軌跡。

還是用分期購車產(chǎn)品來續(xù)，分析第二個維度行為畫像。獲取跟業(yè)務(wù)相關(guān)網(wǎng)絡(luò)行為，再統(tǒng)計數(shù)據(jù)占比，分析需要獲取有價值的關(guān)鍵幾個點：

4.?勾勒分群畫像

信息畫像和行為畫像整理好以后，怎么聚合這些信息，為用戶貼上精準的標簽，勾勒出分群畫像，是需要我們接下來想辦法去解決的。這里精減到3步，首先找出極端信息值的概念，找到合理的聚合信息畫像，最后繪制出合理的分群畫像。

第一步：極端值

盡量合理覆蓋每組信息的“極端信息值（每組數(shù)據(jù)中占比最高或最低的信息）”。

第二步：合理值

這里極端值的用戶中，分析合理的群體。比如下圖中聚合信息畫像呈現(xiàn)出最高值關(guān)聯(lián)信息中，穩(wěn)定理財?shù)仲I車買房經(jīng)濟壓力很大，看似不合乎邏輯，但買房本來就是一種非常穩(wěn)定的投資，而且這樣的用戶買車的概率很高，還能接受貸款。不合理最低值的用戶占比年齡都相對比較大，而且不接收網(wǎng)絡(luò)交易的安全性，怎么還會去買股票呢？

聚合行為畫像呈現(xiàn)出最高值關(guān)聯(lián)信息中，流量來源中呈現(xiàn)出了一個PC端數(shù)據(jù)占據(jù)近半的現(xiàn)象，這其實反映出兩個問題，一是移動端做的不好，二是用戶群體多為上班族等。

第三步：勾勒集合分群畫像

盡量合理連接用戶行為的“集合信息值（將每組數(shù)據(jù)占比較大的同其他組進行合理地組合，分析出最符合真實用戶的信息值）”，即相對來說基數(shù)較大的用戶群。

勾勒出用戶畫像，產(chǎn)品需求迭代更具針對性。但這是我們根據(jù)數(shù)據(jù)分析出來的結(jié)果，還不能說明這樣的結(jié)果就是對的，接下來還需要我們做進一步用戶畫像的驗證。

5.?驗證用戶畫像

這是我們理論分析得出的用戶畫像，但是到底對不對呢？我們還是用同樣的方法來驗證，整理新版本上線后的真實數(shù)據(jù)尋找其中的變量，然后分析其帶來的提升或?qū)嶋H轉(zhuǎn)化。我們總結(jié)出以下三種方式來驗證。

1. 驗證真實數(shù)據(jù)

產(chǎn)品上線后統(tǒng)計各組實時數(shù)據(jù)，尋找其中產(chǎn)品變化的數(shù)據(jù)，是否符合我們最初迭代改版的預(yù)期，分析是否符合我們勾勒的用戶畫像，變化的需要分析，沒能達到預(yù)期的就要結(jié)合一些數(shù)據(jù)變化有針對性的分析原因。

2. A/B Test

A/B Test算是互聯(lián)網(wǎng)最常用的驗證方法了，基于用戶畫像上線后的產(chǎn)品同當前產(chǎn)品進行比對分析，驗證用戶畫像反饋需求的準確性。

對于訪問量很大的產(chǎn)品我們通常會設(shè)置99%的用戶正常訪問到原有版本，只保留1%的用戶會被隨機切到新版本，集中新舊數(shù)據(jù)對比變化的幅度。比如上面案例做過的分期購車的產(chǎn)品使用A/B Test的數(shù)據(jù)變化，如下圖：?

 3. 業(yè)務(wù)數(shù)據(jù)轉(zhuǎn)化驗證

產(chǎn)品可以為企業(yè)帶來的利潤，是衡量產(chǎn)品好壞的關(guān)鍵指標。雖然這屬于商業(yè)層面的考量，但也要回歸到產(chǎn)品層面來落實。主要還是看產(chǎn)品可以為業(yè)務(wù)帶來的轉(zhuǎn)化率，這是企業(yè)考核的關(guān)鍵KPI,如果轉(zhuǎn)化率跌了，可能就是白忙活一場，如果轉(zhuǎn)化率提高了，就可以作為具有說服力驗證結(jié)果。

上面案例的分期購車產(chǎn)品中的數(shù)據(jù)來展示一下，如下圖：

通過不斷地迭代驗證用戶畫像，帶來用戶增長。但產(chǎn)品帶來大量的新增的同時，也會帶來產(chǎn)品需求的變化，因為用戶本身就是一個變量，產(chǎn)品依然需要不斷的迭代更新，才能不斷地更新驗證用戶畫像。     

用戶畫像使我們更好地解決了用戶的需求，驗證我們用戶畫像方向的可行性，從而得到產(chǎn)品的用戶畫像。

文：李偉巍@VV體驗

首席增長官CGO薦讀：

• 《首席增長官：如何解讀用戶畫像》
• 《存量運營時代，產(chǎn)品經(jīng)理如何理解用戶畫像》
• 《以快手新產(chǎn)品「態(tài)贊」為例，高效產(chǎn)品分析方法》

更多精彩，關(guān)注：增長黑客（GrowthHK.cn）

增長黑客（Growth Hacker）是依靠技術(shù)和數(shù)據(jù)來達成各種營銷目標的新型團隊角色。從單線思維者時常忽略的角度和高度，梳理整合產(chǎn)品發(fā)展的因素，實現(xiàn)低成本甚至零成本帶來的有效增長…