思路+步驟+方法，三步教你如何快速構建用戶畫像？

2016-10-07 超哥 互聯網er的早讀課 互聯網er的早讀課 數十萬互聯網從業者的共同關注！

作者：超哥。作者授權早讀課發表，轉載請聯系作者。
微信公眾號：超運營思維 (ID: e_chaoge )

歡迎到早讀課投稿，投稿郵箱：mm@zaodula.com

?

如果你走在大街上，看到迎面走來了一個前凸后翹、長發飄飄、五官精致、皮膚白皙、大腿修長的人，你內心肯定會一陣驚喜：“哇，美女！”。假如你對這個美女產生了興（性）趣，你想追求這個美女，那么你會想辦法去了解這個美女，比如約她吃飯，出去玩以了解她的性格特征，從她閨蜜那打聽她的興趣、愛好等。當你對這個美女的外在和內在都做了詳細的了解之后，你覺得的實時機差不多了，就開始了對美女的表白。

?

其實在你向美女表白前的一些列過程就是在對這個美女進行畫像。你在表白前你肯定會對這個美女有了以下判斷：

外在，她是一個美女。判斷依據：前凸后翹，長發飄飄，五官精致，皮膚白皙，大腿修長

內在，她很溫柔、賢惠、知書達理，她喜歡……判斷依據：聲音好聽、細膩，舉止優雅，會做飯，能持家，善解人意等。

?

其實我們在做產品或者運營過程中的用戶畫像也是同樣的道理和思路，前面是對單個人的特征描述。在做產品運營過程中的用戶畫像唯一不同的就是，我們需要對一群人做特征描述，是對一個群體的共性特征的提煉，說白了就是給用戶群體打標簽。

所以用一句話概括：用戶畫像就是給用戶打標簽！

?

當然給用戶畫像不是隨隨便便的給用戶打幾個標簽就完事，就像你追美女之前的了解工作一樣，你需要對美女的外表進行判斷，你需要通過跟美女的交往和溝通，或者從閨蜜那進行打聽來了解美女的性格，愛好和需求。所以我們在構建用戶畫像的時候需要遵循一定的思路、步驟和方法。

?

1.用戶畫像的思路

前面在用美女舉例的時候，對美女從內在和外在兩個方面進行了判斷，用戶畫像的構建思路其實也是從這兩個方面進行展開。在這里我們稱之為：顯性畫像和隱性畫像兩個方面，具體的思路都是圍繞這兩個方面進行展開。

?

顯性畫像：即用戶群體的可視化的特征描述。如目標用戶的年齡、性別、職業、地域、興趣愛好等特征

?

隱性畫像：用戶內在的深層次的特征描述。包含了用戶的產品使用目的、用戶偏好、用戶需求、產品的使用場景、產品的使用頻次等。

?

以下可做思路的參考：

一級緯度	二級緯度	舉例
顯性畫像	基礎特征	年齡
		性別
		職業
		地域分布
		興趣愛好
	網絡使用習慣	上網時長
		上網時間
		上網影響因素
	產品使用習慣	使用頻次
		使用時間
		使用時長
		行為特征
	其他特征	了解產品渠道
		注冊時間
		用戶等級
		活躍情況
		用戶分類
		用戶分級
隱性畫像	目的	使用滴滴的目的就是打車
	偏好	我更喜歡使用滴滴而不是Uber 我更喜歡打快車而不是專車
	需求	使用滴滴為了快速打到車
	場景	上班，去約會，去機場等
	頻次	我一周可能使用滴滴2-3次

?

2.用戶畫像構建步驟

為了讓整個用戶畫像的工作有秩序，有節奏的進行，我們可以將用戶畫像分為以下三個步驟：基礎數據采集，分析建模，結果呈現。

第一步：基礎數據采集

數據是構建用戶畫像的核心依據，一切不建立在客觀數據基礎上的用戶畫像都是耍流氓。在基礎數據采集方面可以先通過列舉法先列舉出構建用戶畫像所需要的基礎數據。具體的思路如下：

一級維度	二級緯度	數據舉例	數據來源
宏觀層	行業數據	如： 用戶群體的社交行為 用戶群體的網絡喜好 用戶群體的行為洞察 用戶群體的生活形態調研	行業研究報告
	用戶總體數據	如： 用戶總量 不同級別用戶分布 用戶活躍情況 轉化數據	前臺和后臺 第三方數據平臺 研發導出
	總體瀏覽數據	如：PV、UV、訪問頁面數
	總體內容數據	如： 社區產品的用戶發帖量（包含：主題數、回復數、樓中樓等數據） 不用級別用戶發帖數據等
中觀層	用戶屬性數據	用戶終端設備 網絡及運營商 用戶的年齡、性別、職業、低于、興趣愛好等分布
	用戶行為數據	用戶的粘性數據： 訪問頻率 訪問時間間隔 訪問時段
		用戶的活躍數據： 用戶的登錄次數 平均停留時間 平均訪問頁面數
		用戶的留存數據
	用戶成長數據	網絡使用習慣
		產品使用習慣
	用戶成長數據	新老用戶數據 用戶的生命周期 用戶的等級成長
	訪問深度	如： 跳出率 訪問頁面數 訪問路徑等
	模塊數據	產品各個功能模塊數據
	問卷調研	問卷調研過程中各個問題的情況反饋	調研和訪談
	用戶訪談	訪談用戶的問題和需求反饋
微觀層	用戶參與度數據	如： 用戶資料修改情況 用戶新手任務完成情況 用戶活動參與情況	數據后臺 第三方數據平臺 研發導出
	用戶點擊數據	用戶各個功能模塊和按鈕的訪問和點擊情況等

當然上面列舉的數據緯度相對比較多，在構建用戶畫像過程中會根據需求進行相關的數據篩選。

在基礎資料和數據收集環節我們會通過一手資料和二手資料獲取相應的基礎數據。

資料性質	資料類型
一手資料	問卷調研情況 用戶訪談情況 產品前臺反饋出的數據和用戶行為 產品后臺數據
二手資料	研究報告 文獻資料

?

這些資料和數據會有三個方面的來源：

相關的文獻資料和研究報告

產品數據后臺

問卷調研和用戶訪談

?

第二步：分析建模

當我們對用戶畫像所需要的資料和基礎數據收集完畢后，需要對這些資料進行分析和加工，提煉關鍵要素，構建可視化模型。

?

比如，如果我們所做的產品是面向95后的用戶群體，你需要了解整個95后群的性格特征、行為喜好等，通過搜索你可以獲取到以下資料：

• 企額智庫《透視95后：新生代社交行為》

• QQ空間獨家大數據《“95后”新生代社交網絡喜好報告》

• 百度《00后用戶移動互聯網行為洞察》

• 中國大數據產業觀察《2015年95后生活形態調研報告》

接著可以對這些報告進行分析和關鍵詞提煉，概括出整個95后群體標簽，具體如下：

假如你是做社區產品的用戶畫像，那么通過用戶等級數據、用戶行為數據和用戶貢獻等數據進行分析并建立相應的用戶模型，比如某K12領域社區用戶分布和需求模型：

我們在做用戶畫像過程中非常重要的一塊工作內容就是問卷調研和用戶訪談，這是了解我們用戶的非常關鍵的一個渠道。問卷調研和用戶訪談的思路大致如下：

1、問卷調研

問卷調查是一項有目的的研究實踐活動，無論一份問卷設計的水平高低與否，其背后必然存在著特定的研究目的。因此將要設計的問卷就是為你的特定研究目的服務的。這是設計問卷之前必須植根于腦海中的一個觀念。既然問卷調查是一項有目的的研究實踐活動，那么從理論指導實踐的角度出發進行就是必須的，即設計問卷前必須要做好充足的理論準備，宏觀層面上應做到以下兩點：

1）明確你們研究的主題是什么？

2）想通過問卷調查獲取的信息有哪些？

問卷調研的信息一定是不確定性的用戶信息或者無法通過后臺數據或者文獻資料查閱到的信息。對于已經確定的信息或者可以通過后臺以及文獻資料能夠獲取到的信息就無需再通過問卷進行調研。

?

問卷調研因為需要用有限的問題來獲取有價值的信息，因此問卷的設計是一門較深的學問，問卷設計需要有特定的思路、方法和技巧，具體大家可以參考網上的問卷設計的方法。

?

2、用戶訪談

在運營工作中，運營人員會經常通過研究“用戶是怎么想的”，“用戶是怎么做的”等。很多時候用研都會選擇用戶訪談作為研究這類問題的方法，具體步驟如下：

在訪談結果分析方面，一般采取關鍵詞提煉法，即針對每個用戶對每個問題的反饋進行關鍵詞提煉，然后對所有訪談對象反饋出的共性關鍵詞進行匯總，具體思路如下：

比如，我們針對某在線教育（K12領域）的社區用戶的訪談對象的結果進行關鍵詞提煉進行舉例：

第三步：畫像呈現

前面我們提到了用戶畫像就是給目標用戶群體打標簽，從顯性畫像和隱性畫像兩個方面來進行，因此，整個用戶畫像的呈現也需要從這兩個方面的進行。我繼續以某在線教育（K12領域）社區進行舉例（部分內容）：

第一部分：顯性特征

第二部分：隱性特征

當然構建用戶畫像的目的是為了充分了解我們的用戶，進而為產品設計和運營提供參考。因此如果我們新接觸一個產品的時候用戶畫像是我們了解用戶的最好方式。另外用戶畫像的構建一定是要為我們的運營規劃、運營策略制定而服務的，如果我們做出來的用戶畫像無法指導我們的產品設計或者運營規劃及策略制定提供參考的話，那么這個用戶畫像一定是失敗的。

?

所以如果你的leader讓你來負責用戶的畫像構建的話，你需要在構建出具體用戶畫像之后，可以針對用戶畫像的結論來提出具體的運營建議和思路。

總結

以上是生活随笔為你收集整理的思路+步骤+方法，三步教你如何快速构建用户画像？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。