思维,方法,用户画像,大数据,思路+步骤+方法.三步教你快速构建用户画像

tdavidwang 2016-10-18 11:02:16

思路+步骤+方法,三步教你快速构建用户画像

大数据

2016-10-17 超哥 大数据

首发于公众号  超运营思维 (ID:e_chaoge),作者  超哥,大数据公众号获授权转载。如需转载请与作者联系,谢绝二次转载。

如果你走在大街上,看到迎面走来了一个前凸后翘、长发飘飘、五官精致、皮肤白皙、大腿修长的人,你内心肯定会一阵惊喜:“哇,美女!”。假如你对这个美女产生了兴(性)趣,你想追求这个美女,那么你会想办法去了解这个美女,比如约她吃饭,出去玩以了解她的性格特征,从她闺蜜那打听她的兴趣、爱好等。当你对这个美女的外在和内在都做了详细的了解之后,你觉得的实时机差不多了,就开始了对美女的表白。

其实在你向美女表白前的一些列过程就是在对这个美女进行画像。你在表白前你肯定会对这个美女有了以下判断:

  • 外在,她是一个美女。判断依据:前凸后翘,长发飘飘,五官精致,皮肤白皙,大腿修长

  • 内在,她很温柔、贤惠、知书达理,她喜欢……判断依据:声音好听、细腻,举止优雅,会做饭,能持家,善解人意等

其实我们在做产品或者运营过程中的用户画像也是同样的道理和思路,前面是对单个人的特征描述。在做产品运营过程中的用户画像唯一不同的就是,我们需要对一群人做特征描述,是对一个群体的共性特征的提炼,说白了就是给用户群体打标签。所以用一句话概括:用户画像就是给用户打标签!

当然给用户画像不是随随便便的给用户打几个标签就完事,就像你追美女之前的了解工作一样,你需要对美女的外表进行判断,你需要通过跟美女的交往和沟通,或者从闺蜜那进行打听来了解美女的性格,爱好和需求。所以我们在构建用户画像的时候需要遵循一定的思路、步骤和方法。

用户画像的思路

前面在用美女举例的时候,对美女从内在和外在两个方面进行了判断,用户画像的构建思路其实也是从这两个方面进行展开。在这里我们称之为:显性画像和隐性画像两个方面,具体的思路都是围绕这两个方面进行展开。

  • 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、产品的使用频次等。

以下可做思路的参考:

一级纬度

二级纬度

举例

显性画像

基础特征

年龄

性别

职业

地域分布

兴趣爱好

网络使用习惯

上网时长

上网时间

上网影响因素

产品使用习惯

使用频次

使用时间

使用时长

行为特征

其他特征

了解产品渠道

注册时间

用户等级

活跃情况

用户分类

用户分级

隐性画像

目的

使用滴滴的目的就是打车

偏好

我更喜欢使用滴滴而不是Uber

我更喜欢打快车而不是专车

需求

使用滴滴为了快速打到车

场景

上班,去约会,去机场等

频次

我一周可能使用滴滴2-3次

用户画像构建步骤

为了让整个用户画像的工作有秩序,有节奏的进行,我们可以将用户画像分为以下三个步骤:基础数据采集,分析建模,结果呈现。


第一步:基础数据采集

数据是构建用户画像的核心依据,一切不建立在客观数据基础上的用户画像都是耍流氓。在基础数据采集方面可以先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:

一级维度

二级纬度

数据举例

数据来源

宏观层

行业数据

如:

用户群体的社交行为

用户群体的网络喜好

用户群体的行为洞察

用户群体的生活形态调研

行业研究报告

用户总体数据

如:

用户总量

不同级别用户分布

用户活跃情况

转化数据

前台和后台

第三方数据平台

研发导出

总体浏览数据

如:PV、UV、访问页面数

总体内容数据

如:

社区产品的用户发帖量(包含:主题数、回复数、楼中楼等数据)

不用级别用户发帖数据等

中观层

用户属性数据

用户终端设备

网络及运营商

用户的年龄、性别、职业、低于、兴趣爱好等分布

用户行为数据

用户的粘性数据:

访问频率

访问时间间隔

访问时段

用户的活跃数据:

用户的登录次数

平均停留时间

平均访问页面数

用户的留存数据

用户成长数据

网络使用习惯

产品使用习惯

用户成长数据

新老用户数据

用户的生命周期

用户的等级成长

访问深度

如:

跳出率

访问页面数

访问路径等

模块数据

产品各个功能模块数据

问卷调研

问卷调研过程中各个问题的情况反馈

调研和访谈

用户访谈

访谈用户的问题和需求反馈

微观层

用户参与度数据

如:

用户资料修改情况

用户新手任务完成情况

用户活动参与情况

数据后台

第三方数据平台

研发导出

用户点击数据

用户各个功能模块和按钮的访问和点击情况等

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。

资料性质

资料类型

一手资料

问卷调研情况

用户访谈情况

产品前台反馈出的数据和用户行为

产品后台数据

二手资料

研究报告

文献资料

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。

比如,如果我们所做的产品是面向95后的用户群体,你需要了解整个95后群的性格特征、行为喜好等,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》


接着可以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:


假如你是做社区产品的用户画像,那么通过用户等级数据、用户行为数据和用户贡献等数据进行分析并建立相应的用户模型,比如某K12领域社区用户分布和需求模型:


我们在做用户画像过程中非常重要的一块工作内容就是问卷调研和用户访谈,这是了解我们用户的非常关键的一个渠道。问卷调研和用户访谈的思路大致如下:

1、问卷调研


问卷调查是一项有目的的研究实践活动,无论一份问卷设计的水平高低与否,其背后必然存在着特定的研究目的。因此将要设计的问卷就是为你的特定研究目的服务的。这是设计问卷之前必须植根于脑海中的一个观念。既然问卷调查是一项有目的的研究实践活动,那么从理论指导实践的角度出发进行就是必须的,即设计问卷前必须要做好充足的理论准备,宏观层面上应做到以下两点:

1)明确你们研究的主题是什么?

2)想通过问卷调查获取的信息有哪些?

问卷调研的信息一定是不确定性的用户信息或者无法通过后台数据或者文献资料查阅到的信息。对于已经确定的信息或者可以通过后台以及文献资料能够获取到的信息就无需再通过问卷进行调研。

问卷调研因为需要用有限的问题来获取有价值的信息,因此问卷的设计是一门较深的学问,问卷设计需要有特定的思路、方法和技巧,具体大家可以参考网上的问卷设计的方法。

2、用户访谈

在运营工作中,运营人员会经常通过研究“用户是怎么想的”,“用户是怎么做的”等。很多时候用研都会选择用户访谈作为研究这类问题的方法,具体步骤如下:



在访谈结果分析方面,一般采取关键词提炼法,即针对每个用户对每个问题的反馈进行关键词提炼,然后对所有访谈对象反馈出的共性关键词进行汇总,具体思路如下:


比如,我们针对某在线教育(K12领域)的社区用户的访谈对象的结果进行关键词提炼进行举例:




第三步:画像呈现

前面我们提到了用户画像就是给目标用户群体打标签,从显性画像和隐性画像两个方面来进行,因此,整个用户画像的呈现也需要从这两个方面的进行。我继续以某在线教育(K12领域)社区进行举例(部分内容):

第一部分:显性特征



第二部分:隐性特征


当然构建用户画像的目的是为了充分了解我们的用户,进而为产品设计和运营提供参考。因此如果我们新接触一个产品的时候用户画像是我们了解用户的最好方式。另外用户画像的构建一定是要为我们的运营规划、运营策略制定而服务的,如果我们做出来的用户画像无法指导我们的产品设计或者运营规划及策略制定提供参考的话,那么这个用户画像一定是失败的。

所以如果你的leader让你来负责用户的画像构建的话,你需要在构建出具体用户画像之后,可以针对用户画像的结论来提出具体的运营建议和思路。

超运营思维 (ID:e_chaoge) 

近期精彩活动(直接点击查看):

福利 · 阅读 | 免费申请读大数据新书 第13期 

END
大数据

为大家提供与大数据相关的最新技术和资讯。

长按指纹 > 识别图中二维码 > 添加关注

近期精彩文章(直接点击查看):

160904 2016年创业公司死亡名单:融资10亿、用户千万也救不活了!

160830 被失业!未来六大传统产业将这样被颠覆(超现实)

160829 为何你只能做出渣图表?数据可视化的十大误区

160828 2分钟读懂大数据框架Hadoop和Spark的异同

160827 说说什么是数据挖掘

160823 裁员浪潮+寒冬大逃杀,互联网人该何去何从? 

160820 39个大数据可视化工具,哪个才是你的菜? 

160816 上班族每次在地铁上花费37分钟,经过9.78站|2号线是上海经济命脉|上海地铁数据趣味研究

160812 五亿姓名数据分析|TF-IDF算法揭秘中国人名密码

160803 傅盛:深度学习是什么?

160731 力荐!大数据等各种IT技能图谱(全套13张)

160716 2016年上半年大数据方向就业形势重磅出炉

160714 关于反爬虫,看这一篇就够了

160710 他是比尔盖茨的偶像,用50年写出编程圣经,被奉为程序员鼻祖

160627 Hadoop创始人Doug Cutting谈未来大数据的技术

160614 世界顶尖数据科学家看未来十年大数据发展

160606 为不擅长编程的人准备的19个数据科学工具 

160522 长文 | 大数据思维的十大原理

160520 不让谷歌进来是对的。。。

160519 史上最全的大数据分析和制作工具

更多精彩文章,请在公众号后台回复000查看,谢谢。

内容转载自公众号

超运营思维
超运营思维
了解更多
阅读原文
阅读
精选留言

该文章作者已设置需关注才可以留言

写留言

    该文章作者已设置需关注才可以留言

    写留言

    加载中
    以上留言由公众号筛选后显示

    了解留言功能详情

    文章来源