上圖的2個(gè)描述即是一個(gè)典型的用戶(hù)畫(huà)像案例。（吼，怎么有種強(qiáng)行配CP的即時(shí)感~）
一、什么是用戶(hù)畫(huà)像？
“Persona”的概念最早是由“交互設(shè)計(jì)之父” Alan Cooper提出,他認(rèn)為 “Personas are a concrete representation of target users.” 即用戶(hù)畫(huà)像是真實(shí)用戶(hù)的虛擬代表，是建立在一系列真實(shí)數(shù)據(jù)之上形成的目標(biāo)用戶(hù)模型。
簡(jiǎn)而言之，用戶(hù)畫(huà)像其實(shí)就是“用戶(hù)信息標(biāo)簽化”的梳理，結(jié)合產(chǎn)品業(yè)務(wù)的需要，給不同群體的用戶(hù)特征貼上合適的標(biāo)簽。
從電商產(chǎn)品的角度看，通過(guò)分析用戶(hù)的個(gè)人基本信息以及在使用產(chǎn)品過(guò)程中的行為軌跡如：瀏覽、點(diǎn)贊、加入購(gòu)物車(chē)、下單、使用支付方式等等，用標(biāo)簽把用戶(hù)的典型特征描述出來(lái)，提煉以下用戶(hù)信息卡片：
1、基本屬性
往往在注冊(cè)時(shí)引導(dǎo)獲取，如手機(jī)號(hào)碼、性別、年齡、教育程度、所屬地區(qū)等等
2、行為特征
通過(guò)分析瀏覽、購(gòu)買(mǎi)行為，例如收藏母嬰店鋪、多次參加母嬰專(zhuān)場(chǎng)滿(mǎn)減活動(dòng)等等，可以判斷這是一個(gè)新晉父母，對(duì)優(yōu)惠活動(dòng)敏感度強(qiáng)；
3、購(gòu)買(mǎi)能力
通過(guò)分析用戶(hù)的訂單金額和次數(shù)，購(gòu)買(mǎi)品牌偏好，推算出其客單價(jià)、用戶(hù)是否是高端中戶(hù)、購(gòu)買(mǎi)頻次、是活躍用戶(hù)還是沉睡用戶(hù)等等；
4、社交特征
分析商品分享給好友的頻次、收貨人電話和地址的數(shù)量，可以研究該用戶(hù)的社交情況；
5、心理特征
分析用戶(hù)參加促銷(xiāo)活動(dòng)的頻次，優(yōu)惠券消耗的情況、同一品牌、店鋪的復(fù)購(gòu)率等維度，可以推算用戶(hù)對(duì)大促的敏感度，對(duì)平臺(tái)或者品牌的忠誠(chéng)度；
6、興趣愛(ài)好特征
用戶(hù)瀏覽、收藏、關(guān)注店鋪的類(lèi)型，加入購(gòu)物車(chē)、提交訂單的商品類(lèi)別，可以分析出用戶(hù)對(duì)某些品牌、品類(lèi)的偏好度，從而進(jìn)行某個(gè)品類(lèi)的專(zhuān)場(chǎng)營(yíng)銷(xiāo)活動(dòng)。
舉個(gè)栗子：
挨踢宅男小馬哥關(guān)注了66家動(dòng)漫手辦店鋪，他的用戶(hù)標(biāo)簽可能是“動(dòng)漫達(dá)人”，如果平臺(tái)或商家有動(dòng)漫周邊大促的活動(dòng)上線，會(huì)優(yōu)先將活動(dòng)信息推送給這類(lèi)的目標(biāo)用戶(hù)。
常見(jiàn)電商用戶(hù)標(biāo)簽：動(dòng)漫達(dá)人、數(shù)碼發(fā)燒友、潮媽、游戲奶爸、單身貴族、家庭用戶(hù)、持家黨、嘗鮮黨、敗家黨
二、為什么需要用戶(hù)畫(huà)像？
正如“一千個(gè)人心中有一千個(gè)哈姆雷特” ，用戶(hù)對(duì)產(chǎn)品的需求存在差異性和沖突性，不同的用戶(hù)對(duì)產(chǎn)品的類(lèi)型、內(nèi)容偏好，營(yíng)銷(xiāo)敏感度的反響都存在偏差。
該如何決策和取舍呢？
“用戶(hù)畫(huà)像”通過(guò)算法、用戶(hù)模型，提煉用戶(hù)群體的典型標(biāo)簽， 一方面可以讓團(tuán)隊(duì)成員在產(chǎn)品需求設(shè)計(jì)的過(guò)程中能夠相對(duì)客觀、合理地將注意力在目標(biāo)用戶(hù)群的動(dòng)機(jī)和行為上進(jìn)行產(chǎn)品設(shè)計(jì)；另一方面也助力于提升營(yíng)銷(xiāo)推廣的精準(zhǔn)度，提高信息獲取的效率，促成產(chǎn)品需求優(yōu)先級(jí)的決策。
用戶(hù)畫(huà)像在產(chǎn)品設(shè)計(jì)、運(yùn)營(yíng)決策中的價(jià)值體現(xiàn)在哪些方面？
1、精準(zhǔn)營(yíng)銷(xiāo)
例如：應(yīng)用push、短信、郵件、個(gè)性化專(zhuān)題展示，提高用戶(hù)購(gòu)買(mǎi)轉(zhuǎn)化率。（終于為敗家指數(shù)越發(fā)上升找到一個(gè)完美的借口~）
2、用戶(hù)的統(tǒng)計(jì)
如，地域分布、購(gòu)買(mǎi)時(shí)段、品牌偏好、用戶(hù)價(jià)值大小統(tǒng)計(jì)
3、分類(lèi)統(tǒng)計(jì)
如：喜歡上簡(jiǎn)書(shū)的用戶(hù)有多少？喜歡上簡(jiǎn)書(shū)的人群中，男、女比例和年齡分段是怎么樣的？單身的有多少呀？（怎么感覺(jué)在操心用戶(hù)的終身大事org）
4、數(shù)據(jù)挖掘
特征、行為關(guān)聯(lián)規(guī)則，如：商品搭配購(gòu)買(mǎi)、關(guān)聯(lián)購(gòu)買(mǎi)，推薦購(gòu)買(mǎi)，貼心為用戶(hù)推薦符合其口味的品類(lèi)，沉浸在“買(mǎi)買(mǎi)買(mǎi)”的愉快體驗(yàn)中。（真是毫不設(shè)防啊……）
三、如何構(gòu)建用戶(hù)畫(huà)像
構(gòu)建用戶(hù)畫(huà)像是為了還原用戶(hù)信息，確保信息的客觀真實(shí)性，因此有一個(gè)大原則必須遵循：數(shù)據(jù)來(lái)源于所有用戶(hù)相關(guān)的真實(shí)數(shù)據(jù)。
構(gòu)建用戶(hù)畫(huà)像的過(guò)程可以歸結(jié)為以下三步：
1、數(shù)據(jù)采集：
主要包括用戶(hù)網(wǎng)絡(luò)行為數(shù)據(jù)、網(wǎng)站內(nèi)行為數(shù)據(jù)、用戶(hù)內(nèi)容偏好數(shù)據(jù)、用戶(hù)交易數(shù)據(jù)；
2、行為建模
通過(guò)對(duì)采集數(shù)據(jù)的處理，進(jìn)行行為建模，以抽象出用戶(hù)的標(biāo)簽，通過(guò)數(shù)學(xué)算法模型盡可能地排除用戶(hù)的偶然行為。涉及的技術(shù)點(diǎn)：文本挖掘、自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、預(yù)測(cè)算法以及聚類(lèi)算法。（Ho~程序猿GG的亮技能的時(shí)刻來(lái)了）
在此階段，需要結(jié)合用戶(hù)模型來(lái)給用戶(hù)貼標(biāo)簽，如：
a.用戶(hù)忠誠(chéng)度模型
通過(guò)判斷＋聚類(lèi)算法判斷用戶(hù)的忠誠(chéng)度
b.身高體型模型
根據(jù)用戶(hù)購(gòu)買(mǎi)服裝鞋帽等用品判斷
c.用戶(hù)價(jià)值模型
判斷用戶(hù)對(duì)于網(wǎng)站的價(jià)值，篩選不同維度用戶(hù)來(lái)進(jìn)行針對(duì)性推廣，對(duì)提高用戶(hù)留存率非常有用
d．用戶(hù)汽車(chē)模型
根據(jù)用戶(hù)對(duì)“汽車(chē)”話題的關(guān)注或購(gòu)買(mǎi)相關(guān)產(chǎn)品的情況來(lái)判斷用戶(hù)是否有車(chē)、是否準(zhǔn)備買(mǎi)車(chē)，進(jìn)而推送汽車(chē)相關(guān)的商品，甚至保險(xiǎn)服務(wù)；
此外，還有流失用戶(hù)模型、數(shù)碼用戶(hù)模型、優(yōu)惠敏感用戶(hù)模型等等。
3、初步構(gòu)建畫(huà)像
通過(guò)記錄、抓取用戶(hù)的基本屬性、購(gòu)買(mǎi)能力、行為特征、興趣愛(ài)好、社交網(wǎng)絡(luò)等數(shù)據(jù)進(jìn)行分析，創(chuàng)建、具體化用戶(hù)畫(huà)像。
用戶(hù)畫(huà)像有其自身的特性和局限性，例如無(wú)法100%地描述一個(gè)人，且具有時(shí)效性，因此，需要根據(jù)用戶(hù)畫(huà)像的基礎(chǔ)數(shù)據(jù)持續(xù)更新和修正，同時(shí)要善于從已知數(shù)據(jù)中具象化出新的標(biāo)簽使用戶(hù)畫(huà)像越來(lái)越鮮活立體，發(fā)揮其參考指引價(jià)值。
不同的公司、團(tuán)隊(duì)獲取數(shù)據(jù)、提煉用戶(hù)特征方式均有所不同，大的公司會(huì)自建數(shù)據(jù)分析系統(tǒng)以及有強(qiáng)大的用研和數(shù)據(jù)分析團(tuán)隊(duì)支撐，而稍小一些的公司更多借力于第三方平臺(tái)提取數(shù)據(jù)或開(kāi)展細(xì)分用戶(hù)群的用戶(hù)調(diào)研工作。
四、小結(jié)
1、 用戶(hù)畫(huà)像一定要建立在真實(shí)的數(shù)據(jù)源基礎(chǔ)上，否則可能會(huì)導(dǎo)致產(chǎn)品、運(yùn)營(yíng)的一系列方向決策錯(cuò)誤；
2、團(tuán)隊(duì)成員對(duì)用戶(hù)畫(huà)像的認(rèn)知和認(rèn)同不容小覷，應(yīng)該在項(xiàng)目的不同階段都盡量讓團(tuán)隊(duì)成員參與進(jìn)來(lái)；
3、用戶(hù)畫(huà)像具有時(shí)效性，必須階段性地更新修正，定期更新數(shù)據(jù)分析時(shí)間周期和方向維度，以及時(shí)了解市場(chǎng)和用戶(hù)的變化趨勢(shì)，保持用戶(hù)畫(huà)像的市場(chǎng)適用性。
4、不要神化用戶(hù)畫(huà)像的作用和意義，甚至許多公司產(chǎn)品對(duì)這塊的研究還是缺失的。正確合理的用戶(hù)畫(huà)像可以更好地促進(jìn)公司產(chǎn)品發(fā)展以及更好地輔助產(chǎn)品方向決策。
朕是一只有神力的喵！
參考素材：
1、易觀智庫(kù)：大數(shù)據(jù)下的用戶(hù)分析及用戶(hù)畫(huà)像
2、邱勝昌老師慕課網(wǎng)：電商大數(shù)據(jù)應(yīng)用之用戶(hù)畫(huà)像
3、楊步濤：基于用戶(hù)畫(huà)像的大數(shù)據(jù)挖掘?qū)嵺`
聯(lián)系客服
