用户画像搭建思路——了解用户行为目标及痛点

在讨论一个新的产品或需要对项目进行新的用户人群分析，营销点时，常常会谈到用户画像，甚至在案例分析、作品集中也会使用用户画像，辅助相关的设计结论，但很多人对于用户画像的了解却只是一知半解，展现出来的也是简单的人物兴趣、爱好分析，无法与产品产生强关联，更别说运用到项目中，那么用户画像是真的用户形象吗？用户画像的作用是什么？在产品设计过程中我们为什么要搭建用户画像？用户画像的搭建方式及使用方式是什么？

01 什么是用户画像

用户画像第一次出现是在阿兰·库珀（Alan Cooper）1998年出版的《交互设计之路：让科技回归人生》，书中介绍了通过使用人物角色（Persona）作为设计工具解决实际产品设计过程中由于设计师与用户间的“认知摩擦”而产生的产品问题。

在更早之前，当时的Alan Cooper正在编写关于路径管理的软件，他采访了七、八个将来可能会使用该软件的同事，并与其中的一位负责运营项目的工作人员进行了深入的沟通。

完成这些沟通后，闲暇时间阿兰·库珀开始在脑海里构思自己的程序，并尝试跳出自己作为设计者身份，自己与自己进行对话，把自己设想成一个项目管理者或是一个完全陌生的使用者对程序提出新的需求。

我们可以看出用户画像并不是指的真人，而是指真实用户的虚拟代表，并通过类似戏剧表演的方式，来帮助设计师拆分复杂的需求，让设计者可以清楚的看到产品设计过程中什么是必要的什么是非必要的，并区分哪些功能常用哪些功能不常用。

随着互联网的长期发展，用户画像也不再单指基于对真实世界观察抽象出具有代表性的User persona（综合性用户画像），还包括了随着数据越来越多之后产生用户分层模型的User portrait（信息标签用户画像）。在工作过程中有很多人会将这两个概念搞混，下面我们详细聊下两种不同的画像概念。

1. 综合性用户画像

2007年，苹果发布的1代iPhone支持用户手指直接与屏幕交互，手机应用伴随手机硬件的发展迎来了大爆发，这个时期的用户画像以用户为对象，基于产品对真实世界的观察，根据用户的目标、行为和观点差异，将用户信息进行统计和划分，分析人员再根据这些信息将用户区分为不同类型，抽象出具有代表性的虚拟用户模型，赋予名字、照片、人口统计学要素、场景等描述，形成综合性的人物原型（peisonas），主要用于产品上线前，通过深入的挖掘用户的动机、原因、欲望、痛点，研究用户体验、发现产品的盲点并促进设计决策，更侧重产品、用研。也被称为综合的用户原型（Composite User Arcgetype）、用户角色。

User persona的主要特征

1.用户画像包括角色描述和用户目标

我们在建立用户画像时使用统计数据来描述角色，如名称、年龄、位置、收入、职业等，这类角色描述主要是为了使用户画像更丰富、真实、具象，但用户画像并不只停留在这些数据。我们应该更加关注用户如何看待、使用产品，以及与产品的互动，关注用户的态度、目标行为及行为动机。

2.可以代表相似的用户群体或类型，可以代表个体

User persona是抽象的、虚拟的，是通过收集多个独立个体的真实数据构成的一个角色，代表典型的用户群体；虽然可以也代表个体，但个体并不是实际独立的个人，而是从实际观察研究中综合而来的，在设计过程中过度关注个体，会使设计迷路于个体的特殊需求，而错失大众的具体需求。

3.须针对具体情境—具体产品的行为和目标

Userpersona研究的是用户在具体情境下对产品的使用，关注在一定范围内的行为、态度、能力、动机等，即使同一个角色，用户画像不能用来概括所有的可能性，在不同产品下的动机也是有差异，不轻易在不同产品间复用，即使是同一个业务部门也要考虑不同类型产品的切入场景。

4.并不是一成不变的

User persona并不是一次完成后就不再变化，相反的我们需要在业务的发展过程中不断地更新。

2. 信息标签用户画像

早期用户数据来源渠道比较少，数据量也相对比较小，用户画像的研究主要基于统计分析层面，通过用户调研来构建用户画像。

随着行业间的竞争越来越大，行业产生的数据越来越多，头部的互联网公司有了属于自己的数据仓库，产品设计也不再局限于确定产品定位，增加获客，互联网公司的竞争从增量市场转向存量市场。

各个公司开始侧重于如何应用数据仓内数据，对存量用户在网络上产生的各种浏览行为及用户的兴趣偏好进行数据分析和挖掘，进行精细化的运营，从而产生了现在被提及更多的用户信息标签化用户画像（User portrait）。

User portrait通过收集用户多维度的真实信息数据（如人口统计属性、社会属性、行为偏好、消费习惯等），对其进行统计、分析，从而抽象出用户信息全貌。

技术的发展使得用户画像更加的精细化，信息标签用户画像更侧重数据挖掘及用户标签体系的搭建，多用于产品上线后、产品用户已经有了一定规模后的精准营销及提高用户体验，比如淘宝的千人千面。

User portrait的主要特征

1.真实性

集合每个个体的真实信息，除了人口统计属性、生活状态等静态信息，也有类似用户近期关注的视频类型、关注的博主等用户行为动态信息。

2.时效性

用户动态信息兴趣偏好随时都在变化，需要及时追踪其变化

3.覆盖度广

既能监测到用户感兴趣的内容，也可以看到不感兴趣的内容，维度众多，更注重相关数据分析及挖掘。

以上是用户画像的两种形式，User persona基于用户基本信息（比如个人信息资料、个人行为）构建标签；User portrait基于用户业务、行为数据（用户浏览使用产品产生的数据）构建标签，因此很多人会说用户画像的建立就是给用户打标签。

需要强调的是初次接触用户画像概念的人认为用户画像是真实的单个用户信息，用户画像并不强调单个个体的特点而是提炼出众多用户的特征，总结为一个个虚拟的用户代表。

用户画像作为一直是被很多设计和使用者讨论的工具，设计师为什么要搭建用户画像呢？搭建用户画像的目标是什么呢？

02 为什么要搭建用户画像

产品研发初期，为了吸引更多的用户人群，很多设计师会根据用户的行为，浏览用户社区，收集用户的功能请求，为用户提供包含所有用户需求功能甚至是大而全的产品。这时的产品功能虽然可以涵盖的受众很多，在用户层面增加了用户的认知负担及导航成本，产品层面也使产品变得繁复臃肿，局限性很高。

能够取悦某些用户的功能设置可能会对其他用户造成困扰。实际上用户在使用应用时，是没有逻辑可言的。我们永远无法从用户口中得知他们真正需要的是什么，而满足广大用户需求的最佳方式，是为具有特定需要的特定个体类型提供设计。

另一方面设计师也需要跳出自以为是的设计思维方式，聚焦目标用户的需求、体验、行为和目标，而不是自己臆想出的用户目标。

用户画像以用户为分析对象，但却不是真正的人，他来源于研究中众多真实用户的行为和动机，即目标用户的静态标签+动态场景。将用户复杂的现象转变成代表各色用户的原型，帮助设计者跳出自己构想的需求命题，聚焦到目标用户。

用户的行为如何？他们是怎么思考的？他们预期的目标是什么？为何要制定这样的目标？是什么阻止了用户完成目标？理想特定情境下用户的目标及痛点，以达到为产品设计提供支持，优化运营策略。

针对不同的业务发展及不同阶段的产品进程，用户画像对应的作用也是不一样的：

1. 产品初期，确定产品定位及功能

产品初期产品定位尚未确定，需要根据用户属性、行为特征进行分类，统计不同特征下用户数量、分布；分析不同用户画像群体的分布特征。帮助企业确定产品定位及功能，快速了解目标用户及用户目标。

2. 产品中期，分析发展趋势及时调整发展路线

任何产品不会一直保持持续的增长，经过一段时间的发展后，产品会经历成长期、稳定期、衰退期几个阶段，用户画像也不是一次建立完成的，在整个产品周期过程中要根据产品的不同发展阶段及用户需求变化，辅以用户画像分析用户及时调整产品的发展路线。

通过用户画像分析了解行业动态，比如人群消费习惯，消费偏好分析、不同地域品类消费差异分析。此时用户画像就需要随着产品业务的不断发展随时更新。对产品发展现状和发展趋势进行预测，及时调整产品的发展路线、设计目标及设计策略。

3. 产品后期，数据分析个性化精准营销

产品初期（用户获取）由于产品用户数量有限，产品通过全量推送的粗放式运营内容，就可以触达所有用户，同时由于国内人口红利的作用，这时的召回率、转化率都不会低，但随着用户基数的逐渐增加，全用户推送的运营方式也面临着越来越低的转化率。

以用户画像为基础，根据用户特征，将用户群体切割成更细的粒度，之后使用短信、推送、邮件、活动，刺激用户下单或对用户进行召回。或基于性别、年龄、学历、兴趣爱好、手机定向推荐系统、搜索引擎、广告投放等等数据应用系统、提升转化率。

同时对用户的个人信息标签化，建立基础属性标签、行为偏好标签、消费特征标签进行数据分析，包括探索用户足迹、市场细分、订单分析与用户人群特征分析，并以其为导向（市场），进行精细化内容推送。

4. 内部沟通达成一致

当团队内部沟通产品的设计方向或产品定位时，很容易陷入对产品的主观个人理解，无法形成有效的沟通，人物画像以叙述式结构、数据标签理解用户行为动机及目标的细微差别，确保设计过程中设计团队始终以用户为中心，创建共同的对标语言，内部设计决策达成一致性，提高决策效率。

很多人在工作推动的过程中会听到或者使用过用户画像，但在用户画像建立完成后却不知道怎么使用，甚至只是基于工作要求建立了用户画像，并不知道建立用户画像的初衷，在搭建用户前我们需要先思考基于什么目的需要搭建用户画像？

用户画像在「宏观」上来说就是“具像化对于用户的认知”，在探索用户足迹的过程中，建立【市场细分和用户分群】，帮助产品定位、调整发展路线；在「微观」上主要是“精细化”，比如【推荐、搜索、精准营销、定向投放、风控、定量和定性分析，数据化的运营用户分析】，协助精准营销。

那么应该怎么搭建搭建用户画像呢？在搭建用户画像的过程中应该注意点什么呢？

03 如何搭建用户画像？

用户画像创建的方法有很多，比如Alen Cooper 的 “七步人物角色法”，Lene Nielsen 的“十步人物角色法”。

总结下来为3个大的步骤：

1. 获取、研究用户信息；
2. 细分用户群体，建立标签；
3. 建立用户画像。

但很多用户画像创建出来后却会被束之高阁，并没有发挥作用，这是因为很多公司在创建用户画像前并没有做用户画像业务需求的分析及对应的目标研究。

1. 确定目标与用户画像的维度

我们看到的综合型用户画像是被描绘成某个具体的人，但实际上用户画像代表的是特定交互产品的某一类用户群体，不同的业务需求对应用户群体在收集信息的维度也有所不同，因此在搭建用户画像前要先确定用户画像搭建的目标以及需要研究的画像维度。

明确业务需求及目标不同行业、部门的业务诉求不同，对应的用户画像构建目标和方式也不尽相同。在建立用户画像初期需要明确业务需求，即业务目标和需要解决的问题，与画像的信息维度相结合，To C属性产品会更关注用户的性别、年龄、家庭情况，爱好习惯等，比如：

1. 以内容为主的媒体或阅读类网站、搜索引擎或通用导航类网站，往往会提取用户对浏览内容的兴趣特征，比如体育类、娱乐类、美食类、理财类、旅游类、房产类等
2. 社交网站类，则需要提取用户的社交网络，从中可以发现关系紧密的用户群和在社群中起到意见领袖作用的明星节点。
3. 电商购物类网站，根据用户喜好推荐相关用户喜欢的产品。需要提取用户的网购兴趣和消费能力等指标。网购兴趣主要指用户在网购时的类目偏好，比如服饰类、箱包类、居家类、母婴类、洗护类、饮食类等。消费能力则是指用户的购买力，甚至可以将用户的实际消费水平和在每个类目的用户心理消费水平进行区分，分别建立特征维度。
4. 金融领域，则需要风险画像，包括征信、违约、洗钱、还款能力、保险黑名单等
5. 视频类网站，用户对于视频类型的喜爱程度、播放历史，对最新、最热视频的播放量。视频用户观看质量、观看时长，视频相关的关键词等

To B领域用户角色通常等同于工作角色或职责，更倾向于研究用户的工作能力、工作内容、使用工作等等。

用户画像维度与业务需求相结合，筛选出对应的目标用户群体，用目标用户的标签数据去匹配现有的业务数据，用来验证产品定位及功能是否符合目标用户群体，并及时调整业务发展路线；另一方使用算法对已有的用户画像维度数据进行海量处理，构建智能服务模型，利用推荐算法辅助产品的营销推广，缩短用户选择路径，提高用户转化率，个性化信息推送、个性化推荐、精准搜索实现精准营销。

用户画像的信息维度有哪些？

用户画像可以按照人口属性和产品行为属性进行综合分析。人口属性一般有自然属性、社交关系、位置信息、设备属性、兴趣爱好等等；产品行为属性则有产品类别、活跃频率、产品喜好、产品驱动、行为习惯、产品消费等。

• 自然属性：用户自带状态信息属性，比如姓名、年龄、身高、电话、职业等
• 社交关系：人在实践活动基础上产生的一切社会关系的总和，例如：经济状况、家庭状况、社会地位、政治宗教、地理位置、价值观等。
• 位置信息：用户所处的国家、地区、城市等地理位置
• 设备属性：用户使用的手机型号、电脑型号、等电子设备信息
• 兴趣爱好：人对非物化对象的内在心理状态与外在行为表达，是一种发自内心的本能喜好，与物质无必然关系，比如：兴趣偏好、颜色偏好等
• 产品类别：使用的产品属于娱乐、资讯、工具中的那一类
• 活跃频率：使用产品的频率
• 产品喜好：产品喜欢的使用方式，使用场景。
• 产品驱动：驱动使用产品的原因及行为
• 行为习惯：对于某种行为喜好、网站等活跃度、忠诚度
• 产品消费：基于消费周期、消费金额、消费金额、消费间隔时间，如购物类型、消费水平。

结合业务目标和需求确定画像的信息维度后，我们需要尽可能的调研最大范围的不同用户，通过与不同部分的同事进行脑暴找出可能的各种用户类型，然后根据条件进行邀约，每种类型用户不能超过3个。在调研的过程中如果发现遗漏了某种类型的用户，可以增加这种类型，如果调研的过程中没有新的信息出现，可以考虑取消剩下的调研。

2. 确定调研的方法

确定调研的画像维度后，需要选择合适的调研方法进行用户画像信息的收集，一般的调研方法有3种：定性研究、定量研究、定性+定量研究。

定性研究

定性研究主要采用用户访谈、小组座谈会、Laddering阶梯法等，通过开放性的问题了解和分析用户的真实行为和潜在的心理需求，基于用户的目标、观点活动行为将相似的人群归集到群组中，与定量研究不同的是定性研究能够更快速、简便的帮助我们发现产品用户和潜在用户的行为模式，建立细分群体的用户画像。

定性研究的目的在于了解和分析，不需要邀请很多用户参与，一般在5个人左右，只有研究资源充沛时才需要考虑更多的研究对象，一方面5人左右能够反映绝大多数问题，另一方面出于时间精力、预算等情况的考虑，5人也是比较合适的人数。

1. 定性研究的优势

1. 定性研究在自然环境甚至实际环境下，使用小组座谈会、用户访谈等方法对用户进行深入细致和长期的研究；
2. 定性研究时研究人员在近距离的环境下对研究对象进行观察与沟通，研究人员可以更近距离的观察研究对象，并理解他们的操作行为、动机以及对产品的态度；
3. 定性研究一般采用叙述性调研方式，注重对猜想的解释和理解，因此定性研究的设计一般比较灵活；
4. 定性研究多以对话形式，因此不具备客观性和可重复性，研究结果会有很大的讨论空间。
5. 研究人员可以在研究过程中，调研研究对象的参与性与积极性。

2. 定性研究的缺点

1. 定性研究以研究人员为工具进行研究，结果可能会受到研究人员个人因素的影响，很难重复；
2. 研究结果因人而异，因此研究结果的代表性、效度会受到怀疑，且会依赖研究人员的访问技巧；
3. 定性研究需要花费大量时间、人力深入研究，同时也会占用研究对象的资源，导致研究对象较少，且成本过高；
4. 研究数据不能以统计方法处理，无法提供定量信息，难以归纳。

3. 定性研究的作用

定性研究的主要目的是了解和分析，可以帮助我们更加快速、简便的发现产品用户和潜在用户的行为模式。帮助设计者理解以下问题：

1. 产品的使用情况：接触渠道和方式、接触原因、第一印象、使用产品的关注因素、使用频率等；
2. 对于产品的观点和动机：对产品的描述、可能推荐的动机、喜欢/不喜欢的地方、提升使用频率的可能性等现有和潜在用户对于产品的行为、态度等；
3. 行业经验和知识：对行业的理解、同类产品对比、产品的优劣势等；
4. 产品的未来目标及方向：使用步骤、典型过程、使用功能或内容、未满足的需求、可优化的地方等；
5. 机会点和反馈：新功能新内容的反馈、新功能的使用情况、需要重点改进的地方、机会点和创意点等；

在设计过程中，帮助设计项目的推进：

1. 研究结果为设计团队提供可信度及权威性的方面依据；
2. 设计团队对产品目标与用户目标达成一致；
3. 帮助决策层在面对设计问题时能够全面的进行项目评估，不是基于猜测和个人偏好做决定

4. 如何进行定性研究

1）确认研究对象的优先级，根据需求背景或目标确认重点跟次要群体来挖掘不同用户视角下的问题。比如：我们的产品是什么？用户是谁？从业务方面来说，哪些客户和用户更重要等等问题。

2）通过线上招募（app内或相关平台发布有偿邀请，亦或寻求第三方服务公司帮助）、客户群（相关的用户答疑群邀请）、论坛社区（发布招募帖子等）、专家咨询、产品线上推送等方式，寻找目标群体并建立联系。

需要注意的是客户和用户很容易被搞混，对于消费品来说，客户通常就是用户，但在b端或某些领域，用户和客户通常指的是不同的人。

客户通常指的是购买产品的人，b端企业的客户通常指的是公司内的高管或IT经理，使用者却是员工；而面向儿童或青少年的产品，客户一般会是父母或监护人。因此在客户领域更倾向于了解：

1. 购买产品的目的；
2. 当前解决方案中遇到的难题；
3. 购买产品的决策过程；
4. 安装、维护、管理产品时的角色；
5. 产品所在领域的相关问题和词汇。

对于真正使用产品的现有用户群体与潜在用户群体，则更倾向于发现产品当前版本的体验对用户行为和思维的影响：

1. 用户何时、何因及如何使用产品，即产品/系统在用户生活或工作中的融入方式；
2. 用户领域的知识：用户使用产品完成度需要知道的信息；
3. 当前任何和活动：现有产品需要完成和不能完成的；
4. 使用产品的动机与期望；
5. 心理模型：用户对于工作、活动的看法，以及对产品的期望；
6. 现有产品/系统的问题和不尽完美之处。

对于一些高度复杂或技术强的领域则需要相关领域的专家进行访谈，比如医疗保健相关领域的产品。需要注意的是很多专家可能是产品或上一代产品的用户，会不可避免的加入自己对产品/所在领域的理解，可能会歪曲想法。

因此在访谈过程中需要注意：

1. 专家通常是专业用户。由于本身在产品和领域的长期经验，专家可能已经适应了当前的交互，作为专家级用户，可能并不是产品的当前用户，甚至是不能为永久的中级用户设计交互产品；
2. 主题专家知识渊博，但并不是设计师。专家可能对于改进产品有很多想法，其中可能会有些很好的建议，但更关键的是需要找出是哪些问题诱发了他们的模拟解决方案。当用户提出解决方案时，更为关键的是询问用户或设计师可以解决的问题是什么？
3. 主题专家在复杂或专业领域必不可少。对于医疗、科技、金融等专业性的技术领域，专家的指导必不可少，我们需要通过专家对于用户角色特点的理解和对复杂领域中的用户研究，收集行业最佳实践和复杂规则的相关信息。

3）选择线上访谈、可用性测试、问卷调查、焦点小组等有效的用户洞察方式，并设计好相关问题或材料准备与用户进行深入研究（注意围绕已知问题或新的设计方案进行验证，或是新的业务需求洞察为主）；

在整个访谈的过程中，我们同时要注意对于用户的观察。大多人会由于为了显示合群不脱离大众群体、或由于紧张等原因，羞于表达自己的问题或是难以理解的软件行为。

当我们在进行使用场景之外的访谈时，接收到的信息可能是不完整不正确的，因此在访谈过程中我们需要观察用户在讨论自身行为的看法，并询问观察到的情形。可以选择用户正常的工作环境进行交流或观察，或是适合产品的物理环境，可以挖掘出用户行为相关的重要细节，而不要选择过于严肃呆板的正式环境。

另一方向在整个访谈过程中访问者更多的通过巧妙的引导用户进行访谈，捕捉与产品设计相关的问题，研究收集用户的行为、环境和谈话内容，进行综合分析、解读信息，发现设计意义。而不是过度依赖调查问卷提出的问题，或让访谈自由发挥，同时需要避免不经过用户证实而得出的主观臆想。

4）整理用户资料，围绕研究主题建立用户画像信息，完成主要信息模块，可以根据业务需要，将用户技术特征、职业特征、环境因素进行排布（这一过程需要考虑是否与业务有一定关联或影响，否则无意义）。

需要注意的是，在进行定性研究过程中为了能够获得丰富完整的用户画像，常常会将情景研究、概念验证、可用性测试及用户访谈进行结合。

定量研究

定量研究，指的是以定量问卷调研的方式进行研究，主要的方式有：数据埋点、A/B测试、试销、调查、大数据分析等，最常使用的定量研究形式是“问卷调查”，通过对大量用户的调查得出可信的数据结果，用于测试一般用户的反馈。

在通过网路分析和其他数字描述人类行为的举措，为“是什么”的定性分析提供洞察力的答案。即通过封闭性问题一方面对定性假设进行验证，另一方面获取市场的用户分布规律，关键在于后期定量数据的建模与分析，目的在于验证。

比如不同用户需求的优先级、现有产品性能等级和满意程度、试验的可能性、二次购买率和对产品的喜好程度等。需要注意定量研究需要足够的数据支撑，如果项目需要画像且企业不稳定、用户量级不够不能满足数据需求，则可以借助市场数据报告、白皮书、第三方数据服务平台、调研服务公司等来参考。

1. 定量研究的优势

1. 定量研究需要建立在大量数据的基础上，因此调查范围会很广泛，便于归纳总结；
2. 定量研究数据来源于确定的信息，相对客观准确；
3. 市面上现在有很多问卷调查的工具，不受地理、设备的影响，信息收集方便快捷，比如：京东良研、飞书问卷等；
4. 定性研究需要对话形式进行调研，定量研究相对来说成本更低。

2. 定量研究的缺点

1. 定量研究环境多为随意的场景，研究人员无法与研究对象进行沟通交流及观察；
2. 定量研究为单线研究，研究结果会比较单一。

3. 如何进行定量研究

定量研究主要以数据、模型、图表等表达最终研究结果，因此最终要将目标用户产生的数据进行集中采集，通过数据埋点、第三方数据统计或是定量研究的结果等渠道方式进行数据的收集，而很多头部互联网公司经过多年的运行也产生了自己产品的数据仓库。

先定性后定量

上面我们了解了什么是定量研究、什么是定性研究，定量研究和定性研究是一个相对的概念。定量研究着重于“是什么”，即用户做了什么，验证用户行为事实。而定性研究则侧重“为什么”，即了解用户的某些现象，挖掘分析用户行为背后的原因。

一般情况下建议以“定性研究作为信息产生，定量研究作为信息论证”方式进行调研，先通过用户访谈的形式，发现用户群体之间差异性较大的维度，分析用户差异的关键点，再进行定量研究论证真正的差异关键点。

定量研究方式的局限性导致设计师在设计问题时，当涉及到用户的深入动机、背景维度等问题的局限性，以及问题选项的不全面，从而影响用户分类维度的全面性。同时也无法解释用户群体划分的原因，无法真正了解用户的行为原因。

因此建议在进行研究时，可以先通过小范围的定性研究，比如用户访谈、可用性测试、现场调查等形成直观感受，基于用户的目的、观点或行为将相似的人群细分后，再通过调查问题、动态数据分析等定量研究数据来验证用户的分类是否合理。

最终通过定性研究或定量研究，收集到的数据信息又分为静态数据和动态数据：

静态数据

确定研究人群后，通过递减维度、变换视角得到当前人群的状态、特征等信息，比如用户的人口属性、商业属性、消费特征、生活形态、CRM等相对稳定的信息，可以通过最为精准的数据挖掘进行获取，但如果遇到数据有限的情况可以通过定性与定量结合补充的方式进行获取。

动态数据

用户在网络上的行为信息随着时间的流动是不断变化的，比如打开网页的时间、停留的时间，随着互联网的发展，用户使用的时间积累，各种动态行为数据都已经被记录了下来。动态数据收集主要包括用户行为数据、用户偏好数据、用户交易数据。

静态数据相对来说不会有突然的变化，而动态数据则变化更快，更讲究时效性。

设计师可以根据用户的行为建立兴趣模型，根据用户的行为传递给用户产品的特性，更加实时动态。当然不同领域收集动态数据的方向会有所不同，营销领域更侧重用户的消费习惯，推荐领域则更侧重用户的喜好。

3. 数据分析，找出行为变量

在明确目标与调研方法后，需要对所有采集到的信息数据进行分析，找到目标业务的关键变量数据比如用户网络行为数据、用户偏好数据、交易数据、生命周期等，将调研到的用户与行为变量一一对应，并识别差异化行为模式，需要注意的是不要将重点放在人口统计方面，行为变量更重要。

一般来说，不同行为模式之间差异性主要体现在以下几个方面：

1. 行为——用户做了什么；或者说用户的行为路径是什么。做某个行动的频率以及工作量，是否有不必要的步骤，或可以自动化的地方，重点关注用户的行为和动机。
2. 态度——用户看待产品所在领域和采用的技术，行为相关的行为态度和情感
3. 能力——用户所受教育和培训、学习能力。某个事情对于用户来说是否容易做到，用户更愿意做出某种行为。
4. 动机——用户涉足产品领域的原因，是什么促使用户决定，什么阻碍了用户，什么吸引用户购买
5. 技能——用户与产品领域和技术相关的技能

在访谈对象身上挖掘到重要行为变量后，需要将每个访谈对象和行为变量对应起来。以行为变量为依据进行用户对应时，不需要追求绝对的精确，更多的确认访谈对象之间的相对位置关系，建立在调查者的直觉，及对主体的观察直觉，最终精确的呈现出多个主体如何聚集在某个重大行为变量的周围。

当访谈对象映射完成后，寻找到落在多个区间或变量上的主体群。当一组主体聚集在6～8个不同变量上，代表一种显著的行为模型，而这些显著的行为模型构成了人物模型的基础。一些特殊角色可能仅仅会展现一种模式，但通常会发现2～3个此类模式，由此可以发现几种不同的行为模式。

或通过统计数据分析技术得到不同的行为模型，常见的数据分析行为建模有文本挖掘算法，分类、聚类计算、相似度计算、机器学习、预测算法，涉及数据算法、标签、权重等，这里就不展开描述。

需要注意的是在进行数据分析前，要对数据进行清洗，去除掉多余、重复、不一致的信息或对不足信息进行补充，避免后期分析数据的准确性。

4. 综合特征，建立用户画像

在研究的过程中将观察/挖掘出的行为模型综合出访谈对象的行为变量，进一步发现其用户目标、痛点及其他特性。这些行为代表了在一段时间内，访谈对象对产品的典型使用情况，形成用户画像的基本框架，相关用户的行为合集需要数据中的其他细节描述，使得画像更加丰满、真实。比如：

1. 行为本身（活动及其动机）
2. 使用环境
3. 使用当前解决方案遇到的挫折和痛苦
4. 行为相关联的人口统计学
5. 行为相关的技巧、经验或能力
6. 同其他人、产品或服务相关的交互
7. 做同样的事情的替代或竞争方案，尤其是类似技术

描述的行为特征尽量简短，并贴近观察到的行为。注意过多虚构的描述，甚至歪曲细节，不仅会分散主要形象，而且会降低人物模型的自身吸引力。通过分析观察访谈动作行为和访谈主体对目标导向型访谈中的细节，确定每个访谈者行为之间的逻辑关系，从而推断出行为背后的目标。

而在期间要结合人物行为类型虚构出人物角色的姓名，同时添加一些统计信息，比如年龄、地理位置、相对收入及职业头衔等，帮助我们增加画像细节，更好的可视化人物角色，搭配合适的人物照片，最终呈现出我们经常见到的用户画像。

04 检查用户画像

在完成用户画像后，我们也要对用户画像的质量进行评估。

1）覆盖率：用户画像建立完成后，需要检查建立起来的映射、人物模型特征和目标，以确定画像是否完善。如果行为坐标轴上有缺漏，则可能需要进行额外的研究工作，找到缺失的行为信息。覆盖率越高，对之后的精准营销的策略选择越准确。

2）准确率：如果出现两个人物角色仅在一些人口统计数据方面存在差异，必须去掉其中一个重复的人物角色或调整人物角色特征让人物角色更不同，每个人物角色应该至少在一个显著的行为上与其他人物角色有差异性。当出现明显的错误也会直接影响结果，可通过灰度测试进行验证。保证用户画像的完整性及个体的差异性，从而保证所创建的人物角色代表真实世界中的各种各样的行为和需求。同时也保证设计目标尽可能的简洁，减少不必要的工作。

3）时效性：用户画像的核心是标签的建立，经过用户画像的基本方向的确认，用户数据收集，用户标签建模3个阶段，对特定信息进行数据收集、清洗、重组需要注意的是构建画像的数据多为历史数据，用户的行为、偏好等特征多会随着时间的推移而发生变化，因此我们在构建用户画像时要注意时效性。

05 总结

对于用户画像的概念、作用及搭建方法就介绍到这里，当然除了上面谈论的内容外，用户画像中还需要对人物模型进行优先排序：

• 主要人物模型：设计的主要标的，当设计针对其他人物模型设计时不能满足主要任务模型的需求，但目标是主要人物模型时，则至少能满足其他人物模型的需求。
• 次要人物模型：会存在一些额外的特定需求，但在不消弱产品功能的前提下，主要人物模型通常大部分满足次要人物模型。
• 补充人物模型：既不是主要的也不是次要的，主要人物模型和次要人物模型结合在一起完全可以补充人物模型的的需求。
• 客户人物模型：客户人物模型需要解决的是客户而不是终端用户的需求，通常被定义为次要人物模型。某些To B业务客人人物模型会被处理为自己独有的管理的主要人物模型。
• 接受服务的人物模型：并非产品的直接使用用户，但却会受到产品使用的影响，比如医院接受检查的患者，他们虽然不是产品界面的直接使用者，却会因为产品设计影响到使用感受。接受服务的人物模型为用户画像的建立提供了一个跟踪产品产生的二次社会和物理影响的途径。一般属于次要人物模型。
• 负面人物模型：又称反人物角色，同接受服务的人物模型一样，负面人物模型并不是产品的实际用户。只是在讨论过程中，帮助大家了解某种人物画像绝对不会是产品的设计目标。比如，消费型产品中精通技术且过早使用过该产品的人物模型；商业用户企业产品中的罪犯、危害较小的恶作剧或是“钓鱼”者，以及相关的IT专家。

对于用户画像的概念、作用、搭建方法就介绍到这里，用户画像作为令用户行为变得合理、有意义的工具，需要大家自行实践、探索、验证。

资源来源：

《交互设计精髓4》

《构建用户画像的流程与方法》

《数据分析之用户画像方法与实践》

作者：查无此人；公众号：9号自习室；知乎专栏：9号自习室。

本文作者 @9号自习室

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！