建立“用户模型”提取“用户角色”搭建“用户画像”

——用户模型、用户角色、用户画像的基本概念?

——如何搭建用户角色与用户画像?

——精准化推送的实现！

用户其实是一种虚无缥缈的可虚可实的东西，存在于我们生活当中，存在与我们的产品当中。

用户的类型又是多种多样，比如我们可以把用户分为篮球爱好者、羽毛球爱好者、足球爱好者等不同类型的用户，不管他们是属于哪一类人对于我们产品经理来说都可以对他们建立一个模型，将其标签化，这样更有利于我们提取我们需要的信息。

一、用户模型、用户角色、用户画像的概念。

• 用户模型：用户模型是指通过对用户分群经行分析后,提炼各用户群特点生成的模型。
• 用户角色：用户角色就是从用户群体中抽象出来的典型用户，常用于产品设计阶段原型开发阶段， 是虚拟存在的。帮助建立行为模型，设计产品基准线(产品早期)描绘用户需求，帮助不同角色在研发过程中站在用户角度思考。（应用上线前——>采集的用户需求——>生成用户角色）。
• 用户画像：即用户信息标签化。通过收集用户的各种数据，如基本信息（年龄、性别、地域等）、社交行为（互动对象、活跃平台等）、兴趣爱好（喜欢的运动、音乐、书籍等）等多方面的信息，对用户进行分析和归纳，为用户打上一系列的标签，从而抽象出一个用户的全貌，是真实存在的。

二、用户角色的作用

• 审核产品：在特定场景下能不能解决特定用户的特定需求。
• 了解用户共性与差异性：我们可以生成不同场景，针对不同类型的用户身临其境的去思考不同类型的用户不同的需求，分析他们的共性与差异性从而带动产品发展。
• 研究用户体验、使用流程：利用虚拟用户角色提前对产品的用户体验以及使用过程进行反馈分析。
• 明确产品功能：我们有了典型用户角色后在典型场景下由于心里目标就会产生用户行为，我们便可以根据用户行为，梳理产品业务，去搭建相关的功能，策划相关原型，开发相关产品。

2.1 搭建用户角色的七要素。

用户角色的选择不是随便选取，也需要具有一定的特点性。

代表基本性—代表同理性—代表真实性—代表独特性—代表目标性—代表数量性—代表应用性

三、用户画像

互联网进入大数据时代，带给企业及用户行为一系列的改变与重塑，用户的一切行为在企业面前将是“可视化”，随着大数据技术的深入研究与应用，深入研究潜在的商业价值等，于是用户画像概的运用显的越来越重要，用户画像是真实存在的，是产品上线后的一些核心化和标签化的用户。

3.1 用户画像的作用

判断用户需求——标签化、可视化用户——覆盖用户

3.2 用户画像的搭建七步骤

• 确认模型因子：活动(用户行为，频率等)态度(用户对待产品的态度)能力(用户的学习成本)技能(在领域下技能技巧例如你是一个提高会计工作的产品那么针对会计的技术)搭建用户使用场景。
• 访谈目标用户：制定方案招募用户访谈执行整理结果
• 识别行为模型：对用户产生的兴奋进行收集并分类汇总
• 确认用户特征和目标：确定目标用户，根据七所产生行为对该用户的行为特征进行提炼
• 检查完整性和重复:确认用户的行为信息是否完整，是否有遗漏，同时排除重复性结果
• 描述典型场景下的用户行为:关键词法(简单便于统计但缺乏逻辑性关联)、列表法(罗列信息包括不利于横向比较)、卡片法(横、纵向比较均兼顾，有利于一致性。)
• 制定用户类型:优先级:主要用户>次要用晢懨秩溃>小众用户>僵尸用户>负面人物角色

四、用户标签模型

互联网公司根据用户对产品的使用习惯和行为记录给用户“打标签”是用户画像最核心的部分。

所谓“标签”，就是浓缩精炼的、带有特定含义的一系列词语，用于描述真实的用户自身带有的属性特征，方便企业做数据的统计分析。出于不同的受众群体、不同的企业、不同的目的，给用户打的标签往往各有侧重点，应该具体问题具体看待。

但是，有些标签适用于所有情况，应该加以理解和掌握。我把常见的标签分成两大类别:相对静止的用户标签以及变化中的用户标签。

4.1 静态标签与动态标签

• 静态标签：在短时间内不会产生变化或较大变化的标签类型——血型、地域、婚姻、身高、年龄等静态标签的获取方式：用户主动填写、与其他数据的共享、基于LBS服务的信息获取。
• 动态标签：动态标签:在一定时间周期内繁盛变化频率较高的标签类型——使用频次、使用时长、购物频次、用户等级等。

动态标签的获取方式：

• SDK埋点：一种软件开发包工具，通过插入特定代码来收集用户行为。
• 标签共享：将特定的标签在不同个体系统或平台之间进行分享和传递的方式。
• 推荐引擎：利用算法和数据来记录用户行为，辅助生成用户标签，并进行相应的动态调整。

五、精准化推送的实现

我们在做好一个具体的用户模型之后，借助用户模型生成一个用户画像，去和我们的产品特点、产品内容相匹配，对相匹配的内容结合特点需求进行排序后对用户实现推送，并且在推送中我们还应该结合数据分析，重复的对用户进行分析，给用户“贴标签”最终实现更精准的推送模式。

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！