For investors
股价:
5.36 美元 %For investors
股价:
5.36 美元 %认真做教育 专心促就业
用户画像是企业在做用户数据分析的时候会经常用到的一个分析方法,而本文我们就通过案例分析来简单了解一下,用户画像设计类型分析。
用户画像的用途也非常广,在指定产品策略、在选择设计风格等各种时候,用户画像都起到了很关键的作用,并且用户画像并不是一成不变的,根据目标用户的不同,我们也可以从大的画像中剥离出能够针对某一个需求的用户画像来进行参考。
那么用户画像在大家的理解中可能就是针对某一类用户进行虚拟的描述,其实不然,我们可以将其分为3个大类:
1.服务于细分市场的用户画像
这样的画像通常是对整个需求市场、人群进行大类别的划分,包含的是用户的基本人口属性、行为特征等,需要划分出几个不同的市场,比如我们说的护肤品产品,在市场上的划分,根据用户的性别、年龄、皮肤特性等
2.用户档案型用户画像
这是一个记录用户群体描述特征的一个数据库,是对用户群体做描述、分类、排列优先级的一个动态数据库,包含一系列的标签描述,主要依赖定量的研究数据,埋点、问卷等。
3.我们日常看到的用户画像(Persona)
我们还是具体来讲一下这个。persona角色模型是用来描述用户的目标、动机、需求,构建场景并且以虚拟人物角色呈现。
那么如何创建用户画像呢,我们这边可以用定性+定量的方法尝试创建。先我们可以找10-20位用户进行定性的深度1对1访谈,具体访谈技巧和提纲这边就不展开说了。然后我们根据访谈结果对用户群进行细分,根据共同点创建用户群,进行用户群体的分类,分类的维度可以是他们的目标、行为等。然后为用户的目标和行为还有观点加入更多的角色信息,让每一个类型的用户群发展成一个虚拟人物角色。后将一个虚拟的名字、照片、人口统计特征信息将该角色模型进行丰富。
当然如果只是定性的进行小样本调查也会碰到这样的问题,别人会问你为什么要这样分类,是不是有更多差异化情况需要考虑,这个时候如果没有定量数据进行支撑的话,我们也很难说20位用户就能够将这个画像客观的呈现出来。所以,在这里我们也会加上一些定量的研究,将样本扩大,以验证我们对分类的假设。
用户群的分类一定是有差异的,这个差异关键体现,比如20岁的女性和30岁的女性,他们的价值观以及对许多层面的认知和需求都是不一样的,但是同样是30岁的女性,根据场景、生活环境的不同对生活品质的要求也是不同的,即便是环境相同,年龄相同,但他们的目标却又不一样。所以当你的产品本身针对的用户群体特别宽的时候,就更加需要多维度的细分。
【免责声明】:本内容转载于网络,转载目的在于传递信息。文章内容为作者个人意见,本平台对文中陈述、观点保持中立,不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请加danei0707学习了解。欢迎关注“达内在线”参与分销,赚更多好礼。