怎麼去做用户調研？——用户畫像篇

用户調研，就是帶着某些調查目的去直達用户，根據用户反饋，記錄下當前的某些現象，並對此進行事後分析的行為。

大致的形式包括四種，有從定性角度去考慮的用户訪談，可用性測試；也有從定量角度去分析的問卷調查，數據分析。

對於產品側而言，無論是哪種形式的用户調研，最終目的均是，在確保調研有效性的前提下，得出什麼樣的用户傾向於做出怎麼樣行為的結論。

切勿拿着誤以為有效的調研結果做出看起來正確的分析，本質上講，用户調研是統計學上的問題。

用户調研方法論系列的分享，將分為三個篇章進行，分別是用户畫像篇（什麼樣的用户）、指標體系篇（怎麼樣的行為）以及調研時間篇（調研有效性）。

本期，主要分享的是，如何思考用户調研中的畫像建立。

同時以工具類APP（美的美居）的社區話題（場景知乎）冷啓動為例，進行案例分析。

一、畫像

什麼是用户畫像？通俗來講就是通過某些可收集的指標來對某個用户，或者某類羣體進行介紹。

如，居住地為廣州的男性羣體。

又如，居住地為廣州，月均收入≥5k，家庭購買智能家居設備數≥5的男性羣體。

從上例子可看出，限制條件越多，某類用户被介紹的越詳細，也即用户畫像被刻畫的越深刻。

特別地，當經過某些限制條件進行篩選後，符合條件的用户數只有1個，則某類羣體退化為某個用户。

這就是所謂的互聯網黑話——顆粒度，等同於限制條件數量，限制條件越少，顆粒度越大，描述現象越寬泛。

限制條件越多，顆粒度越小，目標現象越明確。

值得注意的是，對用户進行介紹的指標必須是可被收集的，對於產品側而言這決定了某個畫像是否具有分析的意義。

而對於某次用户調研，如何去刻畫一個用户，或是某類用户羣體，可從四個維度去進行思考，分別是事前畫像、事後畫像、靜態劃分以及動態行為。

1. 事前畫像&事後畫像

用户調研所刻畫的畫像，是事前還是事後，根據調研前，是否明確用户羣類的特徵而作區分。

若調研前，目標用户類型已經確認，則該畫像為事前畫像；若目標用户類型是根據調研後的數據進行反向篩選，則該畫像為事後畫像。

如，某次收集畫像A如下。

• 性別：男性
• 地區：北京/上海/廣州/深圳
• 年齡：25-30歲
• 設備持有：用户家庭所捆綁智能家居設備數≥5
• 操作行為：APP內，日均動態發佈數≥2

當上述畫像A，在某次用户調研之前已經明確，也即問卷的發放，或者是用户的邀請只在符合上述條件的用户中進行，則為事前畫像。

若，符合上述條件的用户是根據某次調研數據結構篩選而來，則為事後畫像。

可從如下角度進行兩者間的差異比較。

①行為導向

事前畫像需要在用户調研前明確調研的目的，知道具體的調研羣體。

一般來説，這類畫像的選取是APP內的高活躍或是高潛價值用户，產品側而言對其比較熟悉。

事後畫像則具備探索性質，根據某次問卷或平台收集的數據，進行限制條件的確認後，再明確該類羣體。

事前畫像強調，先知道了用户是什麼樣的人，再對其行為進行調查研究。

而事後畫像則以行為導向，強調探索做出某些行為的用户是一類什麼樣的羣體，是一個反向推導的未知過程。

如，經調研統計，APP內日均消費超過500的用户符合條件B：

• 性別：男
• 地區：深圳
• 設備持有：用户家庭所捆綁智能家居設備數≥12
• 操作行為：APP內，日均動態發佈數≥4

B畫像的出現，根據數據統計後，條件篩選再確認，是一事後畫像。

②存在與否

對於產品側而言，用户畫像的建立是為了用户調研而服務的，它必須具備相應的實用性和價值性。

而這兩者的前提是，用户畫像是存在的，也即，對用户進行介紹的指標必須可被收集。

存在性的判斷主要出現在事前畫像，特別是依據數據庫建立的畫像問題。

如，產品側想調研C羣體：

該羣體作為事前畫像進行刻畫，前提是在用户羣體的選擇之前，能判斷某些用户為男性，哪些用户的月均收入＞5000。

這和產品的埋點體系設計相關，如果任意一個數據庫均未儲存用户的性別或收入信息，此人羣無法被劃分確認，該類型的畫像僅存在於理論當中，無法在實操中存在。

唯一的解決辦法是作為本期需求，對產品的埋點設計進行迭代，重新儲存用户的相關信息，用户調研放到下期的需求進行評估。

而對於事後畫像，由於其是根據某次調研後的具體數據進行反向篩選，篩選條件已經存在於最終結果當中，因此，事後畫像必定存在。

③分類交叉

事前和事後畫像的區分依賴於，調查目標的信息是否提前已知。

而後續介紹的靜態劃分和動態行為的區別，依賴的則是數據指標的變動頻率，它們間是互不干擾的。

可理解為事前畫像和事後畫像、靜態劃分和動態行為是互補子集關係。而事前與否和動態與否，兩者間互不相關。

即，可出現D是靜態劃分的事前畫像，或靜態劃分的事後畫像。

但不可能出現D，即屬於靜態劃分的事前，也屬於靜態畫像的事後，這是互斥的。

2. 靜態劃分&動態行為

某一類型的特徵在某段時間內，被修改的頻率，這作為靜態劃分和動態行為的判斷依據。

①修改頻率的相對性

靜態和動態的區分，不應停留在動與不動，而應關注“動”的頻率多少，“動”相對較多，即為動態行為，“動”相對較少，則判斷為靜態劃分。

而這個頻率界限不必是一明確的數值，可以是相對的經驗判斷。

②修改頻率的時間性

修改頻率的相對性，和時間相關。如，用户的性別，年齡，居住地等可理解為較長時間內不會發生變動，此為靜態劃分。

而對於，用户的動態發佈數，點贊數，評論數等，每天均在變化的操作，即，修改頻率較高，則判斷為動態行為。

時間和頻率是相對統一的。同樣是用户的動態發佈數，如果把此衡量指標變更為日均動態發佈，當日均取的是上一週的情況，本次用户調研進行的是季度情況的調查，則仍可判斷為動態行為。

原因在於，按每月四周的時間維度進行劃分，一季度包含12個週期，用户的動態發佈可理解為，在每個調研季度下發生12次的變動，頻率相對較高。

而如果本次用户調研進行的是月度情況的調查，則用户的動態發佈行為在統計週期內僅變動4次，相對較少，可進行靜態的劃分。

③目標行為關聯

在01前言中提及，用户調研即是在確保調研有效性的前提下，得出什麼樣的用户傾向於做出怎麼樣行為的結論。

調研所得到的傾向性結論，為目標行為，它和用户畫像所涉及的動態行為，兩者間是強相關的關係。

一句話概括，用户羣體E若作出行為α（動態行為），則他/她大概率會傾向於做出行為β（目標行為）的操作。

如，某次的調研目的是，確認在話題【場景知乎】活躍的用户日常喜歡進行哪些操作？

若，把在話題【場景知乎】活躍的用户，定義為發該話題相關的動態較多，則發動態為目標行為。

此時，若選擇建立的用户畫像為事前畫像，則須先行判斷所需收集的動態行為有哪些。

即，什麼樣操作的用户會有傾向性地多發和【場景知乎】相關的話題呢？

反推，這類型的用户，應該是某段時間內，家庭綁定一定基數的智能家居設備。

這類型的用户應該是某段時間內，創建一定基數的設備聯動場景；這類型的用户應該是，一段時間內，有查看和場景創建相關的帖子或視頻。

④核心操作路徑

用户可能操作的行為路徑數以百計，在進行篩選時，切不可不加思考地選取。

無論是調研的目標行為，亦或是畫像的動態行為，均應是產品側的核心行為，一般而言，會和APP的產品定位或所解決的用户需求相關。

如，對於一款直播類APP的用户調研，相關的行為選擇應是進房頻率，頻道停留時長，主播關注，主播打賞。

而不應該是頭像的設置，個性簽名的修改，喜愛話題的添加，這應該是一個社交類APP調研中才關注的焦點。

二、案例

工具類APP社區話題【場景知乎】冷啓動調研——用户羣類定位。

1）分析選擇：事後畫像。

2）目標行為：【場景知乎】話題下，動態發佈數≥3。

3）時間跨度：2022年3月-2022年4月

4）靜態劃分：

（1）存量指標：

• APP內用户家庭智能家居設備捆綁數≥3（0,1變量，1代表符合條件）；
• APP內用户家庭具備單品場景創建數（場景涉及的設備=1種類型）（整數型變量，≥1）；
• APP內用户家庭聯動場景創建數（場景涉及的設備≥2種類型）≥3（0,1變量，1代表符合條件）。

（2）增量指標：

• 當月內，APP內用户家庭智能家居設備捆綁數，增量≥3（0,1變量，1代表符合條件）；
• 單月內，APP內用户家庭具備單品場景的新創建行為數（整數型變量，≥1）；
• 當月內，APP內用户家庭聯動場景創建數，增量≥3（0,1變量，1代表符合條件）。

（3）用户價值（整數型變量）：

• 單月內，用户進入商城界面日均次數；；
• 單月內，用户查看商城內商品日均品類數；
• 單月內，用户購買商品人均件數。

5）分析：

靜態指標的劃分在於確定，【場景知乎】話題下，動態發佈數≥3的用户大多數原本是怎麼樣的羣體（存量指標），【場景知乎】話題對他的核心行為是否有影響（增量指標），以及【場景知乎】話題能否具備一定的經濟效益（用户價值）。

6）動態行為：

（1）來源篩選：

• 當月內，用户是否關注【場景知乎】話題（0,1變量，1代表符合條件）；
• 當月內，用户是否點擊【場景知乎】相關動態詳情進行查看或收藏（0,1變量，1代表符合條件）；
• 當月內，用户瀏覽圈子類別（整數型變量，1代表直通IoT，2代表日常生活，3代表提問求助）；
• 單月內，户瀏覽非【場景知乎】的日均話題數（整數型變量）。

（2）行為轉化（整數型變量）：

• 單月內，用户關於【場景知乎】相關動態的日均點贊數；
• 單月內，用户關於【場景知乎】相關動態的日均評論數；
• 單月內，用户關於【場景知乎】相關動態的日均分享數；
• 單月內，用户關於【場景知乎】話題的日均分享數。

（3）行為相關（整數型變量）：

• 單月內，用户日均瀏覽場景相關的內容帖子數；
• 單月內，用户日均瀏覽場景相關的視頻播放數。

（4）社交關係：（整數型變量）：

• 單月內，用户通過【場景知乎】相關動態詳情頁，瀏覽up主個人主頁次數；
• 單月內，用户通過【場景知乎】相關動態詳情頁，關注up主人數；
• 單月內，用户通過【場景知乎】相關動態詳情頁，收藏動態數。

7）分析：

動態行為的區分目的在於確認，做出什麼樣行為的用户，傾向於單月【場景知乎】話題下，動態發佈數會≥3。

來源的篩選在於判斷後續引流的渠道；行為的轉化在於作為當前話題效果的衡量；行為的相關在於等價參與當前話題的路徑；而社交關係的建立則在於預測話題裂變的速度。

上述的用户畫像建立是一個框架的思考過程，僅提供想法上的借鑑，實際的操作過程，顆粒度理應更小。

同時，有關次數和人數的差異，本質上來説是pv和uv的區別，工具類APP社區話題冷啓動-以美的美居APP-場景知乎為例（入口&漏斗篇）這篇文章有相關的描述。

三、總結

用户畫像建立後的語言描述，是一個傾向性的百分比或行為集合。

如，對於上述案例，最終的總結報告可能是：在【場景知乎】話題下，動態發佈數≥3的用户，70%在參與話題前家庭智能設備捆綁數≥3。

60%在話題參與後單月新增聯動場景創建數≥3。

他/她日均進入商城次數達7次，通過【場景知乎】相關動態詳情頁，關注up主數日均為5人。

用户畫像的建立也只是做用户調研的第一步，如上述傾向性的百分比或行為集合形成後該如何分析。

怎麼樣構建測量目標行為的指標體系，用户調研在確認調查的方式方法後該在什麼時候進行，都需要相應的方法論去支撐。

高樓不是一天建成的，須先明確，做出某些行為的用户他/她應該是一類什麼樣的羣體，切勿拿着錯誤的例子去論述誤以為正確的行為，這會貽笑大方。

本文由 @一個學統計的PM 原創發佈於人人都是產品經理，未經許可，禁止轉載。

題圖來自Unsplash，基於CC0協議。