有同學(xué)問：陳老師，我領(lǐng)導(dǎo)讓我做用戶畫像分析，可是我做了一大堆數(shù)據(jù)，卻被批：也沒分析什么東西??？該咋辦？今天系統(tǒng)解答一下。
用戶畫像的錯(cuò)誤姿勢(shì)
1、限于數(shù)據(jù)，動(dòng)不敢動(dòng)。
一提用戶畫像，很多人腦海里立刻蹦出了性別，年齡，地域，愛好等基礎(chǔ)信息字段，然后大呼：我們好像沒這個(gè)數(shù)據(jù)，于是放棄分析了?？蓪?shí)際想想，知道男性占比真的有那么大意義？知道男性占比65%還是60%真的對(duì)業(yè)務(wù)有幫助？不一定的，貼用戶標(biāo)簽有很多方式，不要限于一些難采集的基礎(chǔ)信息。
2、羅列數(shù)據(jù)，沒有思路。
很多人一聽到用戶畫像分析，本能地就開始把數(shù)據(jù)庫里的用戶標(biāo)簽往外搬，在報(bào)告里碼上：
男女比例3:2
20-25歲占比40%
30%的人在最近一周內(nèi)登錄
70%的人沒有二次購買
……
至于擺完這些數(shù)據(jù)干什么，完全沒有考慮過。這種分析結(jié)果，當(dāng)然讓人看完一頭霧水。迷茫地發(fā)問：所以呢？又怎樣呢？
3、無限拆分，沒有邏輯。
很多人一聽到類似流失用戶畫像分析一類相對(duì)具體的分析題目，就開始無限拆解數(shù)據(jù)。分性別，年齡，地域，設(shè)備，注冊(cè)時(shí)間，來源渠道，購買金額……拆了幾十個(gè)維度看流失率。最后，只看到有的維度差5%，有的差10%，當(dāng)然沒有最后結(jié)論啦，越看越糊涂。
以上問題，都是太過糾結(jié)于用戶畫像四個(gè)字，忽視了分析兩個(gè)字導(dǎo)致的。用戶畫像作為一個(gè)基礎(chǔ)數(shù)據(jù)體系，本身并沒有分析功能。單純地羅列用戶標(biāo)簽或者拆解用戶指標(biāo)，也起不到分析作用。想利用好用戶畫像，還得按分析套路一步步來。
第一步：轉(zhuǎn)化商業(yè)問問題
用戶畫像分析，本質(zhì)上是從用戶的角度思考問題。舉個(gè)簡(jiǎn)單的例子，比如新上市產(chǎn)品銷售未達(dá)預(yù)期，我們既可以從產(chǎn)品管理的角度來思考問題，也能從用戶角度來思考問題。同樣一個(gè)問題，會(huì)有兩種思考方式（如下圖所示）：
因此，簡(jiǎn)單地列出一堆用戶指標(biāo)（性別，年齡，地域，購買產(chǎn)品，登錄次數(shù)……）是沒啥用處的。用戶畫像只是分析的一個(gè)工具，和其他分析一樣，也要先考慮：我要解決的實(shí)際問題到底是什么。想清楚了，再把問題轉(zhuǎn)化成用戶相關(guān)的問題，就能繼續(xù)使用用戶畫像分析方法了。
需要注意的是，商業(yè)問題是很復(fù)雜的。往往一個(gè)問題，可能與若干用戶群體、若干用戶行為有關(guān)。比如上邊的例子，就至少和三個(gè)用戶群體（潛在用戶、流失用戶、存量用戶）涉及到用戶態(tài)度、信息接收、購買流程、使用體驗(yàn)等多方面。
因此更得分門別類，把分析線索和分析邏輯理清楚，找到對(duì)應(yīng)的數(shù)據(jù)。不然一鍋燉，光列性別，年齡，地域，也解釋不了任何問題。這就涉及下兩步工作。
第二步：宏觀假設(shè)驗(yàn)證
轉(zhuǎn)化完問題后，先宏觀上對(duì)假設(shè)進(jìn)行檢驗(yàn)非常重要，能有效避免無限拆解的錯(cuò)誤。如果大方向都不成立，細(xì)節(jié)更不用看了。還是新產(chǎn)品賣不動(dòng)的問題，如果要從大方向驗(yàn)證，可以簡(jiǎn)單如下進(jìn)行：
如果懷疑大環(huán)境不好，那應(yīng)該全品類受影響。
如果懷疑競(jìng)品競(jìng)爭(zhēng)力強(qiáng)，那應(yīng)該競(jìng)品直接影響到我們產(chǎn)品
如果懷疑運(yùn)作太差，那本次商品轉(zhuǎn)化漏斗上勢(shì)必有一環(huán)掉鏈子
如果以上有假設(shè)驗(yàn)證，可以進(jìn)一步深入分析
如果以上假設(shè)都不成立，可能還需要新假設(shè)
總之，先進(jìn)行大方向檢驗(yàn)，可以有效縮小懷疑范圍。懷疑范圍越小，后續(xù)對(duì)用戶分析可以越精確。同時(shí)，當(dāng)數(shù)據(jù)不足的時(shí)候，懷疑范圍越小，越能夠集中力量收集數(shù)據(jù)，改善數(shù)據(jù)質(zhì)量，做出有精度的分析。
用戶的分類維度可以有幾百個(gè)之多，如果不加篩選地做拆解對(duì)比，很有可能在數(shù)十個(gè)維度上都有差異，最后完全讀不懂?dāng)?shù)據(jù)。在拆解以前聚焦假設(shè)，非常重要。
第三步：構(gòu)建分析邏輯
宏觀驗(yàn)證以后，可以基于已驗(yàn)證的結(jié)論，構(gòu)建更細(xì)致的分析邏輯。在這個(gè)階段，實(shí)際上已經(jīng)把原本宏大的問題，聚焦為一個(gè)個(gè)小問題，比如：
舉一個(gè)具體場(chǎng)景：
已驗(yàn)證：我們確實(shí)受競(jìng)品影響
子問題1：目標(biāo)用戶的需求是什么？
子問題2：目標(biāo)用戶對(duì)競(jìng)品體驗(yàn)如何？哪些需求點(diǎn)最被觸動(dòng)？
子問題3：目標(biāo)用戶對(duì)本品體驗(yàn)如何？哪些差距是致命傷？
子問題4：競(jìng)品/本品在硬功能，軟宣傳上差距如何？
這四個(gè)子問題，都可以通過對(duì)用戶需求與行為的深入挖掘得到答案，下一步可以繼續(xù)深入了。須注意的是，這一部分的分析需要大量用戶態(tài)度、潛在用戶、競(jìng)品用戶的研究，單靠?jī)?nèi)部數(shù)據(jù)不能完成，必須通過外部調(diào)研。
再看另一個(gè)場(chǎng)景：
已驗(yàn)證：本次新品上市操盤確實(shí)有問題
子問題1：?jiǎn)栴}出在預(yù)熱、發(fā)布、上市、推廣哪個(gè)階段
子問題2：上市階段大量用戶未能響應(yīng)，廣告投放出了什么問題
子問題3：推廣階段銷量未能引爆，為啥沒有激發(fā)核心用戶需求
……（可進(jìn)一步問太多，簡(jiǎn)單舉例如上）
這些問題，可以分兩方面解決
一方面，通過對(duì)下面不同類型用戶對(duì)比，找到投放、獎(jiǎng)勵(lì)活動(dòng)、購買品類、金額等細(xì)節(jié)上差異，從而調(diào)整投放、營(yíng)銷、產(chǎn)品補(bǔ)貨等業(yè)務(wù)。
核心/普通
購買/未購
觸達(dá)/未觸達(dá)
另一方面，通過對(duì)核心用戶畫像，讓業(yè)務(wù)更看清楚，真正愛買的人的以下信息，讓業(yè)務(wù)更多的去抓這些核心用戶，而且改善后續(xù)表現(xiàn)。
來自哪個(gè)渠道
通過什么主題
需要什么樣優(yōu)惠
在什么時(shí)機(jī)下單
需要注意的是，這一部分用戶來源、信息投放響應(yīng)，購買行為，主題閱讀，完全可以通過內(nèi)部系統(tǒng)記錄。即使不知道他是男是女，我們也能通過投廣告，發(fā)內(nèi)容，做優(yōu)惠吸引到他們。
第四步：獲取用戶數(shù)據(jù)
在上一步我們已經(jīng)看到，用戶畫像分析如果真的想深入用戶，就得依賴多種數(shù)據(jù)來源。很有可能是內(nèi)外部數(shù)據(jù)雙管齊下的?？紤]到內(nèi)部數(shù)據(jù)可能采集不全，外部數(shù)據(jù)存在抽樣誤差問題，在使用數(shù)據(jù)上就得有取舍，有重點(diǎn)。這也是為啥前邊一直強(qiáng)調(diào)逐步驗(yàn)證，縮小假設(shè)的原因。聚焦了才好采集數(shù)據(jù)。
一般來說，
越是偏態(tài)度、體驗(yàn)、情感類問題，越傾向于用調(diào)研的方法
越是偏行為、消費(fèi)、互動(dòng)類問題，越傾向于內(nèi)部的數(shù)據(jù)分析
如果想了解競(jìng)品，就拉競(jìng)品用戶調(diào)研，或針對(duì)競(jìng)品網(wǎng)店爬蟲
在傳統(tǒng)意義上，做市場(chǎng)調(diào)研和做數(shù)據(jù)分析的，都有各自用戶畫像的定義、做法、輸出產(chǎn)物。站在實(shí)際對(duì)企業(yè)有用的角度，當(dāng)然是越多越好。
不過，隨著爬蟲，NLP，埋點(diǎn)越做越深入，在有技術(shù)支持的情況下，這些年對(duì)系統(tǒng)采集數(shù)據(jù)的利用度是越來越高的。所以在有條件的情況下，還是盡量推動(dòng)內(nèi)部數(shù)據(jù)豐富。不然事事依賴調(diào)研，數(shù)據(jù)沒有積累，以后也難做。
第五步：歸納分析結(jié)論
如果以上幾步做好了，在最后推分析結(jié)論就是水到渠成的事，完全不費(fèi)力氣。實(shí)際上，用戶畫像分析最大的問題都是出在前五步的。缺少假設(shè)方向，缺少數(shù)據(jù)準(zhǔn)備，缺少分析邏輯，單純羅列數(shù)據(jù)，無限制拆解，到最后自然面對(duì)一堆零碎的數(shù)據(jù)糾結(jié)：男女比例3:2又怎樣呢？？？
當(dāng)然用戶畫像有其他很多用處，比如支持新品開發(fā)，支持推薦系統(tǒng)，支持自動(dòng)營(yíng)銷系統(tǒng)，支持投放系統(tǒng)等等，作分析只是它一小塊作用。所以想做好分析，還是要多學(xué)習(xí)分析方法，操練分析邏輯哦。
不考慮具體問題場(chǎng)景，單純地問：一般的用戶畫像怎么做。得到的也是來自算法、調(diào)研、數(shù)倉、分析各個(gè)崗位千奇百怪的回答，自然沒有分析思路了。
看完覺得寫得好的，不防打賞一元，以支持藍(lán)海情報(bào)網(wǎng)揭秘更多好的項(xiàng)目。
標(biāo)簽： 用戶 分析 數(shù)據(jù) 隨筆
感謝您的支持，我會(huì)繼續(xù)努力的!
打開支付寶掃一掃，即可進(jìn)行掃碼打賞哦
手機(jī)直接保存圖片,掃一掃識(shí)別二維碼,即可進(jìn)行掃碼打賞哦
