
如何快速建立用戶模型,輔助產(chǎn)品決策
用戶模型目前還沒有一個(gè)統(tǒng)一的定義,狹義地講:用戶模型是對網(wǎng)站目標(biāo)群體真實(shí)特征的勾勒,是真實(shí)用戶的虛擬代表。建立用戶模型的目的是:盡量減少主觀臆測,走近用戶,理解他們真正需要什么,從而知道如何更好的為不同類型用戶服務(wù)。
交互設(shè)計(jì)之父Alan Cooper提出了兩種構(gòu)建用戶模型的方法:
傳統(tǒng)用戶模型:基于對用戶的訪談和觀察等研究結(jié)果建立,嚴(yán)謹(jǐn)可靠但費(fèi)時(shí)。
臨時(shí)用戶模型:基于行業(yè)專家或市場調(diào)查數(shù)據(jù)對用戶的理解建立,快速但容易有偏頗。
傳統(tǒng)的用戶研究方式,選取的因子比較全面,涵蓋用戶基本屬性、行為特征等,要進(jìn)行用戶訪談、問卷等,得到的調(diào)研結(jié)果雖然比較準(zhǔn)確,但花費(fèi)的時(shí)間往往比較長。對追求小步快跑的公司來說,時(shí)間太寶貴了,等花費(fèi)幾個(gè)月得出報(bào)告時(shí),可能就已經(jīng)錯(cuò)失良機(jī)了。
所以,我們可以考慮建立臨時(shí)用戶模型。根據(jù)自己對用戶的理解,挑選出最影響用戶和產(chǎn)品的幾個(gè)因子來做分析,快速建立用戶模型,輔助產(chǎn)品決策。
快速建立用戶模型的方法:
本文以“人人都是產(chǎn)品經(jīng)理”為例來逐步說明如何快速建立用戶模型。
1. 挑選合適的因子,劃分用戶群
因子:即建立用戶模型時(shí),用來劃分用戶群體的用戶屬性,如年齡、性別、收入、職業(yè)等。
挑選合適的因子
本次用研目的:了解“人人都是產(chǎn)品經(jīng)理”非UGC用戶的閱讀偏好。選擇因子:
劃分用戶群
當(dāng)你選好因子后,需要對用戶群進(jìn)行一個(gè)簡單的劃分,這些用戶群是進(jìn)一步研究的基礎(chǔ)。
在“人人都是產(chǎn)品經(jīng)理”中,以“產(chǎn)品經(jīng)驗(yàn)?zāi)晗蕖卑延脩魟澐譃?類:
劃分出來后,看下結(jié)果是否符合自己的預(yù)期。如果不符合預(yù)期的話,需要不斷地調(diào)整因子,直至劃分出來的結(jié)果是自己預(yù)期的典型用戶。如果你不太了解典型用戶是哪些的話,可以問問周圍的人,大致確定下典型用戶的特征。
在這四類人群中,每一類都是一個(gè)用戶群的代表,通過自己對用戶群的了解或從身邊找一些典型的用戶,然后對號(hào)入座,就可以明顯地看出這個(gè)用戶群是怎么樣的。
接下來,需要對劃分的用戶群進(jìn)行逐個(gè)分析,加入一些相關(guān)的信息、行為特征等,比如:加入用戶的職位、使用場景、目的等來豐富用戶畫像,進(jìn)而搭建起用戶模型。
2. 建立臨時(shí)用戶模型
第一類用戶群:想從事產(chǎn)品方面的工作,實(shí)習(xí)或剛畢業(yè)的大學(xué)生,從其他崗位轉(zhuǎn)到產(chǎn)品相關(guān)崗位的人。這類人群,逛社區(qū)的頻次很高,哪里有好的內(nèi)容就去哪里,主要是閱讀類用戶,不太自己創(chuàng)造內(nèi)容,對社區(qū)沒有形成強(qiáng)烈的忠誠度。
第二類用戶群:從事產(chǎn)品相關(guān)工作1-3年的人,對產(chǎn)品、交互、運(yùn)營等方面有一定的了解,正處于成長期,需要學(xué)習(xí)大量的知識(shí)打牢基礎(chǔ),拓展視野,部分人群已經(jīng)對有些社區(qū)形成了一定的忠誠度,主要精力會(huì)集中在某一個(gè)或幾個(gè)社區(qū)上,不會(huì)漫無目標(biāo)的亂逛了。
第三類用戶群:部分已經(jīng)開始帶個(gè)小團(tuán)隊(duì)做項(xiàng)目,比普通產(chǎn)品經(jīng)理位高一級(jí),BAT等大公司除外。這時(shí)的目標(biāo),主要是向著更高層次的權(quán)力中心邁進(jìn),在PM社區(qū)內(nèi),開始嘗試分享經(jīng)驗(yàn),指導(dǎo)他人,為大家答疑解惑,主動(dòng)創(chuàng)造內(nèi)容,不太以閱讀為主。
第四類用戶群:產(chǎn)品相關(guān)工作干了5年以上,多數(shù)已經(jīng)是產(chǎn)品總監(jiān)或創(chuàng)業(yè)公司的CEO等,逛社區(qū)主要是為了自我營銷、公司品牌營銷、招人,提升在圈內(nèi)的影響力等,比如各領(lǐng)域大V,基本不是閱讀用戶。
通過上面的分析,我們會(huì)發(fā)現(xiàn),第三和第四類用戶,基本已經(jīng)對社區(qū)形成了一定的忠誠度,主動(dòng)創(chuàng)造內(nèi)容,吸引粉絲用戶,往往已經(jīng)是“人人都是產(chǎn)品經(jīng)理”的一些意見領(lǐng)袖。
劃分出這些用戶群之后,我們要看看,哪些可能是未來的增量市場,是需要重點(diǎn)去抓的人群。“人人都是產(chǎn)品經(jīng)理”的專欄作家已經(jīng)非常多了,文章內(nèi)容上已能足夠支撐,那就需要把重點(diǎn)放在想要從事產(chǎn)品工作和剛從事產(chǎn)品工作不久的第一和第二類人群上,這兩類人群,數(shù)量比較龐大,對PM社區(qū)的忠誠度還不夠高,比較容易去爭取。
本次用研目的,主要也是為了了解“人人都是產(chǎn)品經(jīng)理”非UGC用戶的閱讀偏好,接下來,我們需要對這兩類人群進(jìn)行用戶訪談,驗(yàn)證用戶模型的可行性。
3. 用戶訪談驗(yàn)證
由于臨時(shí)用戶模型,更多的是基于自己對用戶的理解建立的,雖然快速但卻容易形成偏差。所以,我們需要通過用戶訪談來簡單驗(yàn)證下。
用戶訪談:是一種定性的研究方法,用于定位問題,挖掘問題背后的用戶需求。通常有兩種目的:發(fā)現(xiàn)真實(shí)問題、尋找正確方案。
用戶訪談的步驟:
簡單來說,用戶訪談就是要:從淺入深,由表及里。
用戶訪談的方法:
1)破冰。像聊天一樣,生活化的提問,從簡單問題開始鋪墊,建立訪談氛圍。
2)開放式地提問。比如:你覺得這個(gè)功能有哪些地方吸引你?而不是封閉式的問用戶,你喜歡這個(gè)功能嗎?
3)關(guān)注用戶過去和現(xiàn)在的真實(shí)感受。以及用戶的非語言信息,包括肢體語言,語音語調(diào)等。
4)一次只問一個(gè)問題。用戶回答后,嘗試連貫地追問,并重復(fù)確認(rèn)自己是否理解用戶的回答。
用戶訪談的注意要點(diǎn):
1)不要問過于開放、過于模糊的問題。比如:你覺得人人都是產(chǎn)品經(jīng)理網(wǎng)站怎么樣?模糊的問題可能得到的是用戶模糊的回答,比如:很好啊。
2)避免帶有傾向性的提問。比如:你喜歡這個(gè)功能嗎?多多少少會(huì)對用戶的回答產(chǎn)生暗示或影響。
3)傾聽,不要隨意打斷用戶。在被訪者遠(yuǎn)離問題時(shí),需要巧妙打斷,引回話題。打斷較常用的一種方式是:重復(fù)一次被訪者的回答,表示認(rèn)同,然后再重新提問。
4)關(guān)注用戶遇到的問題,而不是用戶的解決方案。很多時(shí)候,用戶在給出答案時(shí)會(huì)直接說你這個(gè)功能應(yīng)該怎么做,我們需要關(guān)注的是用戶在使用這個(gè)功能中遇到的一些問題,以及造成這些問題的原因,而不是用戶說怎么做就怎么做。
舉個(gè)例子。
了解“人人都是產(chǎn)品經(jīng)理”前兩類用戶的閱讀偏好時(shí),問題設(shè)計(jì)(僅供參考):
1)開場白,了解用戶的基本信息,比如年齡、職位等。
2)您一般會(huì)在什么場景下閱讀“人人都是產(chǎn)品經(jīng)理”上的文章?(了解用戶使用場景)
3)您重點(diǎn)關(guān)注哪些方面的內(nèi)容?(了解用戶閱讀偏好)
4)您為什么逛“人人都是產(chǎn)品經(jīng)理”呢?(探尋用戶的目的)
5)您覺得哪些功能做的不太好?(了解產(chǎn)品可改進(jìn)的方向)
6)您覺得還有哪些功能需要加進(jìn)來?(了解用戶對產(chǎn)品的未來期待)
7)為什么需要加入這些功能呢?(探尋需求背后的動(dòng)機(jī))
…
為了保護(hù)被訪者的個(gè)人隱私,這里就不貼出他們的具體答案了。
4. 修正用戶模型,輔助產(chǎn)品決策
通過和7位用戶的具體訪談,基本驗(yàn)證上面的用戶模型偏離性不是很大。
本次用研的分析結(jié)論如下。
1)無經(jīng)驗(yàn)產(chǎn)品新人,主要閱讀偏好為:
熱點(diǎn)分析、競品分析、需求分析、原型設(shè)計(jì)、產(chǎn)品設(shè)計(jì)。
對前輩的工作經(jīng)歷和經(jīng)驗(yàn)分享的了解。
知曉一些該行業(yè)的名人,希望融入圈子。
希望了解如何學(xué)習(xí)產(chǎn)品知識(shí)的方法。
如何應(yīng)聘產(chǎn)品崗位或順利轉(zhuǎn)崗。
2)從事產(chǎn)品相關(guān)工作1-3年的人,主要閱讀偏好為:
用戶研究、數(shù)據(jù)分析、產(chǎn)品策劃、產(chǎn)品運(yùn)營、心理學(xué)等。
跟自己目前工作內(nèi)容有關(guān)的知識(shí)。
洞察用戶心理:
在這兩個(gè)階段,用戶更多表現(xiàn)出來的是求知欲、從眾心理、懶人心理和尋求歸屬感。
要了解一個(gè)新領(lǐng)域,需要迫切學(xué)習(xí)到這方面的知識(shí),有著極強(qiáng)的求知欲望;關(guān)注該領(lǐng)域的大咖,翻閱他們的文章以及了解大咖們都在關(guān)注什么,從眾心理明顯;想要盡快融入圈子,證明用戶在尋找歸屬感;關(guān)注自己感興趣的內(nèi)容,其實(shí)用戶是想可以高效找到自己需要的內(nèi)容。
當(dāng)用戶為在職產(chǎn)品人后,就需要關(guān)注一些深入點(diǎn)的知識(shí),擴(kuò)展知識(shí)面和知識(shí)深度,目標(biāo)感更強(qiáng),對信息的篩選要求會(huì)更高,并已經(jīng)建立了一定的個(gè)人圈子,更想結(jié)交更高層次的產(chǎn)品人。
表現(xiàn)出來的需求是:
希望可以快速獲取對自己有價(jià)值的內(nèi)容;
可以關(guān)注自己喜歡的大咖專欄;
有良好的社區(qū)氛圍;
結(jié)交更多志同道合的人一起交流學(xué)習(xí)等。
可滿足需求的功能:
測試閱讀口味、個(gè)性化定制,分類、搜索,熱門文章排行榜,關(guān)注功能,問答版塊等。
5. 總結(jié)
重申一次快速建立用戶模型的步驟:
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10