
如何基于數(shù)據(jù)快速構(gòu)建用戶模型(Persona)
用戶模型(Persona)是Alan Cooper在《About Face:交互設(shè)計(jì)精髓》一書中提到的研究用戶的系統(tǒng)化方法。它是產(chǎn)品經(jīng)理、交互設(shè)計(jì)師了解用戶目標(biāo)和需求、與開發(fā)團(tuán)隊(duì)及相關(guān)人交流、避免設(shè)計(jì)陷阱的重要工具。
但在現(xiàn)實(shí)中,一般只有很少的成熟公司,產(chǎn)品經(jīng)理、交互設(shè)計(jì)師或用戶研究人員才會花時間構(gòu)建用戶模型,個人認(rèn)為之所以這樣,至少包含兩方面原因:
一個主要原因在于,按照傳統(tǒng)方法構(gòu)建用戶模型的成本高、時間長,不是一般公司和團(tuán)隊(duì)所能承受的;
另一個原因在于,傳統(tǒng)方法對用戶模型構(gòu)建者的要求很高,尤其是對用戶的訪談和觀察,其中有很多的方法和技巧,不少產(chǎn)品經(jīng)理不敢嘗試,有些人嘗試后并沒有得到有用的信息,后面往往就不再做了。
我們將嘗試提出一種基于用戶行為數(shù)據(jù)的快速構(gòu)建用戶模型的方法。
用戶模型構(gòu)建的傳統(tǒng)方法
Alan Cooper提出了兩種構(gòu)建用戶模型的方法:
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;
臨時用戶模型(ad hoc persona):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。
方法1:基于訪談和觀察的構(gòu)建用戶模型(正統(tǒng)方法)
在Alan Cooper的方法中,對用戶的訪談和觀察是構(gòu)建用戶模型的重要基礎(chǔ)。完整步驟如下圖:
第0步:對用戶的訪談和觀察(及其他研究)。將用戶當(dāng)成師傅,自己作為徒弟去觀察師傅的行為,并提出問題。在整個過程中收集并研究用戶行為、環(huán)境、談話內(nèi)容等信息,以發(fā)現(xiàn)用戶的行為、情境和目標(biāo)。(比如,某兒童社區(qū)的用戶角色大致分為孩子、媽媽、爸爸和祖輩等四類,需要分別研究)
第1步:根據(jù)角色對訪談對象進(jìn)行分組。根據(jù)研究結(jié)果和理解對用戶進(jìn)行大致的角色劃分,并根據(jù)角色對要訪談的用戶進(jìn)行分組。
第2步:找出行為變量。把每種角色的顯著行為列成幾組行為變量。一般包括用戶的活動(行為及頻率)、(對產(chǎn)品及相關(guān)技術(shù)的)態(tài)度、能力、動機(jī)、技能幾個方面。
第3步:將訪談主體和行為變量對應(yīng)起來。實(shí)際上就是為每個訪談用戶標(biāo)注各項(xiàng)行為的情況。
第4步:找出重要的行為模型。發(fā)現(xiàn)訪談用戶中的中的顯著的行為模式組合。(比如兒童社區(qū)產(chǎn)品的「某些家長」會「密切關(guān)注」孩子在社區(qū)中的一舉一動,而「另一些家長」則只是「偶爾了解」一下孩子的情況)
第5步:綜合各種特征,闡明目標(biāo)。從用戶模型的行為細(xì)節(jié)中綜合/挖掘出用戶的目標(biāo)和其他特性。
第6步:檢查完整性和冗余。為每種用戶模型彌補(bǔ)行為特征中重要的缺漏,將行為模式相同而僅僅是人口統(tǒng)計(jì)數(shù)據(jù)有差異的用戶模型合并為一個。
第7步:指定用戶模型的類型。對用戶模型進(jìn)行優(yōu)先級排序,確定主要、次要、補(bǔ)充和負(fù)面用戶模型。主要用戶模型是界面設(shè)計(jì)的主要對象,一個產(chǎn)品的一個界面,只能有一個主要用戶模型。
第8步:進(jìn)一步描述特征和行為。通過第三人稱敘述的方式描述用戶模型,并為不同用戶模型選擇恰當(dāng)?shù)恼掌?。至此,用戶模型?gòu)建完成。
方法2:構(gòu)建臨時用戶模型(ad hoc persona)
在缺乏時間、資源不能做對用戶的訪談和觀察時,可以基于行業(yè)專家對用戶的理解、或市場研究中獲得的人口統(tǒng)計(jì)數(shù)據(jù),建立「臨時用戶模型」。
「臨時用戶模型」的構(gòu)建過程與「用戶模型」的構(gòu)建過程很像,只是其數(shù)據(jù)基礎(chǔ)一個是來自對真實(shí)用戶的訪談和觀察,另一個是來自對用戶的理解。二者的準(zhǔn)確度和精度都有差別。
基于用戶行為數(shù)據(jù)快速、迭代構(gòu)建用戶模型的方法
到現(xiàn)在,距離Alan Cooper首次提出用戶模型(Persona)概念已經(jīng)過去快20年了3。在這期間,軟件產(chǎn)品開發(fā)的過程方法以及公司的運(yùn)作方式都發(fā)生了很大改變:以快 速迭代為特點(diǎn)的敏捷開發(fā)方法取代了傳統(tǒng)的瀑布模型,以「開發(fā)→測量→認(rèn)知」反饋循環(huán)為核心的精益創(chuàng)業(yè)方法在逐步影響和改變公司的運(yùn)作方式……
而傳統(tǒng)的用戶模型構(gòu)建方法,從誕生之日起并未發(fā)生特別大的變化。對于已經(jīng)習(xí)慣了敏捷、快速的產(chǎn)品經(jīng)理和交互設(shè)計(jì)師來說:一方面,花很長時間去研究用 戶構(gòu)建用戶模型需要下相當(dāng)大的決心、更需要下很大力氣才能爭取到所需的時間和資源;另一方面,互聯(lián)網(wǎng)產(chǎn)品冷啟動耗費(fèi)的時間越來越短,為了降低成本和風(fēng)險, 產(chǎn)品團(tuán)隊(duì)在啟動期往往會選擇盡快將產(chǎn)品推向用戶,盡快獲得反饋以「快速試錯」,現(xiàn)實(shí)和壓力迫使大多數(shù)新產(chǎn)品的PM不敢投入大量時間精力深入的進(jìn)行用戶研 究。這就很容易理解,為什么大家都覺得用戶模型很好,卻鮮有人在工作中真正運(yùn)用它。
接下來,我們將提出一種基于用戶行為數(shù)據(jù)的快速、迭代構(gòu)建用戶模型的輕量方法。
首先,在開始時,整理和收集已經(jīng)獲得的任何對用戶的認(rèn)知、經(jīng)驗(yàn)和數(shù)據(jù)。
它們可能是您和所在團(tuán)隊(duì)對用戶的理解,也可能是您產(chǎn)品的業(yè)務(wù)數(shù)據(jù)庫中記錄的用戶相關(guān)信息(比如用戶的性別、年齡、等級等屬性),還可能是用戶(在產(chǎn)品內(nèi)外)填寫的任何表單或留下來的信息(比如用戶填寫的調(diào)查問卷、留下的微信賬號等等)。
您可以將這些信息映射成為用戶的描述信息(屬性)或用戶的行為信息,并存儲起來形成用戶檔案(最終形成的結(jié)果如下圖示意)。
注意:從這一步開始,你就需要一個存儲了用戶信息和用戶行為信息的數(shù)據(jù)庫系統(tǒng),它能夠支持你快速的進(jìn)行接下來的各種分析和探索,直至形成用戶模型。
然后,根據(jù)已獲得的認(rèn)知和經(jīng)驗(yàn)對用戶分群,這些用戶群是進(jìn)一步研究的基礎(chǔ)。比如,你覺得用戶也許可以分為孩子、媽媽、爸爸和祖輩等四類,或者你認(rèn)為購物的用戶可以分為男女兩類,那就根據(jù)數(shù)據(jù)劃分好了。
接下來,您就要對上一步的用戶群逐個進(jìn)行分析,并嘗試從中發(fā)現(xiàn)顯著的行為模式。
對于每個用戶群,分析步驟如下:
從用戶群中隨機(jī)選取一些用戶(一般根據(jù)您的時間情況,可以選取幾十到上百個用戶,建議最少不低于30個);
逐個用戶解讀其屬性特征和行為記錄,努力通過這些數(shù)據(jù)還原出用戶的真實(shí)使用場景和過程,并嘗試推測其目標(biāo)。在解讀的同時,隨時記錄你發(fā)現(xiàn)的有趣的行 為模式、以及不解之處。(注意,這一步的工作至關(guān)重要,對用戶及其行為的感性認(rèn)識是后續(xù)工作的基礎(chǔ)。要記?。鹤x用戶如讀書,讀其百遍、其義自現(xiàn)!)
根據(jù)上面步驟中發(fā)現(xiàn)的典型行為模式和場景、目標(biāo)的推測,對用戶群進(jìn)行更細(xì)致的劃分。比如,你發(fā)現(xiàn)一些用戶會定期采購大量的辦公用品(有趣的行為模 式),并推測這些人可能是企業(yè)行政部門的采購人員,他們要根據(jù)其他員工的需求定期完成采購任務(wù)(場景和目標(biāo)),那么你就可以將這群人劃分出來,作為一個單 獨(dú)的用戶群(候選的用戶模型),進(jìn)行后續(xù)的研究。
對上一步形成的候選用戶模型(用戶群),對其屬性和行為數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,初步驗(yàn)證您的猜想。
接下來,對上面形成的每個候選用戶模型,進(jìn)一步完成其目標(biāo)和動機(jī)的推測。同樣,在過程中有任何不解之處,請記錄下來。
從每個用戶模型中選取少量具有代表性的用戶,進(jìn)行訪談或調(diào)查,以消除您在前面研究中遇到的不解之處。在這一步, 如果您有足夠的時間和資源,那么可以多選一些用戶,并盡可能的做現(xiàn)場的訪談和觀察;如果您時間和資源有限,那么可以少選一些用戶,或者采用電話、問卷等方 式完成訪談,對于配合度較高的用戶,可以考慮采用錄屏或QQ遠(yuǎn)程協(xié)助之類的工具觀察用戶的真實(shí)行為。因?yàn)槟谇懊娴牟襟E中已經(jīng)對用戶的真實(shí)行為有了一定的 了解,所以在這一步,您可以不必嚴(yán)格的執(zhí)行Alan Cooper的用戶研究方法,從而節(jié)省大量的時間和資源。但是,如非特殊情況,請盡量不要跳過這一步。記?。耗呐率桥c用戶進(jìn)行很少量的溝通,也有助于發(fā)現(xiàn)未知的問題,這是非常值得的。
在完成了上面的工作之后,接下來,您就可以對候選用戶模型進(jìn)行逐個的審視和修正。 合并相似的,補(bǔ)充不完整的,采用敘述的方式描述每個用戶模型,并為其選擇適當(dāng)?shù)恼掌?,這樣就得到了本次迭代的用戶模型(如下圖示例,圖片來自網(wǎng)絡(luò))。您可以用這個模型指導(dǎo)界面設(shè)計(jì)、與團(tuán)隊(duì)溝通……
最后,根據(jù)您的認(rèn)知變化和產(chǎn)品需要,可以在合適的時機(jī)對之前得到的模型進(jìn)行新一輪的修正。 修正的過程和前面相同,可能您會在幾次產(chǎn)品迭代中穿插進(jìn)行一輪用戶模型的迭代,時間越久,用戶模型就越接近真實(shí)的用戶情況。
小結(jié)
本文提供了一種借助行為數(shù)據(jù)和工具快速、迭代的構(gòu)建用戶模型(Persona)的方法,這套方法與傳統(tǒng)的用戶模型構(gòu)建方法相比損失了一定的質(zhì)量但效率更高,更適合今天的互聯(lián)網(wǎng)團(tuán)隊(duì)的工作方式和節(jié)奏。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號: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)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(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,“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(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)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“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