随着现在越来越重视效益营收，那么针对效益的源头——付费用户，我们该怎么去理解付费用户，从而能更好的服务这部分用户，给企业带来更多的效益呢？今天从用研的角度，给大家复盘一下对付费用户画像研究。

一、用户为什么付费

首先，我们需要明确的点是，用户为什么会对产品进行付费？确定的因素肯定是：产品的某些功能是满足了用户当前的需求。这个时候，我们可以由浅到深，先从大的类别上，去分析用户对哪些服务、资源、功能进行付费。

其次，需要去探究用户付费的动机是什么？这个时候，可以从用户付费【前】、付费【后】的行为来了解，用户付费背后的需求是什么。比如说：在付费前，用户需要使用某vip资源，可能在数据上，用户在vip资源页面的停留、在页面付费的转化、或者说用户历史购买资源的行为模式的数据，都可以作为判断付费动机的“线索”。

所以在第一步骤中，我们可以从用户付费前后的数据，来判断用户是带着怎么样的需求来寻求产品的“帮助”。且在此过程中，我们可以更详细的去看，各个需求的用户占比是多少，处于不同生命周期的用户（新、老用户、活跃用户等）的需求是否有差异性等问题。

二、付费产品是什么

用户在完成整体流程后，付款成功才算真正给产品带来了实在的收益，那么没有完成付款的人呢？所以说在此同时，我们需要去了解【订单成功率】这个指标指标。

这个指标代表：

1. 着此类商品是否足够吸引用户进行消费；
2. 在付款流程上是否通畅，是否能正确引导用户进行付款；
3. 用户在付款时，他们在犹豫什么。此这个指标的表现上，我们可以对不同类型的商品进行对比分析，从而找到真正能打动用户消费的“爆款”。

在了解用户对哪些类产品有需求后，我们可以对比一下不同类产品的交易金额和订单成功率的象限图，从而可以对比产生“卖得好又卖的多”的商品类型，为后续的商品上架做为一定的判断依据。

三、是谁在付费

在明确用户的需求和目的后，我们可以逐渐地抽丝剥茧一般，逐步了解我们的付费用户是谁。这个时候，我们可以结合用户的付费行为——付费金额、付款用时等，以及用户的付费习惯——付费频次、付费时间段来逐步完善用户的付费画像；还包括用户的群体特征——性别、年龄、学历、职业、收入水平等；付费用户的分层——新、老用户、活跃用户、睡眠用户、流失用户等总结出不同类型的付费用户画像。

在此同时，我们可以带入用户的心智模型，了解用户做出此付费行为的背后逻辑，逐步总结出不同类型用户的付费模式。

四、总结

通过用户的付费原因、付费内容、以及付费用户画像的整体定量、定性分析，可以很清楚的了解到目前产品的付费情况，帮助后续产品制定下一步的付费策略。

01 写在前面

一、前言

距离上一次谈论【课代表】产品已经过去了一段时间，【课代表】产品从0到1的冷启动过程已经在该账号下书写了立项——间接竞品分析——如何进行产品运营等方面，接下来将会分享一些实战内容，主要包含用户画像、静态标签、动态场景、需求分析等。感兴趣的伙伴们可以点击我的账号，查看【课代表】产品其他内容。

二、用户画像搭建

1. 所谓用户画像

在刚刚开始接触产品行业并听到用户画像这个词汇时，我的第一个意识反应是对一个产品使用人群年龄、性别、规模、所处区域等特征进行交叉分析，但通过对知识的摄取与积累，我开始对“用户画像”这一词汇产生了不同的看法。

在百度百科中，对用户画像的定义是：用户画像（persona）又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。

但我们可以对这句话进行另一个解读，用户画像反映的是真实群体在使用一个产品时所产生的通用表现（仅代表个人观点）。

以我学习中一个案例为原型进行拆解：静态标签+动态场景。

图2-1 虚拟人物用户画像

根据图2-1，我们可以看到通过真实的静态标签信息构建动态场景就可以帮助我们看到该用户画像背后可以产生的产品效应（图2-1最后设备一列），同样情况，我们也可以根据这样的方法搭建用户画像，找到需求。

2. 搭建用户画像的流程

搭建用户画像的方法有很多，但对于从0到1的产品，我认为更多的时来自于调研和头脑风暴，这时我们就需要发挥产品能力了。

在《幕后产品》第一章中，将洞察力和架构能力作为十分重要的产品能力进行讲述，我将所学知识归纳出五点进行描述，这些能力将会帮助我们构建从0到1的用户画像（同样也可以面对产品面试常见问题：产品经理需要哪些能力）；

1. 执行能力（创业）：不能总是被驱动，而是应该具有自驱力，并且敢于接受失败；
2. 自学能力（求知）：要不断学习，互联网词汇、技术名词、概念、思想要与时俱进；
3. 创新能力（联想）：观察生活中的每一件事情，并且与产品相互连接 ；
4. 决断能力（善断）：感觉选择，勇于决断，但不能孤注一掷，要从用户角度，搭建需求产经，做真实决断；
5. 思维能力（逻辑）：良好的逻辑思维会将一件事情拆分成可接受的模块，再以优先级排序进行解决。

在有了这些能力加持外，我们还需要知道搭建用户画像的流程，仅需两步即可完成：一为搭建静态标签，二为搭建动态场景。

图2-2用户画像搭建流程

在寻求静态标签和动态场景的搭建过程中，我跟小伙伴们进行了很多探讨，基于静态标签可以根据发放的调查问卷来进行定义，但动态场景实在是十分困难，难于模仿实际场景，难于构建真实事件（仅代表从0到1的冷启动过程，真实产品可根据用户深度调研过程进行构建）。

因此，在我们寻找资料时，查看到了知识星球的付费知识，在此向前辈致敬，图2-4中模板选取自知识星球Potti老师的讲课内容，并根据【课代表产品】的真实情况搭建出静态标签与动态场景。

图2-3 用户层次划分

图2-4 静态标签真实用户卡片

如图2-3、2-4所示，根据用户层次进行划分，将用户分成核心用户、次要用户、小众用户和负面用户四种类型（其中省略了细分过程——用户群组划分，有机会会再写一下）。

通过在竞品分析阶段获得的调查问卷进行人员跟踪，即可得到用户的静态标签，上图中的昵称、性别、年龄等内容均属于真实信息来源。

同时，根据了解用户习惯和深度访谈，可对用户的个性及心理特征等内容进行刻画。由此，便建立好一个用户的静态标签。

接下来，可以根据该静态标签进行动态场景的搭建（在此过程中不能过于天马行空，需要落实用户感受，并建立真实场景规划）。

图2-5 真实用户动态场景的搭建

由上图内容可以看到【课代表】产品的功能搭建和细化。

其实动态场景搭建的过程就类似于讲一个故事，这跟STAR法则十分相似，在不知道该如何搭建平台时，可以选择故事叙述的模式，从背景介绍、到故事高潮、再到最后结局。从这个过程中提取用户行为，识别用户需求，最终将其并将其转化为功能点强化。

三、需求分析

1. 需求列表

当然，由于我们不断在天马行空，头脑风暴，最后必然少不了要进行需求的判断，没人想到的需求不一定是兴奋型需求，更有可能是一个伪需求。但对于刚刚入行的小白来说，这样的动态场景搭建，是一个很棒的思维扩展过程。

在我看来，所谓需求分析，就是在寻找用户痛点、爽点和痒点中不断徘徊，至于产品能爆火，就是因为它在满足了用户痛点后，不断寻求新的痒点和爽点，以留住老用户，扩展新用户。

于是，我便根据上述的两步走方法，针对每个用户群体构造了四个用户画像，每个画像下搭建九个动态场景，并获得了相应的需求列表。

图3-1 需求列表集合

上面的需求列表就是根据动态场景的搭建进而总结出来的，为了保留一些【课代表】产品的神秘感，没有全部列举（碎碎念：虽然产品不会上线，但总想留点神秘面纱，暴风思考）。

至于是如何总结的，也想给大家再展示一下：十分粗糙暴力==复制粘贴。

图3-2 粗糙暴力的复制粘贴展示

由此，我们便得到了一张需求列表（兴奋需求和优化需求同理，构建好动态场景后，继续复制粘贴）。

2. 基于Kano模型的功能分析

整理好所有的需求列表后，我开始思考搭建需求所得到的功能真伪，天马行空的弊端就是可能所有的兴奋需求都是伪需求。于是，我便开始寻找辨别的方法。

需求角度来说，我可以根据上面的表格，拆解成不同的功能，因此，可以将功能点看作需求进行辨别。

Kano模型属于比较基本的辨别模型，原理大家可以去其他的文章中看一看，这里只给出最终的辨别结果。

图3-3Kano模型需求分析（红框是自己圈的）

首先，我采用了问卷调查的方法获取相应的指标，随后利用了Fanbi进行了数据处理过程，并画出了图示。图3-3是第一次使用时画出来的图示，整体使用感受还是不错的，小白用户也可以通过摸索进行数据处理和画图。

四、总结

本文从静态标签和动态场景出发构造用户画像，随后整理为需求列表，并刻画了相关的需求分析，但在实战过程中仍然存在着很多漏洞，目前也在想办法不断优化中~也希望这篇文章可以在积累了较多经验后得以更好的修缮。

作者：芭芭蘑菇

来源：芭芭蘑菇

今天我们将着重给大家分享北极星指标以及脉络模型。

1、北极星指标

谈到增长黑客，就不得不先来认识一下增长中最重要的一个指标“北极星指标”。

北极星指标也叫唯一关键指标（OMTM，One metric that matters），是产品现阶段最关键的指标。

简单说来就是公司制定的发展目标。当然，公司在不同阶段会有不同的目标，所以不同节点的北极星指标是不一样的。

为什么叫“北极星”指标呢？大概的寓意就是要像北极星一样指引公司前进的方向吧。

北极星指标的作用主要体现在：

• 公司发展方向，所有工作都是由此展开的。
• 帮助公司员工明确任务的优先级，避免在公司运营工作上无从下手，无法集中火力抓住重点。
• 提高行动力，一旦选定你的目标，你只有一件事可以做，努力达到目标。

在产品不同阶段的北极星指标是不一样的，且制定后需要一段时间监测。

而且好的北极星指标可能不止一个，涉及到自己公司的产品还需要在商业中进行检测，增长模型也会根据部门架构等不同情况有多种拆法。

那么我们应该如何确定北极星指标呢？

有两种常用的办法：

• 通过用户核心价值-商业目标的“增长闭环图”确定北极星指标
• 使用北极星指标自检卡筛选北极星指标。

相比来说，前者更加核心，后者是在前者不能确定北极星指标的基础上，再附加的额外的自检清单。

注意，在筛选的时候一定要先确认产品所在的产品生命周期后再对北极星指标进行定义。

拼多多的增长闭环图

北极星指标自检框架

注：自检的时候可以选出三个具体指标放到问题上进行分析，符合写Y，不符合写N，不确定打个？，最后选出一个全部都是Y的指标，那就是你产品北极星指标了。

另外，我们要注意的是：北极星指标只能评估部分情况，不能覆盖整体业务。

毕竟所有人对产品发展阶段的认识不同，都很容易导致北极星指标出现分歧。

还有目前有些公司或发展阶段，北极星指标并不是十全十美的，当北极星指标没有全部满足自检清单的6个问题时，在业务中就需要警醒了。

在确定北极星指标后，我们接下来就可以开始构建“增长模型”。

本质上，增长模型构建的过程也可以理解为拆解北极星指标的过程。

主要的增长模型有三种：全链漏斗型、因子分解型以及全定量型。

这里着重介绍常用全链漏斗型、因子分解型漏斗这两种比较常用的增长模型。

那么有人会问，我们为什么需要构建增长模型呢？

原因很简单，因为影响一件事情的相关因素往往有很多，所以我们需要将影响北极星指标的所有相关因素都拆解出来，然后像做实验一样进行控制变量，这样才能找到影响北极星指标的关键因素。

举个简单的例子，平时我们电脑卡了，大家可能都会认为是死机了，但是实际影响电脑死机的因素可能会有很多。

例如：系统本身有问题？电脑内存不足？电脑中毒？主板接触不良？等等。。。

这都是会影响电脑死机的原因，所以我们要想解决电脑死机的问题，就必须要一个个因素进行拆解分析，这样才能在第一时间找到关键因素，并解决问题。

全链路漏斗模型

全链路漏斗模型，第一步是确定北极星指标，然后我们需要绘制用户转化路径。将北极星指标拆解成各个转化路径的乘积。

全链漏斗拆解

例如，拼多多，假设北极星指标是GMV，那典型的转化路径就包括：用户下载应用、访问应用、首次下单、持续下单的核心路径。

拼多多全链漏斗

全链路漏斗模型是乘法模型，而因子分解模型是加法模型，它将北极星拆分为几个子指标的加和。

因子分解型

以石墨文档为例，假设石墨文档的北极星指标是付费用户数，就可以将其划分为企业和个人的付费用户数，然后再分别往下拆解

石墨文档北极星指标的因子分解型

在使用因子模型进行拆解时，要注意两点：

• 在拆解的增长模型的过程中我们要注意，拆解的时一定要保证分解的分解的逻辑符合MECE原则。
• 在拆解多因子分解型模型时，我们可以先从新老用户进行拆解，再逐渐细分到具体转化渠道。

最后，根据上述的拆解我们可以总结为以下流程：

• 定义北极星指标
• 绘制用户转化路径
• 组装增长模型。

2、脉络模型

在确定北极星指标后，我们接下来怎样建立一个能完整体现企业发展情况的指标体系呢？

我们可以通过建立一个细节型的分析体系来对整个公司的具体情况进行分析与监控，我喜欢叫他为“脉络模型”。

脉络模型本质上解决的问题就是建立一个能监控从用户注意到你的产品开始到用户流失的全链路指标体系。它其实是对北极星指标的拆解和细化。

首先说明一下北极星指标和脉络模型的关系。

北极星指标的作用主要体现在：

• 公司发展方向，所有工作都是由此展开的。
• 帮助公司员工明确任务的优先级，避免在公司运营工作上无从下手，无法集中火力抓住重点。
• 提高行动力，一旦选定你的目标，你只有一件事可以做，努力达到目标。

脉络模型的作用主要体现在：

• 及时发现你的公司健康情况，方便进行快速分析。
• 让管理层能快速了解自己负责的部分，快速定位到需要解决问题的地方。
• 帮助员工了解产品运转状态，并尽可能维护好。

北极星指标就像我们开车从A到B地点是有无数条路径的，但是最近最适合你的路径才是北极星指标。而“脉络模型”就像是你驾驶车上的GPS一样，帮助你监控是否有偏离规划路径。

如果说北极星是能指引人在黑暗中前行的指标，那么“脉络模型”就是监控你前行偏离情况的GPS。

那么“脉络模型”是怎么运作的呢？

脉络模型是基于增长漏斗的思想进行搭建的，所以我们第一层是需要使用AARRR模型来分解每个环节的指标，这样才能做到每个环节分析都能不遗漏。

然后，通过对AARRR模型建模再往下拆分成二级类别，可以将其分为产品、运营和营销类。在这里我们就可以发现不同服务类别的数据是有差别的。

当我们希望下钻分析其中一个指标，如产品类别时，我们还可以分成定量与定性指标。

AARRR及脉络模型拆解

拆解定性数据更多是为了分析用户的基本画像属性，而分析定量指标时，更多是希望将用户可量化的数据进行多角度的分析，得出用户个体与整个产品之间的关系。

在多业务分类时（这里仅适用于产品分析），当然结合定量的数据对产品四大模块拆解后进行分析，再往下细分还可以结合具体的技术数据进行分析（如接口响应速度、成功率等）。

因为事实上，分析的主要思维方式就是需要能将数据拆分到最小维度进行分析。最后在通过结合时间维度对问题做进一步环比与同比分析，这样才能做到真正满足MECE法则。

当然有人会问，那么AARRR其他的环节是否能像上述方法论一样进行拆解呢？那答案必然是可以的。

其他环节我们也可以分为三大类：产品数据、运营数据和营销数据。

例如，一开头我们说到的广告营销类的数据指标，可以简单的先拆解为渠道指标然后再往下分类。

最后再分别往下拆分，我们可以分为定性指标和定量指标

注：

1、定性指标：指不能直接量化而需通过其他途径实现量化的评估指标。

2、定量指标：可以准确数量定义、精确衡量并能设定绩效目标的考核指标。

定性指标更多是用来分析用户个体的一个心理学属性，

而定量指标主要是用来分析产品或渠道整体的健康状态。

当我们对产品用户进行定性分析再往下拆解，可以分为以下五大类：

• 基本属性，如性别、年龄、婚姻状态、星座、学历、收入/消费水平
• 社会属性，如行业/职业、职务/职级、车辆使用情况、手机（价位/品牌）、移动运营商等
• 行为习惯，如常住城市、作息时间、交通方式、经济/理财特性、餐饮习惯、网购特性等
• 兴趣倾向，如浏览偏好、音乐偏好、体育偏好、游戏偏好、旅游偏好等
• 心理属性，如生活方式、个性、价值观等
• 心理属性还可以结合心理统计细分工具：VALS框架进行分析，这里就不再赘述了。

例如，根据用户的使用习惯可以将用户分为不同的类型，方便运营和数据分析师分析不同用户群的使用情况。

比如按照终端类型，可以分为安卓和IOS，按照用户活跃，可以分为高活跃、中活跃和低活跃用户等

当定量指标拆分到业务数据时，业务数据本质上分为三个角度，分别是

• 用户角度，如DAU/MAU、新增用户、留存率、渠道来源等
• 行为角度，如PV、UV、访问深度、转化率、停留时长、跳出率等
• 业务角度，如GMV||访问时长、ARPPU||人均访问时长、付费人数||访问人数、付费率、付费频次||留存率等

如果我们还想对业务数据再往下进行拆分的话，我们还可以根据业务模块进行分析。

我们市面上其实通用的产品模块可以分为四大类，模块与指标分别为

• 工具类，如使用量、目标达成率、频次
• 交易类，如详情页转化率、客单价、复购率
• 内容类，如浏览数、浏览时长、互动次数
• 社区类，如发布量、互动次数、关系密度

最后可能也会有人问，那么我不按这个逻辑对公司建立指标体系是否也行呢？

其实指标拆解思路都是万变不离其宗的，如果大家能把这个拆解链路搞明白的话，你完全可以在每个大分类上使用三维度（用户、行为、路径）进行分析，你一样能看见不同的天地。

“脉络模型”的存在就像你去医院做检查一样，如果只是普通的体检，那么只会给你按照北极星指标进行观察，但有的细节问题，你不去拍X光机、验血等做详细检查你也是无法发现的。

所以“脉络模型”更多是公司在每隔两周左右就应该进行一次详细检查时使用的指标体系，防止公司最后大幅偏离出了正常的运转轨道。

3、最后

最后，我们总结一下，要想搭建产品的数据指标体系，首先我们需要明确产品的北极星指标。帮助确定北极星指标的方法有两个：

• 通过用户核心价值-商业目标的“增长闭环图”确定北极星指标
• 使用北极星指标自检卡筛选北极星指标。

明确北极星指标后，我们需要拆解北极星指标，搭建增长模型，一般有三种模型，我们着重讲解了两种：

• 全链路漏斗模型
• 因子分解模型

最后，我们介绍了如何使用脉络模型构建公司的全面的指标体系，脉络模型是基于AARRR来搭建的。

从AARRR的环节出发，我们可以进一步拆分为产品、运营和营销三类指标，然后又可以进一步划分为定性和定量两类指标。

作者：产品叨比叨

来源：产品叨比叨

千瓜数据独家推出《2021小红书活跃用户画像趋势报告》，对小红书活跃用户中的美妆、美食、母婴、家居四类核心人群进行解析，为品牌洞察小红书不同群体画像和消费趋势提供数据支持和营销方向。

总结

小红书中坚力量群体在消费能力和消费偏好上逐渐形成固有的品牌格调，对于品质生活的追求与享受使他们更愿意为高品质商品及服务买单。

· 小红书美妆品牌竞争激烈、产品趋势多元化，品牌应深耕细分领域，以打造差异化竞争优势为重点。

· 小红书用户愿意为有特色的美食品牌买单，通过传递品牌故事、KOL种草影响用户心智为大势所趋。

· 小红书母婴国际品牌优势明显、用户消费实力强劲，本土品牌可着重研发实力+资源整合，再结合营销加持强化用户认知。

· 小红书家居趋向品质与生活化，把握用户关注热点，了解用户舆情，用数据化工具助力品牌精准投放。

作者：千瓜数据

来源：千瓜数据

用户画像，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用；特别是在如今的大数据时代，用户画像也可以很大程度上的帮助企业进行精准定位

聊起用户画像，想必大家都不陌生。

PM日常喜欢用的persona就是它，因为它，聊需求的时候能更具体和有说服力。

那么用户画像是怎么来的呢？除了在产品经理聊需求的时候有点用，还能干吗呢？请听笔者一一道来。

一、用户画像是什么？

用户画像的前提是打标签，由各类标签组成用户画像，所以用户画像的底层就是打标签。只要标签打得好，用户画像永不倒。

大部分公司的做法是由数据团队通过数据统计，找出具有区分度的标签，一般包含用户属性、用户价值、交易属性、交互属性、商品偏好、行为偏好等标签。

然后根据标签形成用户画像。但是这类画像，很难用具体的运营策略去承接。比如25-30岁，男性，一线城市的标签，运营策略怎么去承接呢？

因为这类标签由数据同事而非运营同事建立完成，往往脱离业务实际，很难落地。

这么多年，即使是阿里这种级别，也就只有商品偏好的标签应用的比较好。一款产品真正有用可落地的标签很少，十几个其实就够用了。

如果真的想落地，实际上不应该盯着标签去想如何应用，而是先思考业务流程，然后想着如何找标签去圈出用户。

以行为标签做主逻辑（用户分层），做第一步的精细化，之后在主逻辑上配合属性标签再细分不同群体（用户分群）。

比如一款交易类产品，用户分层就可以划分为，待激活用户，已激活未交易用户，已激活已交易用户，已交易老用户。

然后在每一个分层下做细化的用户分群，如将已激活未交易的用户分为有点兴趣、找目标，想购买几个阶段。

然后通过一些行为标签和其他标签组合起来圈出特定的人群。不同阶段的用户需求不同，有兴趣的主推产品介绍，找目标的主推热门产品，想购买的及时提醒关注商品动态。

在主逻辑之外再配合属性标签，做文案优化。比如年轻人+有兴趣，那么文案可以好玩一点。年纪大+有兴趣，文案就要正式一点。

以上就是可落地版本的用户画像，会运用到用户分层和用户分群，接下来就好好梳理下ta们和标签之间的关系。

二、用户分层、用户分群又是什么？

用户标签最佳场景是推荐系统，通过不同标签完成精准推送，达成千人千面，提升业务转化率。

在精细化运营层面，用户标签为用户分层、用户分群服务，没有用户画像/用户标签，无法有效形成用户分层和用户分群。

为什么要做用户分层？

用户分层是用户量非常大难以管理的时候会采用的办法，强业务属性的产品做分层更有效，因为要提高转化做增长，用户分层用不同的运营策略来提高转化，达到千人十面。

用户分层常见逻辑是根据用户与产品核心业务的关联度来分层从低到高，从业务量低到业务高依次分层。分完层后，再进行用户分群。

先看一个简化版的用户分层+用户分群的MVP版本。如果你是一个微商，你对你的微信好友会怎么做用户分层和用户分群呢。

从难转化到易转化做分层，在每个分层下做不同的分群。以这个为模型，可以做所有交易类产品的用户分层+用户分群雏形。

相信聪明的你已经彻底懂什么是用户分层和用户分群了。

三、用户分群如何落地？

用户分层就是金字塔模型，每一层都是完全独立的，分层有具体的业务区分，用户做的事情是不一样的。

由人为划分了一些阶段+各阶段性的标准，这就是用户分层。

分层的目的是希望用户向更上层转化，如果不能向上转化，那么你的用户分层做错了。

决策流程短的产品分层价值意义不大，决策周期长的产品分层更有价值。

对于用户决策就一天的产品来说，用户分层只需做成：新用户+老用户即可。针对新用户的运营就是希望他能交易。针对老用户的运营就是希望他能持续交易。

用户分群一般会有重叠，一个用户可能既属于A分群，也属于B分群。在分层的基础上做分群，比如电商里，性别分群，和年龄分群。

分群常用的有rfm模型，市面上用的很多，但其实这个模型可能效果并不好，rfm理论如下图：

再来看下美团真实使用中的rfm模型：

美团rfm核心逻辑拆解下就是：

为什么说rfm模型可能效果并不好呢？它最早来自于零售行业，不一定适用于互联网当下的c端产品。

• 活跃下降的用户，给他push一些感兴趣的东西
• 一直逛但迟迟不肯下单的用户，就给他派点优惠券
• 优质用户流失了，送点回归礼
• 担心核心优质用户，就做积分或者会员给他们价值和尊重

……

这些是好的运营手段吗？不好意思，这些都只是学术上的纸上谈兵，不够落地，找个实习生也能把这活儿干好。

做好用户分层和用户分群，核心不在于事先建立一个好的模型，而应该带着问题寻找答案。

优秀的运营动作应该是满足用户需求的用户触达，前提是发现用户在产品里的矛盾点，如下图。

这个世界可能没有必杀技，任何策略和动作都不是一蹴而就的，一开始做不好很正常，但是要经常测试和迭代。

最可怕的不是我们没做好，而是我们的用户变了，数据变了，产品生命周期变了，运营动作还是老套不变。

话题扯远了，所以用户画像，用户分层，用户分群，用户标签，聪明的你懂了吗？

作者：小河运营笔记

来源：小河运营笔记

户画像这个词很热火，但是市面上能够有能力做用户画像的公司还很少，相关专业的人也较少，因此缺乏专业的知识体系。接下来，我系统性介绍一下用户画像体系产品规划过程，圈出过程中要把握的中心要点。

建设画像体系，最主要的是把握一个中心，一条主线。

一个中心

一个中心，以经济建设为中心。这是国家向前发展的要义，企业存活的基础，自然也是用户画像部门存在的立根之本。建立用户画像体系本质上是要服务商业活动，需要秉持“降本提效创收”的基本准则。

一条主线

一条主线，产品研发的基本流程主线。建立画像体系在实施层面，本质上是一个产品化的过程，因此用户画像体系的搭建符合产品研发的基本套路，分为需求阶段、画像产品规划阶段、画像产品设计阶段、开发测试阶段、运营阶段5大阶段。

1.需求阶段：注重内外相济，把握3个要点。

一是调研业务方的需求，明确业务的需求是什么，为什么要搭画像体系，打算怎么用？此步骤十分重要，紧紧围绕着1个中心来开展，草帽小子之前写到了需求调研阶段的相关文章《数据产品索隆，坎坷的标签体系建设之路》

二是盘点清楚底层的数据，清晰的知道跟用户相关的数据渠道来源有哪些，落在哪些表里？有哪些数据分类？详情可查看《标签构建过程中，如何快速盘点业务及数据需求？》

三是放眼外界，看市面上优秀的画像产品是如何搭建的？整个画像体系有哪几个常用模块？每个模块的建设过程是怎样的？草帽小子调研了画像体系中不可或缺的3个模块，包含ID体系、标签体系、画像系统，详情可查看《阿里/网易/美团/58用户画像中的ID体系建设》、《干货 | 阿里/网易/汽车之家画像标签体系》、《如何构建用户画像系统？》

需求调研清楚后，你的脑子里对整个画像体系也就有了基础的认识，再结合公司的实际情况进行分析，因地制宜，来制定下一步的产品规划。

2.产品规划阶段：一头一尾两手抓，把握整体架构，制定执行计划。

一头抓整体规划，包含业务架构和产品架构。一尾抓落地计划，包含产品阶段性计划，人员配合流程。

3.产品设计阶段：清晰落地，把握流程规范，注重功能设计。

4.开发测试阶段：规范作业

5.运营阶段：持续监控运营效果

后续文章会展开用户画像设计、开发测试运营等细节，接下来主要介绍如何做好用户画像产品规划。

二、一头抓整体规划

要做好用户画像产品规划，一头抓整体规划，绘制蓝图，包含自上而下来梳理业务架构、以及自下而上来梳理产品架构。

从框架层来看，梳理清晰的业务架构，有助于帮助产品经理清晰的了解用户有哪些，解决了用户什么问题？产品的价值，产品的功能优先级？以及要做成这个产品需要哪些资源投入？

下边就由草帽小子来介绍如何采用“六层次”方法，进行业务架构的梳理。

整个业务框架围绕着两方面展开，一方面是用户需求，用户在什么场景下使用画像服务，解决了什么问题，或是说给用户带来了哪些价值；另一方面是画像产品实现，要实现该画像产品服务需要哪些资源，需要哪些部门协同配合。

1.用户场景价值层

明确目标用户，清晰地知道画像体系设计出来后给谁用，通常画像体系的目标用户有精准营销人员、产品经理、搜索推荐产研、用户运营人员、客服人员等。用户画像体系的应用场景上包含精准广告投放、智能运营、个性化推荐等。

a.精准广告投放

用户画像在精准广告投放过程中至关重要，画像可以完美地抽象出一个用户的全貌，为进一步精准、快速的预测用户行为提供了全面的数据基础。

早在2007年，雅虎就根据画像标签，推出了smartads广告方案。雅虎掌握了海量用户信息，如用户性别、年龄、收入水平、地理位置及生活方式等，再加上对用户搜索、浏览行为的记录，使得雅虎可以为用户呈现个性化的横幅广告。这是画像在独立广告平台上的应用。

那对于企业来说，使用用户画像进行广告投放，可以精准触达目标用户，提升广告点击到激活转化率，降低广告投放成本。

b.智能运营

传统的运营采用无差别营销、轰炸式营销的方式，对每个潜在的用户一而再、再而三地推送同样的信息。从用户角度来看，用户对这种轰炸式营销十分反感，用户体验差；从企业的角度看，这是对企业成本的极大浪费，隐形成本开销巨大。

如何将合适的内容在合适的时间，用合适的方式推送给合适的用户？这是困扰运营的一个问题。

而用户画像平台，可利用其人群标签能力，帮助运营结合市场、渠道、用户行为，对用户展开有针对性的运营活动。其中端内触达人群，可采用个性化推荐的方式；端外触达可采用push/短信推送的方式。

c.个性化推荐

应用的运营者，可以通过个推用户画像中的性别、年龄段、兴趣爱好、浏览购买行为等标签，给用户推荐不同的内容。如今日头条上的个性化文章内容推荐、抖音上基于用户画像做的个性化视频内容推荐、淘宝上基于用户浏览行为等画像数据做的个性化商品推荐等。

2.产品运营资源层

a.产品/服务层

梳理清楚了用户在哪些场景使用画像产品，那画像能提供的核心功能也就十分清晰了，其核心在于数据采集、用户ID标识、标签体系、画像系统。

b.运营管理层

而要实现这个庞大的画像体系，需要多方协作完成。在组织层面，包含产研团队、运营团队；在绩效层面，需要对清楚组织的绩效目标，多方协作发力；在系统层面，列举出画像体系相关联的系统；在流程层面，需考虑整体研发流程，画像体系与其他业务业务系统的对接流程；

c.资源层

考虑到哪些人来做，服务器资源成本，是否需要购买第三方数据等。

业务架构会更加宏观，并注重自上而下，从业务场景应用层面来进行整体架构的搭建；而到了产品架构这一层面则更注重于落地，自下而上盘点清楚数据现状来搭建用户画像体系，以满足核心业务场景的需要。包含数据采集、ETL数据预处理、数据分析与挖掘、画像系统建设、应用层面。

1.数据采集层

数据采集讲究大而全：要想更全面的描绘用户画像，则需要想法设法采集用户相关的所有数据。

a.业务数据：伴随着业务产生，包含用户的基础信息，在平台上的购买业务数据、评价数据等

b.埋点行为数据：通过埋点的方式，采集到的一些行为数据，如浏览、点击、停留时长等

c.日志数据: 一般是web端日志记录的数据

d.第三方数据：业务线较为单一的情况下，能拿到用户的数据也就不多，这种情况下可以考虑接入第三方数据，如个推数据等，来进一步丰富标签画像

2.数据预处理：对一些不符合标准的数据进行清洗、转换，得到标准数据

3. 数据分析与挖掘：对预处理后的数据进行标签建模，得到具有商业价值的标签。

a. 统一用户ID标识

很多人对用户ID标识没什么概念，在用户画像体系建设之初，往往会漏掉这个关键步骤。

举个简单的场景，阿里是一家包含多条业务线的公司，如电商、金融、广告、文化、教育、娱乐、设备和社交等领域。若是消费者乔巴在支付宝上进行了基金理财操作，同时在钉钉里发布了自己的动态，并在web淘宝上浏览了棉花糖商品。

这个过程他登录了不同的账号，你怎么把这些行为关联到乔巴身上呢？

这里要做的就是统一ID标识，详情可以参考阿里、美团、网易这类的大厂都是怎么建设的《阿里/网易/美团/58用户画像中的ID体系建设》。

b. 用户档案

建设用户档案，前期可进行数仓主题层的建设，将与用户相关的表汇集在一起，建设一个用户集市，包含用户基础信息表、用户行为表、用户交易行为表等基础表。

c. 标签建模

标签建模则包含不同类型的标签的计算，如事实类标签、规则类标签、预测类标签的计算。

d. 标签宽表存储

标签宽表存储主要为将标签数据统一落在几张大宽表中，如用户基础信息宽表、用户行为宽表、用户偏好宽表等。

4.服务层

服务层需描述清晰画像体系能对外提供的服务，包含业务性服务和系统性服务两大类。

a.业务服务

业务服务包含画像系统需具备的能力，分为画像看板、单用户画像、群体用户画像、相似性人群拓展、标签市场、人群洞察、标签管理如标签上下线以及标签的管理、权限管理等。

b.系统服务

系统服务主要为接口服务，将用户分群以接口的形式对接至各个业务系统。

在绘制完浩浩荡荡的用户画像蓝图之后，接下来就需要制定切实可行的项目计划，梳理版本计划等，以申请相关资源。

整体用户画像体系的搭建涉及面巨大，无法一蹴而就，应循序渐进地进行。在制定版本计划的过程中既需要结合业务当前的需要，争取快准狠的在业务上有所应用，如此才能走的更快；也需要考虑系统基础建设，如此才能走的更远。

用户画像的版本计划可分阶段进行，设定每个版本，如V1.0、V2.0、V3.0的用户画像体系建设目标，迭代的时间计划。并依照二八原则，建设MVP版本，先推出一版，快速满足业务需要。

如上图所示，项目执行过程中有4个关键的评审时间点。

一是立项评审，此时需要项目经理/数据产品经理输出立项PPT，主要包含业务背景需求描述、业务架构、产品架构、产品版本计划、项目执行计划、所需资源情况等。

二是需求评审，需要数据产品经理输出详细的需求说明文档，主要包含需求背景、产品流程、功能需求说明、数据需求说明、原型设计等。

三是提测演示，需要数据产品经理/前端演示开发完成的情况，演示前需要保障页面业务流程、数据上报流程可以跑通，无重大问题方可提测，否则就打回继续开发。

四是产品发布，需要相关运营同学输出运营计划，对外介绍产品功能，使用方式，收集用户反馈等。

制定清楚项目计划后，我们来看看做好用户画像整体计划需要哪些人参与，其配合关系又是怎样的。

03、人员配合流程

搭建用户画像体系的产研人员主要包含，运营/业务产品经理、数据产品经理、数据分析师、数仓工程师、算法工程师、前端工程师、后端工程师、数据测试人员、功能测试人员。

运营/业务产品经理：提出画像需求，说明清楚目标用户、场景及价值，提出明确的数据需求，包含所需的标签名、标签含义及分段逻辑。

数据产品经理：分析业务方所提的需求，结合画像体系的整体考虑输出产品方案，并进行标签及画像系统的设计，输出功能及数据需求说明文档。特别注意的是，在进行标签设计时，需与运营/业务产品经理共同确定标签逻辑，在验收时也需与业务方协同验收。

数仓/算法/前后端工程师：数仓工程师主要负责数据仓库结构的设计，数据表设计，以及事实类、统计类标签的计算；算法工程师主要负责算法预测类标签的计算；前后端工程师主要负责画像系统功能层面的建设。

测试工程师：主要负责系统功能层面的测试，以及标签数据层面的测试。

四、总结

总结而言，用户画像体系产品规划的重点在于一头一尾两手抓，一头绘制整体架构的蓝图，一尾制定清晰的执行计划。

一头抓整体规划，包含业务架构和产品架构，先自上而下从业务场景应用层面来进行整体架构的搭建；再自下而上，盘点清楚数据现状来搭建用户画像体系，以满足核心业务场景的需要 。

一尾抓落地计划，包含产品阶段性计划，项目执行计划以及人员配合流程等，来保障用户画像体系规划按一定的节奏落实下来。

相信你认真的学习以上的用户画像体系搭建步骤后，操作起来会更加得心应手。

作者：一个数据人的自留地

来源：一个数据人的自留地（shujuren_qishu）

用户画像作为一个很常见的设计工具，在C端已经有一套很成熟的理论了，比如Alen Cooper的“七步人物角色法”，Lene Nielsen的“十步人物角色法”等，这些都是非常专业的构建用户画像方法，值得我们借鉴和学习。企业可以根据自己的业务指标创建用户画像，它可以帮助我们了解用户的需求、体验、行为和目标。

但关于B2B用户画像的文章分享相对C端要少得多了，相信很多人和小编之前一样，对B2B画像是模糊、零散的认知，不知道怎么去构建它。本文受有赞设计师@美芳指导，来和大家探讨下我对B2B用户画像的见解。

目录：

1. 什么是用户画像（what）
2. B2B用户画像的特色（what）
3. 为什么要构建B2B用户画像（why）
4. 如何构建B2B用户画像（how）
5. B2B用户画像的传播与使用（how）

本文尝试通过what-why-how的结构，结合自己的工作做一些实践，和大家分享下B2B用户画像的整体概念框架以及构建方法。

出于对我司数据的保密，无法直接分享给大家细粒度且对应的数据，所以分享过程中我会结合业界和其他前辈在网上分享的内容和数据作为案例，如有不足和错误之处，还望大家批评指正。

一、 什么是用户画像

那在讲B2B用户画像之前，我想先来说说用户画像的概念，在看一些文章时发现有些作者混淆了用户画像的两种概念。可能很多人没有注意到，用户画像这个词包含了2种不同的含义：一种是User Persona，一种Use Profile。

1. User Persona

User Persona是对一个用户群体的整体抽象，这一概念最早源于交互设计领域，是Alan Cooper在《About Face：交互设计精髓》一书中提到的研究用户的系统化方法。

“赢在用户”这本书将其翻译为“人物角色”，目前业内使用“用户画像”这个术语。表达的意思一样，是真实用户的虚拟代表，是在深刻理解真实数据的基础上得出的一个的虚拟用户。

• 研究方法：定量+定性研究，更注重的是定性的研究；
• 画像用途：产品&交互&设计使用，是他们了解用户目标和需求、与开发团队及相关人交流、避免设计陷阱的重要工具；
• 研究方向：更深和细，会更为深入的去挖掘底层用户的动机、原因、动机、欲望、痛点等属性；通俗易懂的解释就是Profil帮助我们了解what产品为谁而设计，Persona帮助我们了解why产品的用户为什么会有这个行为。

2. User Profile

User Profile是对每一个个体的画像，是在产品用户量有一定规模以后进行的。

利用用户的行为数据或者填报的资料进行的用户属性标签提取，更多被运营和数据分析师使用，它是各类描述用户数据的变量集合。在大数据时代，企业通过对海量数据信息进行清洗、聚类、分析，将数据抽象成标签，再利用这些标签将用户形象具体化的过程。

• 研究方法：偏向于定量研究与数据分析；
• 画像用途：主要运营&市场使用，个性化推荐、广告系统、活动营销、内容推荐、兴趣偏好都是基于用户画像的应用，比如说我们通常看到很多网站，千人千面，其实也是User Profile 精细化运营的结果；
• 研究方向：更广和全，更多的是研究人的基础属性、社会属性和行为习惯，更关注的相关性的数据分析和挖掘。帮助我们了解用户why为什么会有这个行为。

两类画像的对比如下图：

明确了两种画像的区别，那本文我们就重点谈谈User Persona类型的B2B用户画像（后续文中简称“用户画像”）。

至于User Profile，比较适合用户体量大的产品，而B端产品除了头部企业，很难达到这个量级，无疑用User Persona更合适，本文就不再赘述。

二、B2B用户画像特色

不管是B2B还是B2C产品也好，不论是商业层面上（比如在资源有限情况下聚焦关键用户类型）、或是在产品层面上（更好理解用户想要什么，确定功能的范围和优先级），建立用户画像的本质都是为了辅助一些决策。

不同之处在于C端面向的是大量且分散的个人用户，用户画像的主要目的是把用户聚类，更好的了解不同类型用户的特点和偏好。

而B端产品，面向的是企业级用户，满足的是企业的管理或经营需求，关注的是成本和效率。画像的目的是针对业务不同环节中、具有类似任务的用户进行更立体、丰富的需求整理和挖掘，往往和角色相关。

其决定了B2B用户画像的几个特点：

1. 受企业生命周期的影响

伊查克·爱迪思（IchakAdizes）提出了企业生命周期理论，企业的发展大致有初创期、成长期、成熟期和衰退期四个阶段。

不同阶段的企业，其组织形态、关注点、管理方式等都会有所不同，产品需求侧重点不同，用户画像的方向和调研方式也会有不同。

1）初创期：产品立项阶段

这个阶段往往指的是公司刚成立，此时产品、企业文化尚未成形，处于客户积累阶段，较为关注引流。

需要通过用户画像定位细分市场、产品模式及功能，这个阶段需做定性调研了解目标用户，初步形成用户画像为需求做底层支撑，这个阶段的用户画像颗粒度可以粗些，旨在帮助团队快速就“我们的用户是谁”达成共识。

2）成长期：产品运营中（已有数据积累）

这个时候产品已有demo或已上线迭代，产品处于完善、升级的阶段。

可使用“数据挖掘+定量筛选+定性丰富”的方式，结合项目的已有数据，使用定量筛选用户，做大量微观且具体的用户调研，基于后台、第三方平台监控发现问题，定位问题关键及原因分析，优化产品功能及运营模式，再通过调研访谈了解具体的行为细节和态度。

该阶段的用户画像可用来验证问题、完善或发现新的机会点。

3）成熟期：产品相对稳定

客户资源相对稳定，可能已有一定的规模，内部管理需求增长，市场地位趋于稳定，日常工作也大多以维护为主。

且现有增长点已遇上了瓶颈，用户活跃将不可阻逆地缓慢下降，即使你做再多产品优化、烧钱运营都无法改变产品终将走向衰退的命运，时间问题。

企业急于寻找突破口和新的增长点，用户画像又将被赋予新的使命：基于用户画像进行“新增长点”的分析，定性挖掘蓝海，再定量进行验证。

4）衰退期：产品活跃度快速下降

进入到这个阶段，说明产品没有成功转型。这时候再做用户画像的意义其实不大，如果一定要做，除了提高回流率、挖掘增长点外，可以定性了解原因，调整产品。

2. 产品使用角色多样性

不同于C端产品的的用户单一性，B端产品的用户画像对应的不是一个个体，而是一个组织或机构，同时涵盖组织机构中不同的人员。

产品面向的使用对象可能从普通员工到企业高层，覆盖销售、技术、行政人事部分等，基于工作场景不一样，对产品的需求可能也大相径庭。以一个CRM系统为例，一个复杂的B端产品可能会涉及以下四种角色的用户：决策者、主要使用者、次要使用者、间接使用者。

如下图所示：

1）决策者

下决策购买产品或服务的人，可能是业务线负责人，也可能是公司董事长、CEO，他们常常不是产品的使用者，使用频次低甚至完全不用，他们通常都是从公司的整体利益出发，更关注产品能否给公司业务带来帮助，降本还是提效了。

其评价某个功能的好坏，往往与使用者的感受是相悖的，如钉钉的“DING一下”，他们并不太关注使用过程、体验，更关注产品的核心价值，将利益最大化。

满足决策者的需要是做好B端产品的前提，也是制作用户画像所要明确的方向；很多体验做的不好、难看的产品之所以也能在B端市场有一席之地，就是因为满足了企业的需要。

比较理想的情况下，团队对目标客群有一定深入的研究，形成趋于标准化的产品，就能打动目标客户群的大部分决策者。

2）主要使用者

真正频繁使用产品的人，也是产品/设计师想要提升产品体验要瞄准的人群。他们可能更关注产品的具体使用，是不是易用，有没有帮助他们更便捷地完成工作，有没有提高他们的工作效率。

主要使用者是最容易识别的，以CRM系统为例，如果没有销售日常在系统中录入客户数据，管理层就无法查看成单量、进度等他们所关注的信息。

3）次要使用者

使用产品频率相对主要使用者更低，用到的功能也比较少，只在某个中间流程涉及少量操作。如CRM系统中人事、财务会涉及到其中钱或出差的审批对他们而言，主要需求是能快速找到自己的任务并完成就可以了。

4）间接使用者

不直接使用产品但会被产品影响的人群，产品和设计师在设计过程如果有资源和精力能兼顾他们的需求和体验，那就太贴心了，如审计、政府人员，属于不紧急，非必要需求。

3. 岗位职责决定了用户目标和使用场景

B端用户使用场景多和业务形态密切相关，产品通常要解决的是某类角色工作时发生的问题。

所以不同于C端用户画像，从用户视角出发，关注用户个人的场景、诉求、痛点和情绪，核心是满足用户的需求，关注用户的年龄、性别、收入、个性、习惯、消费模式等标签。

但是在B端产品中，我们抛开了用户作为个人存在的标签，我们更关注用户所代表的角色，他的岗位职责是什么，它在工作场景中需要完成哪些任务，这些任务要做什么的，其岗位职责决定了它完成任务的目标、场景、使用什么工具去，需要跟其他角色配合吗等信息。

所以B2B画像更关注角色的分类、工作/使用场景、用户目标、操作链路、角色协同等信息，很难看到类似这个人是不是已婚，小孩多大这些不知道如何应用于产品设计的内容，而在一个C端产品用户画像上很少看到有哪些让他压力山大的KPI等信息。

仍然以CRM系统为例，其主要使用者-销售的目标就是用该系统录入商机、线索等，然后根据数据情况制定客户沟通回访计划等，聚焦的是该系统能否让他很好的履行了其岗位责任，和他这个人在哪个城市、已婚未婚等个人特性是无关的。

4. 由客户画像和角色画像构成

B2B产品面向的是企业用户，满足的是产业链中各企业的经营需求，这时B2B画像应该具备行业、客户属性这一维度；但是最终购买者、使用者都是企业中的某一角色，这决定了B2B画像还有角色这一维度。

所以，小编认为，B2B用户画像是企业和多个核心角色共同构成的画像，建立B2B画像，需要客户（企业）画像和角色画像两部分的信息。

1）客户画像

客户画像指的是使用B端产品或服务的企业用户，具有行业特征、企业特征及角色特征。

其的目标是促成销售，主要用来帮助销售/运营人员他们快速定位目标企业，帮助他们更好的认识我们客户是什么样的人，让他们的工作更有方向。

一个典型的客户色画像会包括：

• 基本信息：外在的标签，如所处行业、地域、人员规模、收入规模（年营业额）；
• 业务模式：线下的实际业务流程-视行业而定，如商业模式（靠什么赚钱）、业务模式（业务怎么运作）；
• 组织机构：自上而下都有哪些机构，彼此之间的关系；
• 关键角色：各个机构里有哪些岗位/工种，决策链上有哪些角色、谁才是有价值的关键角色，角色话语权。企业的关键决策人随企业大小而不同，一般中小型企业都是老板、合伙人等。而大型企业采购B端软件都是需要经过内部流程的，最终审核人是老板，但其中影响决策最大的往往是商务经理负责人。

2）角色画像

B端产品虽然面向企业，但是最终使用执行的还是人，这些执行层（终端使用者）也是产品的检验者。在企业决定购买产品之前，执行层没有话语权，但是在续费的时候，他们的话语权比重会开始显著提升。

因此在我们的产品设计阶段，会更关注执行层的角色画像。当我们讨论产品、需求、场景、用户体验的时候，往往需要将焦点聚集在这类人群上。

一个典型的角色画像会包括：

• 基本信息

如角色名称、照片、角色/工种、平台偏好、文化水平、办公场地、使用频次，角色名称以及照片是为了更有代入感的个人情况说明。

但值得注意的是，这里的情况更多围绕职业情况展开，比如工作年限，工作职责，能力维度等，那些在C端中常见的家庭情况，几个孩子什么的统统不重要。

用户行为驱动因素：用户的工作目标、工作任务和考核指标，B端角色通常是企业员工，为了薪酬，有一般都会有结合任务而完成的考核指标，了解考核指标可以在设计过程中更明确知道哪些内容是用户最关注的东西。

• 使用场景

工作的时间、地点及工作内容是什么，使用场景是重要但容易被忽略的一个内容，尤其要搞清楚使用产品的场景有哪些、用户平时的工作流程是如何的、主要使用什么功能。可用一个真实、普遍、易懂的故事勾勒一下。

• 使用期望

日常工作面临的挑战和痛点，期望获得的帮助。

角色画像和客户画像之间没有直接关系，因为目标不同，所以会有不同的用户细分：客户画像的目标是成销售，获取利益；角色画像是为了解决问题和为用户创造价值，进一步为公司创造价值。

但是在刻画B2B用户画像时，如果只考虑执行者的话，没有客户画像作为指引、摸清决策者的特征与行为，你的产品功能或者体验设计上可能就会出现严重偏差，甚至方向错误。

三、为什么要构建B2B用户画像

1. 客户画像的价值

产品和服务只是企业将价值传递给客户的一种工具和媒介，无论产品形态如何，其本质都是在解决客户的问题。

如果没法满足客户的业务需求，基本上该产品对客户是没有价值的。客户画像作用贯穿产品生命全周期，产品/市场/销售较为关注，它的价值主要体现有三点：

1. 对产品：明确为谁服务，快速的了解客户的需求和状况，确定产品功能设计，学会识别用户的解决方案和用户在场景下的诉求，不断迭代调整产品；
2. 对市场/运营人员：建立对客户尽量全面的了解并基于客户画像确定营销内容、营销策略和渠道选择，使产品的服务对象更聚焦；
3. 对销售人员：帮助销售进行客户筛选，找到有效客户，提高转化率，确定业务方向和销售打法。合理配置团队，完成KPI。

客户画像越早建立越好，但是务必注意控制深度和成本，因为不同阶段的企业其侧重点有所不同。

在初创期，产品团队可以通过关注典型客户来积累定性数据，从而低成本搭建客户画像；而到了成长期和成熟期，在拥有大量客户数据的前提下，企业可以逐渐过渡到使用定性&定量相结合的方式来形成更为清晰的客户画像。

2. 角色画像的价值

以前业界有种说法，做B端，能用是第一位，用户体验不重要。所以除了一些成规模的SaaS公司，设计师在B端几乎无用武之地，成了组件化的搬运工、工具人。

所以大部分的企业在跑马圈地时期是不注重用户体验的，企业有客户画像，却未必有角色画像。还说用户体验不重要的人，可以看看有赞CEO白鸦的公开说明。

图片来源于网络

2020年，疫情为企业级SaaS带来流量，在今年2月宣布延期复工后，钉钉搜索量激增数倍，无论中大型企业还是小微企业都纷纷加入了远程办公的行列，协同办公SaaS获得了大量的“试用客户”，加快了市场激活的进程。

但接下来，流量转化和用户留存成为后疫情时代的核心关注点。后疫情时代，对企业来说，改善产品用户体验，了解使用产品的终端用户，构建角色画像愈加重要。而角色画像作为产品和设计师比较关注的画像，有以下三点价值：

• 设计前：帮助确立设计目标、设计策略与准则；
• 设计中：解决架构混乱问题，明确需求功能的合理性和优先级；解决需求争议问题和沟通问题，与团队成员就服务目标达成共识；
• 设计后：解决可用性测试问题，帮助我们锁定合适的测试用户。

总结一下就是角色画像是产品的根基，客户画像是产品的外延生命力的象征，两者相辅相成。

四、如何构建B2B用户画像

对于这个章节，我将以我所负责的一款企业产品为例，来讲述用户画像的创建过程。在这个项目中我们通过定性研究创建了用户画像，当然如果必要，大家也可以在后期再通过定量研究对得到的用户画像进行验证。

用户画像的创建可分为以下几个步骤：

1. Step一：研究准备与数据收集

B端用研和C端有一点不同，企业用户的使用场景基于业务，背景复杂、角色多样、使用工具特殊（如企业自有后台系统）等，导致无法在可用性实验室中切实地模拟出来，所以我们得接近用户、基于业务场景去了解用户。

小编大致总结了一下，B端用研有以下3大痛点：

1. 信息获取难：B端产品主要针对用户工作和业务开展，一般都是强制使用产品不存在“挑剔”的选择空间，导致用户的反馈就非常少，信息的获取壁垒较高。“深度访谈”是最核心也是获取信息性价比最高的一种方法，但是出于对信息用途的不了解，对商业隐私、生意经验泄露的担忧，B端用户可能不愿意配合调研或不信任你；
2. 业务复杂：缺乏行业经验，难以理解业务，这会让用研对象觉得你不专业，仿佛鸡同鸭讲、对牛谈琴。而且在不理解业务的情况下，设计师在访谈过程中会过于关注基础业务，无法进行更深层次的访谈，采集的信息并非用户的真正需求；
3. 视角不同：设计师视角容易缺乏框架性思考，搞不清每个业务模块/功能的边界以及它们之间的关系，不能站在用户（决策者、使用者）的角度思考问题，以至于被用户牵着鼻子走，用户说什么就是什么，能和用户产生共鸣的部分极少。

俗话说“磨刀不误砍柴工”，针对以上三大痛点，项目伊始有必要进行一轮全面的桌面研究，帮助我们快速建立对行业的全局认知并了解业务，另一方面，也有助于我们更好地和用户进行沟通。

1）研究内容

1. 产品的定位、盈利点及目标客户；
2. 当前的业务目标是什么，主要解决什么问题；
3. 整体业务框架，核心业务流程和使用场景；
4. 不同角色之间如何协同以及每种角色的价值和目标；
5. 专业术语的理解；
6. 达成业务目标的关键资源和能力。

2）研究途径

1. 公司官网、竞品网站、查阅行业内相关报告、参加行业会议等，形成对行业的整体认知，如艾瑞网、易观、CBDNData等专业网站（部分报告需开通会员才能查阅）；
2. 通过搜索引擎查询关键词查询相关文章；
3. 最快捷的方式是向产品经理/业务方要相关文档或直接向他们请教；
4. 销售‌‌/客服/实施顾问等,一般上线的产品都会有客户反馈群或来收集整理客户实时反馈的需求信息，可以通过他们大概了解到目前产品有哪些问题；
5. 如果有这方面的专家用户，可以虚心向这些专家用户请教，他们对业务的理解更加深入。

2. Step二：确定目标与画像维度

此处有2个注意点：

1. 如何筛选出目标用户？
2. 画像维度有哪些？

针对以上2三点，下文将依次展开说明：

1）如何筛选出目标用户？

Cooper指出，不能为超过3个以上的用户画像设计产品，这样容易产生需求冲，当有多个用户画像的时候,需要考虑用户画像的优先级。

前面讲B2B画像特点的提到过，由于是企业产品，仅仅产品中一条业务线，角色也是多样的，所以在筛选目标用户时有一点尤其要注意：应识别出关键的用户画像。

以我公司的招聘业务为例，为了便于大家在宏观上确定什么样的企业是我们主要的目标用户，我们的做法是按企业类型定义了三个KA客户画像。

由产品、市场、以及各组leader一起来完成用户画像的优先级排序工作，确定用户画像优先级时，我们可以主要从以下几个方面来考虑：

• 使用频率
• 市场大小
• 收益的潜力
• 竞争优势/策略等

然后再找关键的角色画像，即角色画像中的决策者和主要使用者，次要使用者和间接使用者因时间、金钱的关系，现阶段不做考虑。

我司产品的客户主要是劳动密集型企业，作用是帮助客户解决蓝领用工问题和发薪合规问题。以招聘业务线为例，想把这个产品卖给某企业，首先要打动该企业的HR总监，再说服CEO/董事长，再让招聘部员工-HR试用。

那么这条决策链上的关键人就包括了HR总监、CEO/董事长、HR。那在这个案例中，HR总监是决策链的关键人物，因为只有他认可之后，才会申请购买或在CEO面前夸这个产品。

而HR是最终产品的使用者，虽然他们在企业购买产品前没有话语权，但是在续费阶段，他们的话语权最大。对于处于成长期的产品来说，我们现阶段的调研目标也是为了获取HR总监和HR两类角色的用户画像，每个角色访谈4～6人。

2）画像维度有哪些？

筛选出了目标用户，那画像维度有哪些呢？

以本案例为例，在本次用户画像的设计中，因我司产品处于优化迭代阶段，做用户画像的目的是了解用户的使用情况，比如各功能的使用频率、使用中遇到的问题，定位问题关键及原因分析，优化产品功能及运营模式。同时也希望通过了解用户的具体行为细节和态度，发现新的机会点。

• 对于企业：主要了解其企业规模、行业属性、业务流程、组织架构、机构里有哪些岗位/工种。这个信息主要由产品或销售采集，应该前置于角色画像。而我们第一步的业务研究中，很大一部分内容也来自于此。
• 对于决策者：主要向其了解企业管理、业务等方面的需求信息，对于本产品决策者关注的是营收增长、效率提高还是减少成本等方面的问题。
• 对于主要使用者：侧重了解用户特征、产品认知、使用场景与痛点，各功能的使用频率、使用中遇到的问题

根据前面前文提到的的用户画像构成要素和自身业务情况，有选择性的摘取，最终梳理出本案的用户画像维度如下：

3. Step三：确定调研方法

明确了调研对象后，就可以展开调研了，一般有三种方式：

1. 定性研究：基于小样本的研究，如用户访谈、实地调研、轮岗-理解现象原因；
2. 定量研究：收集更大规模样本的调查数据，如问卷调研、数据分析-发现现象；
3. 定量+定性研究：两者的结合。

定量和定性调研究虽各有优劣，但定量较为昂贵、费时，也需要有精通统计分析的认为协助，在B端调研方式中并不太实用。对大多数团队而言，定性是性价比最高、最合适的。

它不仅提供了“用户是谁、他们想要什么”，还是基于数据、经济高效较为快捷的一种方式。采用何种研究方法，主要根据企业生命周期、研究目的、项目时间和经费等进行综合考量，本案中我们选择深度访谈收集一手资料。

4. Step四：采集角色资料

在明确目标与方法后，需要对整个研究进行细化，制定具体详实的执行计划并开始招募用户采集资料了，可通过前中后三个阶段性策略的来进行访谈。

1）访谈前：搭建信任基础

在构建用户画像的step 1中，我们已经对业务和要访谈的用户角色有了一定的了解。只需在访谈时间的4-7天前，根据确定的画像维度来设计访谈大纲。

设计大纲的目的是避免访谈过程中对话内容发散、混乱而无法收集到足够多的有效信息。

需要注意的是：大纲需要针对访谈的每一条需求，做到详细、缜密，同时要考虑用户对访谈题目的理解，可根据产品使用顺序，由易到难、客观到主观、概括到具体的顺序展开，比如产品功能的使用频率就可以作为一个客观问题放在问题的开始。

且要考虑访谈的时间，因为访谈的时间不易过长，所以访谈提纲也不能过于冗长，典型的访谈大纲模板如下图所示：

并提前将访谈目的告知受访者，能让他们看到访谈的直接或间接价值（提高工作效率、降低成本等），也就能更好地建立双方的信任。

因此，我们需要提前确认整个访谈的规划，并主动将相关信息告知受访者，包括访谈的时间、地点、方式、目的、流程，还有过程中可能涉及的问题、后续发放的奖品等。

2）访谈中：表现专业特质

开场介绍：跟C端访谈一样，正式访谈开始之前的开场白非常重要！除了再次介绍自己（不管是什么岗位，此刻我就是用户研究员），说明这次访谈的目的，一定还要强调访谈的隐私性和数据安全性，毕竟他们面对的是真金白银的生意。

暖场：在正式访谈前，可以先和用户闲聊2~3分钟，通过一定的沟通活跃气氛，让用户更加放松，同时增强用户对我们信任。暖场和开场介绍可穿插进行，没有绝对的先后之分，在访谈者自我介绍完成之后，也可以让被访者进行自我介绍。

一般问题：一般问题是指一些比较基础性问题，用户不需要进行太多思考即可回答，比如“你最常用的功能是哪些”、“使用时间多长”。

深入问题：深入问题是用户行为和想法更加深入的探索，会更关注用户行为细节和行为背后的动机。一般在问这些问题时，访谈者需要不断地询问用户为什么，直到用户无法继续回答。深入问题是整个访谈的核心，也最容易挖掘到用户需求和痛点。

回顾与总结：每部分的访谈结束后可进行简单的小结。访谈者通过回顾访谈过程对用户的行为和态度进行客观阐述，一方便有助于访谈者梳理思路，另一方面让用户对访谈结果再次确认。

3）访谈后：实现长线共赢

最好和访谈对象建立长期联系，尤其是一线业务人员。

人和人面对面聊过后，会产生基本的信任感和好感，要借助访谈的机会，拉近和业务人员的距离。如果后续项目中遇到问题，想获取最真实的一线反馈，可以联系之前的访谈对象，寻求帮助。

5. Step五：分析建模

1）根据角色对访谈对象分组

将用户访谈后得出的重点信息写在便利贴上（或Excel表中打印后切片），设计师需要根据产品用户角色不同，将受访的用户归类分组，如HR和HR总监。

2）找出行为变量

分组后，需要识别关键的行为变量，将调研到的用户与行为变量进行一一对应，并识别差异化行为模式，如下图所示：

3）映射访谈对象与行为变量的关系

再将不同的角色间同类行为模式归纳（合并同类项），进行行为描述。此处需注意以行为变量为依据进行用户对应时，不必追求绝对的精准，只要相对能映射清楚即可。

梳理完后，观察可发现某些用户群体聚集在几个行为变量上，它们构成了一个显著的行为模式，由此聚类出某个角色类型。依此类推，可以发现几个不同的行为模式。

为保证全面，映射完最好遍历一下，检查是否有用户或变量的遗漏。

4）找出共性行为模式

完成映射后，寻找在变量轴上的对象群。梳理完后，如果一组对象聚集在多个不同的变量上，则可以代表一类角色存在显著的共性行为表现（通常每类角色会有2～3个共性行为）。

共性行为能帮我们识别标准化产品需要满足的用户需求，而差异化行为可以根据企业需求做定制化服务，一个B端产品是不太可能满足所有用户的需求的。

6. Step六：画像呈现

一旦我们找到共性行为，就可以创造用户画像了。梳理出每类角色的行为、目标、痛点等维度特征，形成画像的基本框架。最后再完善用户画像，此时我们需要做的事情主要是：

1. 结合真实的数据，选择典型特征加入到用户画像中；
2. 结合使用场景进行故事描述，在描述中体现行为变量等因素，让画像更加丰满、真实；
3. 让用户画像容易记忆，比如用照片、名字、年龄、几条简单的关键特征描述，都可以减轻读者的记忆负担。

最终客户画像呈现如下图：（数据已脱敏，非真实数据）

最终角色画像呈现如下图：（数据已脱敏，非真实数据）

五、用户画像的使用

用户画像作为一个强大的设计和交流工具，能够让利益相关人目标始终保持一致，它的价值在于传播与使用。举个例子：90年代，库珀将用户画像的描述做成一页纸贴在墙上，一个产品的一个用户画像做一页纸，这样设计团队成员每天走进办公室就能看到。

用户画像制作出来后，与整个项目团队共享定义的用户画像是很重要的，千万不要让他在共享文档里积灰或挂在墙上当摆设。

你要做的是让用户画像从纸上跃起，走进你同事的心里，让他在每次讨论、每个决策时，自然、自发地被提起。所以用户画像的使用也是极其重要的，不然前面的工作都是无用之功。

所以，你可能需要：

• 向团队介绍用户画像：花点时间介绍研究的过程，展示照片给他们看，聊一聊画像的需求，期望，痛点，性格等。最好以故事性的方式进行引导，并长期地在会议里提到并讨论它；
• 在你的用户故事中使用用户画像：“如果我是**业务招聘员，我想要快速识别出今天某门店招聘的人数和到岗的人数”。设计时，花点时间想象一下软件会被用户在工作中如何应用；
• 造访不同团队，介绍用户画像，包括它从何来，如何用：教他们怎么招募有代表性的用户进行测验，如何写用户情景来启发设计或作为可用性测试任务。

总的来说，在你能力范围之类的地方，宣传用户画像的商业价值，提升大家的信任。毕竟用户画像可以帮助产研团队跳出自己的需求，了解真正使用产品的人的需求。

当越来越多的团队使用用户画像，那么用户画像就会越来越像一个真实的用户，帮助团队从用户的角度出发去设计产品。

六、最后

值得注意的一点是，用户画像并非一成不变的，很大程度上受环境和周期的影响，所以我们要定期回顾自己的用户画像，对他们进行一些更新，确保和现实一致性。

市场变化和策略的变化可能会重新定义你的业务受众，也可能出现其他的细分，这也是重新调整用户画像的好机会，否则它们最终将失去生命力。希望你的用户画像也能始终对业务起到帮助，为体验助力。

作者： 小鹿_lp

来源： 小鹿_lp

对于互联网从业者，经常会提到一个词——用户画像。作为一名刚主要做用户画像DMP的数据PM，工作中总是会被需求方问到——

我要查看XXX的用户画像 或是 能否能够XXXX类用户的画像。 抑或是有别的产品会问到：你们是怎么做用户画像的？

然而在沟通的过程中，我发现，不同的人对用户画像的理解差异还是非常大的。有的人认为用户画像就是包含了用户的详细的信息，有的人认为用户画像是能够反映出一个群体的统计学特性，有的人认为用户画像可以做用户研究…..这些想法或多或少有一些片面的，本文就用户画像的基础知识进行说明，并结合一些DMP产品进行分析，同时对用户画像在K12产品中的应用做一说明。

1、当我们谈论DMP和用户画像时，我们在谈论什么？

此部分结合常见DMP&用户画像定义和我工作中对DMP&用户画像的定义进行说明

用户画像是DMP中非常重要的一个环节，因此将DMP和用户画像拆开进行说明

1.1DMP

1.1.1 DMP是什么？

DMP即 datamanagement system,数据管理平台，单从名称上来看，这个定义还是非常宽泛的，所以国内很多企业或者个人会将dmp的核心功能理解错。

结合我的理解，DMP其实是一个全面的数据收集，加工，整合的平台，吸收各种数据源的数据，以用户为基本单位，清洗，整理形成结构化的数据表，并进行用户标签的计算，以期能够精准的描述各种用户。

纯碎的DMP平台是指小型的、定制能力极强、中立性好的DMP技术服务商。美国DMP市场是极度细分的，中国市场是高整合的，往往DMP的需求是和DSP、SSP紧密联系在一起的，目前还很难有纯粹的DMP平台。

1.1.2 DMP可以做什么

精准营销，广告投放，个性化推荐，其他应用

1.1.3 DMP的基础架构及数据加工流程

DMP的基础架构：

DMP的数据加工流程：

1.1.5 DMP的实际应用（市面上能够看到的产品）

DMP广告平台：腾讯广点通、阿里妈妈达摩盘；

独立第三方DMP：talkingdata、神策数据；

个性化推荐：今日头条、一点资讯、淘宝、京东等；

说明：个性化推荐的应用我们能够感受到，但是背后的逻辑我们是看不到的

其他应用

1.2用户画像

1.2.1 用户画像是什么

关于用户画像，有两类定义：User Persona 和User Profile

User Persona：是产品设计、运营人员从用户群体中抽象出来的典型用户。例如，在用户调研阶段，产品经理经过调查问卷、客户访谈了解用户的共性与差异，汇总成不同的虚拟用户；

经典案例——《用户体验要素》中提到的用户画像

UserProfile：根据每个人在产品中的用户行为数据，产出描述用户的标签的集合。例如猜测这个用户是男是女，生活工作所在地，喜欢哪个明星，要买什么东西等。

本文所提到的用户画像，指的是User Profile

1.2.2 用户画像怎么做

基础数据收集：收集用户在网站内外的静态数据和动态数据；

行为建模：基于用户的基础数据，通过技术手段进行行为建模；

构建画像：通过行为建模，可以输出一系列的用户标签，每个用户的标签都可以形成一个集合，这个标签的集合可以表示出这个用户的特点。

1.2.3 用户画像的常见应用

个性化推荐（电商、资讯类产品）、风控、预测等

1.2.4 用户画像与DMP的关系

DMP是数据管理平台，可以简单理解为，把数据提供到DMP平台，DMP平台输出一系列标签，或其他想要的结果。

用户画像是输入用户数据到DMP，DMP输出了用户标签。

DMP不只可以输出用户标签，也可以输出其他的标签，比如输入文章，输出文章标签。

因此，用户画像是DMP的一个应用方向。

2 相关产品介绍

由于用户画像主要是作为底层应用，因此它的很多应用都是能感知，但不可见。比如电商平台的个性化推荐页面，资讯类App首页的个性化推荐背后，就是用户画像在发挥着作用，用户标签和内容标签/商品标签进行智能组合。

由于本人从事K12教育行业，所以只选取了两类竞品：开放DMP平台、教育类产品，其中以开放DMP平台为主。

3 竞品分析

3.1 开放DMP平台

3.1.1 产品说明

3.1.2 功能对比

达摩盘

广点通

神策数据

说明：神策数据看起来更像是一个数据分析工具，但是其底层的搭建、对数据的管理与DMP有类似的地方，并且我们可见的部分即类似BI的功能，可看作DMP在应用层的表现，因此也把它列为竞品

3.1.3界面对比

说明：由于这三个产品均需付费才可体验全部产品功能，界面主要来自于说明文档，可能与真实节面有一定出入

达摩盘-标签

达摩盘-新建标签

达摩盘-人群报表

达摩盘-人群明细

达摩盘-整体报表

广点通操作界面

广点通-创建广告

广点通-创建广告2

神策数据-用户分析-事件分析

神策数据-用户分析-用户属性

3.1.4产品底层技术架构思考对比

说明：

1）此部分内容为通过产品体验和阅读说明文档，思考抽象出可能的底层架构，并非真实情况；

2）产品底层技术架构：我们所看到的功能模块，都是由不同的技术模块相互协作实现的。产品底层技术架构描述了产品对应的底层技术模块、以及模块之间的关系。

达摩盘

神策数据

3.1.5总结

总结来看，达摩盘和广点通是DMP在互联网广告中的典型应用。DMP是定向广告投放最核心的大脑，DMP提供的用户画像，是进行定向广告投放的最核心最关键的一步。达摩盘和广点通最重要的目标是，把对的广告在对的时机，展示给对的人。

而对于神策数据，这一类数据分析工具，DMP在数据分析、数据可视化的过程中也发挥着非常重要的作用，哪类用户的哪类行为比较突出，哪类用户在未来会产生什么样的行为。

3.2教育类产品

用户画像DMP在教育类产品中的应用——

（1） 洋葱数据个性化课程制定（类似自适应学习）；

用户在学习前，先进行测试，根据测试情况为用户制定个性化课程包，如下图1；

图1

用户完成学习，根据用户学习测试结果，展示可视化学习分析报告，如下图2

图2

4 用户画像怎么用？

用户画像是一个的底层产品，用户画像的应用通常难以看到。那么，用户画像该怎么用呢？结合对DMP产品和教育类产品的分析，用户画像的应用总结如下：

（1）用户标签可视化——

相关产品的功能：广点通和达摩盘将用户标签直接展示出来，用户可直接选择标签，并且对标签进行组合，选出目标用户，然后投放广告。

可借鉴场景举例：比如说，我想对今年刚报课程并且消费能力比较高且学习认真的这批学员发送一条推送消息，希望他们能够参加一场直播，促进其对知识的掌握。那么可以直接选中：新用户+消费能力高+学习认真这几个标签，然后对这部分用户发送短信。

好处：精细化运营，提高ROI；简化操作

（2）用户标签关联分析：

相关产品功能-广点通lookalike：（1）提供种子用户；（2）筛选种子用户特征；（3）将种子用户与腾讯用户进行匹配，进行人群扩展

可借鉴场景：一批用户购买了商品A，我想要找出与购买这一商品相似度比较高的用户。那么可以将这批用户的信息导入到DMP，计算出这批用户的标签，再通过关联分析，找到和这批用户相似度比较高的用户

（3）个性化推荐：

相关产品功能：个性化课程制定

可借鉴场景（以K12教育为例）：

（1）针对未注册用户，根据其访问行为，为其推荐个性化课程页面，提高购买转化率；如果是通过互联网广告进来的用户，则可以为其制定个性化落地页，提高注册和购买转化；

（2）针对注册未购课，根据其浏览行为，为其推荐个性化课程页面，提高购课率；

（3）根据用户学习行为（主要是做题情况），为其制定个性化试题和学习建议。

本人k12教育数据PM一枚，欢迎大家交流，共同成长~

作者：小驴带你游天下

来源：小驴带你游天下

用户画像是指根据用户的基本属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型。

前言

在产品研发过程中，产品、设计、研发等人员经常会提到“我们要为目标用户设计”、“我们的用户是谁”等字眼，可见找准目标用户在产研过程中至关重要。用户画像作为一种设计工具，可以很好得帮助设计师跳出“为自己设计”的惯性思维，聚焦目标用户，发现核心价值，赋能产品，在互联网各类型产品中有广泛的应用。

本文将介绍用户画像概念、价值以及如何从0到1构建用户画像，希望阅读后能让大家了解用户画像相关理论，并有助于后续对用户画像的深度学习。

一、什么是用户画像？

目前业界常使用的用户画像概念有2种，一种是User persona，一种User portrait，也有翻译为User profile。

第一种用户画像，即User persona

根据Alan Cooper的《About Face》，是基于产品对真实世界的观察，抽象出来的具有代表性的虚拟用户模型，有时也被称为综合的用户原型（Composite User Archetype）。这个概念最早由Alan Cooper在《The Inmates are Running the Asylum》（软件创新之路）一书中提出，后续在多处书籍进行了不停的完善。

这个画像主要特征如下：

（1）描述一个用户画像包括角色描述和用户目标

这里角色描述是指如名称、年龄、位置、收入、职业等，这类角色描述主要是为了使用户画像更丰富、真实，具象；重点关注的是用户动机，用户目标是其动机。

（2）可以代表相似的用户群体或类型，也可以代表个体

User persona是抽象的、虚拟的，代表一个典型的用户群体；虽然也可以代表个体，但个体并不是实际独立的个人，而是从实际观察研究中综合而来。

（3）须针对具体情境-具体产品的行为和目标

User persona研究的是用户在具体情境下对产品的使用，关注其在一定范围内的行为、态度、能力、动机等。即使同一个角色，在不同产品下的动机也是有差异的，一般来说不轻易在不同产品间复用，需要考虑不同类产品的切入场景。

第二种用户画像，即User portrait

是指用户信息标签化，通过收集用户多维度的信息数据（如人口统计属性、社会属性、行为偏好、消费习惯等），并对其进行统计、分析，从而抽象出的用户信息全貌，相比user persona，它更侧重于数据挖掘、标签体系搭建。

这类画像主要特征如下：

1. 真实性：集合了每个个体的真实信息，如既有人口统计属性等静态信息，也有用户行为的动态信息。
2. 时效性：用户动态信息并非一层不变，可以实时追踪其变化。
3. 覆盖度广：既能监测到用户感兴趣的内容，也可以看到其不感兴趣的内容，维度众多，颗粒度粗细均有。

以下是这2类用户画像的简要差异对比：

本文重点介绍第一种用户画像（user persona），至于如何创建数据画像标签及应用，会在后面的文章中介绍到，此处不再赘述。

二、用户画像的价值

用户画像作为一种设计工具，其作用贯穿产品生命周期的前中后。结合设计工作的几个阶段，画像的价值主要有：

1. 设计前：帮助确立产品定位、目标
2. 设计中：帮助确立设计目标、设计策略与准则
3. 设计后：促进其他工作，如市场推广、运营活动、销售规划

三、用户画像的构建流程

整体来说，用户画像（user persona）多采用定性的研究方法来进行角色划分，主要可采用的资料来源有：人种学研究、情境调查、观察法、访谈法、桌面研究等，具体实行时会根据业务情况稍作调整。

本文结合酷家乐-快搭、赢客2条业务线经验，梳理了从0到1构建画像的流程与方法，如下图所示：

Step1：确立目标与画像维度

明确业务目标与用户角色，不同的角色与目标在收集信息时有所差异，进而影响到最终得到的画像结果。因此在做画像之前，需要考虑清楚画像目的。明确目标后，就可以结合目标与角色，制定出画像信息维度。

此处有2个注意点：

1. 通用信息有哪些？
2. 如何筛选出目标用户？

针对第一点，通用信息维度可以结合用户画像的构成要素，自身业务情况有选择性的摘取。这里需要注意，to C和to B类的信息维度会有些许差异，比如to C属性产品会关注用户的性别、年龄、家庭情况、爱好习惯等，而to B类则不太关注这些，它们会更侧重用户的工作能力、工作内容、使用工作等等。

用户画像构成要素汇总：

针对第二点，由于是创建用户画像，我们需要尽可能最大程度覆盖不同用户。那找谁进行研究呢？这里介绍2个小tips。

Tips1：用户筛选条件

寻找与业务紧密相关的产品、运营，一起讨论确定用户类型，在讨论中我们会定义符合条件的用户，得出一张用户筛选条件表，进而根据这张表邀约用户。

Tips2：工作职能筛选

针对一些to B类岗位职能划分清楚的产品，可以基于工作职能寻找用户。实操中需要结合实际情况，看是否需要区分管理岗与普通执行岗。

以快搭智能设计业务线为例，在用户画像项目中

业务目标：整体全面的了解用户特征、产品认知、使用场景与痛点

目标用户：考虑目标是希望先对快搭工具侧使用用户有个全面、整体的认知，问卷法中D端&B端用户有访问&开通过快搭行为都算，而在深入挖掘场景与痛点时，结合问卷的反馈，D端和B端重点寻找活跃用户，并细分了用户身份类型。

这2者结合，最终梳理出快搭的用户画像维度。

Step2：确立调研方法

确立画像信息维度后，需要结合用户、时间精力、经费等因素，选择合适的调研方法以实现信息收集。常用的调研方法有3种：

• 定性研究：如访谈法、二手资料研究
• 定量研究：如问卷调研、数据分析
• 定性+定量：上面2种方法的结合。

每种方法如何选择？可以从调研方法的差异性、产品所处生命周期，再结合实际时间精力、经费等情况酌情选择。

（1）调研方法的差异性

定量和定性是一个相对的概念，定量法着重了解“是什么”，即发现用户做了什么，挖掘事实信息。而定性方法着重了解“为什么”，即挖掘用户行为背后的原因，从而理解现象。

（2）与产品生命周期对应的调研方法

• 新生期：这个时期产品尚未定型，目标用户也在市场探索中，可以尝试通过访谈法，找专家用户或竞对产品的用户，重点挖掘TA们使用产品的场景，核心痛点是什么，以便进行MVP版本的验证。
• 成长期：这时产品已经进入用户快速增长时期，随着体量的变大，用户会出现分层，暴露的问题也会越来越多，可以尝试通过定量法进行用户分层，再辅助定性了解每类用户，针对性解决问题。
• 成熟期：用户体量趋于平稳，产品一方面需要维稳，持续满足现有用户的需求，提升产品体验；另一方面需要尝试突破，找到细分市场，以挖掘新的增长点。可以尝试先定性挖掘蓝海，再定量进行验证。
• 衰退期：定性了解原因，调整产品。

以快搭智能设计业务线为例，综合了目的、产品周期、调研方法、时间精力等因素，采用了数据+问卷+电话访谈三种方法结合。

Step3：制定计划与数据收集

在明确目标与方法后，需要对整个研究进行细化，制定具体详实的执行计划并落地，把控整体节奏以收集有效的信息。

例如，若使用问卷法，则需要进行问卷设计——被访者选取——问卷投放——问卷回收。若使用访谈法，则需要准备访谈前中后的相关资料。采用不同方法，执行环节需要注意事项有所不同，可以针对性查阅相关方法的工具书、文章，此处不再赘述。

Step4：分析资料，角色聚类

第三步骤收集整理到有效信息后，需要识别关键的行为变量，将调研到的用户与行为变量进行一一对应，并识别差异化行为模式。

在寻找可能导致用户间行为差异变量时，结合以往经验，笔者总结了一下可供参考的维度。

以行为变量为依据进行用户对应时，不必追求绝对的精准，只要相对能映射清楚即可。梳理完后，观察可发现某些用户群体聚集在几个行为变量上，它们构成了一个显著的行为模式，由此聚类出某个角色类型。依此类推，可以发现几个不同的行为模式。为保证全面，映射完最好遍历一下，检查是否有用户或变量的遗漏。

以快搭为例，用户在使用智能设计工具时，行为变量可细分为：职业类型、专业技能水平、使用方式、看重因素等等，一一对应后聚类出几大类角色类型，比如其中一类追求速度，看重整体效果；另一类，重过程，讲究细节。

除了上述方法外，针对to B类的企业级产品，当用户的职能属性很强时，可以将企业职能作为划分角色类型的依据。这时，只要针对每类角色抽样出典型样本，保证完整性，进行调研即可。

Step5：综合特征，产出画像

完成角色聚类后，梳理每类角色的行为、目标、痛点等维度特征，形成画像的基本框架，并对每个角色进行属性信息、场景等详细描述，让画像更加丰满、真实。

此时需要注意：

1. 虽然网上有提供很多画像模板，但只是参考示例，大家需要根据自己收集到的信息，制作属于自己业务的画像；
2. 最好为每个画像贴上一张符合角色特征和所处环境的照片，传递更加情感化的信息，带入感更强。
3. 确立画像优先级。根据Alan Cooper的建议，一个产品最好不要超过3个用户角色，在得出画像后，需要结合覆盖人群基数大小、收益潜力、竞争优势、业务规划等维度去评估重要程度，定义好主要角色、次要角色、补充角色等
4. 用户画像作为一种设计工具，不是一层不变的，需要随着时间推移不断进行迭代，在产品积累了一定用户量时，可以使用定量法进行验证，补充优化更多维度信息。

四、用户画像框架

以快搭为例，某类角色-销售型导购画像如下：

Step6：结合产品，画像落地

用户画像只有落地，助力产品设计，才能体现其价值，否则就是空中楼阁。

在创建完画像后，可以组织分享画像结果，让团队内成员对服务的用户达成共识，进而探讨产品的新机会点或改进点，逐步落地到产品设计、推广营销中。用户画像在设计前中后如何应用，后续有文章进一步详解，本文不再赘述。

总结

本文对用户画像的概念、价值和构建流程方法进行了介绍，所谓实践出真知，大家可以在日常工作中尝试实操一下。目前，酷家乐正在从0到1逐步搭建覆盖全公司、各业务线的完整用户画像，我们会在这个过程中不断探索、完善画像构建方法。

作者：知乐、啊咦

来源：酷家乐用户体验设