用户画像维度：从5个维度出发，构建高质量的用户画像 _知识分享

作为一个产品经理，我们总是希望自己做的产品能够很好的满足用户的需求。但是每个人都受限于自己对于事物的认知，可能会导致对用户的理解出现偏差。
尤其是当团队里每一个人都把自己当做用户，以自己对于产品的理解当做用户对产品的理解来定义需求，就容易出现所谓的“弹性用户”，每个人都说是为了用户体验着想，但这样定义出来的用户显然不是产品真实的用户。
所以用户画像这个工具就出现了，它是一些真实用户构建出来的原型，用来帮助产品设计人员有针对性的制订产品功能，服务策略，销售策略，从根本上来讲，用户画像是就是帮助产品经理了解用户的。
但我们构建出来的用户画像真的能够帮助到我们吗？我们来看一个常见用户画像的例子：

文章插图
图片来自百度
在这个用户画像中，我们看到有用户的一些年龄、性别、学历、婚姻状况等基本信息和工作信息，还有用户的一些特点和目标，感觉很完善了。
现在这个用户处于无房无车的状态，那么问题来了，假设我现在是一个卖车的商家，我应该给她推荐什么样的车？
也许你会说，她比较文艺，那么应该给她推荐带有文艺气息的车。
【用户画像维度：从5个维度出发，构建高质量的用户画像】也许你会说，她注重享受，那么应该给她推荐配置豪华的车。
也许你还会说，她没车的同时也没房，那可以给她推荐个房车，同时解决了房和车的问题。
于是在有用户画像的情况下，“弹性用户”依然出现了，那么问题到底出在哪呢，这个用户画像为什么不能帮助我们作出正确的决策呢？
二、人口结构≠用户画像
用户画像最早是由Alan Cooper在提出的，在经典的著作《About Face》中有专门的一个章节是讲用户画像，他在书中提到用户画像的核心是观察用户，把观察到的行为的一些独特的方面列出来，形成一个行为变量集。
虽然说人口变量（比如年龄、性别、学历、地理位置）等等因素对于行为也有一定的影响，但是这种影响并不能构成用户与用户之间差异化的核心。真正形成差异化核心的是用户的行为，更深入的来说，是用户行为背后的动机。
所以这就是为什么上面那个用户画像没办法帮助我们做一个卖车的策略，因为它并没有告诉我们当用户买车的时候，主要考量的因素是什么，是价格，品牌，还是其他的因素。
常见的用户画像错误还有描述用户生活中的一天，因为通过观察用户一天的行为只能观察到他做了什么事情，而不能观察到他做这件事情的动机是什么，尤其是对于买车这样决策周期很长的事情来说，观察用户某一天的生活其实意义并不大。
这里我们就要讲解一个概念，叫考量度。什么是考量度呢？它是指用户在做一个决策之前，所需要思考的程度，从思考的多少可以分为高、中、低三个考量度等级。
举个例子来讲，买房对于绝大多数的国人来讲都是一件大事，需要慎重考虑而不是随随便便就作出决策，在真正见到销售人员之前，用户可能已经经过多方面的考察，比如地段，价格，配套等等因素。至少60%的决策都是在见到真正的产品之前就已经完成了的，这种用户经过了深入的自我剖析，可以明确的知道甚至说出自己决策的依据是什么的产品，我们称之为高考量度的产品。
而低考量度的产品则相反，它是一种用户在无意识的情况下作出的决策，例如刷新闻feed流的时候，是看这一条新闻还是看那一条新闻，或者点外卖的时候是吃这个菜还是那个菜，让用户说出这个决策的依据可能很难说出来，这种产品我们称之为低考量度产品。
中考量度产品则介于两者之间，用户在看到产品之前可能并不知道自己具体想要一个什么，只有一个大概的选择范围，但是当看到了产品之后，就会有那么一个产品特性触动用户，让用户做出了购买的决策，并且在事后用户也可以说出是什么因素导致了购买的行为，这种产品我们称之为中考量度产品。
根据产品自身的属性分清楚了是哪种考量度的产品之后，我们才可以知道我们要如何才能构建我们的用户画像，对于中高考量度的产品，因为用户可以明确的说出促使自己购买的决策，所以适合于用定性访谈的方式来了解用户的决策动机。
而对于低考量度的产品，用户的偏好很难把握，也可能随时会变。这种产品则不适合于用访谈的方式，而是应该通过大数据标签统计来进行建模分析，实时的分析用户的偏好，然后通过AI算法智能推荐给用户喜欢的商品。