例如,当我们寻找金融产品及服务的目标客群时,导致用户是理财还是消费,去线下办理还是用手机银行等不同类型金融相关行为差异的核心因素可能如下:
收入水平、消费观念、理财观念、互联网使用水平等 。这些核心因素直接影响到用户需要什么样的金融服务,用户会在哪些渠道办理这些金融服务 。而性格特征、文化水平等属性,虽然会对用户的某些行为产生一定影响,但在用户聚类的阶段可以暂时视为低信息含量的噪音处理 。
确定关键变量后,我们将每个变量作为一个核心维度去分析收集到的用户数据,将用户相关的行为数据化作一些“信息值”分布在这个维度上 。例如,若“互联网使用程度”、“人生阶段”及“经济条件”是用户对某项产品或服务的需求及态度产生差异的关键变量,我们可以将收集到的用户信息在这三个维度上做均匀排布(如下图所示),选取一些典型的用户特征作为这个维度上的“信息值” 。
至此,我们便完成了用户聚类的第一步,即关键变量框架的搭建 。
【创建一个有效的用户画像 用户画像怎么做4个步骤】
文章插图
Step3:聚类关键变量是帮助用户聚类的核心维度,有了关键变量后则可以通过将每个维度上的“信息值”串联,得到Persona的核心特征,所以接下来的工作就是“连连看” 。
首先,回顾收集到的用户数据(将每个受访用户的行为标记在各个维度以记录该行为特征出现的概率,用以推算该信息值覆盖的用户数量) 。
接下来,尝试连接分布在每个维度上的“信息值”,找出具有代表性的用户形象 。根据经验,典型用户的分布规律一般有以下两种情况 。
1. 尽量合理覆盖每个变量两端的“极端信息值” 。
Persona的制作过程是在众多的目标用户群中寻找有代表性的典型用户,所谓典型用户则是在其拥有的核心特征中,某一个或多个特征是在所有用户群中具有极端需求的,我们覆盖了这部分用户的极端需求,从设计的角度上来说就找到了需求的边缘及设计的边缘,覆盖到了极端的边缘需求,理论上来说不超过边缘范围的需求也可以被覆盖到 。这里要注意到的是,很多研究员或者设计师在设计时往往能够注意到“高信息值”边缘,也就是偏向于专家用户的那一段,对于“低信息值”边缘,也就是极端小白用户端,则往往比较容易忽略,我们在制作persona的时候,还是需要全面的考虑到目标用户群的覆盖范围 。
另外,这里需要特别提到“合理”二字 。有些人可能一味的追求连接所有变量两端的极端值,以希望寻找最典型的目标用户 。但当我们将连接起来的变量还原为一个生动的用户形象时,我们可能会觉得这类人在生活中很少见,甚至是奇葩,或者有些畸形 。当然,如果你的目标用户就是奇葩用户,则要另当别论了 。因此,合理的连接极端值,则非常重要,要保证我们连接出来的用户是真实存在的,最简单的方式就是回头去看看受访的用户中,是否有真实的人物原型可以匹配上 。
2. 尽量合理的连接用户行为集中的信息值 。
所谓的典型用户,换个角度说也代表具有一定群众基础的用户,即相对来说基数较大的用户群 。因此,我们在连接关键变量中的信息值时,也需要考虑该行为特征所属用户群的数量 。这时,我们之前标注的受访用户出现频率则派上了用场 。也就是我们只需要将行为分布密集的信息值连接起来,很大程度上就可以顺利的找到目标用户了 。当然,这里同样要注意合理二字,以防我们连接出来的只是个架空人物,或理想用户,而现实生活中则不存在这类用户 。
当然,如果在连接关键变量的信息值时可以两个原则兼顾,则我们制作出一个成功的persona的概率则会大大增加 。
到这里,我们的用户聚类工作基本已经完成了,为了帮助大家理解,我们选取唐硕之前的一个项目作为案例说明 。该项目是受某公司委托研究美食消费的用户行为,也就是研究吃货 。
通过一系列的调研,我们收集到了丰富的吃货行为特征 。通过分析,我们选取了“美食消费观”、“美食热衷度”、“美食主见度”及“美食社交倾向”作为影响用户美食消费行为的关键变量,并将关键信息值及用户行为特征数量分布进行了一一标注 。
接下来就是见证奇迹的时刻!
通过按照以上两个原则的连接尝试,我们最终聚类出了三种典型的吃货 。
- 开网约车租车一个月多少钱划算 租网约车多少钱一个月
- 一天一个鹅蛋的好处 鹅蛋有什么营养
- 真正有效的减肥药推荐 什么减肥药最好
- 上海南北高架为什么不从成都南路上过而要走重庆北路绕一个弯
- 顺丰快递新人给配车吗 顺丰为啥第一个月不准辞职
- 为什么顾淼后来不喜欢蒋丞了 撒野讲的一个什么故事
- 痛经怎样调理最有效 吃什么可以缓解痛经
- 一个人干的小本生意 现在做什么小生意好
- 小程序开发一个多少钱啊 小程序在哪里找
- 为什么运动一个月体脂上升了4