编辑导语：在团队协作中，信息差是影响协作效率的关键因素，有时候不同成员貌似在谈论同一对象，却在讨论了老半天后发现并不是。为了解决这个问题，便需要运用到用户画像。如何刻画用户画像呢？一起来看一下吧。
在工作中谈及产品或服务设计的时候，都需要基于业务构建场景、目标对象以及期望达成的结果。
在团队协作中，信息差是影响协作效率的关键因素。常常不同成员间貌似在谈论同一目标对象，但事实上并不是，而这个“不是”却是在讨论了老半天之后才被发现，这不免让团队的交流“鸡同鸭讲”，无法顺利开展。
如果在团队协作中，有办法让你与其他伙伴在开始讨论前，就能锚定同一个目标对象，那么即便各自背景不同、工作职能不同，也能更好地沟通和协作。
为了解决上面的问题，今天分享的工具——用户画像。
01什么是用户画像？
1999 年，Alan Cooper 最早在《The Inmates Are Running the Asylum》提出了用户画像（Persona）的概念，认为“用户画像是真实用户的虚拟代表，是建立在一系列真实数据之上的目标用户模型”。
用户画像是从海量用户中提炼共同特征，再用最典型用户特征总结成一个个虚拟的角色。用户画像与单个用户相比，强调的是一群人，是对群体宏观的把握。
为了体现群体的共性，基于单一/组合维度识别下，弱化群体中每个个体的形象与特色，从而聚合的一类用户共有特征。这个被虚构的角色不一定真实存在，但在探讨过程中，可以依此为沟通的样本，开展工作。
02定性绘制画像的优缺点
在实务工作上，通过用户画像可以有效开展精准营销、数据应用、用户分析以及数据分析研究，辅助洞察垂直领域、用户关系、用户喜好等，挖掘商业价值。
在对用户群体的研究中，根据真实用户聚类而成的典型用户，除了掌握用户基本的行为数据之外，还要关心用户背后的动机、目标、价值观等等。
使用用户画像可操作的方式有“定性”、“定量”和“定性+定量”3 种，主要涉及用户访谈、细分态度/行为数据收集，加之聚类分析，可以建立细分群体的用户画像。
不同的操作方式各有利弊，本文讨论基于定性中的用户访谈开展用户画像绘制，这个方式的好处是省时省力、简单。缺点则是缺少定量数据支持和验证。
对于探索用户画像，不失为一个低成本投资的办法。
用户画像的实施规划：建立假设 → 目标数据采集 → 目标数据分析 → 评价体系构建（基于真实需求） → 用户画像建立。
03结合核心业务确定用户关键行为，建立假设
什么是关键行为？是指影响用户认知、购买、使用、传播和复购的一系列行为，都是关键行为。
比如，在进行奶粉调研的项目中，你不会去关注用户喜欢穿什么颜色的衣服，这些内容与关键行为并不相关。
而用户的受教育水平、可支配收入、注重营养的程度等等，则会直接影响用户，那么这些就可以认为是“关键行为”。
在调研工作中，可以依据用户的“活动、能力、动机、态度以及技能”等构面进行关键行为的探索。
以某奶粉品牌调研的项目为例，你可以去这样去调研用户。
1) 活动面
了解消费者和产品会在哪些地方产生交互。
比如，你会看电视吗？都看什么节目？每天看多久？在什么平台进行阅读？喜欢关注哪些内容？是从什么渠道关注到你们产品的？
2）能力面
了解消费者具备产品认知的哪些专业能力。
比如，你是通过什么去判断奶粉的质量？品牌力？产品力？传播力？还是自己本身具备相关的专业知识？专业程度如何？
3）动机面
了解消费哪些跟产品相关的动机。
比如，你为什么要把开水凉到 50 度？担心奶粉结块，冲调不匀？还是担心破坏如维 B、维 C、DHA 等营养素？
4）态度面
了解消费者是如何购买&评价产品。
比如，你购买奶粉是朋友(亲人)给你推荐的吗？你自己会依赖朋友（亲人）的意见吗？
5）技能面
了解消费者具备哪些与奶粉相关的技能。
比如，你是自己泡奶粉吗？会使用温奶器吗？
团队通过收集相关信息充分讨论后，确定用户的关键问题，最后汇总成一张访谈问卷。
04通过调研，收集用户关键行为的变量数据
在进行访谈之前，依据母群的分布情况，需要进行访谈对象的配置。设定各维度后，组合各维度条件定向邀请访谈者。这样有利于在访谈环节能更大程度匹配母群的特性，发挥小样本的价值。
在邀请的受访者数量上，为了保证质量，原则上数量越多越好，但于成本考量，一般至少达到 20 个。在随着访谈的进行，维度可能会有新增、偏移，那么可以动态调整后续的访谈者，不断聚焦。
在访谈过程中，需要特别注意以下 6 点。
1）避开过于熟悉的朋友和“访谈专业户”
在访谈对象筛选期，首先针对特定的研究目的需要刻意移除近期有过访谈经历的对象。接着经常参加调研的“专业户”，也需要被剔除。他们由于经验使然，会根据你的研究目的回答你想到的答案，这样对你的研究反而是一种伤害。
另外，就是你熟悉的朋友们，正是由于你的熟悉，会对他们可能的想法产生臆断，这种想法主观而强烈，关键是你还不易察觉。
这里其实最好的访谈对象是你朋友的朋友，完全陌生的受访者很难慷慨的为你提供信息，而且在时间沟通上或后续访谈信息确认上，都会有很大的不确定性。而对于你朋友的朋友，则会相对容易一些。不过，这也是在消耗你本身的个人社交资源，在访谈资源紧迫高的时候，再考虑动用。
2）访谈场景尽可能面谈
访谈尽量安排面谈，不建议电话沟通。哪怕在疫情期间，也可以使用会议软件，开视频与受访者进行访谈。因为在访谈过程中，除了受访者语言表达的内容之外，受访者的表情以及动作更是值得我们研究的内容。
比如，你在问某些问题是，受访者会表现的非常兴奋、疑惑或者走神等等，这些信息都会在受访者的表情、眼神甚至肢体动作被下意识表达出来。
3）在访谈过程中尽可能录音、录像
在访谈进行时，能注意和捕捉到的信息是非常有限的，对于受访者在访谈过程中的种种细节，反复回看是很有必要的。
一般线下面对面的访谈，会以录音的形式居多。而线上的访谈，则可以使用类似“飞书妙记”之类的工具，根据录制好的视频内容在线语音识别转文字，整理成逐字稿，便于团队分享使用。
4）时刻记着深挖行动背后的动机
一般访谈都会从用户的关键行为切入，会询问用户“你是怎么怎么完成某事的？”依据用户的描述， 你只会知道用户的完整经历，但对于某个行为背后的动机是缺失的，这并不能帮助我们进行深度的剖析和思考。
在用户谈及经历后，应该在某些环节上不断追问为什么。
5）引导用户以数字表达、以具体例子表达
在《怪诞心理学》一书中谈及“自我美化”现象，指的是人们在对自己的形象、态度和价值观等进行自我知觉的时候，会有自我美化的倾向。很多时候用户都会在访谈过程中，往往也会不由自主以一种更有利于正面评价自己的方式，来收集和解释和自我有关的信息。
比如，当用户表达平时的爱好是看书。你可以接着问受访者今年有大概看了多少本书？最近看的是哪本书？是什么时间？有哪些内容片段是印象比较深刻的？
你可能得到的回答是，用户今年看了 2 本书，最近看的是《价值》，是在2个月前……由于“自我美化”现象的存在，用户会把之前看过的书反复提起，在自我评价会比现实中的自己要好上一些。
所以，通过数字和具体例子，可以更加有效提高访谈内容的信噪比。
6）多使用比喻、类比、拟人的提问方式
由于感受的抽象性，如果是直接问受访者对某产品/品牌的感受时，由于受访者在表达上的词汇会比较匮乏，面对这类感受型问题时，很难给出一个答案。那如果你尝试使用比喻、类比或拟人的方式，可以让受访者建立联想，这样就会容易许多。
比如，你想知道受访者对于“钟书阁”书店的品牌感受和其他书店有什么不一样？
你可以这样进行提问，假设每间书店都是一个人物形象，你会把“钟书阁”书店画成什么样呢？会把“弗弗西里”书店画成什么样呢？
经过一些特征点的引导，让受访者去表达出“钟书阁”书店的品牌感受和其他书店的感受差异。
或许受访者会告诉你，“钟书阁”书店给他的感受是一个魔法师，像是哈利波特电影里面的楼梯、过道、镜面玻璃等元素都给他一种强烈的视觉冲击，进入书店里面像是让他在九又四分之三月台喧嚣浮躁，进入了魔法世界的沉浸式体验。
生硬的访谈会让这些有趣的表达被埋没，很多时候只需要有技巧的适时引导，受访者的联想表达能力其实是非常丰富的。
05分析用户关键性行为变量，建立画像模型
在进行完访谈工作之后，接下来就需要对访谈内容进行梳理。目标是希望通过整理资料，将用户关键性变量的信息划分为评价维度。
下面以某人力资源企业面向新入职的员工调研为例，访谈 20 个人，可将员工关键性变量划分为 3 个维度：
- 对「入职信息」的认知清晰度
- 对「薪酬待遇、社保、公积金」的关注度
- 对「客服人员」的依赖度
对于每个评价维度，为了能从程度上进行区分，将采用量表的方式进行编码。根据实际的业务情况可以选择 3 点、5 点或更细颗粒度的量表单位，从低分到高分区进行等级划分。
量表刻度不易过大或过小。过大，在画像聚类会过于稀疏；过小，在画像聚类会过于密集；都不易进行聚类划分，应尽量结合访谈人数进行考量。
本文讨论的为定性进行用户画像的情况，定量的部分可阅读文章：提效客户体验管理：Excel 应用 RFM 模型实操客户分群。
在访谈 20 个人的情况下，选用 3 点刻度，可以产生3*3*3=27种编码组合。对于不同的维度，需要定义统一的评价标准。
维度 1：对「入职信息」的认知清晰度
- 1分 → 非常模糊 → 有因忽略信息导致影响入职流程的的经历，但不影响正常入职流程
- 2分 → 一般 → 基本能把握重点的入职流程信息，次要的信息稍模糊
- 3分 → 非常清晰 → 对入职流程的信息非常了解，有自信独立完成
- 1分 → 非常漠视 → 目前只关注到薪酬待遇，社保和公积金状态都不是很清楚
- 2分 → 一般 → 关注薪酬待遇的同时，也清楚社保和公积金其中一种状态，并大概清楚其具体动态
- 3分 → 非常关注 → 非常关注薪酬待遇、社保和公积金，并已完全掌握其具体动态
- 1分 → 非常依赖 → 在入职期间有3次以上的客服协助
- 2分 → 一般 → 在入职期间有3次以内的客服协助
- 3分 → 非常独立 → 在入职期间基本不依赖客服人员，独立完成入职
评价后产生的评分，并不是用于积分，而是形成编码表。借由对于每个受访者进行编码，可以对员工的类型在编码层划分分布情况。由于缺少定量的数据进行支持，可以利用人工（专家）进行判别，依实际业务场景将相似的编码进行聚类，最后归纳出几类员工。
根据员工访谈信息对员工 – Guofu 进行评价。
- 维度 1：对「入职信息」的认知清晰度：一般 → 2分
- 维度 2：对「薪酬待遇、社保、公积金」的关注度：一般 → 2分
- 维度 3：对「客服人员」的依赖度：一般 → 2分
则，Guofu的聚类编号为：222。
以此步骤把 20 位受访者针对 3 个评价维度进行评分。比如，A_01：222、A_02：232、A_03：333……
记录各种编码组合的计数量，如表所示：
根据计数量，可以得知本次受访者的大致编码分布情况。比如，编码「222」可以理解为，在入职期间有中度依赖客服人员协助，自己对信息了解和薪酬待遇、社保、公积金相对关注，属于有问题及时学习处理的类型。编码「232」和编码「222」从与企业的交互上，比较接近，可以归纳到一个类别。
06聚合用户共性，虚构形象鲜活的角色
如果在画像可视化描述的过程中，遇到信息缺失的情况，则需要考虑回访之前调研的用户，依据画像类型，进行更有针对性的访谈，把画像中可能存在的信息盲区适当补充进去，丰富画像的鲜活感。
另外，具体类型数量需要结合编码分布、计数量和实际业务进行考量，但需要注意，如果某个编码数量只有“1”，应尽可能进行相似性聚类。或者有足够的原因进行说明，让此编码独立成为一种员工类型。
员工画像类型是一个虚拟的人物形象，这个人物形象应尽可能聚合此类型集合中员工的共性特点进行描述。
根据聚类结果，与专家深入讨论后，员工可以大致区分为：学习型员工、独立型员工、冒失型员工、弱网型员工 4 种类型。
- 独立型员工，聚合编码：4种（313/323/322），计数量：4
- 学习型员工，聚合编码：4种（222/223/232/322），计数量：9
- 冒失型员工，聚合编码：3种（123/212/221），计数量：3
- 弱网型员工，聚合编码：2种（113/131），计数量：4
汇总编码。比如，学习型员工画像需要兼顾 4 种编码类型，还有 9 个员工共同代表此员工类型。在描述中，应结合访谈者的基本信息、事件、行为等，进行人物虚构。
其中，画像信息应该基本囊括以下信息。
1. 基本信息面
- 人物头像&昵称：虚构人物。
- 人物年龄：可依照计数量进行区间
- 人物性别：可依照计数量进行划分，或同时存在
- 人物学历：可依照计数量进行划分
- 所在城市：可依照计数量进行划分，如聚合在一线城市（上海市）
- 薪资区间：可依照计数量进行区间
- 职位：可依照计数量进行划分，如聚合在中层职位、基层职位等
描述入职流程中的亮点和噪点，并说明促员工付诸某个行动的因素是什么？这包含外在和内在动机。
3. 目标行动
员工想要、需要、希望达成的任务、期望是什么？为此员工付出了哪些努力？
4. 维度表现
- 入职信息的认知清晰度根据此员工聚类的平均情况进行百分比计算，以Progress（进度条）或星标的形式表达即可。
- 薪酬待遇、社保、公积金的关注度根据此员工聚类的平均情况进行百分比计算，以Progress（进度条）或星标的形式表达即可。
- 客服人员的依赖度根据此员工聚类的平均情况进行百分比计算，以Progress（进度条）或星标的形式表达即可。
标记员工与公司在哪些渠道进行过有效交互，即公司有效触达到员工的交互。
6. 其他表现
非共性信息，但具备画像意义的描述。
07
用户画像创建出来后，还需要将它参与到产品设计开发、推广运营等决策中去，否则是没有任何意义的。需要召集与公司相关的业务和运营部门，如有有什么问题/想法说不清楚，那就代入具体的用户画像，以此达成共识并开展工作，这样团队的沟通会更加顺畅、高效。
由于定性分析出来的结果，还缺乏相关的数据去说明结果的正确性，下个阶段还需要作进一步用户画像的验证。
在实际产品/服务设计过程当中，从用户使用产品的频率、市场规模大小、收益潜力、竞争优势/策略等进行排序，关注使用者对具体某个功能的需求，根据相似性，再进一步对原用户画像优化、细分、迭代。
用户画像并不是一成不变的，随着时间的推移、新用户的加入、产品/服务功能的更迭等等，原先聚类的用户都有可能产生转移或流失，用户画像也因此发生变化。
那么用户画像的构建，也需要因应业务发展的不同阶段，动态更新。
参考资料：
[1] 案例的实操：教你一招快速找到用户画像的方法 – https://mp.weixin.qq.com/s/9uSKzA4242jHEGoslgSa7A
[2] 关于用户画像，看这一篇就够了-https://www.getui.com/news/2017121347
[3] 如何梳理用户画像 -https://upskill.pro/2020/03/24/如何梳理用户画像/
[4] 安晓夏：人物角色研究-用户研究、市场营销常见的28种人物角色
[5] 《用户画像-方法论与工程化解决方案》-赵宏田
#专栏作家#
龙国富，公众号：龙国富，人人都是产品经理专栏作家，人因工程硕士。致力于终身学习和自我提升，分享用户研究、客户体验、服务科学等领域资讯，观点和个人见解。