目标用户特征分析常见4大方法

        用户特征分析直接影响需求分析、用户体验设计等软件开发的关键环节，如果不对用户特征进行科学分析，不能获得用户真实意图，这直接影响需求分析质量，对整个项目影响较大。

        因此我们需要用科学的方法对目标用户进行特征分析。而常见的目标用户特征分析方法有：用户画像分析、RFM用户分群、聚类分析、麦肯锡八法。

        1、用户画像分析

        一般来说用户画像分析，分为基础属性、社会关系、消费能力、行为特征和心理特征。如基础属性包括：性别、年龄、职业、城市、教育等基础信息。

        此方法是基于大量的数据，建立用户的属性标签体系，同时利用这种属性标签体系描述用户。比如，通过用户画像分析刻画出用户大约为18～24岁、一线城市、男性、喜欢玩游戏和看小说，这就是用户群体特征。

​        2、RFM用户分群

        RFM模型是衡量用户价值和用户创利能力的重要工具和手段，此模型以其简单、好解释、容易上手等特点被大多数企业所接纳。

        此模型涉及的3个重要变量，直接影响企业销售和利润的客户行为字段：

R（recency）最近一次消费时间；

F（frequency）用户下单频率；

M（monetary）用户消费金额

​        此模型根据用户近期的购买行为、购买频率、消费金额三个维度描述客户的价值状态，从而将客户划分为一般保持客户、一般发展客户、一般价值客户、一般挽留客户、重要保持客户、重要发展客户、重要价值客户、重要挽留客户等八个级别。进而根据客户级别，制定相应的运营策略。

​        3、聚类分析

        常见的聚类分析方法有K-means聚类算法，通过k-means算法可以对用户行为进行聚类，比如，针对用户在淘宝商城买东西的频次、价格、浏览的时长，可以进行聚类分析。

        需要注意的是：k-means算法对噪声和异常值非常敏感，这些异常的个别数据对平均值的影响很大；数据标准化是聚类分析中必不可少的一个环节；在聚类分析中，参与聚类的特征不能太多。

​        4、用户和市场细分麦肯锡八法

        此方法主要是从如下几个维度进行分析：需求/动机/购买因素、使用场合、使用行为、态度、利润潜力、人口特征、地理位置、价值观/生活方式。如需求/动机/购买因素包括：质量、服务、价格、功能、品牌和设计。

​        另外，为了进一步提高用户需求分析的效率和准确性，减轻产品经理的工作量，CoCode的Co-Project智能项目管理工具，近期推出了需求条目化功能，使用AI能够将用户需求自动生成标准用户故事，这让我们无需再手动一一录入需求，大大减轻了工作量。

​        而需求分析工具，使用AI精准锁定和快速修复需求缺陷，提高需求分析质量；工具使用快速功能点估算方法，通过调整功能点值（复杂度、修改类型、重用程度）和设置计算调整因子（系统特征因子、工作量因子、费用调整因子），多角度多层级地调整影响因子，从而能够更精准地自动估算项目规模、工作量和产品报价，使用此工具能够节省15-25%的开发成本。