用户访谈
用户 模型
描述
用户模型(Persona)由Alan Cooper提出 。是研究用户的系统化方法之一。核心要点是用户模型是 基于用户定性访谈和实地观察方式来收集用户信息后,将具有相同用户的行为模型和综合各种特征属性进行用户群体划分,并抽象后的一种虚拟角色。
价值和⽬的
帮助团队成员达成对用户的深度洞察并将这些洞察和对角色理解以可视化的方式呈现出来。保证所有人对用户/干系人对同一个角色的需求、面临的问题、具体的行为表现达成共识,让设计团队回归用户本身,从用户的角度思考问题, 帮助产品团队确立设计目标。 为后续完善产品设计提供设计依据,为客户提供更好的服务策略。
适⽤场景
普遍适⽤,是开展任何产创设计项⽬的必要前期活动。通常是做完初步的用户研究之后,便可以开展用户模型活动了。
过程步骤
***步:进行用户访谈,收集用户信息。
通过用户访谈等定性 研究的方式 尽可能多的 收集关键角色的态度,动机,目标,和关键观点等用户信息。 不同用户群体进行的用户调研方式有所不同。
C端用户, 通常采用定量的研究方式 ,比如问卷调查。
B端用户,通常采用定性研究方式,比如用户访谈的方式。
第二步: 分析用户信息 ,划分角色类型。
结合用户对实际的特定场景描述对关键用户人群进行初步的 分类。并将具有相同行为特征的用户划分为一类角色,即 聚类 出某个角色类型。 常见的工具有用户画像和同理心地图。产创设计以用户画像作为用户模型建立的工具作为举例。
对于C端用户模型从可以从用户属性、用户兴趣 、社交维度、行为维度四个维度划分。通常包括:姓名、性别、年龄、收入、兴趣爱好等用户属性
对 于B端 用户模型从可以从客户的基本信息、业务信息、组织架构和关键角色等四个维度进行划分,通常包括:岗位职能 、目标和关注点、痛点 、 和期望等特征。
第三步: 综合特征, 形成用户画像。
1.确定画像框架
描述画像通常包括角色描述和目标两个维度,我们需要将这两个维度画在纸上或白板上。
角色描述是:角色定位,角色代表人物。
用户目标是:利益关切,目标/期待,主要痛点。
梳理角色的特征: 团队成员将描述客户特征信息写到卡片上,一张卡片上只写一条描述用户特征信息。 后将卡片贴到对应用户画像的特征中。
丰富画像: 接下来继续对卡片上的特征信息进行提炼和去重,同时移动卡片位置或重新组织描述语言。通常在10到20分钟内完成一个用户画像输出。
第四步:对齐信息和复盘 总结 。
在完成用户画像的绘制后,我们需要和设计团队拉齐对角色的一致理解和认识。比如:我们通过用户画像找到了哪些认同点和不一样的地方。是否存在团队或用户本身都没有意识到的需求。通过此次活动的复盘和整理有哪些有意义的创新创新点可以发展。
关键技巧
“集体创造” 用户画像不能由一个人创建,否则会过于主观和片面。我们需要尽可能多的团队成员参与到用户画像的建立,以确保画像更客观、丰富、全面。
“ 画像优先级 ” 当我们有多个用户画像时,我们需要考虑用户画像的优先级,以满足首目标客户需求为优先。
“真实场景” 特征描述应当是针对具体场景、都真实的、有现实依据的。
常⽤⼯具
用户画像,用户同理心地图
用户画像:
用户画像概念最早是由交互设计之父Alan Cooper提出,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。 核心要点是通过真实用户的情景访谈以及结合具体的业务场景来确定核心用的需求和痛点。
用户同理心地图 :
顾名思义,是通过记录用户的所想法,感受以可视化的方式来帮助我们和终端用户建立同理心。与用户画像一样通常也是采用用户访谈等定性研究的方法,来收集用户/群体数据。
用户画像和用户同理心地图区别:
虽然用户画像和用户同理心地图都是建立用户模型的一种工具和方式。但是用户同理心地图并不能代替用户画像,因为这两个工具使用目的并不相同。用户同理心地图更偏重对用户信息的提炼和整理分类,而用户画像更偏重角色定义。所以通常用户同理心地图可以是制作用户画像的前置动作。
如何根据数据来构建用户模型
例:你需要了解你产品的新用户对产品的总体使用情况,解决产品设计及运营中对新用户引导的问题。2、你需要确定你要对哪个业务线/产品/功能/建立用户模型,不同种类的产品用户模型的因子是不一样的。
例:你的产品是一个手机社交产品,类似与微信好友圈功能3、梳理的你的业务线、产品、功能,提取构成用户模型的数据因子。通常来说数据因子包涵用户性别、年龄、地域、行为、兴趣等。另外还包括产品相关的数据,如首次登陆、使用时长、UGC、PV等产品使用数据。
例子:基于产品形态,你需要提取新用户首次登陆时间、首次UGC、UGC数量、用户年龄、地域、好友数等因子4、另外你需要对数据敏感,因为你定义好的用户模型因子是一张数据表的形式,你要从中将数据之间的关系抽丝剥茧的找出来。
例:用户首次登录时间及首次UGC之间有没有关联?用户好友数与用户UGC数的关系?用户年龄、地域、行为的UGC分布情况5、基于数据表开始搭建用户模型
例:通过梳理以上数据,尝试搭建新用户模型,如新用户年龄分布在20-25岁,好友数大于10个以上的用户首次登陆后产生UGC。如用户地域这个因子对新用户的影响较小,后续产品及运营可以不做重点引导。
如何定义用户模型
一、什么是用户模型?
Persona([pə:'səunə]):(Persona是用户模型的的简称)是虚构出的一个用户用来代表一个用户群。一个persona可以比任何一个真实的个体都更有代表性。一个代表典型用户的persona的资料有性别、年纪、收入、地域、情感、所有浏览过的URL、以及这些URL包含的内容、关键词等等。一个产品通常会设计3~6个用户模型代表所有的用户群体。
Persona Web人物角色介绍
用户模型(任人物角色)不是用 户细分
用户模型看起来比较像用户市场细分。用户细分通常基于人口统计特征(如性别,年龄,职业,收入)和消费心理,分析消费者购买产品的行为。用户模型更加关注的是用户如何看待、使用产品,如何与产品互动,这是一个相对连续的过程,人口属性特征并不是影响用户行为的主要因素。用户模型是为了能够更好地解读用户需求,以及不同用户群体之间的差异。
用户模型(人物角色)不是平均用户
某个人物角色能代表多大比例的用户?首先,在每一个产 品决策问题中,“多大比例”的前置条件是不一样的。是“好友数大于20的用户”?是“从不点击广告的用户”?不一样的具体问题,需要不一样的数据支持。人物角色并不是“平均用户”,也不是“用户平均”,我们关注的是“典型用户”或是“用户典型”。创建人物角色的目的,并不是为了得到一组能精确代表多少比例用户的定性数据,而是通过关注、研究用户的目标与行为模式,帮助我们识别、聚焦于目标用户群。
用户模型(人物角色)不是真实用户
人物角色实际上并不存在。我们不可能精确描述每一个用户是怎样的、喜欢什么,因为喜好非常容易受各种因素影响,甚至对问题不同的描述就会导致不同的答案。如果我们问用户“你喜不喜欢更快的马?”用户当然回答喜欢,虽然给ta一辆车才是更好的解决办法。所以,我们需要重点关注的,其实是一群用户他们需要什么、想做什么,通过描述他们的目标和行为特点,帮助我们分析需求、设计产品。
用户模型(人物模型)能够被创建出来、被设计团队和客户接受、被投入使用,一个非常重要的前提是:我们认同以用户为中心的设计理念。用户模型(人物角色)创建出来以后,能否真正发挥作用,也要看整个业务部门/设计团队/公司是否已经形成了UCD的思路和流程,是否愿意、是否自觉不自觉地将用户模型引入产品设计的方方面面,否则,用户模型始终是一个摆设、是一堆尘封的文档,纸上画画,墙上挂挂。
所以,在创建人物角色之前,我们需要明确几个问题:谁会使用这些用户模型?他们的态度如何?将会如何使用?做什么类型的决策?可以投入的成本有多少?明确这些问题,对用户模型的创建和使用都很关键。如何创建用户模型(人物角色)?
按用研类型和分析方法来区分,人物角色可以分为:定性人物角色,经定量检验的定性人物角色,定量人物角色。三者的步骤、优缺点和适用性如下表:
Alen Cooper的“七步人物角色法”:
界定用户行为变量
将访谈主题映射至行为变量
界定重要的行为模式
综合特征和相关目标
检查完整性
展开叙述
制定任务角色模型
交互设计师如何构造用户模型
首先,何为用户模型,综合了大家的不同定义,我自己做了概述。 用户模型是能反应产品目标用户真实特征的综合原型。
用户模型能很好地辅助产品开发的决策以及设计。这个反应在三个方面,一、用户模型能够反应真实的用户行为;二、用户模型能够便于团队之间的沟通及决策,形成对产品认知的“同理心”;三、用户模型能够提供产品功能。所以构建用户模型对于产品来说显得非常的重要,很多企业对交互设计师都要求具备这项能力。那么如何构建用户模型呢?
构建用户模型的方法主要是借鉴了《about face 4》里面的基础框架结合实际工作中的经验进行整合,方便初级交互设计师能够更好地理解。一共有七个步骤,每个步骤之间关系紧密,如何在产品开发过程中由于时间以及资源限制的条件下,可以队每个步骤进行敏捷处理,务必其过程的完整性,避免“拍脑袋”做设计。
一、了解产品目标,假设用户角色
首先,当然你得清楚你做的产品是什么,有什么目的。作为交互设计师特别要留心这个环节,通常很多项目,只有利益相关者(如老板、管理层、产品等)清楚要做什么,然后pm给完需求下来,我们就埋头出原型。结果往往都是各种改,就是因为不了解你要做的产品,所以即使你是交互设计师你也要在最开始刨根问底。然后,了解了产品以后就要对产品的用户角色进行假设。比方说一款留学咨询教育产品,可能就会有学生、家长或者其他用户角色,然后他们的类型,如年龄、性别、城市、年级、消费等你都要考虑。
二、用户调研/访谈,找出行为变量
首先你要根据不同的用户角色将访谈者进行分组,通过准备要的调研问题或者问卷跟访谈者进行交流,并观察得出一些显著的行为,并将这些行为排列成不同的几组行为变量。那么根据《about face4》中提到的,我们一般会去关注下面5中类型的行为变量。
1. 活动 —用户做什么,频率及工作量
2. 态度 —用户如何看待产品所在的领域和技术
3. 能力 —用户所受的教育以及学习能力
4. 动机 —用户涉足产品领域的原因
5. 技能 —用户与产品领域技术相关的技能
三、分析行为变量,找出重要的行为模式
首先将访谈用户映射至收集到的行为变量上,如图(星代表访谈用户),这一步主观的去映射即可,配到涉及区间的变量(如使用技术的信心)也没关系。
做完映射后,就寻找落在多个区间或者变量上的主群体,如果一组群体聚集在6~8个不同的变量上(这些变量要有一点的逻辑关系),那这6~8个变量很可能代表一种显著的行为模式。通常一个用户角色会用2~3个行为模式。
四、通过行为模式,综合特征,阐明目标
从行为模式中发现其目标和其他特征
五、检查完整性
即对步骤二、三的回查
六、指定任务模型的类型
指定任务模型的类型,通常有6种任务模型;主要人物模型、次要任务模型、补充任务模型、客户任务模型、接受服务的任务模型、负面任务模型。通过不同的任务模型,可以区分优先级,这也对应着产品功能开发过程中的优先级。
七、总结,得到用户模型
组成用户模型的几个部分
1、标识状态
谁是首要人物角色,谁是次要人物角色。
2、照片
照片的作用是——便于速记,让大家快速的认出这个角色,并且能合理的理解他。以上图的第二个人物角色为例,照片中的人物正在打电话,是为了表达这个人花很多时间在电话沟通上。
那么,照片来自哪里呢?这些并不是真实用户的照片,他们可能是剪贴画或演员,通过这种方式让你的用户看起来有共同之处。 因为资料保护问题,我们也不能真的使用真实用户的真实照片。
3、名字
名字的作用是——帮助大家对用户产生同理心。例如,在团队内部讨论问题时,用我的朋友、我的女儿等词语来代替“用户”这个词,会发现有很大不同,更加设身处地的去想TA的真实感受。
4、 引用句
引用的目标是——抓住这个用户的主要目标、主要的需求(这个用户的本质是什么)。引用句也有一定的要求,我们需要用简单的句子来总结这个用户,而且所用的词汇、预言需要是这个用户会用到的。
5、简短的叙述来描述用户
描述用户的目的是——抓住一些关于用户的背景,让我们更好的理解他们是谁。 需要描述的是用户的场景、情境。
6、主要目标清单
写这些清单也有几个要求:采用用户会用到的短语、 从用户的角度表达、 所有的目标用动词开头、 所有目标都是用户正在落实的行动
大数据分析中,有哪些常见的大数据分析模型
对于互联网平台而言的产品,主要可以分为两大类:商品和服务。想要通过数据分析提高产品的销量,首先要了解哪些数据需要分析?
哪些数据需要分析?
一、运营模块
从用户的消费流程来看,可以划分为四个部分:引流,转化,消费,存留。
流量
流量主要体现在引流环节,按照流量结构可以分为渠道结构,业务结构以及地区结构等。渠道结构,可以追踪各个渠道的流量情况,通过渠道流量占比来分析各渠道的质量。业务结构,根据指定业务对活动的流量进行追踪,观察活动前,中,后流量的变化情况,对活动效果做出评估。
转化率
转化率=期望行为人数/作用总人数。提升转化率意味着更低的成本,更高的利润, 最经典的分析模型就是漏斗模型。
流失率和留存率
通过各个渠道或者活动把用户引流过来,但过一段时间就会有用户流失掉,这部分用户就是流失用户,而留下来的这部分用户就是留存用户。流失可以分为刚性流失,体验流失和竞争流失,虽然流失是不可避免的,但可以根据对流失的分析,做出相应的对策来挽留用户。关于留存,通过观察存留的规律,定位存留阶段,可以辅助市场活动、市场策略定位等,同时还可以对比不同用户、产品的功能存留情况,分析产品价值,及时对产品做出调整。
复购率
复购率可以分为“用户复购率”和“订单复购率”,通过分析复购率,可以进一步对用户粘性进行分析,辅助发现复购率问题,制定运营策略, 同事还可以进行横向(商品、用户、渠道)对比分析, 细化复购率,辅助问题定位。
二、销售模块
销售模块中有大量的指标,包括同环比、完成率、销售排行、重点商品占比、平台占比等等。
三、商品模块
重要指标分析:包括货龄、动销率、缺货率、结构指标、价格体系、关联分析、畅滞销分析等, 用来评判商品价值,辅助调整商品策略
四、用户模块
重点指标分析:包括新增用户数、增长率、流失率、有效会员占比、存留情况等
用户价值分析:可以根据RFM模型,再融入其他个性化参数,对用户进行价值的划分,并针对各等级用户做出进一步分析。
用户画像:根据固有属性、行为属性、交易属性、兴趣爱好等维度,来为用户添加标签与权重,设计用户画像,提供精准营销参考依据。
根据需要分析的数据选择分析模型
一、用户模型
用户模型是一种在营销规划或商业设计上描绘目标用户的方法,经常有多种组合,方便规划者用来分析并设置其针对不同用户所展开的策略。传统的用户模型构建方法有两种:基于访谈和观察构建用户模型(严谨可靠但费时)、临时用户模型(基于行业专家或者市场调查数据构建,快速但不够可靠)。
改进的用户模型构建方法:基于用户行为数据的用户模型
优势:对传统方式进行简化,降低数据分析的门槛;让数据分析更科学、高效、全面,可以更直接地应用于业务增长,指导运营策略。
方法:
1. 整理、收集对用户的初始认知
2. 对用户进行分群
3. 分析用户的行为数据
4. 推测目标动机
5. 对用户进行访谈调查验证
6. 用户模型建立修正
同时,还可以将收集到的用户信息映射成为用户的属性或用户的行为信息,并存储起来形成用户档案;实时关注自身数据的波动,及时做出战略性调整。
二、事件模型
事件模型是用户行为数据分析的***步,也是分析的核心和基础,它背后的数据结构、采集时机以及对事件的管理是事件模型中的三大要素。
什么是事件?
事件就是用户在产品上的行为,它是用户行为的一个专业描述,用户在产品上所有获得的程序反馈都可以抽象为事件,由开发人员通过埋点进行采集。举个例子:用户在页面上点击按钮就是一个事件。
事件的采集
事件-属性-值的结构:事件(用户在产品上的行为),属性(描述事件的维度),值(属性的内容)
在事件采集过程中,灵活运用事件-属性-值的结构,不仅可以***化还原用户使用场景,还可以极大地节省事件量,提高工作效率。
采集的时机:用户点击、网页加载完成、服务器判断返回。在设计埋点需求文档时,采集时机的说明尤为重要,也是保证数据准确性的核心。
举个例子:电商销售网页的事件采集
事件的分析
对事件的分析通常有事件触发人数、次数、人均次数、活跃比四个维度的计算。
事件的管理
当事件很多时,对事件进行分组,重要事件进行标注,从而分门别类地管理。同时,可以从产品业务角度将重要的用户行为标注出来,以便在分析时方便、快捷地查找使用常用、重要的事件。
三、漏斗模型
漏斗模型最早起源是从传统行业的营销商业活动中演变而来的,它是一套流程式数据分析方法。
主要模型框架:通过检测目标流程中起点(用户进入)到最后完成目标动作。这其中经历过的每个节点的用户量与留存量,来考核每个节点的好坏,来找到最需要优化的节点。漏斗模型是用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。
四、热图分析 —— 画出用户行为
热图,是记录用户与产品界面交互最直观的工具。热图分析,就是通过记录用户的鼠标行为,并以直观的效果呈现,从而帮助使用者优化网站布局。无论是Web还是App的分析,热图分析都是非常重要的模型。
在实际的使用过程中,常常用几种对比热图的方法,对多个热图进行对比分析,解决问题:
多种热图的对比分析,尤其是点击热图(触摸热图)、阅读热图、停屏热图的对比分析;
细分人群的热图对比分析,例如不同渠道、新老用户、不同时段、AB测试的热图分析等;
深度不同的互动,所反映的热图也是不同的。例如点击热图和转化热图的对比分析;
五、自定义留存分析
关于留存率的概念,在前文中的已经有所介绍。对于产品而言,留存率越高,说明产品的活跃用户越多,转化为忠实用户的比例会越大,越有利于产品变现能力的提升。
自定义留存:基于自己业务场景下用户的留存情况,也即对留存的行为进行自定义。可以通过对初始行为和回访行为进行设定来对留存行为进行自定义。
举个例子:抢到券的用户使用哈罗共享单车的5日留存率
初始行为:抢到券
回访行为:使用哈罗共享单车
六、粘性分析
粘性:以用户视角,科学评估产品的留存能力
通过用户粘性分析,可以了解到一周内或一个月内用户到底有多少天在使用你的产品甚至是某个功能,进一步分析出用户使用产品的习惯。
粘性分析是诸葛io的特色功能之一,其中包括产品整体粘性、功能粘性、粘性趋势以及用户群对比,具体可以参考
七、全行为路径分析
全行为路径分析是互联网产品特有的一类数据分析方法,它主要根据每位用户在App或网站中的行为事件,分析用户在App或网站中各个模块的流转规律与特点,挖掘用户的访问或浏览模式,进而实现一些特定的业务用途,如对App核心模块的到达率提升、特定用户群体的主流路径提取与浏览特征刻画,App产品设计的优化等。
在可视化过程中常用的全行为路径模型有两种:
树形图:以树形结构体现用户的行为路径
太阳图:以环形图体现用户的行为路径
上图中,每一环代表用户的一步,不同的颜色代表不同的行为,同一环颜色占比越大代表在当前步骤中用户行为越统一,环越长说明用户的行为路径越长。
八、用户分群模型
用户分群即用户信息标签化,通过用户的历史行为路径、行为特征、偏好等属性,将具有相同属性的用户划分为一个群体,并进行后续分析。
基于用户行为数据的分群模型:当回归到行为数据本身,会发现对用户的洞察可以更精细更溯源,用历史行为记录的方式可以更快地找到想要的人群。
四个用户分群的维度:
用户属性:年龄、性别、城市、浏览器版本、系统版本、操作版本、渠道来源等;
活跃于:通过设置活跃时间,找到指定之间段内的活跃用户;
做过/没做过:通过用户是否进行某行为,分析用户与产品交互的“亲密度”;
新增于:通过设置时间段,精确筛选出新增用户的时间范围;
如何提高产品销量是一个综合性的问题,需要结合多种模型进行数据分析,以上内容是对一些知识的归纳,希望能够对您有所帮助。
用户模型的介绍就聊到这里吧,感谢你花时间阅读本站内容,更多关于用户模型和用户画像的区别、用户模型的信息别忘了在本站进行查找喔。