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。

通过本文，你可以了解到：

1、什么是用户画像？

2、定性绘制画像的优缺点

3、结合核心业务确定用户关键行为，建立假设

4、通过调研，收集用户关键行为的变量数据

5、分析用户关键性行为变量，建立画像模型

6、聚合用户共性，虚构形象鲜活的角色

7、写在最后

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。

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。

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。

维度 1：对「入职信息」的认知清晰度

维度 2：对「薪酬待遇、社保、公积金」的关注度

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。

在编码阶段，可以使用定性、定量或者定性+定量的方式进行。本文讨论的为定性进行用户画像的情况。

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

维度 2：对「薪酬待遇、社保、公积金」的关注度

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

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

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。

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。

6.1 基本信息面

1) 人物头像&昵称：虚构人物。

2) 人物年龄：可依照计数量进行区间

3) 人物性别 可依照计数量进行划分，或同时存在

4) 人物学历 可依照计数量进行划分

5) 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）

6) 薪资区间：可依照计数量进行区间

7) 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

6.2 入职(业务)场景

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。

6.3 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？

6.4 维度表现

1) 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。

2) 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。

6.5 交互触点

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。

6.6 其他表现

非共性信息，但具备画像意义的描述。

07

写在最后

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。