定量數據用戶畫像的方法與流程

編者按：本文來源微信公眾號“用鹽有點咸”（ID：yongyanyoudianxian），36氪經授權發布。

用戶畫像是一種目標用戶的人物原型，它不僅可以快速了解用戶的基本信息并快速歸類，并且可以進一步精準地分析用戶行為習慣和態度偏好。用戶畫像雖然是用戶的虛擬代表，但必須基于的是真實用戶和真實數據。

1、明確研究目的

我們嘗試去做一個用戶畫像，往往是基于以下情景：

• 確定目標用戶，將用戶根據不同特征劃分不同類型，確定目標用戶的比例和特征；

• 統計用戶數據，獲得用戶的操作行為、情感偏好以及人口學等信息；

• 根據目標用戶確定產品發展相關優先級，在設計和運營中將焦點聚焦于目標用戶的使用動機與行為操作；

• 方便設計與運營，據用戶畫像提供的具體的人物形象進行產品設計和運營活動，也比僅有模糊的、虛構的、或是有個人偏好的用戶形象更為方便和可靠；

• 根據不同類型用戶構建智能推薦系統，比如個性化推薦，精準運營等等。

從用戶畫像的使用情境也可以看出，用戶畫像適用于各個產品周期：從潛在用戶挖掘到新用戶引流，再到老用戶的培養與流失用戶的回流，用戶畫像都有用武之地。

2、明確研究方法

采用定性的方法（如，深度訪談、焦點小組）或定量的方法（如，定量問卷、行為日志數據）都能夠完成用戶畫像的構建，不同的方法各有優缺點：

但是，不論是選擇定性還是定量的方法，都首先需要對用戶類型有一個基本“量”的了解，否則在選用樣本時就會產生偏差。那么如何通過定量的方法（聚類）構建用戶畫像呢？

3、確定目標維度和數據

選擇那些指標？

用戶指標的選擇，可以是封閉性的，也可以是開放性的。在封閉的指標中，用戶群的類型是固定的，所有用戶類型構成了全部的用戶整體，比如輕度用戶、重度用戶；男性用戶，女性用戶。但是這種劃分方式維度可能過于單一，無法體現用戶群的復雜性，并且不利于指標體系的補充改進和迭代，因此在研究中我們更傾向于采用開放性的分類方式，可以根據不同應用場景變更或者拓展指標。

開放式的指標體系包括用戶人口屬性、行為操作屬性、態度偏好屬性、用戶價值屬性等，用戶的行為和態度是不斷變化的。

其中，注意一點，封閉式指標中的人口屬性指標是相對穩定的靜態數據。通常，從我們的經驗和掌握到的用戶信息，我們對用戶的年齡結構、性別比例都已經明確，如果在聚類中人口屬性指標對聚類干擾較大（共線性較強），或在模型中作為因子影響過高，可以在聚類時重點關注用戶的行為操作和態度偏好等指標，聚類成功之后再比較每一種用戶類型的人口學背景信息等。

如何獲得和篩選數據？

在確定指標后，我們需要確定指標的來源。有些數據是后臺行為日志可以記錄到的，有些是需要用問卷調查的。一般而言，行為層面的指標可以用后臺日志，更加準確。而態度層面的則要用問卷來獲取。兩種數據渠道各有優缺點：

理論上，所有的數據都可以通過問卷獲得。但是，為了最優化研究效果，我們采取了問卷 行為日志結合的方式。在發問卷的同時，抓取了用戶的設備號和ID，以匹配后臺數據。

在保證問卷效度的前提下，問卷設計還需要注意結合用戶特征，以提高填答率以及數據準確率。比如，針對二次元用戶，在用戶群年齡結構偏小的前提下問卷不能太長，不能出現深奧的專業術語；同時問卷的語句表達以及頁面風格也要相應調整，使其沒有距離感。同時，注意篩除多次填答和注冊的馬甲賬號問卷。此外還要注意新用戶的占比，需要評估填答問卷中新注冊用戶的比例是否與投放期新用戶正常增量一致。用戶畫像是否需要包含新用戶取決于項目目的，也可以和產品方討論后決定。

4、嘗試與評估用戶聚類

把用戶分成幾種類型？

聚類分析是探索性的研究，他根據指標或者變量之間的距離判斷親疏關系，將相似性的聚為一類，因此會出現多個可能的解，并不會給出一個最優的解，最終選擇哪一種方案是取決于研究者的分析判斷。

把用戶分的類型越少，顆粒度就越粗，每種類型之間的特征就不會很分明；用戶類型越多，顆粒度也就越細，但復雜的類型劃分也會給產品定位和運營推廣帶來負擔。因此，細化顆粒度不僅需要定量的聚類來調整，還需要結合產品經驗來驗證。同時，因為采用的是開放性的指標體系，我們不可能像區分“男性用戶、女性用戶”那樣清楚地知道用戶類型的數量，因此，在用數據進行用戶畫像時，最關鍵的一步就是確定把用戶分成幾種類型。

我們將數據導入spss嘗試進行聚類分析。如果變量數據形式不統一（選擇的指標有定序、有定類），則需要首先對數據進行標準化；其次，兩個強相關的變量和其他變量一起進行聚類會加大因子的權重，使聚類效果不理想，所以我們還要使用因子分析對選擇的指標提取公共因子，對因子共線性判斷，因子分析是選擇合適變量進行聚類的前提，如果因子之間共線性強，則提取公因子進行聚類，若共線性不強，則直接聚類。

如何選擇合適的聚類方法？

在確定因子之后需要選擇合適的聚類方法。不同方法適用的情況不同，常用的是K均值聚類以及層次聚類。

K均值聚類也稱快速聚類，內存少，復雜程度低，快速高效，適用大數據量。但是需要提前明確分類數目，并對均值進行定義。只能對樣本聚類，不能對變量聚類，樣本的變量需是連續性變量。

層次聚類可以對變量聚類，也可以對樣本聚類，可以是連續變量也可以是分類變量。能提供多種計算距離的方法，但是計算復雜度高，適用小數據量，我們需要結合項目的具體情況，包括項目周期、數據形式、數據量、聚類特征等等來確定聚類方法。

最后通過嘗試不同的聚類數、距離算法和分類方法，我們可以根據以下幾點來確定分類的數量：

1. 依據產品經驗，不同產品的典型用戶不同

2. 根據已有的用戶研究以及相關研究結論

3. 根據具體的分類效果確定

4. 根據層次聚類“步數——距離”拐點

聚類效果好壞的評估可以從聚類中心之間的距離、組件與組內的方差以及群組數量之間的比例是否符合產品特征、比例是否協調以及劃分的類型對產品是否有意義等方面去評估。

5、把數據還原成用戶

在已經得知了分類結果并且分析得出了每一類用戶在各項指標上的特征之后，構建用戶畫像的工作也就好比在一副骨架上填充血肉。一方面，我們可以直接利用獲取的數據，找到具有顯著特征的信息，賦予到用戶身上。比如第一類用戶60%使用iOS系統，而其他三類均不超過20%，我們就可以將第一類用戶抽象為一個平時使用iPhone 的人。除了問卷數據之外，想要使人物形象更加鮮明，可以對問卷本文題進行分析，或者根據產品經驗、用戶反饋或已有研究進行畫像，這樣可以使用戶形象更加有血有肉。

但是，把數據還原成用戶本身用戶也需要遵循幾個原則，畫像（Persona）意味著一個令人信服的用戶角色要滿足七個條件：

注：Persona原則來源于Alan Cooper，https://plus.google.com/101097598357299353681/about

通過定量化的調研可以快速對用戶建立一個精準的認識，對不同數量、不同特征的用戶進行比較統計分析，在后期產品迭代改進的過程中可以將用戶進行優先級排序，著重關注核心的、規模大的用戶。但是，依靠數據這種偏定量的方式建立的用戶畫像依然是粗線條的，難以描述典型用戶的生活情景、使用場景，難以挖掘用戶情感傾向和行為操作背后的原因和深層次動機。因此，如果有足夠精力和時間，后續可以對每類用戶進行深入的訪談，將定量和定性的方法結合起來，建立的用戶畫像會更為精準和生動。

作者介紹：

項宇，目前在網易杭州研究院產品發展部，對接網易云閱讀、網易漫畫的用戶研究工作。從社會學入行用戶研究，不斷學習與探究用戶群體背后的微觀動機與宏觀行為。