三维推营销课程:用户画像避坑指南

发布者:三维推

2022-06-29 17:43:40

阅读: 932

了解产品的用户情况,基于此做出对应的运营动作,这是产品、运营、设计都需要掌握的用户画像知识。很多人都在聊用户画像,听起来很高大上的用户画像有哪些坑需要注意呢?本文作者总结了容易踩雷的八个坑,与你分享。

一、定义不清楚用户画像与用户角色

Alan Cooper 最早在1999年提出了用户画像(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: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。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。

用户角色:更多描绘抽象一个自然人的属性。

二、界定不清楚做用户画像的目标是什么

日常工作中,做产品基本都会涉及到建立用户画像,但基于什么目标去做用户画像,可能都不太清晰,是帮助产品定位?帮助精准营销?帮助产品设计?又或是帮助活动评估?

以某课程产品为例:

产品针对女性创业推出的课程包,目前课程包还未正式上线,基于此,做用户画像首先是帮助课程解决产品定位问题,其次是基于用户画像来做产品的设计。

三、对梳理的用户信息,主观意识的理解,缺少客观的分析信息

以某课程产品为例:

日常分析过程中,或多或少的带入个人主观意愿,当拿到访谈后的用户信息(如下图)。

第一步:对拿到的信息,进行客观、客观、客观的分析(重要的说三次),切记一定不能带入个人主观想法。

如:看到一些信息“不够接地气”,那用户觉的不够接地气的具体信息是什么呢?一定得去挖掘和分析背后的know how (多灵魂拷问自己,如何做?)而不是先入为主的带入个人主观的看法。如果分析后的信息是带入主观的想法,那后面所有的信息都是偏离用户的

第二部步、信息的分析过程中,挖掘和分析背后的know how (目前这块也在不断的加强中)。

如:用户信息为:“用户会选择多家对比价格,选择最合适的?”

针对信息,可以分析获得:

  1. 价格敏感型
  2. 蓝色性格理性消费观
  3. 价格敏感本质是因为经济压力大
  4. 对比价格后会选择最合适的,低价不是产品的主要策略和定位

四、过于形式、模板化

主观意识对用户画像的不重视,基于自身的理解习惯认为“用户画像很简单,找个模版痛点/痒点/爽点一分析就行”忽略了做用户画像本质目的是什么。

这点看似不起眼很学术化,但做任何工作或事情,如果内心轻视那这结果一定不会很好

古代两国交战,大忌其中一项就是:轻敌!因为轻视敌人而导致战争的失败。

五、痛点、爽点、痒点,傻傻分不清楚

以某课程产品为例:痛点:通过课程想要获得及时的收益,但不知道如何去作, 爽点:学完立即就能用到,痒点:课程能有直播+录播双形式,基于用户的痛点、爽点、痒点

大白话(理论似乎大家都能懂,但用起来基本都会忘记。)

  • 痛点:想得而又得不到的——是产品的核心竞争力
  • 爽点:想要但不愿意的——是产品传播点的核心点
  • 痒点:想要,但没有也行产品其他功能

六、用户画像分类不清晰

(用户画像从哪些维度进行分类,如何能将产品的人群都能覆盖到?)面对用户信息时,不知道从哪些维度去将用户进行分类。

分类维度如:生理特性、物理特性、心里特性、经济特性、职位特性、相关熟悉程度等

按行动纬度可分为:执行者、完成者、鞭策者

按社交纬度可分为:协调者、凝聚者、外交家

重点注意:当划分好纬度后,一定要用MECE的方法轮去验证,划分纬度是否穷尽又彼此独立,这点十分关键,对于用户分类上一定的清晰的界定与尽可能多的去覆盖到全部的用户类型。

七、输出用户画像常被忽略的2大法宝

1、菲茨定律:让相关内容更靠近彼此,这样做不仅可以在视觉上增强用户对它们相关性的认识,

2、格式塔(Gestalt):当对象离得很近的时候,人们会倾向于认为他们是相关的,在信息布局上,应将相关的信息放在一起

以某课程产品为例:

用户画像1.0版本,初看是否信息上大差不差的,还过的去。

问题点:信息堆积,看不出信息与信息之间的关系,毫无主次,不符合菲茨定律

用户画像2.0版本:

问题点:

  • 标签信息与生活工作状态信息不符合,不符合格式塔原则;
  • 突出痛点,痒点,厌恶点信息主次不清晰(这个问题是很普遍存在的问题,会认为做用户画像不就是分析TA们的痛点、痒点、厌恶点吗?)

八、输出一份用户画像,自我感觉良好,但忘记做验证的步骤(尤其针对新产品新用户)

用户画像创建出来后,前期定性的分析结果还需要定量的验证(问卷)

九、小结

道理似乎都懂,但实际中运用起来就不会了(大白话:耳朵会了,手还不会~)

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。