产品经理在工作的时候，需要通过需求调研来确定产品设计方案。在需求调研里，用户调研是其中固定环节。搞清楚实际的用户需求，会使用到“用户画像”来做产品设计的基础，避免拍脑袋的需求。
一种叫做Persona，也叫做用户角色，是描绘抽象一个自然人的属性。
一种叫做Profile，是和数据挖掘、大数据息息相关的应用。
我们在工作里，往往在产品设计之前依靠的用户画像叫做user persona，这类用户画像是对真实的用户进行虚拟出的典型人物角色。Alan Cooper （交互设计之父）最早提出了 persona 的概念:“Personas are a concrete representation of target users.”Persona 是真实用户的虚拟代表,是 建立在一系列真实数据(Marketing data,Usability data)之上的目标用户模型。Cooper认为建立 用户画像对于产品设计的好处有Creates a common language
Users are no longer elastic
Provides a target - no longer designing for everyone in the world
End debates about prioritization and implementation
这类用户画像也属于用户调研，去了解用户,根据他们的目标、行为和观点的差 异,将他们区分为不同的类型,然后每种类型中抽取出典型特征,赋予名字、照片、一些人口统计学要素、场景等描述,就形成了一个人物原型 (personas)。构建用户画像的PERSONAL，需要注意八个要素。P代表基本性(Primary)：指该用户角色是否基于对真实用户的情景访谈;
E代表同理性(Empathy)：指用户角色中包含姓名、照片和产品相关的描述，该用户角色是否引同理心;
R代表真实性(Realistic)：指对那些每天与顾客打交道的人来说，用户角色是否看起来像真实人物;
S代表独特性(Singular)：每个用户是否是独特的，彼此很少有相似性;
O代表目标性(Objectives)：该用户角色是否包含与产品相关的高层次目标，是否包含关键词来描述该目标;
N代表数量性(Number)：用户角色的数量是否足够少，以便设计团队能记住每个用户角色的姓名，以及其中的一个主要用户角色;
A代表应用性(Applicable)：设计团队是否能使用用户角色作为一种实用工具进行设计决策。
L代表长久性(Long)：用户标签的长久性
比如在PMTalk里我们会有3个角色，分别是作家、用户、会员。那如何为这三类角色提供实际的场景功能角色小王是一名产品经理，29岁。在工作之余每天下班时间8-10点，都会抽时间撰写当日的复盘，在这段时间打开电脑并访问www.pmtalk.club，进行文章撰写，文章撰写完成后会分享给好友和自己的微信社群。小张是一名即将毕业的计算机专业学生，在毕业后打算成为产品经理。由此每天只要有时间就会零碎的打开PMTalk小程序浏览产品经理、运营相关话题的文章，学习直到找到产品经理的工作为止。
小李是一个职场进阶的产品经理，刚工作满一年。每天碰到工作上的问题就会有查询工作资料的诉求，所以在工作日的时候就会零碎时间访问产品经理相关的素材和文件，下载和存储到自己喜欢的云盘。上面3个角色，都是属于用户画像user persona，属于单一、具象的用户描述。这是产品经理在做需求评审、产品设计中用的最多的。我们很多时候会以上面的用户画像来构建用户路径和用户使用场景。还有一个用户画像是 user profile，是在产品上线后基于用户大量用户积累的数据，通过对用户行为、用户操作打系列标签，完成的数据采集、数据统计，要注意基于用户画像下的数据标签，是有权重的。标签数据用于提供给数据挖掘，同时每个标签下的数据有数据权重；比如用户在分析用户的消费水平情况，用户的基础属性、地理位置、消费偏好标签，就会有倾斜。由于主流用户的情况，在数据采集后发现产品的用户集中在26-35岁；所以在年龄标签此区间以外的权重降低；由于用户使用产品的需求集中在旅游场所，所以对于娱乐、交通路上的位置数据权重降低；使用产品的用户主要是解决生活问题，对于汽车这类购买或下单转化则不属于产品主流的服务，所以权重降低。由此我们可以得到大概下面这张图，基于用户画像的标签对数据全中进行分类。
用户画像（user profile)是以用户数据积累的海量数据，加上标签组成的海量数据的标签，根据用户画像person和用户行为差异，将他们区 分为不同的类型。然后每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、 场景等描述，形成了一个用户的分类。搞清楚用户分类可以极大的帮助我们在做产品设计有目标、有数据基础，能够对未来效果进行控制。用户画像可以与用户行为相关联的数据做可视化展现，一句话总结就是:用户信息标签化在用户画像之外，通过数据埋点监控用户行为，来分别用户的类型，结合用户画像更加为运营、产品提供更好的精准建议。
1.用户类型:低转化用户
用户行为:在观察埋点数据，发现改用户常常下单，但下单失败、取消占比次数高
核心需求: 购买时没有足够吸引力或被其他外界信息打断
产品优化:增加优惠券来增加完成订单、通过广告、增加消息通，知告知用户还没完成下单
2.用户类型:激进型
用户行为:只买最新款，大厂牌子最新技术产品等、喜欢花钱买喜欢的
核心需求: 这类消费者只买最好，敢于炫耀
产品优化:投其所好，让他一眼就能看到最新产品，并 通过优惠提高消费金额
3.用户类型:保守型用户
用户行为:喜欢流量买二手产品，不喜欢浏览其他商品、喜欢节约
核心需求: 更看重省了多少钱，而不是东西有多需要， 不在意瑕疵或折旧
产品优化:增加商品推荐、关联优惠、其他商品资讯
以上3种用户类型的背后基于数据埋点、用户画像下做的分层，帮助产品经理有最直接的优化目的。
基于用户的行为以及规则，在实际开发画像的过程中，由于运营人员对业务更为熟悉，而数据人员对数据的结构、分布、特征更为熟悉，因此规则类标签的规则由运营人员和数据人员共同协商确定
有了用户画像或者标签，可以和用户进行精准链接，帮助运营部门、市场部门、广告投放部门做转化检测。无论是阿里、还是腾讯很大一部分广告都是通过这种方式来触达用户，百度的搜索广告方式有所不同。前面提到的用户分类，基于用户画像做产品设计，其实就是用户画像的价值。我们到底应该加什么功能、做什么样的页面跳转、融入什么运营活动策略，都是用户画像可以给到的。知道用户与产品交互时点击率、跳失率、停留时间等行为之外，用户画像能帮助产品经理透过用户行为表象看到用户深层的动机与心理。
通过对用户画像的分析可以了解行业动态，比如90后人群的消费偏好趋势分析、高端用户青睐品牌分析、不同地域品类消费差异分析等等。这些行业的洞察可以指导平台更好的运营、把握大方向，也能给相关公司（中小企业、店铺、媒体等）提供细分领域的深入洞察。今日Bonus：加我好友 pmtalk001，领取直播原型部件库，同时还有运营模版，带你了解快速提升产品运营进阶
👇点击阅读原文，加入打卡训练营，每天体验1款APP
我创建了一个《每天体验1款app》知识星球，有超过20个行业嘉宾在圈子里。加入后365天，每天体验一款APP。提升产品设计能力，同时有1500份体验报告帮助你找到竞品。
平均1天1块钱，扫码购买即可加入
连续体验90款应用，通过后原路退回
