一提到用户画像，很多人的脑海里就冒出各种标签，性别、年龄、地区......然后用这一堆名词拼出一个人形，就像这张图：
画出用户画像不难，但当我们要真正拿它做分析的时候，常常会发现无从下手，到最后只能直接把数据库里的数据照搬到报告上：
男女用户比例5：1
30-50岁占比60%
广东用户占比80%
苹果和华为用户分别占比25%、35%
这是做用户画像分析常犯的一个错误，分析是用来解决问题的，但似乎即便我们用这么多词把用户概括出来了，也不能用来解决问题。其实，用户画像是一个客观的东西，但做决策是一个主观的过程，所以如何基于客观事实，通过分析推理出结论，解决实际问题，这才是做用户画像分析的正确姿势。
今天就和大家探讨一下，用户画像分析，到底应该怎么做！
01 从问题出发
做分析要从问题出发，这要求我们先分析产生问题的原因，而且是从用户的角度来看这个原因。举个例子，某产品销量下降了，我们需要解决的问题是如何提高销量。
从用户的角度，我们可以分析出三个潜在的原因，一是产品周期性问题，用户在当前时间段内购买需求减少，比如冬天雪糕难卖；二是产品竞争力弱，用户更愿意为竞争对手产品付费，比如同样配置的手机，用户更喜欢性价比更高的；三是宣传效果不佳，用户没有感知到我们产品的优势，比如没有邀请流量明星代言。
当然，例子说的较简单，事实上，我们在分析问题原因时需要层层深挖，穷尽所有可能的影响因素，而且都是从用户的角度出发。
02 找到关键原因
分析出产生问题的可能原因后，我们就要找到最关键的几个原因。
接着例子来说，有些是可以根据常识判断的，比如产品的周期性，有些则需要我们做分别做论证。比如，怀疑是产品竞争力弱的原因，我们可以根据竞争对手的销售数据论证；怀疑是宣传效果的问题，我们可以对整个转化流程进行漏斗分析，论证宣传环节的影响。
总之，先进行大方向的论证，再不断缩小范围，看看是哪个细节掉链子，如果之前列出的原因都不成立，可能就需要重新假设。
03 理清分析逻辑
找到关键原因后，我们继续往里深挖，把原来棘手的问题，分解成一个个聚焦的小问题。比如我们确定了是产品竞争力弱的原因，那么可以列出用户的需求，以及我们和竞品在满足用户需求方面的差异性，通过内部的数据分析，加上外部关于用户满意度、竞品用户的调研，分析出主要造成差距的竞争点。
这一步就要用到之前列出的用户画像了。一方面，可以把用户根据不同维度分类，比如性别，各年龄层，地区，然后重点关注核心用户在意的点，做针对性的优化，并持续关注后续反馈。另一方面，我们通过对核心用户做用户生命周期的分析，可以让业务更能看清楚哪个环节是薄弱的，帮助业务改善。
04 用上分析工具
做用户画像的数据分析，通常指标很多，而且要依赖多个数据来源，内外部数据都有，一般来说原始数据都不够干净，这时需要用上专业的数据分析工具。
比如主流的FineBI，有一套自助分析的流程，它不会上来就展示枯燥的数据，而是能够引导我们开始数据处理，FineBI会在开始分析前，让我们思考操作步骤，然后拖拽鼠标就能一步一步得出想要的数据、
数据清洗、数据抽取、数据计算......在FineBI的帮助下，整个操作过程变得简单有效，我们不用再花大量时间在繁琐的数据处理上。
和Excel一样，FineBI也内置了非常丰富的图表。但比Excel更牛的是，FineBI做可视化的时候可以把多张分析图表放到一起，就可以做出一张分析大屏，并且能设置图表间的联动。比如下面这种图，当我们点击性别分布里的男性图块时，其他的图表也会变成针对男性用户的分析，这对于我们无论是分析还是演示都非常方便。
总之，带着目的性来总结数据，数据才会有其意义。用户画像分析，不止是单纯地罗列数据，而是带着问题，优化服务用户的流程的一种探索式分析。
分享工具
本文所有模板均由分析工具FineBI制作，获取方式：回个“BI”就能获得！
网友评论