大家都对“用户画像”有所耳闻，那么，为何要使用用户画像呢？
要讨论这个问题，我们首先要明确用户画像是什么？其实就是：代表目标用户特点的、虚拟的人物画像。
维基百科是这样解释的：
In user-centered design and marketing, personas are fictional characters created to represent the different user types that might use a site, brand, or product in a similar way.
A user persona is a representation of the goals and behavior of a hypothesized group of users. In most cases, personas are synthesized from data collected from interviews with users. They are captured in 1–2-page descriptions that include behavior patterns, goals, skills, attitudes, and the environment, with a few fictional personal details to make the persona a realistic character.
那么，我们就知道了，用户画像是用来代表目标用户特点的，这是其关键特征。同时它也是虚拟的，因为毕竟并不存在这样的用户，或者说并不存在完全相同的用户，用户画像是用来代表大量目标用户典型特点的。
那么，使用用户画像有什么好处呢？
首先，它可以让我们保持专注，专注于某几个（一般不超过3个）用户画像，更符合实际，也能提高效率。
关于这一点，Cooper就说过：
Provides a target - no longer designing for everyone in the world
为什么要保持专注呢？
因为资源有限，我们不可能实现所有的用户需求；另外，不同用户需求的差别可能很大，难以兼容在一个产品中。
其次，类似的，它可以让整个团队专注于某几个用户画像，从而让整个团队有了统一的决策依据，能更容易达成共识，提高效率。
对此，Cooper说了两点：
Creates a common language.
End debates about prioritization and implementation.
维基百科则是这么说的：
Help team members share a specific, consistent understanding of various audience groups. Data about the groups can be put in a proper context and can be understood and remembered in coherent stories.
最后，它可以让我们对目标用户形成更加具体的认识，方便换位思考，从而减少主观臆测，更好地评估用户需求，也能更方便地发现用户使用流程、细节。
对此，Cooper是这么说的：
Users are no longer elastic.
维基百科则是这么说的：
Provide a human "face" so as to create empathy for the persons represented by the demographics.
Proposed solutions can be guided by how well they meet the needs of individual user personas. Features can be prioritized based on how well they address the needs of one or more personas.
既然用户画像这么有用，那么，我们就需要构建用户画像。如何构建呢？其实也不难，现在就手把手带你构建用户画像。
以外卖O2O为例（可以想象为百度外卖），最终的结果如下，具体步骤见最下方。
分步骤来看，则可以分为如下几步：
1.确定用户常量/基本特征/静态信息数据
用户常量有很多，比如姓名、年龄、性别、家庭状况、地址、学历等等。正因为用户常量太多，就需要我们有所针对性。也就是说，这里所谓的“用户常量”是符合产品定位的用户常量，而不是所有的用户常量。
因为所有的用户常量几乎可以说是无法穷尽的，产品定位来源于用户需求，产品定位的目的之一就是要专注于某一些用户需求，我们要解决的就是这些用户需求，所以，只要我们去满足这些用户需求对应的用户常量即可，而不需要满足所有。
比如对于外卖APP，用户的头发多少就没什么影响。而对于防治脱发的产品，头发太多的用户，显然不是其用户群。
2.确定用户典型变量/动态信息数据
当然，与第一点类似，这里的变量也得符合产品定位。
另外，这里的“典型”二字，就说明了我们要专注于主要矛盾，也就是要遵循二八准则，因为资源有限嘛。
变量是相对于常量而言，是容易变化的特征。比如对于外卖APP，变量可以是用户的使用地点（家里/公司/学校等），也可以是用户的使用频率（一周1次/2次/3次等）。
3.确定用户使用场景
通过前面两个步骤，我们基本知道了用户的特征，但这还不够具体，所以，还需要将以上的用户特征融入到一定的使用场景，让我们能够更加具体地体会用户的感受，这是非常关键的一步。
如何确定用户使用场景？
其实很简单，用经典的5W2H即可解决。以外卖APP为例：
who 这个就不用说了吧
wha t订外卖
when 11:00左右/16:30左右
where 公司/家里
why 工作忙/懒得去外面吃/懒得自己做
how much 一周3次
how 可以将以上所有部分融合（包括用户变量、常量、与用户使用场景、软件流程），感受用户如何使用。
4.结合以上所有内容（常量、典型变量、使用场景），形成用户画像
有了以上内容，就可以得出比较完整的用户画像了。
5.确定用户画像是否完整、是否重复
这个不用解释了吧。
6.确定用户画像的优先级
这一点也很重要，原因还是那千年不变的：资源有限。
以百度外卖为例，主要针对白领用户。那么其主要用户画像优先级就是普通白领-->高端白领-->学生。
至此，用户画像全部搞定。
网友评论