科学研究用户肖像的方法往往很复杂，本文作者自己归纳了一类透过数据分析得出结论用户肖像的固定式方法，撷取给大家。

在做任何产品之前，单厢先想好广告主社会群体。但产品上架后发现，默认好的用户社会群体好像并不埋单，比如说很多新产品都变成了现象级产品，铺散。或者充斥着产品的发展，最初的广告主社会群体可能会出现了变动，比如说最早采用QQ的那帮用户社会群体已然长大成人，在屋子里社团突击CS的那埃唐佩县已然巨鼻。

用户出现了变动，产品就要赶紧介入调整适应新用户社会群体的蓝海，这时重新功能定位找到用户肖像就变的刻不容缓。

用户肖像是真实用户的交互式代表，它是如前所述真实的，它不是两个具体的人，是依照目标的行为观点的差别界定为不同类型，迅速组织在一起，接着把新得出结论的类型提炼出出来，形成两个类型的用户肖像。

采用最多的用户肖像有八要素：基本上性、同理智、真实性、独优点、目标性、数量性、理论性、裂稃，来寻找用户肖像，可能又会吓怕一批人，今天咱们就把这两个要素综合起来搬至线上，从产品的真实运营数据中去提炼出，一点一点分析出用户肖像的条码。

 

一、用户肖像的3个层次

他们将用户肖像的8要素，在线上展开控制点资源整合，从而描画出目标用户的社会群体优点。

这在产品中被称为“广告主或非”。在线上科学研究用户肖像主要紧紧围绕产品的运营数据，获取用户的基本上信息和用户在产品中的互联网行为，展开综合化女团科栅。

依照顺序依次可分为三个层次：信息肖像、行为肖像、科栅肖像。 信息肖像：即用户的基本上信息，属于静态数据，主要包括地域性、异性恋，收入，婚否、家庭、业余、收入、资产、消费水平等。行为肖像：即用户在产品中的互联网行为，又叫静态数据，主要包括用户的下载习惯、出访时数、采用频度、消费记录、喜欢偏爱、行为抛物线等。 科栅肖像：就是行业龙头用户社会群体，依照产品业务的需求，将具有共同业务优点的用户贴上条码，裂解条码分割社会群体肖像。

1. 建立信息肖像

现有数据一般都是透过服务器端统计平台获取到的，比如说友盟等。对于大公司或者一些秘密性单位，可能会开发一套自己的监控系统。

用他们做过的两个分期付款买车产品的来搜寻信息肖像，先从统计平台和数据库中抽取到可抽取到的用户基本上信息，接着重新整理这些基本上信息在用户群中的占比，最终重新整理到以下两个关键指标如下表所示斑蛛属示：

 

2. 绘制行为肖像

产品依照市场发展和用户需求的变动不断地更新迭代，在产品迭代中获取关键变量，从而绘制出行为肖像。用户在产品中的可统计到的互联网行为，主要主要包括采用场景、获取内容、出访路径

这三块。采用场景主要是设备终端、互联网状况、出访时段等；获取内容是用户在产品中下载的内容、完成任务、采用工具等；出访路径是用户进入产品到离开的整个行为抛物线。

还是用分期付款买车产品来续，分析第二个层次行为肖像。获取跟业务相关互联网行为，再统计数据占比，分析需要获取有价值的关键两个点：

 

3. 描画科栅肖像

信息肖像和行为肖像重新整理好以后，怎么裂解这些信息，为用户贴上精准的条码，描画出科栅肖像，是需要他们接下来想办法去解决的。这里精减到3步，首先找出极端信息值的概念，找到合理的裂解信息肖像，最后绘制出合理的科栅肖像。

第一步：极端值

尽量合理覆盖每组信息的“极端信息值（每组数据中占比最高或最低的信息）”。

第二步：合理值

这里极端值的用户中，分析合理的社会群体。比如说下图中裂解信息肖像呈现出最高值关联信息中，稳定理财但又买车买房经济压力很大，看似不合乎逻辑，但买房本来就是一类非常稳定的投资，而且这样的用户买车的概率很高，还能接受贷款。不合理最低值的用户占比年龄都相对比较大，而且不接收互联网交易的安全性，怎么还会去买股票呢？

裂解行为肖像呈现出最高值关联信息中，流量来源中呈现出了两个PC端数据占据近半的现象，这其实反映出两个问题：一是移动端做的不好，二是用户社会群体多为上班族等。

第三步：描画集合科栅肖像

尽量合理连接用户行为的“集合信息值（将每组数据占比较大的同其他组展开合理地女团，分析出最符合真实用户的信息值）”，即相对来说基数较大的用户群。

描画出用户肖像，产品需求迭代更具针对性。但这是他们依照数据分析出来的结果，还不能说明这样的结果就是对的，接下来还需要他们做进一步用户肖像的验证。

 

二、验证用户肖像

这是他们理论分析得出结论的用户肖像，但是到底对不对呢？

他们还是用同样的方法来验证，重新整理新版本上架后的真实数据寻找其中的变量，接着分析其带来的提升或实际转化。他们归纳出以下三种方式来验证。

 

1. 验证真实数据

产品上架后统计各组实时数据，寻找其中产品变动的数据，是否符合他们最初迭代改版的预期，分析是否符合他们描画的用户肖像，变动的需要分析，没能达到预期的就要结合一些数据变动有针对性的分析原因。

 

2. A/B Test

A/B Test算是互联网最常用的验证方法了，如前所述用户肖像上架后的产品同当前产品展开比对分析，验证用户肖像反馈需求的准确性。对于出访量很大的产品他们通常会设置99%的用户正常出访到原有版本，只保留1%的用户会被随机切到新版本，集中新旧数据对比变动的幅度。

比如说上面案例做过的分期付款买车的产品采用A/B Test的数据变动，如下表所示图：

 

3. 业务数据转化验证

产品可以为企业带来的利润，是衡量产品好坏的关键指标。虽然这属于商业层面的考量，但也要回归到产品层面来落实。主要还是看产品可以为业务带来的转化率，这是企业考核的关键KPI,如果转化率跌了，可能就是白忙活一场，如果转化率提高了，就可以作为具有说服力验证结果。

上面案例的分期付款买车产品中的数据来展示一下，如下表所示图：

透过不断地迭代验证用户肖像，带来用户增长。但产品带来大量的新增的同时，也会带来产品需求的变动，因为用户本身就是两个变量，产品依然需要不断的迭代更新，才能不断地更新验证用户肖像。 用户肖像使他们更好地解决了用户的需求，验证他们用户肖像方向的可行性，从而得到产品的用户肖像。