乡下人产国偷v产偷v自拍,国产午夜片在线观看,婷婷成人亚洲综合国产麻豆,久久综合给合久久狠狠狠9

  • <output id="e9wm2"></output>
    <s id="e9wm2"><nobr id="e9wm2"><ins id="e9wm2"></ins></nobr></s>

    • 分享

      產(chǎn)品狗運(yùn)營(yíng)喵,別告訴我你還不會(huì)做“用戶畫(huà)像”

       天天美食研究所 2016-11-18
      作為一只互聯(lián)網(wǎng)搬磚狗,如果你還不會(huì)做“用戶畫(huà)像”,那小編非常建議你好好閱讀下面的文章。

      (看我懇切的眼神)

      本文的作者叫項(xiàng)宇,來(lái)自網(wǎng)易用戶研究部門(mén),主要對(duì)接網(wǎng)易云閱讀和網(wǎng)易漫畫(huà)的用戶研究工作。

      在網(wǎng)易,用研部門(mén)承擔(dān)了大多數(shù)創(chuàng)新互聯(lián)網(wǎng)業(yè)務(wù)的用戶體驗(yàn)研究工作。就小編拿到的獨(dú)家資料顯示,網(wǎng)易的用研部門(mén)主要分為用戶研究和戰(zhàn)略分析兩條線,用戶研究線承擔(dān)了網(wǎng)易大多數(shù)創(chuàng)新互聯(lián)網(wǎng)業(yè)務(wù)的用戶研究工作,目前主要服務(wù)于音樂(lè)、教育、社交、智能硬件、閱讀等十多款互聯(lián)網(wǎng)產(chǎn)品。

      接下來(lái)是班主任敲黑板時(shí)間

      用戶研究方法主要分為兩個(gè)大類:定性研究與定量研究定性研究方法中經(jīng)常用到的有:深度訪談、觀察法、可用性測(cè)試等,在定量研究中主要用到問(wèn)卷調(diào)研、流量/日志數(shù)據(jù)分析、實(shí)驗(yàn)法等,通過(guò)系統(tǒng)的方法論保證研究結(jié)論的有效性。

      今天著重要說(shuō)的,是“用戶畫(huà)像”。所謂用戶畫(huà)像,就是一種目標(biāo)用戶的人物原型,它不僅可以快速了解用戶的基本信息并快速歸類,還可以進(jìn)一步精準(zhǔn)地分析用戶行為習(xí)慣和態(tài)度偏好。用戶畫(huà)像雖然是用戶的虛擬代表,但必須基于的是真實(shí)用戶和真實(shí)數(shù)據(jù)。

      1
      明確研究目的
      我們嘗試去做一個(gè)用戶畫(huà)像,往往是基于以下情景:
      1. 確定目標(biāo)用戶,將用戶根據(jù)不同特征劃分不同類型,確定目標(biāo)用戶的比例和特征;
      2. 統(tǒng)計(jì)用戶數(shù)據(jù),獲得用戶的操作行為、情感偏好以及人口學(xué)等信息;
      3. 根據(jù)目標(biāo)用戶確定產(chǎn)品發(fā)展相關(guān)優(yōu)先級(jí),在設(shè)計(jì)和運(yùn)營(yíng)中將焦點(diǎn)聚焦于目標(biāo)用戶的使用動(dòng)機(jī)與行為操作;
      4. 方便設(shè)計(jì)與運(yùn)營(yíng),據(jù)用戶畫(huà)像提供的具體的人物形象進(jìn)行產(chǎn)品設(shè)計(jì)和運(yùn)營(yíng)活動(dòng),也比僅有模糊的、虛構(gòu)的、或是有個(gè)人偏好的用戶形象更為方便和可靠;
      5. 根據(jù)不同類型用戶構(gòu)建智能推薦系統(tǒng),比如個(gè)性化推薦,精準(zhǔn)運(yùn)營(yíng)等等。


      從用戶畫(huà)像的使用情境也可以看出,用戶畫(huà)像適用于各個(gè)產(chǎn)品周期:從潛在用戶挖掘到新用戶引流,再到老用戶的培養(yǎng)與流失用戶的回流,用戶畫(huà)像都有用武之地。


      2
      明確研究方法
      采用定性的方法(如,深度訪談、焦點(diǎn)小組)或定量的方法(如,定量問(wèn)卷、行為日志數(shù)據(jù))都能夠完成用戶畫(huà)像的構(gòu)建,不同的方法各有優(yōu)缺點(diǎn):
      但是,不論是選擇定性還是定量的方法,都首先需要對(duì)用戶類型有一個(gè)基本“量”的了解,否則在選用樣本時(shí)就會(huì)產(chǎn)生偏差。那么如何通過(guò)定量的方法(聚類)構(gòu)建用戶畫(huà)像呢?

      3
      確定目標(biāo)維度和數(shù)據(jù)
      3.1 選擇哪些指標(biāo)?

      用戶指標(biāo)的選擇,可以是封閉性的,也可以是開(kāi)放性的。

      封閉的指標(biāo)中,用戶群的類型是固定的,所有用戶類型構(gòu)成了全部的用戶整體,比如輕度用戶、重度用戶;男性用戶,女性用戶。但是這種劃分方式維度可能過(guò)于單一,無(wú)法體現(xiàn)用戶群的復(fù)雜性,并且不利于指標(biāo)體系的補(bǔ)充改進(jìn)和迭代。因此在研究中我們更傾向于采用開(kāi)放性的分類方式,可以根據(jù)不同應(yīng)用場(chǎng)景變更或者拓展指標(biāo)。

      開(kāi)放式的指標(biāo)體系包括用戶人口屬性、行為操作屬性、態(tài)度偏好屬性、用戶價(jià)值屬性等,用戶的行為和態(tài)度是不斷變化的。
      其中,注意一點(diǎn),封閉式指標(biāo)中的人口屬性指標(biāo)是相對(duì)穩(wěn)定的靜態(tài)數(shù)據(jù)。通常,從我們的經(jīng)驗(yàn)和掌握到的用戶信息,我們對(duì)用戶的年齡結(jié)構(gòu)、性別比例都已經(jīng)明確,如果在聚類中人口屬性指標(biāo)對(duì)聚類干擾較大(共線性較強(qiáng)),或在模型中作為因子影響過(guò)高,可以在聚類時(shí)重點(diǎn)關(guān)注用戶的行為操作和態(tài)度偏好等指標(biāo),聚類成功之后再比較每一種用戶類型的人口學(xué)背景信息等。

      3.2 如何獲得和篩選數(shù)據(jù)?

      在確定指標(biāo)后,我們需要確定指標(biāo)的來(lái)源。有些數(shù)據(jù)是后臺(tái)行為日志可以記錄到的,有些是需要用問(wèn)卷調(diào)查的。一般而言,行為層面的指標(biāo)可以用后臺(tái)日志,更加準(zhǔn)確。而態(tài)度層面的則要用問(wèn)卷來(lái)獲取。兩種數(shù)據(jù)渠道各有優(yōu)缺點(diǎn):
      理論上,所有的數(shù)據(jù)都可以通過(guò)問(wèn)卷獲得。但是,為了最優(yōu)化研究效果,我們采取了問(wèn)卷+行為日志結(jié)合的方式。在發(fā)問(wèn)卷的同時(shí),抓取了用戶的設(shè)備號(hào)和ID,以匹配后臺(tái)數(shù)據(jù)。

      在保證問(wèn)卷效度的前提下,問(wèn)卷設(shè)計(jì)還需要注意結(jié)合用戶特征,以提高填答率以及數(shù)據(jù)準(zhǔn)確率。比如,針對(duì)二次元用戶,在用戶群年齡結(jié)構(gòu)偏小的前提下問(wèn)卷不能太長(zhǎng),不能出現(xiàn)深?yuàn)W的專業(yè)術(shù)語(yǔ);同時(shí)問(wèn)卷的語(yǔ)句表達(dá)以及頁(yè)面風(fēng)格也要相應(yīng)調(diào)整,使其沒(méi)有距離感。同時(shí),注意篩除多次填答和注冊(cè)的馬甲賬號(hào)問(wèn)卷。此外還要注意新用戶的占比,需要評(píng)估填答問(wèn)卷中新注冊(cè)用戶的比例是否與投放期新用戶正常增量一致。用戶畫(huà)像是否需要包含新用戶取決于項(xiàng)目目的,也可以和產(chǎn)品方討論后決定。

      4
      嘗試與評(píng)估用戶聚類
      4.1 把用戶分成幾種類型?

      聚類分析是探索性的研究,他根據(jù)指標(biāo)或者變量之間的距離判斷親疏關(guān)系,將相似性的聚為一類,因此會(huì)出現(xiàn)多個(gè)可能的解,并不會(huì)給出一個(gè)最優(yōu)的解,最終選擇哪一種方案是取決于研究者的分析判斷。

      把用戶分的類型越少,顆粒度就越粗,每種類型之間的特征就不會(huì)很分明;用戶類型越多,顆粒度也就越細(xì),但復(fù)雜的類型劃分也會(huì)給產(chǎn)品定位和運(yùn)營(yíng)推廣帶來(lái)負(fù)擔(dān)。因此,細(xì)化顆粒度不僅需要定量的聚類來(lái)調(diào)整,還需要結(jié)合產(chǎn)品經(jīng)驗(yàn)來(lái)驗(yàn)證。同時(shí),因?yàn)椴捎玫氖情_(kāi)放性的指標(biāo)體系,我們不可能像區(qū)分“男性用戶、女性用戶”那樣清楚地知道用戶類型的數(shù)量,因此,在用數(shù)據(jù)進(jìn)行用戶畫(huà)像時(shí),最關(guān)鍵的一步就是確定把用戶分成幾種類型。


      4.2 如何選擇合適的聚類方法?

      在確定因子之后需要選擇合適的聚類方法。不同方法適用的情況不同,常用的是K均值聚類以及層次聚類。

      K均值聚類也稱快速聚類,內(nèi)存少,復(fù)雜程度低,快速高效,適用大數(shù)據(jù)量。但是需要提前明確分類數(shù)目,并對(duì)均值進(jìn)行定義。只能對(duì)樣本聚類,不能對(duì)變量聚類,樣本的變量需是連續(xù)性變量。

      層次聚類可以對(duì)變量聚類,也可以對(duì)樣本聚類,可以是連續(xù)變量也可以是分類變量。能提供多種計(jì)算距離的方法,但是計(jì)算復(fù)雜度高,適用小數(shù)據(jù)量,我們需要結(jié)合項(xiàng)目的具體情況,包括項(xiàng)目周期、數(shù)據(jù)形式、數(shù)據(jù)量、聚類特征等等來(lái)確定聚類方法。
      最后通過(guò)嘗試不同的聚類數(shù)、距離算法和分類方法,我們可以根據(jù)以下幾點(diǎn)來(lái)確定分類的數(shù)量:

      1. 依據(jù)產(chǎn)品經(jīng)驗(yàn),不同產(chǎn)品的典型用戶不同
      2. 根據(jù)已有的用戶研究以及相關(guān)研究結(jié)論
      3. 根據(jù)具體的分類效果確定    
      4. 根據(jù)層次聚類“步數(shù)——距離”拐點(diǎn)   
      聚類效果好壞的評(píng)估可以從聚類中心之間的距離、組件與組內(nèi)的方差以及群組數(shù)量之間的比例是否符合產(chǎn)品特征、比例是否協(xié)調(diào)以及劃分的類型對(duì)產(chǎn)品是否有意義等方面去評(píng)估。

      5
      把數(shù)據(jù)還原成用戶
      在已經(jīng)得知了分類結(jié)果并且分析得出了每一類用戶在各項(xiàng)指標(biāo)上的特征之后,構(gòu)建用戶畫(huà)像的工作也就好比在一副骨架上填充血肉。一方面,我們可以直接利用獲取的數(shù)據(jù),找到具有顯著特征的信息,賦予到用戶身上。比如第一類用戶60%使用iOS系統(tǒng),而其他三類均不超過(guò)20%,我們就可以將第一類用戶抽象為一個(gè)平時(shí)使用iPhone 的人。除了問(wèn)卷數(shù)據(jù)之外,想要使人物形象更加鮮明,可以對(duì)問(wèn)卷本文題進(jìn)行分析,或者根據(jù)產(chǎn)品經(jīng)驗(yàn)、用戶反饋或已有研究進(jìn)行畫(huà)像,這樣可以使用戶形象更加有血有肉。

      但是,把數(shù)據(jù)還原成用戶本身用戶也需要遵循幾個(gè)原則,畫(huà)像(Persona)意味著一個(gè)令人信服的用戶角色要滿足七個(gè)條件:
      P 代表基本性(Primary research)指該用戶角色是否基于對(duì)真實(shí)用戶的情景訪談。

      E 代表移情性(Empathy)指用戶角色中包含姓名、照片和產(chǎn)品相關(guān)的描述,該用戶角色是否引同理心。

      R 代表真實(shí)性(Realistic)指對(duì)那些每天與顧客打交道的人來(lái)說(shuō),用戶角色是否看起來(lái)像真實(shí)人物。

      S 代表獨(dú)特性(Singular)每個(gè)用戶是否是獨(dú)特的,彼此很少有相似性。

      O 代表目標(biāo)性(Objectives)該用戶角色是否包含與產(chǎn)品相關(guān)的高層次目標(biāo),是否包含關(guān)鍵詞來(lái)描述該目標(biāo)。

      N 代表數(shù)量(Number)用戶角色的數(shù)量是否足夠少,以便設(shè)計(jì)團(tuán)隊(duì)能記住每個(gè)用戶角色的姓名,以及其中的一個(gè)主要用戶角色。

      A 代表應(yīng)用性(Applicable)設(shè)計(jì)團(tuán)隊(duì)是否能使用用戶角色作為一種實(shí)用工具進(jìn)行設(shè)計(jì)決策
      注:Persona原則來(lái)源于Alan Cooper,https://plus.google.com/101097598357299353681/about

      通過(guò)定量化的調(diào)研可以快速對(duì)用戶建立一個(gè)精準(zhǔn)的認(rèn)識(shí),對(duì)不同數(shù)量、不同特征的用戶進(jìn)行比較統(tǒng)計(jì)分析,在后期產(chǎn)品迭代改進(jìn)的過(guò)程中可以將用戶進(jìn)行優(yōu)先級(jí)排序,著重關(guān)注核心的、規(guī)模大的用戶。但是,依靠數(shù)據(jù)這種偏定量的方式建立的用戶畫(huà)像依然是粗線條的,難以描述典型用戶的生活情景、使用場(chǎng)景,難以挖掘用戶情感傾向和行為操作背后的原因和深層次動(dòng)機(jī)。因此,如果有足夠精力和時(shí)間,后續(xù)可以對(duì)每類用戶進(jìn)行深入的訪談,將定量和定性的方法結(jié)合起來(lái),建立的用戶畫(huà)像會(huì)更為精準(zhǔn)和生動(dòng)。
      看完了上面這么多干貨,不知道你對(duì)于用戶畫(huà)像是不是有了更多的了解。

      在網(wǎng)易,用戶體驗(yàn)研究工作通常會(huì)從產(chǎn)品概念設(shè)計(jì)階段進(jìn)入項(xiàng)目,幫助業(yè)務(wù)方掌握各細(xì)分用戶群的態(tài)度和行為特征,找到定位細(xì)分市場(chǎng)用戶的核心需求和業(yè)務(wù)機(jī)會(huì);而在產(chǎn)品設(shè)計(jì)和測(cè)試階段,用戶研究以保證產(chǎn)品設(shè)計(jì)是以用戶為中心同時(shí)找到可用性中存在的相應(yīng)問(wèn)題,并給予解決方案,為產(chǎn)品迭代優(yōu)化提供方向;在產(chǎn)品上線后的成長(zhǎng)階段,分析用戶對(duì)于產(chǎn)品各方面的態(tài)度和評(píng)價(jià),掌握用戶的使用習(xí)慣,通過(guò)不斷優(yōu)化用戶體驗(yàn)來(lái)提高產(chǎn)品的滿意度,確保產(chǎn)品在商業(yè)化和用戶體驗(yàn)間找到并保持平衡狀態(tài)。

      10月25日和27日,來(lái)自網(wǎng)易的兩位小伙伴將會(huì)與大家進(jìn)行兩場(chǎng)關(guān)于用戶研究相關(guān)的經(jīng)驗(yàn)分享,有興趣的同學(xué)直接戳下方二維碼,即可直接進(jìn)入直播群

      直播主題:30分鐘帶你認(rèn)識(shí)網(wǎng)易用戶研究
      分享人:韓曉燕 | 網(wǎng)易用戶研究經(jīng)理
      分享時(shí)間:10月25日晚8點(diǎn)
      直播主題:如何做以用戶為中心的產(chǎn)品設(shè)計(jì)
      分享人:楊杰 | 網(wǎng)易杭研uedc資深交互設(shè)計(jì)師
      分享時(shí)間:10月27日晚8點(diǎn)

        本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間,所有內(nèi)容均由用戶發(fā)布,不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買(mǎi)等信息,謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請(qǐng)點(diǎn)擊一鍵舉報(bào)。
        轉(zhuǎn)藏 分享 獻(xiàn)花(0

        0條評(píng)論

        發(fā)表

        請(qǐng)遵守用戶 評(píng)論公約

        類似文章 更多