微博 用户画像_用户画像实例：创建可信的微博用户画像

【编者注】前一篇推荐了《如何创建定性用户画像》，这里中国统计网继续推荐一篇关于微博用户画像的文章，通常用户画像有了数据的支持和具像化的丰富，基本上满足David Travis对可信服的用户角色的要求。但对于微博这个用户基数比较大的产品来说，这一用户画像还有再待提升的地方，首先微博用户的使用场景还需要根据用户群进行进一步的细化研究，了解不同用户在不同情境(交通过程中，上班途中，睡觉前)的典型使用行为与习惯，在不同情景下，不同典型用户操作行为和习惯有什么不同。同时我们按照职业分类用户的方法可能还存在问题，还需要研究不同行业人士、不同职业背景、不同身份地位的人的行为，细化专业人员与专业行业，以使用行为模式为特征提取共性，探索在不同典型场景开发出新需求点的可能性。

用户画像又称用户角色(Persona)，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。作为实际用户的虚拟代表，用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的，形成的用户角色需要有代表性能代表产品的主要受众和目标群体。一个好的用户画像对于前期产品的设计非常有帮助，它能告诉设计师用户的主要需求、用户的操作情境以协助产品正确的定位。

基于对设计的需要和市场的了解，我们在2011年度进行了一次微博用户的用户画像研究。整个勾画过程持续了三个月，下面结合微博用户画像的流程以及项目的一些心得作一些总结与介绍。在进行微博用户画像的过程中，我们所面临的情况是微博产品上线已经两年多，用户群已稳定发展起来，并且我们对于产品及用户整体状况有了一定的把握，但是在具像化、有生活情境的故事版用户上却还存在认识的不足，因此我们在进行用户画像时给自己定下了四个目标：

使产品经理、交互设计师、视觉设计师、开发工程师对微博产品目标用户产生具象的认识，更好的了解我们的目标用户；

细化用户的使用场景、使用目的，方便产品、交互等角色讨论产品方案时举出实例；

提高产品设计效率，把资源投入在典型用户上；

指导产品决策，便于针对性地定位产品，通过分层满足目标用户需求，逐步提高用户对产品的认同度与依赖度。

一般而言，用户画像在产品没有上线、市场前景较为模糊、产品需求还需探索的阶段，定性化的用户画像能有效地节省时间、资源，在较短的时间通过桌面研究、访谈等定性化的方法来获得用户画像是一种比较可行和最优的方式。而事实上，用户画像是一种能将定性与定量方法很好结合在一起的载体，通过定量化的前期调研能获得一个对于用户群较为精准的认识，在后期的用户角色的建立中能很好地对用户优先顺序进行排序，将核心的、规模较大的用户着重突出出来。定性化的方法虽然无法对不同单位的特征作数量上的比较和统计分析，但能对观察资料进行归纳、分类、比较，进而对某个或某类现象的性质和特征作出概括，在角色建构的过程中定性化的方式能获得大量用户的生活情境、使用场景、用户心智等资料，进而形成活生生的用户类型。基于我们后台数据的支持和挖掘，这次我们的用户画像选择将定量化和定性化方法相结合来创建微博用户画像。总体来说，这次用户画像所经历的流程主要有：

一、前期资料搜集与后台数据挖掘

在描绘了这一项目的时间节点，制定出项目规划后，对前期资料搜集有利于我们了解项目的背景和对总体情况的把握。我们必需要明确的是用户画像的过程本身是一个很好的定义自身设计产品边界的契机。虽然用户画像是在创造一系列的“典型”或者“象征性”的用户，但用户画像的一个更高层次的功用在于使用用户画像融合边缘情况的行为或需求。创建用户画像不是单纯是抽离出典型进行分隔的一个过程，更为重要的是整合进边缘人群的需求，使产品能在更大范围里满足用户需求。

因此在画像之前，我们需要知道产品的用户特征，用户使用产品的操作行为特征等要素，从总体上把握用户群的需求，同时也需要竭力了解所谓边缘用户的行为或需求以便于在后期画像过程中将其需求最大程度地整合进去。

第一阶段我们首先对后台数据进行提取，通过后台数据挖掘了解到用户上网环境的一些关键指标，如屏幕分辨率、移动端与WEB端用户的比率等。在对用户使用场景有一些初步把握后，我们随机提取了10万用户UID样本量，获取用户职业身份、年龄、性别、学历、浏览微博时长(手机、浏览器)，用户的偏好(博文内容中获得)等关键因素，进行清洗后，使用SPSS聚类分析确认区分最明显的因素，得出最为典型的五类用户及其占比：

第一类属于微博内领袖人物，粉丝以及活跃度都很高，认证数量比总体高，年龄比总体偏大，男性占比稍高于总体；

第二类属于微博内属于非领袖活跃人物，关注人数多，认证数量高于总体，来自手机端注册较少，女性用户高于总体；

第三类喜欢浏览，粉丝少，全部来自PC端的年龄偏大的男性用户；

第四类浏览量很小，很少搜索，会有转发一些微博，男性稍微高于总体，而且属于低龄化群体；

第五类属于纯浏览型，很少原创以及转发和被转发，私信等，全部来自PC端的女性用户。

至此，我们已经对整个用户群类型与规模有了一个定量化的把握和了解，这对于建立可信的用户画像非常具有参考价值，后期的画像在数据上有了支持。

二、定量化的调研分析

在用户画像的过程中有一个很重要的概念叫做颗粒度，就是我们的用户画像应该细化到哪种程度。举一个极端的例子，如果“用户画像”最细的颗粒度应该是细到每一个用户每一具体的生活场景中，但是这基本上是一个不可能完成的任务，同时如果用户画像的颗粒度太大，对于产品设计的指导意义又相对变小了，所以把握好画像的总体丰富程度显得异常重要了。上一步我们形成了对整体用户的一个了解，但还有一些信息没有很好的得到。在这一步，我们采取问卷调查的方法来丰富用户的情态，这对于把握用户画像颗粒度有一定参考意义。

通过问卷调查我们主要想了解的信息有微博用户的使用场景、用户关注的内容、整体满意程度以及个人的人口学统计特征，在已有数据的支持下继续深化了解用户信息。我们通过网调系统以及微博通知的方式回收5000多份问卷，在问卷设计中涉及到以上主要变量，对回收的这批数据进行处理，获得了用户的人口学统计特征以及常用功能的占比，这些常用功能包括用户使用深度、使用核心功能等要素。

三、用户访谈与角色建构

在前期数据支持下，在这一阶段就需要发挥变性研究的长处了，前期如果是一个搭建骨架的过程，那么这一阶段就是一个塑造一个有血有肉的活体的过程了。根据目标用户的比例和使用特征数据，我们在这一阶段找到20名目标用户进行深度访谈，重点挖掘其生活情境与使用场景。围绕用户的行为特征，通过添加环境、人际关系、操作熟练程度、使用意向、人口统计学属性等细节对用户进行描述，形成用户画像的框架。此外，对用户画像取合适的名字、适当描述个性，附照片等能使角色更加生动，栩栩如生，更易于设计师形成直观印象。由于前期对用户群比例有了定量化的支持，因此在涉及到超过三个以上的用户画像需要进行排序时就有了比较明确的数据支持，这时保证了画像顺序最大的客观性。通过整个前期的调研加上定性的访谈，最终我们形成了下列五类用户角色：

David Travis认为一个令人信服的用户角色要满足七个条件，即PERSONA

P 代表基本性(Primary research)指该用户角色是否基于对真实用户的情景访谈

E 代表移情性(Empathy)指用户角色中包含姓名、照片和产品相关的描述，该用户角色是否引起同理心。

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，是否包含关键词来阐述该目标。

N 代表数量(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。

总体说来，所形成的用户画像有了数据的支持和具像化的丰富，基本上满足David Travis对可信服的用户角色的要求。但对于微博这个用户基数比较大的产品来说，这一用户画像还有再待提升的地方，首先微博用户的使用场景还需要根据用户群进行进一步的细化研究，了解不同用户在不同情境(交通过程中，上班途中，睡觉前)的典型使用行为与习惯，在不同情景下，不同典型用户操作行为和习惯有什么不同。同时我们按照职业分类用户的方法可能还存在问题，还需要研究不同行业人士、不同职业背景、不同身份地位的人的行为，细化专业人员与专业行业，以使用行为模式为特征提取共性，探索在不同典型场景开发出新需求点的可能性。

(责任编辑：黑阳)