网站用户画像分析怎么做

首先是寻找目标用户, 拿抖音为例, 抖音刚开始上线以后, 很重要的一点就是要去分析我们的用户是谁, 比如是什么样的年龄 性别 地域 学历等等, 这可以很快帮助产品去发现现在的主流的用户群体是不是产品最开始的定位, 如果完全不一样了, 那就是产品哪里的设计有问题 偏离了方向。

等上线一段时间, 我们就可以对用户进行不同活跃的等级的划分, 比如同样都是玩抖音, 有天天玩的 也有偶尔玩的, 有一次可以刷很久的, 也有刷刷就走了的用户, 频次, 时长成了用户这时候最大的特征差异， 那么不同频次, 不同时长的用户他们的 年龄， 性别, 地域有什么差异, 这些都是特征的进一步洞察。

再过一段时间, 有用户留存有用户流失, 需要去分析留存和流失的用户在行为特征上的差异是否有什么特别不一样的。

用户画像又称用户角色，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。

目前市场是分为 To C 和 To B 两类用户画像需求，网上传播的用户画像一般以 C 端为主，它们模版多，方法全，RFM 模型成熟，并逐渐衍生出一些用户洞察公司，帮助企业完善用户画像。但这些 C 端模版对于 To B 端的企业来说无法直接套用，并且两者用户画像研究群体不同，导致在洞察方法上也略有差异。

此处我以制作 To B 用户画像为例进行阐述，希望可以解决你的疑问，它的的主要内容包括：

1、用户基本信息

用户基本信息很好理解，B 端客户一般为企业，它的基本信息就包括企业信息，组织架构，公司特征等，这些信息对我们建构用户基本框架提供了很大的帮助。根据用户基本信息，可以将用户团队规模大致分为 10 人以下、20 人～50 人、50 人以上等类型。或者可以根据所在行业的核心关注指标来进行不同团队的划分。

此处，我们以 20 人～50 人的公司为例，模版中可以依次填入公司名称、公司特征、组织架构的信息。

完成基本信息的输入，20～50 人创业公司的基本面貌就可以清晰地展现在我们面前，这种信息类似于 C 端用户画像的信息，很好地解决了“用户是谁”这个问题，将一行行数据和文字具象化，让产研人员可以感受到活生生的用户，而不是陷入自我想象的循环圈。

2、购买决策链。

建立用户基本轮廓后，我们可以继续从用户决策链下手。如果我们能充分了解决策链上各个角色的影响力，以及他们对产品的需求，那么才能提高获得订单的成功率，进而完成我们对用户核心诉求的探索。

以蓝湖一个 PM 画像为例，Kevin 是产品负责人，在社区领域经验非常丰富。他们的产品节奏从来不以快为标准，而是以好为标准。目前，很注重流程的管理以及文档沉淀，深知这些是保证高品质输出产品的关键。希望能有一个 All-in-one 工具能更便捷的使用。

人数不同的公司，决策链的长短也有区别，小公司 PM 的影响力可以占到 70%，而中大型团队 PM 还有总监、VP、CEO 等关键角色。所以你可以根据不同的公司情况，有针对性地进行补充其他关键用户画像，完善决策链。

3、用户核心诉求。

在了解各个关键角色的用户画像之后，我们可以对决策者的核心诉求进行归纳总结；一方面，从使用者、决策者的双维度出发，帮助产品不断优化和迭代；另一方面，为客户精细化运营提供抓手和依据，实现产品增长目标，从而提高企业的市场占有率。

如果调研足够深入，甚至还可以得到一些用户的关键数据，例如 DAU、WAU 等，这部分数据对于你填充用户画像的最后一块空白非常有帮助。

在搜集以上信息结束之后，你可以根据在调研中发现的差异点进行个性化补充，比如重新进行用户分类，更改用户的公司规模，增加关键人物画像等。

洞察用户进而输出完整的用户画像报告这是我们每个人都必须了解的事情，无论你是产品、设计还是运营、销售，了解用户可以让我们更有针对性地帮助他们达成目标。

这个模版我已经上传至蓝湖的「超级文档」，大家可以在创建文档时直接选择，希望你能喜欢！

由于每个人都受限于自己对于事物的认知，可能会导致对同一件事情的理解出现偏差

尤其是当我们把自己对产品的理解拿来当做用户对产品的理解来定义需求时，就容易出现所谓的“d性用户”

每个人都说是为了用户体验着想，但这样定义出来的用户显然不是产品真实的用户

所以用户画像这个工具就出现了，它是一些真实用户构建出来的原型，用来帮助产品设计人员有针对性的制订产品功能，服务策略，销售策略，从根本上来讲，用户画像就是网络营销人了解用户所使用的

问题来了：我们构建出来的用户画像，真的能够帮助到我们吗在用户画像中，我们得知用户的年龄、性别、学历、婚姻状况等基本信息和工作信息，还有用户的一些特点和目标，是不是感觉已经很完善了

      用户画像是一种目标用户的人物原型，它不仅可以快速了解用户的基本信息并快速归类，并且可以进一步精准地分析用户行为习惯和态度偏好。用户画像虽然是用户的虚拟代表，但必须基于的是真实用户和真实数据。

我们尝试去做一个用户画像，往往是基于以下情景：

确定目标用户，将用户根据不同特征划分不同类型，确定目标用户的比例和特征；

统计用户数据，获得用户的 *** 作行为、情感偏好以及人口学等信息；

根据目标用户确定产品发展相关优先级，在设计和运营中将焦点聚焦于目标用户的使用动机与行为 *** 作；

方便设计与运营，据用户画像提供的具体的人物形象进行产品设计和运营活动，也比仅有模糊的、虚构的、或是有个人偏好的用户形象更为方便和可靠；

根据不同类型用户构建智能推荐系统，比如个性化推荐，精准运营等等。

从用户画像的使用情境也可以看出，用户画像适用于各个产品周期：从潜在用户挖掘到新用户引流，再到老用户的培养与流失用户的回流，用户画像都有用武之地。

采用定性的方法（如，深度访谈、焦点小组）或定量的方法（如，定量问卷、行为日志数据）都能够完成用户画像的构建，不同的方法各有优缺点：

但是，不论是选择定性还是定量的方法，都首先需要对用户类型有一个基本“量”的了解，否则在选用样本时就会产生偏差。那么如何通过定量的方法（聚类）构建用户画像呢？

选择那些指标？

用户指标的选择，可以是封闭性的，也可以是开放性的。在封闭的指标中，用户群的类型是固定的，所有用户类型构成了全部的用户整体，比如轻度用户、重度用户；男性用户，女性用户。但是这种划分方式维度可能过于单一，无法体现用户群的复杂性，并且不利于指标体系的补充改进和迭代，因此在研究中我们更倾向于采用开放性的分类方式，可以根据不同应用场景变更或者拓展指标。

开放式的指标体系包括用户人口属性、行为 *** 作属性、态度偏好属性、用户价值属性等，用户的行为和态度是不断变化的。

其中，注意一点，封闭式指标中的人口属性指标是相对稳定的静态数据。通常，从我们的经验和掌握到的用户信息，我们对用户的年龄结构、性别比例都已经明确，如果在聚类中人口属性指标对聚类干扰较大（共线性较强），或在模型中作为因子影响过高，可以在聚类时重点关注用户的行为 *** 作和态度偏好等指标，聚类成功之后再比较每一种用户类型的人口学背景信息等。

如何获得和筛选数据？

在确定指标后，我们需要确定指标的来源。有些数据是后台行为日志可以记录到的，有些是需要用问卷调查的。一般而言，行为层面的指标可以用后台日志，更加准确。而态度层面的则要用问卷来获取。两种数据渠道各有优缺点：

理论上，所有的数据都可以通过问卷获得。但是，为了最优化研究效果，我们采取了问卷+行为日志结合的方式。在发问卷的同时，抓取了用户的设备号和ID，以匹配后台数据。

在保证问卷效度的前提下，问卷设计还需要注意结合用户特征，以提高填答率以及数据准确率。比如，针对二次元用户，在用户群年龄结构偏小的前提下问卷不能太长，不能出现深奥的专业术语；同时问卷的语句表达以及页面风格也要相应调整，使其没有距离感。同时，注意筛除多次填答和注册的马甲账号问卷。此外还要注意新用户的占比，需要评估填答问卷中新注册用户的比例是否与投放期新用户正常增量一致。用户画像是否需要包含新用户取决于项目目的，也可以和产品方讨论后决定。

把用户分成几种类型？

聚类分析是探索性的研究，他根据指标或者变量之间的距离判断亲疏关系，将相似性的聚为一类，因此会出现多个可能的解，并不会给出一个最优的解，最终选择哪一种方案是取决于研究者的分析判断。

把用户分的类型越少，颗粒度就越粗，每种类型之间的特征就不会很分明；用户类型越多，颗粒度也就越细，但复杂的类型划分也会给产品定位和运营推广带来负担。因此，细化颗粒度不仅需要定量的聚类来调整，还需要结合产品经验来验证。同时，因为采用的是开放性的指标体系，我们不可能像区分“男性用户、女性用户”那样清楚地知道用户类型的数量，因此，在用数据进行用户画像时，最关键的一步就是确定把用户分成几种类型。

我们将数据导入spss尝试进行聚类分析。如果变量数据形式不统一（选择的指标有定序、有定类），则需要首先对数据进行标准化；其次，两个强相关的变量和其他变量一起进行聚类会加大因子的权重，使聚类效果不理想，所以我们还要使用因子分析对选择的指标提取公共因子，对因子共线性判断，因子分析是选择合适变量进行聚类的前提，如果因子之间共线性强，则提取公因子进行聚类，若共线性不强，则直接聚类。

在确定因子之后需要选择合适的聚类方法。不同方法适用的情况不同，常用的是K均值聚类以及层次聚类。

K均值聚类 也称快速聚类，内存少，复杂程度低，快速高效，适用大数据量。但是需要提前明确分类数目，并对均值进行定义。只能对样本聚类，不能对变量聚类，样本的变量需是连续性变量。

层次聚类 可以对变量聚类，也可以对样本聚类，可以是连续变量也可以是分类变量。能提供多种计算距离的方法，但是计算复杂度高，适用小数据量，我们需要结合项目的具体情况，包括项目周期、数据形式、数据量、聚类特征等等来确定聚类方法。

最后通过尝试不同的聚类数、距离算法和分类方法，我们可以根据以下几点来确定分类的数量：

1、依据产品经验，不同产品的典型用户不同

2、根据已有的用户研究以及相关研究结论

3、根据具体的分类效果确定

4、根据层次聚类“步数——距离”拐点

聚类效果好坏的评估可以从聚类中心之间的距离、组件与组内的方差以及群组数量之间的比例是否符合产品特征、比例是否协调以及划分的类型对产品是否有意义等方面去评估。

在已经得知了分类结果并且分析得出了每一类用户在各项指标上的特征之后，构建用户画像的工作也就好比在一副骨架上填充血肉。一方面，我们可以直接利用获取的数据，找到具有显著特征的信息，赋予到用户身上。比如第一类用户60%使用iOS系统，而其他三类均不超过20%，我们就可以将第一类用户抽象为一个平时使用iPhone 的人。除了问卷数据之外，想要使人物形象更加鲜明，可以对问卷本文题进行分析，或者根据产品经验、用户反馈或已有研究进行画像，这样可以使用户形象更加有血有肉。

但是，把数据还原成用户本身用户也需要遵循几个原则，画像（Persona）意味着一个令人信服的用户角色要满足七个条件：

通过定量化的调研可以快速对用户建立一个精准的认识，对不同数量、不同特征的用户进行比较统计分析，在后期产品迭代改进的过程中可以将用户进行优先级排序，着重关注核心的、规模大的用户。但是，依靠数据这种偏定量的方式建立的用户画像依然是粗线条的，难以描述典型用户的生活情景、使用场景，难以挖掘用户情感倾向和行为 *** 作背后的原因和深层次动机。因此，如果有足够精力和时间，后续可以对每类用户进行深入的访谈，将定量和定性的方法结合起来，建立的用户画像会更为精准和生动。

很多人说过“用户虐我千百遍，我待用户如初恋”。

然而，你真的待用户如初恋了吗？你知道用户的年龄、学历、喜好吗？

如果用户几千上万，你不可能接触到每一个用户。要想了解一个产品/服务的使用者，少不得要做 用户画像 工作！

一、用户画像是什么

简而言之，用户画像是根据用户社会属性、生活习惯和消费行为等信息抽象出的一个标签化的用户模型。

▼ 标签化的用户

根据不同产品、不同目的，用户画像又分：

品类用户画像

产品用户画像

品牌用户画像

用户行为轨迹画像

用户态度/价值观画像等

二、为什么要做用户画像

通过用户画像，我们能描述、认识、理解用户，进而为 产品开发、用户服务、市场探索、品牌策略、营销方案 提供决策支持。

因此，需要用户画像的人很多。 市场、运营、公关、产品、研发、销售 都需要了解自己的用户。

比如：同样是新闻类公众号，A的用户大多是20-40岁的年轻人，B的用户大多是40-60岁中年男性，他们推送内容的主题、风格必然大相径庭。

▼   根据用户画像细分用户

ATEM四种类型用户不同的需求度和消费力

三、怎么做用户画像

1、确定研究对象和需要了解的属性

通常我们选用的属性有

自然属性：年龄、性别等人口统计学特征

社会属性：职位、职业、收入、婚姻状况等

兴趣属性：习惯、爱好等

消费属性：产品、渠道、频率、数量等

不同行业、不同业务场景对用户画像需求大大不同。如何选择合适的属性？

1、目标相关的

        产品/品牌相关

        商业目标相关

        项目目标相关

2、容易获取的

       问得到的

       容易答的

       让人信的

3、有利区隔的

       共性vs个性

       硬性vs软性

       质性vs量性

X内容网站用户画像研究

研究目标：了解网站服务的用户特点，更有针对性地为其提供内容服务，增加用户粘性，进而提升网站价值

为达到目标，需要了解这些属性

网络相关的：

网络在各媒介中的占比、网络的优势与特点……

网络使用习惯——频率、时机、时长、活动……

内容相关的：

内容来源、关注类型、浏览时间、使用工具……

内容定义、关注程度、关注原因、分享理由……

2、数据来源

1）大数据挖掘

从产品本身入手。例如：对电商网站来说，用户所在地、消费频次、销售额等数据均可以从产品内获取。

2）网络调研

爱好、收入等用户属性大多是产品本身没有数据积累的，这就需要通过（定量/定性）调研来获取。

3、用户标签生动化

用户画像研究是 具象-抽象-再具象 的过程。

从具象的用户个体数据出发，抽象出描述用户群体的客观的用户属性的数据，再以生动的标签立体直观的描述用户。

因此，当我们从海量数据里统计出用户属性，接下来的重要工作就是给用户贴上生动化的标签。

经统计，某网站用户属性为：

性别 男性:女性=74%:26%

年龄 20-29:30-39:40-49:50-59=10%:28%:43%:19%

学历≤ 高中:大专:本科:≥研究生=10%:30%:48%:12%

标签生动化的过程：

Step1设立参照系

网络用户、竞品用户

Step2找出差异点

Step3提炼“关键词”

偏男性、偏年长、本科多

Step4讲一个生动的故事

蔡一德

男，45岁，本科学历

在一家国营企业任部门经理，他在这个岗位上已经做了5年了，成为单位里不可或缺的“骨干中层”

他有一个女儿，马上就要中考了，他和妻子现在正为女儿的学习和志愿烦心

看新闻已经成了他的生活习惯之一。每天上班、打开电脑的第一件事，就是打开自己熟悉的XX客户端，浏览一下时事新闻

看看新闻，可以让自己清醒、放松，也有了和同事朋友聊天的谈资，可谓“一举多得”……

生动化这一工作，让用户在我们脑海中留下一个“人”的形象，而非一堆标签的简单堆砌。

问卷网 模板库有很多用户调研相关的问卷模板，如果你还没有找到给自己产品做用户画像的思路，去那儿看看。

CRM行业的重要卖点之一是大数据挖掘，针对如何利用CRM系统进行数据挖掘来进行客户关系管理，这里以百会CRM为例，进行一个简单地说明。

客户识别

CRM开始于客户识别，这个阶段的目的就是找到最有可能成为企业的新客户;对企业来说最有价值的是老客户;本阶段还要识别出那些即将流失的客户并且研究如何挽回。百会CRM可以全方位地收集客户资料和信息，及时记录对应的客户线索，并将其进行关联，当客户联系销售人员时候，能够第一时间识别出来。

客户吸引

发现了潜在客户群后，企业可以采取相应的营销策略来吸引这些潜在客户群。吸引客户的一个有效方法就是直接营销，直接营销是企业向客户直接进行推销，通过多种多样的渠道刺激客户直接下单。百会CRM可通过线索表格，无论是从网站获取的，还是线下的研讨会获取的线索信息，百会CRM能够通过对数据的分析，对不同的营销对象来推出对应的营销活动，抓住客户的兴趣。

客户保留

客户满意度指的是客户对企业的期望值与客户本身所感知之间的比较，是企业能留住老客户很重要的条件。企业保留老客户的方法包括一对一营销、客户忠诚度项目和投诉管理。一对一营销指通过分析、发现和预测特定客户的行为，客户忠诚度项目的目的是企业和客户维持较长时间的业务联系。客户忠诚度项目包括客户流失的分析、信用评分、服务质量和对忠诚度项目的满意度。百会CRM可以为客户提供一对一的客户定制服务，对客户进行的有针对性的个性化营销活动，从而为更好的保留客户打下基础。

客户开发

客户开发的要素包括客户生命周期价值的分析，升级销售和交叉销售的市场分析。客户生命周期价值指企业从客户身上所获得的总净收益。升级销售指在合适的时间，为合适的客户提供合适的服务。交叉销售指将各种资源(时间，金钱、构想、活动等)整合，从而降低成本，通过多渠道使企业接触到更多的潜在客户。百会CRM的数据分析的主要目的是通过分析客户购买行为的数据，挖掘出隐藏在客户购买行为后面的规则，最大化客户交易强度和价值。

以上就是关于网站用户画像分析怎么做全部的内容，包括:网站用户画像分析怎么做、什么是用户画像如何分析用户画像、什么是用户画像如何构建用户画像等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！