上周，读者提出了一个问题。一般的想法是他们对用户的肖像感到非常积极，所以今天就来吧。

“用户肖像”这个词在国内互联网上实际上被误用了。

有两个英文单词，第一个叫做“PERSONA”。这是Allen Cooper通过研究和问卷调查获得的典型用户模型。它用于产品需求挖掘和交互设计。

其中：

P代表主要：指用户角色是否基于对真实用户的情境访谈; E代表理性（Empathy）：指用户角色的描述，包含姓名，照片和产品，用户角色是否引用Heart; R代表Reality：指的是用户角色对于那些每天与客户打交道的人来说是否真实的人; S代表Singular：每个用户是否是唯一的，很少有相似之处; O代表目标：用户角色是否包含与产品相关的高级目标，是否包含关键字来描述目标; N代表数字：用户角色的数量是否足够小，以便设计团队能够记住每个用户角色的名称和主要用户角色之一; A代表适用：设计团队是否可以将用户角色用作设计决策的实用程序。

另一个名为“Profile”的词是一种数据分析方法，它使用已获得的数据来概述用户需求和用户偏好。

这两个词都可以翻译成“用户肖像”，但第一个用于产品研究和交互设计，第二个用于操作和数据分析。

因此，我们必须首先明确指出使用哪一个。考虑到梁戈的用户结构，我会说第二个。

如何获得用户画像

获得用户肖像的基础是数据。

这是胡说八道，但对于一些初创公司来说，这是事实。

如果我们今天要分析一个人，我们从什么角度分析它？让我们回顾一下我们多年来填写的表格中填写的内容：

名称

性别

国籍

帐户位置

现居住地

联系信息

这些似乎是填写的标准，但也会遇到：

血型

星座

嗜好

工作经验

家庭成员

收入状况

更重要的是，让我们先停在这里。

我们通常想要认识一个人，我们需要知道这个人的基本信息，也就是上述1-6部分，当然，根据需要，可以或多或少，但一般不超过以上列出的部分。

除了理解这些基本信息外，我们还将了解与他长期接触后的基本信息，例如：

性格外向还是内向？

有咒语，它是什么？

当你有空的时候，你喜欢做什么，是房子还是出去玩？

对食物有什么偏好，喜欢吃甜食还是喜欢吃辣？

好朋友不多，受欢迎吗？

……

等等。

需要联系一段时间的这些信息不是基本信息，而是更接近某些隐私和偏好信息。

今天，随着用户越来越多地使用产品，我们将逐步提高用户的认知度。

在这个过程中，我们可以通过某种方式在用户的习惯，行为和属性上放置一系列标签。最后，用户可能会变成这样：

在我们得到一堆这样的标签后，有什么用？

精细化的操作。

基本上，广告推荐，内容分发和事件营销都需要这些东西作为基础。

　善用标签

在整个肖像过程中，标签实际上是必须的。

在标签方面，很多人可能会头疼，因为很多人认为这是一个问题，但事实上，并不是那么复杂。

首先是分类。

假设我们的业务面向C端客户，因此我们可以简单地将它们分为几类：

1、人属性标签

也就是说，使用用户在系统中留下的信息，我们可以标记其人员的各种属性，例如：

男性和女性，这是性别分类中的标签; 90,80后，这是年龄分类中的标签;狮子座，射手座，这是生日类别中的标签… …

2、行为属性标签

也就是说，用户在系统中的行为，我们可以标记行为属性，例如：

如果存在消费者行为，则我们可以根据时间维度和单个消费量或累计消费量对标签进行分类。例如，如果当地暴君在360天内，累计消费金额超过10万元或单一消费金额超过1万元。 。

　3、社交属性标签

也就是说，用户在社交网络和系统中留下的关于其社交属性的各种类型的标签，例如：

Big V是一个关注社区超过50,000人的用户;极客可以归类为此类型，因为他们的粉丝组成，其中80％是异性恋。

……

您还可以继续播放其他类型的标签。

如果您只是说，标签本身只是分类的条件。即使没有标签，只要你能清楚地了解行为与所需条件的叠加之间的关系，我认为问题并不大，但经验告诉我，如果是这样，那就会限制需求的复杂性。

再利用

梁戈一直认为，增长黑客实际上是系统化运作。

增长黑客与大多数公司的运营之间的差距实际上是数据的使用，以及在假设确定后验证数据速度和连续验证的能力。

因为，通过Profile来描述用户需求和用户角色，实际上，几乎100％认为它是滞后的。

有了这些滞后的数据，我们实际想要实现的是预测，否则我们将无法获得商机。

让我们这样看待它。用户A今天在平台上买了5磅苹果。下次用户是否需要购买苹果，他怎么能保证下次他会在我们的平台上买苹果？

如果你只是在理论上考虑它。

我们基本上有以下思维模式：

汇总在平台上购买水果的所有用户

对连续购买超过N次的用户（假设N=3）

花时间每个用户购买并计算间隔

与用户A比较，找到近似值，然后建议A验证此间隔的效果。

或改变主意：

通过数据分析，我在A家中有几个人。

计算多少苹果是5磅。

假设每个人每天吃一个苹果并完成它最多几天

取代假设并获得不同的饮食日

建议用户A在不同日期验证效果。

您会发现预测需求实际上比判断需求要困难得多。

在实践中，我相信如果你只推荐Apple，恐怕还不够。考虑到人们的决策过程，我们需要更深入地了解人性。

这是另一个话题。

作者：张亮，微信公众号：zhangleo1983。了解Big V，Internet Practitioner;《从零开始做运营》作者。聊天产品聊天操作，偶尔深入。分享有趣和有趣的一切。