编辑导读：对于产品人来说，掌握一个领域下的用户模型决定了未来对产品的预判准确性，而在产品迭代的过程中，学会建立用户模型，可以帮助我们在工作中对用户的需求进行精确化定位，协助我们进行判断决策。那么如何掌握一个领域下的用户模型呢？过程中我们需要注意什么呢？

本文作者从自身工作实践出发，分享了自己关于构建用户模型的相关经验，希望对你有用。

其实很多人对用户模型的概念比较模糊，用户模型更多是在产品生命周期中起关键作用，其结合数据、反馈、行为三个方面的信息总结概括出产品用户模型。

在三个维度的数据下，我们可以通过用户的行为、反馈、数据整合在一起，帮助团队更加细致地了解用户的需求。从而解决不同产品的留存、转化、复购等问题。

通过建立产品的用户模型把典型用户按照标准化进行区分，然后在产品发展过程中我们就可以合理把控不同用户群体的画像，针对性进行团队的目的，比如提升用户体验、最终转化等待。

但是在现实工作中，受限于团队、资金、时间、数据信息等待条件，一个产品很难依靠能拿到手的些许资料建立一个有效健全的用户模型。

由于缺少一定数据支撑诸多团队不会在前期建立一个领域的用户模型，但在拥有一定基础的前提下建立用户模型可以帮助团队尽可能减少主观猜想，增强逻辑数据支撑，理解用户到底真正的需求，从而更好为不同类型用户服务。

那么如何建立用户模型呢？下面就来逐一说明，从本质上来说用户模型可以帮助我们将用户数据标签化，然后形成一个整体，从这个整体中发现特征，从特征中验证需求。

一、确认产品定位

产品定位多数在初期明确，产品定位决定了所处的行业，这个行业里面有多少用户与价值都是显而易见的。定位决定了最终的辐射范围以及对于整个范围内的用户群体中，产品所能带来的价值。

有些人会问：怎么对自己的产品进行定位？当你问出这个问题的时候，代表你对自己产品或者市场的了解不够清晰透彻，没有对现有的产品有一个清晰的定位。最简单的产品定位可以采用SWOT分析制定。

找到自己的优势和价值点，然后建立一定的假设，了解用户会使用什么样的产品，多问自己几个问题，比如：

• 用户为什么会选择你的产品而不去用竞品？
• 你凭什么去让用户放弃现有解决方案用你的产品？
• 怎么改变现有用户的固化思维？

此时对市场有一定了解时，而后也需要了解市场的规模以及存量增量空间。常见的数据平台比如艾瑞网 、 艾媒网 、 易观智库、腾讯大数据 、360研究报告…通过历史数据进行商业价值的评估。

一定要有最初的市场范围，否则定位不清晰，未来发展极度容易走弯路。然后对现有的竞品与市场现状进行合理分析，制定合理的产品定位。

二、多维度收集相关数据

在建立用户模型前需要获取足够的真实用户反馈数据。如果没有一定的数据尽量不要轻易去做用户建模，因为肯定会偏离实际。

有人可能会问需要多少数据才算足够呢？如果你进行定量的数据收集，这里推荐一个样本量计算器，可以帮你计算：https://www.surveysystem.com/sscalc.htm（无利益相关）

从数据来说，如果总量可控的情况下，理论值1000+是最佳选择。上述是定量的数据收集，如果是定性的数据，那么我们要找出具有显著特征的用户群体，这个数量范围在5-20人左右。核心在于不同用户的特征值有所区别。

根据尼尔森关于可用性测试的经典理论，6-8人便可以找到产品80%以上的可用性问题。从投入产出比来讲，6-8人对于探究产品存在的可用性问题，非常廉价、靠谱。

通过以上收集方式并成功采集后，我们需要对用户的属性与需求进行剖析，在俞军老师的《产品方法论》一书中，对用户有一个最直观的定义，即：用户不是自然人，而是需求的集合，由于不同产品满足用户不同场景下的需求，当某个产品完全满足了某个用户在某个场景下的某类需求，所以我们需要多维度分析用户。

由于是多需求的集合，所以最终产生的用户也不会是一个，可能是由多个样本用户，所以我们需要根据上述的产品定位，找到最核心的一批用户模型。

如果团队资源充足的情况下可以进行不同类型的用户模型挖掘，同样也可以帮助分析不同用户的差异，当然，大部分情况下资源都是紧张的，所以最佳的选择就在有限资源情况做最核心的用户模型。

一个用户模型是基于不同的维度分析的结果，那么我们需要把控哪些维度呢？不同类型产品的分析维度是不一样的，比如一个B端的产品，我们不仅要掌握用户信息数据，还要掌握行为数据、消费数据，如下图

看到这些数据，很多初创公司都会感到为难，因为在产品初期没有用户没有数据，基础少样本少，很难形成有效的建模。虽然本身所能掌握的数据有限，但是我们可以通过更加丰富多样的数据渠道来进行信息的收集以及拓展。

比如你要做一个年轻人的健康食品，你就要去了解年轻人的喜好，但是由于你自己不是一个年轻人，已经是一位近40的中年人，对于年轻人的喜好拿捏不准，这时候可以去寻找年轻人的聚集地，打开QQ，打开QQ群搜，根据关键词定向搜索“吃货”，可以找到一批精准的用户群体。

在数据的精确性方面我们需要甄别个人的主观偏好的比重，以用户本身的行为动机以及原因为关注点，如何即可更聚焦于本质。

三、建立基础用户模型

在整理好用户基础数据后我们需要把数据进行打包归类，加上具体的描述文字，创建出基本的用户架构（用户画像），比如一款社交产品的用户信息提取出来后可以形成一个大致的用户状态，如下所示

这里的用户画像的原则上要列出用户数据中的相似属性，筛选去重，找出与自身产品契合的用户属性，然后将这些几个属性结合起来（具体需要几个根据团队需求，一般3-8个核心属性）。

数据在模型中运行后，最终生成的画像可以用下图等可视化的形式展现。对于APP来说，用户画像并非是一成不变的，因而模型需要具有一定灵活性，可根据用户的动态行为修正与调整画像。

接着我们可以拿着手上的数据进行可视化的词图生成（具体工具就不说了，左转谷歌），数据在模型中会更加容易分辨具体的属性，综合用户特征，阐明目标。

在这里我们已经将用户的多种特征组合在一起，这里用户的属性和标签选择最终影响模型的准确性和复杂性

四、验证用户模型

那么有了具体的用户模型只是第一步，因为首次整理出的用户模型不一定是真实可靠的。

接下来我们需要对用户模型进行校正，这里校正的标准是产品与市场群体的实际需求，因为产品在变化，同样市场的需求也在变化，每次修正过程就是反复上述过程。

从个人的角度来说，不建议满足于第一次的用户模型，因为存在数据偏差，而且存在主观的判断，可以用不同的维度来尝试验证。

那么如何验证呢？我们可以通过定向内容评估法来进行检验，简单来说就是在用户模型中投入一定的资源，找到样本群体范围，然后通过用户模型来满足他们的诉求

比如我们之前有一个初步的用户模型，然后针对这部分群体，推送社交相关的活动，通过最终活动的参与率就可以了解是否偏离我们的实际用户。

在不断调整后，我们可以通过用户模型挖掘优质的用户，通过平台的数据清洗，提供给优质用户更加精准的服务。

总结

建立用户模型的核心是为了帮助产品更加充分了解用户，在后续的决策与运营中提供相对可靠的信息支撑，而用户模型并不是一次性解决就可以不管不顾，需要在不断的数据积累中完善和优化。

从落地层面来看，会有很多难点，比如缺少大量数据、缺乏判断标准等等，但是这是一件持续需要去做的事情，未来产出也可以帮助你减少弯路，树欲静而风不止，凡事不要别等。

而每个产品人都应该更应该了解用户心理和需求，而掌握一个领域下的用户模型恰恰是其中一种途径，它可以校正自己工作中的决策与方向。

看似简单的用户模型，在构建的过程中会极大提升自己的判断和逻辑思路。在首次构建成功用户模型后笔者记录下自己的过程，希望对入门者有帮助。

#专栏作家#

SenYi，公众号：产品体验派，人人都是产品经理专栏作家。朴实无华的跨境电商产品人，致力于挖掘产品价值与商业化观察。

本文原创发布于人人都是产品经理，未经许可，禁止转载

题图来自Unsplash，基于 CC0 协议