编辑导语：用户画像，是基于用户在互联网上留下的种种行为数据，将这些数据主动或被动的收集后，通过数据加工分析，产生的一个个标签。用户画像的内容可以很宽泛，只要是对用户的认知，都可以叫做用户画像。但你所去认知的这批人必须是你的典型用户，他们会用相似的方式使用你的产品，服务或消费你的品牌。

一、用户画像的正确打开方式

什么是错误的用户描述？我们先看以下几个描述：

• 我做的是校园金融产品，这个产品提供分期付款服务，我的用户是所有已成年的大学生；
• 我做的是xx手机系统里的便笺工具，我的用户就是用xx手机系统的人；
• 我做的是国民级的产品，我的用户不分男女老少，中国人民都是我的用户；
• 我做的是VR（虚拟现实)眼镜的RPG(角色扮演游戏)，我的用户还不存在，我要发掘我的用户；
• 我做的是微信小游戏，特别简单操作，谁都能成为我的用户。

乍一听，它们似乎都没有什么问题许多创业者和产品经理也一直用这种思路理解用户，但实际上，他们都是错的。

校园金融产品面向的用户真的是所有成年的大学生吗？如果这个大学生家庭富足，根本不需要分期付款呢？如果这个大学生特别节约，也没有消费欲呢？

最终使用这个产品的大学生，会产生分期付款的需求，一定会自带一些特征。

根据手机系统的用户来做系统内的便笺工具这没有问题，但并不是所有使用该手机系统的用户都是便笺工具的用户。比如老年人，都已经退休了每天就是出门遛遛，回家看看剧让他们用便笺做什么?

或者那些有更多样的记录需求的商务人士，是不是已经有更强大的记录工具了，并不需要一个简单的标签?那么到底谁会使用系统便笺？

国民级的产品覆盖的用户非常广，不过依然可以抽象出共同特征。他们至少都有智能手机，也有移动网络。

作为中国人，他们有一些共同的心理认同，也有很多忌讳。如果完全把用户当作数字，反而不可能做出国民级的产品。QQ和淘宝当年大胜MSN和eBay (亿贝)，靠的就是对国内用户的认知，要没有这些认知，是不可能在本土化上有那么多经典举措的。

以VR眼镜为载体的RPG也许的确是很新潮的游戏，之前没出现过，但是没有一个产品的用户是凭空出现的，你希望什么样的人成为你的用户？是青少年，还是成年人？是过去个人电脑游戏的玩家？还是主机游戏的玩家？

对这些没有认知，就会变成我们之前提到的用侥幸心理做产品，碰运气，看能不能碰到用户。同理，微信小游戏也许很简单，可以老少咸宜，但是许多细节设计依然要考虑用户的认知情况。

他们是不是能搞懂游戏里的文案？是不是能知道操作的含义？当你需要分享功能来扩大游戏的传播时，你的用户是否有足够多的朋友或者社交关系来提供传播渠道？

这些认知用户的描述都是有问题的，我们都应该知道我们的用户到底是谁、究竟在哪里。这个“到底是谁”、“究竟在哪里”其实就是用户画像想要解答的问题。

二、什么是好的用户画像

什么才是好的用户画像?

我们先看看下面这些单个典型用户的画像是不是好的用户画像。

• 美甲用户：女，31岁，北京人，服装店老板；
• 外卖用户：男，24岁，福建人，互联网公司工程师；
• 滴滴用户：男，54岁，河北人，滴滴快车司机。

已经有了基本的性别、年龄、籍贯和职业，是否就能描绘我们的用户呢?不能否认，的确能有一些简单的概念，大概知道每种用户的典型特征。这些特征是保留在数据层面的，根本没办法有感性的认知。

例如：我们要开展上门美甲业务了，面向的美甲用厂的典型代表就是这个服装店老板。但我们想象不出，她的收入怎么样、对美甲的要求高不高、对智能手机的熟悉程度如何、居住环境和工作环境怎么样、是否适合做美甲等等。

所以这个所谓的用户画像充其量只能够帮我们定位到这个人，未必能帮我们解决真正的用户认知问题。

我们再来聊几个典型的用户：

第一个是媒体公司的白领阿妹，女生，25岁，老家是河北，来上海读书，本科毕业后工作。

毕业刚几年还是单身，不过朋友挺多的，大都是以前的同学。有了一定的收入，对生活品质也有了一些要求。刚搬到一居室的新家，房租不便宜，占工资的多半，还自己做了很多装饰,买了很多小家具。

平时的工作朝九晚五，晚上回家会看美剧。周末跟朋友出去逛街，吃东西，偶尔会去酒吧。喜欢用黄油相机和美图秀秀来拍照，修图也会用keep（自由运动场）和lnstagram（照片墙）来发健身和吃东西的照片。

购物基本都是在淘宝和京东，比较擅长研究各种信用卡和优惠券的使用技巧。

说完这些，是不是跟“河北人，25岁白领”的感知完全不同？你甚至可以大致想象出一个穿着职业装，对形象十分在意，生活窘迫却充满活力的年轻女生站在面前了。

第二个是在杭州工作的小伙子小付，从浙江海边的农村来，23岁，高中文凭。学历虽然不高，但是愿意折腾在工地上搬过砖，当作餐厅服务员，做过保安，摆摊做过生意。

最近刚找了一份送外卖的工作，因为勤恳又机灵，当上了组长，接下来希望能争取当上公司在西湖区的主管。

他跟老乡们住在比较偏远的郊区，群租房平时没事儿就一起打牌，或者联机玩《王者荣耀》，许多吃穿用品都是从淘宝或者拼多多买的。

跟前面讲的白领相比，应该能够感觉到两人工作和生活的巨大差异。要是简单去讲都是20多岁的年轻人，我们根本感受不到这层差异。

第三个是下岗的大叔王博，北京人，中专文凭，48岁，家里有刚读大学的女儿和开小服装店的老婆。原本是工人，工厂倒闭后就自己打些零工，现在也有相对稳定的收入了。

平时喜欢遛鸟逛街，跟邻居们下棋、打牌。偶尔也会在电视、手机上看一些国产剧或者球赛。女儿还没有财务独立，所以日常生活里会格外省吃俭用，极少下馆子或者去娱乐场所，周末有时候会开车载着老婆去郊区的水库玩。

读完这三则用户画像，是不是感受到三个更真实可信的有血有肉的形象？年轻有活力的白领女生、外来务工的小伙子、下岗大叔,是不是都跃然眼前了?

我之所以能够描述这三则用户画像不是因为他们是我想象出来的虚无缥缈的几个人。

他们是我基于之前从业过的三个产品总结出来的典型用户画像：

25岁的白领是上门美甲产品的典型用户，她一个月会做两次指甲，也能够接受上门服务；23岁的小伙子是点我达的配送员，正在想尽办法成为点我达的正式员工；48岁的大叔是滴滴快车司机平时虽然辛苦些,但收入远比当初在工厂的工资高。

有了这样的用户画像，我们就能让一个有真实感的用户停留在我们的脑海中，在需要判断的时候让这个有真实感的用户帮助我们。同时我们也能够跟别人解释我们的用户是什么样的人，让大家脑海中都能够有这样用户来帮助我们做判断。

三、用户画像真实感的价值

为什么这种有真实感的用户画像是好的呢？因为我们在设计产品的时候有许多判断需要经过用户检验，用户画像就是第一关。

用户画像的种种特征和描述，延伸出来的是用户生活工作的环境，是他们日常的心理状态，也有他们的认知能力等。

比如，如果我们发现有一类美甲用户都住在群租房，并且居住环境比较差、面积小，那上门美甲的感受就会很差，因为没有合适的位置提供给美甲师，占用公共空间也容易引发矛盾。

或者美甲用户是全职太太，家境阔绰，也有大把大把的闲余时间，根本不需要上门服务来节省时间，需要的是高端美甲店的高品质服务，那她们也同样不在上门美甲的用户范畴内。

再比如，我们发现大部分外卖配送员都是年轻人，对智能手机已经非常熟悉了。

而大部分快车司机都是中老年人，对智能手机的熟悉程度有限，而且还有视力下降的问题，那么我们在做类似的接单功能的时候，要考虑的就完全不同了，要让司机的接单流程界面布局更加谨慎且易于学习。

用户画像可以说是几乎所有产品决策的试金石，但把这个具体真实的用户角色扔到我们搭建的产品空间里去，就能发现种种问题。

四、最有效的方法是跟用户见个面

你看到这里，也许就会想伸手要一个东西了:“给我个模板，我现在就去整理我的用户的用户画像”。

网上流传着很多用户画像模板，也有很多用户画像示例。在许多国外的专业院校里,也有很多成熟的方法论形形色色的用户画像,涉及很多属性和特征，有的同学就仿照它们通过调研或者访谈做出了自己的用户画像。

对我来说,这些都太过于教条了。

前面提到，我认为用户画像的关键在于真实，真实是难以来自标准模板的。可以说，有60条特征描述的用户画像，会比“31岁，北京人，女”更有效、更好用，但是当遇到这些特征外需要判断的问题时，也许就容易失效了。

比如，住房面积这种统计在常规的模板里几乎不会出现,我们在遇到判断上文所述美甲用户的环境是否舒适时要用到这个。

如果对用户有足够的认知，那其实可以从这些用户比较拮据的经济状况推断出他们住的是群租房，而离市中心比较近的群租房都不便宜，所以租住面积应该很小。这种抽象和推演的认知，模板是解决不了的。

那该怎么去获得用户画像呢?特别简单，去跟用户见个面，跟他聊聊天。见面和聊天不要安排在公司，如果用类似麦肯锡咨询的标准方法去访谈这和填写问卷没什么两样。

要聊的话，就去他真实的生活或者工作环境。如果不合适，哪怕去他平时经常去的餐馆或者公园也可以。

比如作为美甲产品的设计者，我跟我的用户在咖啡厅聊过天，也跟美甲师一起上门在用户家中聊过天，后者的收获显然是更大的。

在家里，用户也会更加放松，可以聊到她的很多经历以及她在真实场景中才会有的感受。

再比如作为滴滴司机产品的设计者我们在办公室里跟司机谈，司机会拘谨。但在司机们中午聚餐的小餐馆里，在大家闲谈的时候参与进去，得到的信息量就大得多了，能够使访谈更加完整和有效。

所以，不妨就去找到几个典型用户：在他们工作和生活的状态下聊一聊，然后记录主要的聊天内容。这份信息作为用户画像，远比一个教条的模板有意义。

五、总结

总之当产品用户规模还比较小的时候，比如产品从0-1的时候，是可以随机走访一些人的，多聊几个基本就有大概的判断了。

她们有很多共性，可以找到最具有代表性的用户，但当用户规模特别大的时候，比如已经有十万、百万、甚至千万用户的时候,就不能这么去了解用户了，要用一些统计学上的判断然后确定比较典型的用户。

如果我们既能获取用户画像，并且在前期方案阶段就能做出相对精准的判断，那后续命中率就高得多，成本也会很低。但我们前期全靠猜测，最终都用可用性实验，或者A/B实验去做，那就相当于把宝全都压在碰运气上了。

要做好一款产品最重要的一点就是，“从用户中来，到用户中去”。

本文由 @奈何花颜 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议