编辑导语：对于产品经理来说，做用户调研是一项很重要的过程，能够有效地获取用户真正的需求，那么怎么去做用户调研呢？本篇文章作者将为你解答，感兴趣的一起来看一下吧。

用户调研，就是带着某些调查目的去直达用户，根据用户反馈，记录下当前的某些现象，并对此进行事后分析的行为。

大致的形式包括四种，有从定性角度去考虑的用户访谈，可用性测试；也有从定量角度去分析的问卷调查，数据分析。

对于产品侧而言，无论是哪种形式的用户调研，最终目的均是，在确保调研有效性的前提下，得出什么样的用户倾向于做出怎么样行为的结论。

切勿拿着误以为有效的调研结果做出看起来正确的分析，本质上讲，用户调研是统计学上的问题。

用户调研方法论系列的分享，将为四个篇章进行，分别是用户画像篇（什么样的用户），指标体系篇（怎么样的行为），调研时间篇，以及，样本替换篇（调研有效性）。

本期，主要分享的是，如何思考用户调研中的画像建立。

同时以工具类APP（美的美居）的社区话题【场景知乎】冷启动为例，进行案例分析。

一、画像

什么是用户画像？通俗来讲就是通过某些可收集的指标来对某个用户，或者某类群体进行介绍。

如，居住地为广州的男性群体。

又如，居住地为广州，月均收入≥5k，家庭购买智能家居设备数≥5的男性群体。

从上例子可看出，限制条件越多，某类用户被介绍的越详细，也即用户画像被刻画的越深刻。

特别地，当经过某些限制条件进行筛选后，符合条件的用户数只有1个，则某类群体退化为某个用户。

这就是所谓的互联网黑话——颗粒度，等同于限制条件数量，限制条件越少，颗粒度越大，描述现象越宽泛。限制条件越多，颗粒度越小，目标现象越明确。

值得注意的是，对用户进行介绍的指标必须是可被收集的，对于产品侧而言这决定了某个画像是否具有分析的意义。

而对于某次用户调研，如何去刻画一个用户，或是某类用户群体，可从四个维度去进行思考，分别是事前画像、事后画像、静态划分以及动态行为。

1. 事前画像&事后画像

用户调研所刻画的画像，是事前还是事后，根据调研前，是否明确用户群类的特征而作区分。

若调研前，目标用户类型已经确认，则该画像为事前画像；若目标用户类型是根据调研后的数据进行反向筛选，则该画像为事后画像。

如，某次收集画像A如下。

• 性别：男性
• 地区：北京/上海/广州/深圳
• 年龄：25-30岁
• 设备持有：用户家庭所捆绑智能家居设备数≥5
• 操作行为：APP内，日均动态发布数≥2

当上述画像A，在某次用户调研之前已经明确，也即问卷的发放，或者是用户的邀请只在符合上述条件的用户中进行，则为事前画像。

若，符合上述条件的用户是根据某次调研数据结构筛选而来，则为事后画像。

可从如下角度进行两者间的差异比较。

①行为导向

事前画像需要在用户调研前明确调研的目的，知道具体的调研群体。

一般来说，这类画像的选取是APP内的高活跃或是高潜价值用户，产品侧而言对其比较熟悉。

事后画像则具备探索性质，根据某次问卷或平台收集的数据，进行限制条件的确认后，再明确该类群体。

事前画像强调，先知道了用户是什么样的人，再对其行为进行调查研究。

而事后画像则以行为导向，强调探索，做出某些行为的用户是一类什么样的群体，是一个反向推导的未知过程。

如，经调研统计，APP内日均消费超过500的用户符合条件B。

• 性别：男
• 地区：深圳
• 设备持有：用户家庭所捆绑智能家居设备数≥12
• 操作行为：APP内，日均动态发布数≥4

B画像的出现，根据数据统计后，条件筛选再确认，是一事后画像。

②存在与否

对于产品侧而言，用户画像的建立是为了用户调研而服务的，它必须具备相应的实用性和价值性。

而这两者的前提是，用户画像是存在的，也即，对用户进行介绍的指标必须可被收集。

存在性的判断主要出现在事前画像，特别是依据数据库建立的画像问题。

如，产品侧想调研C群体。

• 性别：男
• 月均收入＞5000

该群体作为事前画像进行刻画，前提是在用户群体的选择之前，能判断某些用户为男性，哪些用户的月均收入＞5000。

这和产品的埋点体系设计相关，如果任意一个数据库均未储存用户的性别或收入信息，此人群无法被划分确认，该类型的画像仅存在于理论当中，无法在实操中存在。

唯一的解决办法是作为本期需求，对产品的埋点设计进行迭代，重新储存用户的相关信息，用户调研放到下期的需求进行评估。

而对于事后画像，由于其是根据某次调研后的具体数据进行反向筛选，筛选条件已经存在于最终结果当中，因此，事后画像必定存在。

③分类交叉

事前和事后画像的区分依赖于，调查目标的信息是否提前已知。

而后续介绍的静态划分和动态行为的区别，依赖的则是数据指标的变动频率，它们间是互不干扰的。

可理解为事前画像和事后画像、静态划分和动态行为是互补子集关系。而事前与否和动态与否，两者间互不相关。

即，可出现D是静态划分的事前画像，或静态划分的事后画像。但不可能出现D，即属于静态划分的事前，也属于静态画像的事后，这是互斥的。

2. 静态划分&动态行为

某一类型的特征在某段时间内，被修改的频率，这作为静态划分和动态行为的判断依据。

①修改频率的相对性

静态和动态的区分，不应停留在动与不动，而应关注“动”的频率多少，“动”相对较多，即为动态行为，“动”相对较少，则判断为静态划分。

而这个频率界限不必是一明确的数值，可以是相对的经验判断。

②修改频率的时间性

修改频率的相对性，和时间相关。如，用户的性别，年龄，居住地等可理解为较长时间内不会发生变动，此为静态划分。

而对于，用户的动态发布数，点赞数，评论数等，每天均在变化的操作，即，修改频率较高，则判断为动态行为。

时间和频率是相对统一的。同样是用户的动态发布数，如果把此衡量指标变更为日均动态发布，当日均取的是上一周的情况，本次用户调研进行的是季度情况的调查，则仍可判断为动态行为。

原因在于，按每月四周的时间维度进行划分，一季度包含12个周期，用户的动态发布可理解为，在每个调研季度下发生12次的变动，频率相对较高。

而如果本次用户调研进行的是月度情况的调查，则用户的动态发布行为在统计周期内仅变动4次，相对较少，可进行静态的划分。

③目标行为关联

在01前言中提及，用户调研即是在确保调研有效性的前提下，得出什么样的用户倾向于做出怎么样行为的结论。

调研所得到的倾向性结论，为目标行为，它和用户画像所涉及的动态行为，两者间是强相关的关系。

一句话概括，用户群体E若作出行为α（动态行为），则他/她大概率会倾向于做出行为β（目标行为）的操作。

如，某次的调研目的是，确认在话题【场景知乎】活跃的用户日常喜欢进行哪些操作？

若，把在话题【场景知乎】活跃的用户，定义为发该话题相关的动态较多，则发动态为目标行为。

此时，若选择建立的用户画像为事前画像，则须先行判断所需收集的动态行为有哪些。

即，什么样操作的用户会有倾向性地多发和【场景知乎】相关的话题呢？

反推，这类型的用户，应该是某段时间内，家庭绑定一定基数的智能家居设备。这类型的用户应该是某段时间内，创建一定基数的设备联动场景；这类型的用户应该是，一段时间内，有查看和场景创建相关的帖子或视频。

④核心操作路径

用户可能操作的行为路径数以百计，在进行筛选时，切不可不加思考地选取。

无论是调研的目标行为，亦或是画像的动态行为，均应是产品侧的核心行为，一般而言，会和APP的产品定位或所解决的用户需求相关。

如，对于一款直播类APP的用户调研，相关的行为选择应是进房频率，频道停留时长，主播关注，主播打赏。而不应该是头像的设置，个性签名的修改，喜爱话题的添加，这应该是一个社交类APP调研中才关注的焦点。

二、案例

工具类APP社区话题【场景知乎】冷启动调研——用户群类定位。

1）分析选择：事后画像

2）目标行为：【场景知乎】话题下，动态发布数≥3

3）时间跨度：2022年3月-2022年4月

4）静态划分：

（1）存量指标：

• APP内用户家庭智能家居设备捆绑数≥3（0,1变量，1代表符合条件）
• APP内用户家庭具备单品场景创建数（场景涉及的设备=1种类型）（整数型变量，≥1）
• APP内用户家庭联动场景创建数（场景涉及的设备≥2种类型）≥3（0,1变量，1代表符合条件）

（2）增量指标：

• 当月内，APP内用户家庭智能家居设备捆绑数，增量≥3（0,1变量，1代表符合条件）
• 单月内，APP内用户家庭具备单品场景的新创建行为数（整数型变量，≥1）
• 当月内，APP内用户家庭联动场景创建数，增量≥3（0,1变量，1代表符合条件）

（3）用户价值（整数型变量）：

• 单月内，用户进入商城界面日均次数
• 单月内，用户查看商城内商品日均品类数
• 单月内，用户购买商品人均件数

5）分析：

静态指标的划分在于确定，【场景知乎】话题下，动态发布数≥3的用户大多数原本是怎么样的群体（存量指标），【场景知乎】话题对他的核心行为是否有影响（增量指标），以及【场景知乎】话题能否具备一定的经济效益（用户价值）。

6）动态行为：

（1）来源筛选：

• 当月内，用户是否关注【场景知乎】话题（0,1变量，1代表符合条件）
• 当月内，用户是否点击【场景知乎】相关动态详情进行查看或收藏（0,1变量，1代表符合条件）
• 当月内，用户浏览圈子类别（整数型变量，1代表直通IoT，2代表日常生活，3代表提问求助）
• 单月内，户浏览非【场景知乎】的日均话题数（整数型变量）

（2）行为转化（整数型变量）：

• 单月内，用户关于【场景知乎】相关动态的日均点赞数
• 单月内，用户关于【场景知乎】相关动态的日均评论数
• 单月内，用户关于【场景知乎】相关动态的日均分享数
• 单月内，用户关于【场景知乎】话题的日均分享数

（3）行为相关（整数型变量）：

• 单月内，用户日均浏览场景相关的内容帖子数
• 单月内，用户日均浏览场景相关的视频播放数

（4）社交关系：（整数型变量）：

• 单月内，用户通过【场景知乎】相关动态详情页，浏览up主个人主页次数
• 单月内，用户通过【场景知乎】相关动态详情页，关注up主人数
• 单月内，用户通过【场景知乎】相关动态详情页，收藏动态数

7）分析：

动态行为的区分目的在于确认，做出什么样行为的用户，倾向于单月【场景知乎】话题下，动态发布数会≥3。

来源的筛选在于判断后续引流的渠道；行为的转化在于作为当前话题效果的衡量；行为的相关在于等价参与当前话题的路径；而社交关系的建立则在于预测话题裂变的速度。

上述的用户画像建立是一个框架的思考过程，仅提供想法上的借鉴，实际的操作过程，颗粒度理应更小。

同时，有关次数和人数的差异，本质上来说是pv和uv的区别，《工具类APP社区话题冷启动-以美的美居APP-场景知乎为例（入口&漏斗篇）》这篇文章有相关的描述。

三、总结

用户画像建立后的语言描述，是一个倾向性的百分比或行为集合。

如，对于上述案例，最终的总结报告可能是：

在【场景知乎】话题下，动态发布数≥3的用户，70%在参与话题前家庭智能设备捆绑数≥3；60%在话题参与后单月新增联动场景创建数≥3；他/她日均进入商城次数达7次，通过【场景知乎】相关动态详情页，关注up主数日均为5人。

用户画像的建立也只是做用户调研的第一步，如上述倾向性的百分比或行为集合形成后该如何分析。怎么样构建测量目标行为的指标体系，用户调研在确认调查的方式方法后该在什么时候进行，都需要相应的方法论去支撑。

高楼不是一天建成的，须先明确，做出某些行为的用户他/她应该是一类什么样的群体，切勿拿着错误的例子去论述误以为正确的行为，这会贻笑大方。

本文由 @场景阿侯 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。