运营如何建立用户画像？用户行为如何统计？

用户画像是为你去提供更多用户样本的一致性行为，从而做出跟进动作的一个参考要素。不同业务的行为数据的要求并不一致，所以先确定了用户画像，再去思考你的用户行为轨迹~

有用户在后台提问：

请问用户画像应该怎么梳理？ 比较精准的用户行为统计应该是需要记录用户在什么时间做了什么样的动作，耗时多久吗？

我稍微试着讲一讲。

首先，我们先讲清楚，用户画像、用户行为统计，既有关系，但也并不完全等同。

其次，要讲清楚，咱们这里的「用户画像」的讨论范围，是Profile，不是Persona。

这里你可能会有疑惑了，为什么要用2个英文单词来展开今天的问题，因为，很多从业者并没有搞清楚Profile和Persona之间到底是什么关系，我今天不打算展开讲他俩的差别，所以你只需要记住一点：

Profile是基于真实的用户数据（包括人口数据、行为数据等一系列数据）的集合，它反馈的是人群；而Persona是描述一个理想状态下的个体用户，Persona既可以来自于Profile的提取，也可以是脑补出来的一个虚拟形象，但是这个形象是产品典型用户的一种表现。

OK，说回来，既然提到了用户画像，我们就先想一想，用户画像具有何种特质?

我随口说一下张记杂货铺的用户画像：

根据微信公众号后台的统计数据，张记杂货铺截止到2019年4月16日共有78111名读者进行了订阅。其中：

• 1、男性用户占比45.37%，女性用户占比54.59%，还有极小一部分用户的性别是不确定，但是无伤大雅（数量太少，导致对性别分布没有影响）
• 2、终端分布上，苹果用户的占比超出安卓16个百分点。
• 3、用户的分布上，北京、上海、深圳、杭州、广州排名前列
• 4、用户通常在文章发出后的3个小时内有明显的活跃阅读，但下午4点和晚上9点后，转发和朋友圈来源的阅读会有一定的提升，用户在晚上6点和10点后以及上午9点左右会有几率从看一看进入

好，先写到这里哈，你会发现，这里面既有用户的信息数据（性别、地域、终端偏好）又提到了行为数据（阅读活跃分布甚至来源）。

所以，一个完整的用户画像，应该包含用户的信息数据，或者说人口数据，另一方面就要包含行为数据。但这里有一个隐藏的细节就是：在此时我们并没有在讨论用户个体，而是在讨论群体的行为。

所以，明确一点：

用户画像是为你去提供更多用户样本的一致性行为，从而做出跟进动作的一个参考要素。

那么，接下来，就要去讨论不同数据的优先级了。

首先，人口数据：如年龄、性别、籍贯、工作地、（财产收入/婚姻/子女状况等）社会经济地位等等，乃至星座、属相、受教育程度……

好，思考一下，这些数据中，那些对群体画像有决定意义？

年龄？可能有；性别？肯定有；所在地？可能有；其他的呢？结合你的业务去思考和决策。

这些数据中，如果有对群体画像有决定意义的，就是要通过产品和运营去收集并且录入到数据库中的。

再来是行为数据。

行为数据没有办法展开讲，因为不同业务的行为数据的要求并不一致。

我们假设今天讨论的是一款电商产品，那么，如果我们要拆解整个用户流程，切成大块，可能就像这样了：

这样做的好处是，快速定义出用户的行为漏斗，同时，方便我们弄清楚，究竟哪个环节，是我们最关心的环节。

假设，当前阶段，我们更关注付款。那么，我们就要去拆解，与付款相关的流程动作是什么？

好，首先，用户在购买决策完成后，可能就要进入付款环节了。那么，此时会有多种情况：

• 用户买且只买了1件商品；
• 用户在某个商户买了多件商品；
• 用户在多个商户买了多件商品。

请问，我在思考付款环节的问题的时候，应该优先思考以上的场景吗?

如果要我说，我会认为，需要思考，但不是优先思考，我作为运营，我更关心的不是前面这些场景，而是：

用户点了付款按钮之后，是否完成付款？——付款成功比例

• 如果没有完成付款，是卡在了哪一步？
• 选择付款方式？（譬如只有微信支付，但实际上用户没有开通微信支付，所以无法支付）
• 调起了支付页面，但是用户超时没有支付？
• 调起了支付页面，然后用户直接关闭了页面？

每一个可能性下，对应有多少用户？进而走到「这些用户有哪些共性」？这样的问题来。

而之所以这样思考，就是因为我们需要掌握会影响到我们关注的核心指标的相关行为，从而去寻求优化。

好，如果现在的产品阶段并不关注转化，甚至它就是一款不考虑转化的产品，那么关注点可能就变成了每日用户注册和T+x的用户留存率了。

当关注这两个值的时候，我们需要关注的问题就是：

• 从哪里来的用户最多？
• 从哪里来的用户最活跃？
• 从哪里来的用户留存的时间最长？

以上三个问题指向的是渠道来源监测。

我们同时要关心的问题是：

• 离开的用户都访问过哪些页面/使用过哪些功能？
• 留存的用户与离开的用户在同类页面/同类功能上的使用差异是什么？在其他页面/其他功能上的使用差异又是很么？

这两个问题指向的是用户访问行为或者使用行为的监测，譬如，留存的用户对某一功能使用超出了流失用户的时长，或者频次，那么接下来的策略就是让所有用户都被引导去使用留存用户使用过的功能，同时使用强度保持一致。

所以，能否理清当前产品阶段，亟须解决什么问题，是搞清楚数据优先级的关键。

本文转载于微信公众号（ 张记杂货铺 ），本文观点不代表壹伴博客立场，转载请联系原出处。如内容、图片有任何版权问题，请联系壹伴君处理。