6个步骤教你：如何构造产品用户模型？

构建产品的用户模型，是将所有的用户按照一定的标准进行分类，然后根据不同用户群体的用户画像进行精准投放，抑或将用户群体与用户群体之间进行定向转化，达到高效转化以及塑造优质用户的目的等。哪要如何构建产品的用户模型呢？它需要哪些步骤呢？

一、概念

【用户模型profile】通过问卷和访谈获取产品真实的用户反馈数据，根据核心因子对产品的用户群体进行分类，基于用户使用产品的行为深度，将用户与各用户群体进行匹配生成用户画像，形成最终的用户模型。

二、目的

通过构建产品的用户模型，将所有的用户按照一定的标准进行分类，然后根据不同用户群体的用户画像进行精准投放，抑或将用户群体与用户群体之间进行定向转化，达到高效转化以及塑造优质用户的目的等。

三、步骤

1. 已有的产品或MVP等可显示设计理念的产品；
2. 通过问卷、访谈获取足量的真实的用户反馈数据；
3. 通过用户反馈数据提炼出核心因子；
4. 根据核心因子构造用户模型；
5. 为用户模型的各群体生成用户画像；
6. 精准投放或不同用户群体的定向转化。

四、具体实施

1. 用户调研问卷获取反馈数据

对已有的产品或MVP等进行调查问卷，获取足量的真实的用户反馈数据。

这一步如果获取的数据没有足够的真实度的话，那么后面的所有的步骤也就不用进行了，因为构造的用户模型一定是有问题的。

那么，如何更好地保证获取的用户反馈数据相对比较真实？如何更好地设计调查问卷？

这里提供几点建议：

• 用户的耐心是有限的：问卷设计的问题尽可能少，不要想着让用户一次性回答你一大张问卷，其实一次只需问明白一两个重点即可。
• 选项的独立性和穷尽性：“独立”意味着各选项覆盖的范围不相互交叠，“穷尽”意味着提供的选项要覆盖所有的可能性，即使用上“不记得”、“XX以上”、“XX以下”也行。
• 避免模糊用语：类似“经常”、“偶尔”等表示大概的词汇是大忌，因为不同用户的“经常”是不一样的，有的用户“经常”表示一天几次，有的用户一周一次就是“经常”了。
• 问卷的数据清洗：在进行问卷数据统计前，先把明显紊乱、无效的数据进行清理，避免最后的统计结果有太大的误差。

2. 用户访谈获取反馈数据

对用户进行访谈，深入了解他们内心的想法，然后同样获取相对真实的用户反馈数据。

个人认为这里的访谈用户可以从参与调查问卷的用户中挑选，这样可以比较有针对性地去挑选（比如不同的年龄层、不同的就业职位等等）。

那么，如何更好地跟用户进行沟通，然后获取更准确的反馈呢？

• 第三方立场：在访谈的开始要亮出第三方的立场，表明自己是受产品设计者委托的，就算不是，也要说是，打死也不承认自己是该产品的设计者。这样可以免去尴尬，也可以让用户可以少去一些顾忌。
• 由浅入深：用一些比较简单易答的问题作为开场，再慢慢深入到正式和敏感的话题。
• 聚光灯留给用户：避免专业名词，尽量保持无我的状态，让用户感觉“我的反馈很重要”。
• 及时确认和追问：当无法辨识用户的意思时，一定要做进一步确认。当发现用户跑题抑或用一些比较模糊不清的话语简单带过问题时，要及时进行追问下去。“挺好”是好在哪一方面？具体感觉是什么？“不太喜欢”是不好在哪一方面？具体感觉是什么？
• 关注隐蔽信息：有时候用户说了什么不是最重要的，一些没有表达出来的才是用户研究需要关注的重点。比如：用户表现出来的异样情绪，抑或用户思考模式异于你预期，这些细节隐藏的东西都值得思考和挖掘。
• 避免诱导：尽量避免提出封闭性的问题，不要给予用户一堆产品方案、思路和假设，也要去问用户**不**喜欢**不**购买，因为这些的回答大部分都是不真实的。
• 保持专注和耐心：不要急着推进问题，给用户一些思考和停顿的时间，收到负面反馈也要淡定，做到毫无情绪波动才是专业的表现。

3. 提炼核心因子

在通过问卷以及访谈获取了足量的用户反馈数据，然后剔除无效数据进行反馈数据的统计，从中提炼出最影响用户决策的几个因素，这个过程就是提炼核心因子的过程。

看起来并不难，为什么说是最关键的一步呢？

• 一方面就是前面说到的数据的多少以及数据的真实性很难把控；
• 另一方面则是由于每个产品设计者的阅历、对用户的了解程度、对数据的提炼能力等不尽相同，面对同一份数据，不同的产品设计者提炼出来的核心因子也基本不一样。

所以，要如何在这些影响因素上提炼出精准的核心因子是比较不容易的，但有一点是可以肯定——那就是数据越多，数据真实性越高，提炼出来的核心因子就**更加准确。

其实除了用核心因子构造用户模型外，有一些比较简单的分析转化也可以通过普通数据因子来构造用户模型。

这里先看一下核心因子和普通数据因子的区别：

• 核心因子：核心因子是影响用户做决策的主要影响因素（包括外在因素和内在因素），是划分用户模型用户群体的主要依据。要通过核心因子来构造用户模型，必须深入到用户中去，了解是哪些因素在影响用户做决策。
• 普通数据因子：普通数据因子就是用户在我们产品上的操作行为、填写的个人信息、主要的使用场景等数据。（这里非重点，但下面构造用户模型也**有所提及）

4. 根据因子构造用户模型

（1）核心因子

利用核心因子构造用户模型，需要基于对用户进行深入研究分析，适用于大部分产品。

通过上面所说的用户调研和用户访谈的真实反馈数据进行提炼核心因子，然后利用提炼出来的核心因子来划分用户群体（象限法是比较常用的划分用户群体的方法），最后构造用户模型。

• 举例1：某服饰类产品，主要用户为女性，通过用户反馈数据提炼到的核心因子为消费能力和潮流敏感度，那么我们可以用象限法进行构造用户模型图。（如图1）
• 举例2：某付费问答类产品，通过用户反馈数据提炼到的核心因子为提问的迫切程度和对回答者的认同度，同样可以用象限法进行构造用户模型。（如图2 ）

（2）普通数据因子

利用普通数据因子构造用户模型更像是一种预测性的方法，我们先按照一定的规则将用户进行划分，形成用户模型，然后在产品上线并投入使用后，通过用户的行为数据将用户对应进行匹配即可。

• 举例1：某UGC产品，提炼出来的数据因子为发帖的频率和发帖的质量，同样可以用象限法进行构造用户模型图。（如图3）
• 举例2：这是最简单的一个用户模型，直接将用户分为：未下载产品的用户、下载未注册的用户…….，这种可以直接将各种情况的用户群体进行简单罗列即可。（如图4）

5. 根据用户的行为数据，为用户模型的各用户群体生成用户画像

通过上面的几步操作后，我们已经构建好产品的用户模型。这时候我们的产品上线并投入到市场上，通过在产品上设置数据埋点、用户行为跟踪、用户基本信息等等，我们在后台生成用户的行为日志。

这时候我们需要设定各用户群体的边界数据因子，比如：如何区分一个用户的发帖频率是高还是低？

我们设定：一天发帖大于等于3次的为高频率，否则为低频率，那么这里的“3”就是边界数据因子。然后我们将所有用户按照用户模型划分的各类用户群体进行匹配，最后通过收集到的用户数据我们可以获知每一类用户群体的平均年龄、偏好、使用场景等等，这时候我们就可以为这个用户群体生成对应的用户画像。

6. 精准投放或不同用户群体的定向转化（建立用户模型的核心目的）

（1）精准投放

精准投放就是通过选择目标用户和区域，然后精准地将内容投放给这部分用户，以达到更好地转化率。

前面已经为每一个用户群体生成了用户画像，也就是了解到每个用户群体的年龄、偏好、使用场景，这时候只需要将准备好的内容进行投放到改用户群体中即可。比如：一个外语教育类的产品，针对其大学生群体，可以投放四六级、考研、留学等类型的内容。

（2）定向转化

定向转化就是通过各种各样的手段或机制，将某一用户群体向另一目标用户群体进行转化。

比如：根据上面某付费问答产品建立的用户模型，对“潜力型”的用户群体向“围观型”的用户群体进行定向转化。

• 首先我们要知道这两用户群体的用户画像，了解他们偏好以及向“围观型”用户转化的瓶颈（认同度）等等。
• 其次制定长期的诱导转化机制（“长期”，意味着这是持久战，因此需要有丰富、多种多样的激励方式，类似于《上瘾》这本书里面的“多变的酬赏”），然后还需要不断去改进调整这些诱导转化的手段，以达到更好地转化效果。
• 最后是告诫，稳扎稳打、量力而行（别指望将“潜力型”用户迅速转化成“意愿型”的用户，还是要一步一步来）。

五、总结

用户模型的构建和使用并不难理解，但实际操作起来难度比较大，需要耗费大量的人力和时间。

• 首先在问卷和访谈阶段，问卷设计、访谈过程都需要精细的准备，同时负责这块的人员也要相当专业，这样还不能保证用户反馈的数据就一定是真实有效的。
• 其次，核心因子和建模过程的用户群体划分的合理性难以拿捏，这个合理性涉及到用户反馈的数据以及产品设计者的“功力”。
• 最后，研究用户的行为日志，技术上不难实现，但收集用户行为数据的时间需要很长，几个月一年是最基本的。对于中小企业难度比较大，前期用户量少，收集的用户行为数据零散难以衡定。

因此用户模型的构建从长期来看，肯定对产品有很大的帮助，但是这里面涉及的成本也是需要进行考虑的。

谢谢大家！

作者：Mr.bin，本文部分资料借鉴于《**产品法》。

本文由 @Mr.bin 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

给作者打赏，鼓励TA抓紧创作！

**赏

6人打赏