成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

如何基于數據快速構建用戶模型(Persona)?

大數據
但在現實中,一般只有很少的成熟公司,產品經理、交互設計師或用戶研究人員才會花時間構建用戶模型,我們將嘗試提出一種基于用戶行為數據的快速構建用戶模型的方法。

戶模型(Persona)是Alan Cooper在《About Face:交互設計精髓》一書中提到的研究用戶的系統化方法。它是產品經理、交互設計師了解用戶目標和需求、與開發團隊及相關人交流、避免設計陷阱的重要工具。

但在現實中,一般只有很少的成熟公司,產品經理、交互設計師或用戶研究人員才會花時間構建用戶模型,個人認為之所以這樣,至少包含兩方面原因:

  • 一個主要原因在于,按照傳統方法構建用戶模型的成本高、時間長,不是一般公司和團隊所能承受的;
  • 另一個原因在于,傳統方法對用戶模型構建者的要求很高,尤其是對用戶的訪談和觀察,其中有很多的方法和技巧,不少產品經理不敢嘗試,有些人嘗試后并沒有得到有用的信息,后面往往就不再做了。

我們將嘗試提出一種基于用戶行為數據的快速構建用戶模型的方法。

用戶模型構建的傳統方法

Alan Cooper提出了兩種構建用戶模型的方法:

  • 用戶模型:基于對用戶的訪談和觀察等研究結果建立,嚴謹可靠但費時;
  • 臨時用戶模型(ad hoc persona):基于行業專家或市場調查數據對用戶的理解建立,快速但容易有偏頗。

方法1:基于訪談和觀察的構建用戶模型(正統方法)

在Alan Cooper的方法中,對用戶的訪談和觀察是構建用戶模型的重要基礎。完整步驟如下圖:

第0步:對用戶的訪談和觀察(及其他研究)。將用戶當成師傅,自己作為徒弟去觀察師傅的行為,并提出問題。在整個過程中收集并研究用戶行為、環境、談話內容等信息,以發現用戶的行為、情境和目標。(比如,某兒童社區的用戶角色大致分為孩子、媽媽、爸爸和祖輩等四類,需要分別研究)

第1步:根據角色對訪談對象進行分組。根據研究結果和理解對用戶進行大致的角色劃分,并根據角色對要訪談的用戶進行分組。

第2步:找出行為變量。把每種角色的顯著行為列成幾組行為變量。一般包括用戶的活動(行為及頻率)、(對產品及相關技術的)態度、能力、動機、技能幾個方面。

第3步:將訪談主體和行為變量對應起來。實際上就是為每個訪談用戶標注各項行為的情況。

第4步:找出重要的行為模型。發現訪談用戶中的中的顯著的行為模式組合。(比如兒童社區產品的「某些家長」會「密切關注」孩子在社區中的一舉一動,而「另一些家長」則只是「偶爾了解」一下孩子的情況)

第5步:綜合各種特征,闡明目標。從用戶模型的行為細節中綜合/挖掘出用戶的目標和其他特性。

第6步:檢查完整性和冗余。為每種用戶模型彌補行為特征中重要的缺漏,將行為模式相同而僅僅是人口統計數據有差異的用戶模型合并為一個。

第7步:指定用戶模型的類型。對用戶模型進行優先級排序,確定主要、次要、補充和負面用戶模型。主要用戶模型是界面設計的主要對象,一個產品的一個界面,只能有一個主要用戶模型。

第8步:進一步描述特征和行為。通過第三人稱敘述的方式描述用戶模型,并為不同用戶模型選擇恰當的照片。至此,用戶模型構建完成。

方法2:構建臨時用戶模型(ad hoc persona)

在缺乏時間、資源不能做對用戶的訪談和觀察時,可以基于行業專家對用戶的理解、或市場研究中獲得的人口統計數據,建立「臨時用戶模型」。

「臨時用戶模型」的構建過程與「用戶模型」的構建過程很像,只是其數據基礎一個是來自對真實用戶的訪談和觀察,另一個是來自對用戶的理解。二者的準確度和精度都有差別。

基于用戶行為數據快速、迭代構建用戶模型的方法

到現在,距離Alan Cooper***提出用戶模型(Persona)概念已經過去快20年了3。在這期間,軟件產品開發的過程方法以及公司的運作方式都發生了很大改變:以快 速迭代為特點的敏捷開發方法取代了傳統的瀑布模型,以「開發→測量→認知」反饋循環為核心的精益創業方法在逐步影響和改變公司的運作方式……

而傳統的用戶模型構建方法,從誕生之日起并未發生特別大的變化。對于已經習慣了敏捷、快速的產品經理和交互設計師來說:一方面,花很長時間去研究用 戶構建用戶模型需要下相當大的決心、更需要下很大力氣才能爭取到所需的時間和資源;另一方面,互聯網產品冷啟動耗費的時間越來越短,為了降低成本和風險, 產品團隊在啟動期往往會選擇盡快將產品推向用戶,盡快獲得反饋以「快速試錯」,現實和壓力迫使大多數新產品的PM不敢投入大量時間精力深入的進行用戶研 究。這就很容易理解,為什么大家都覺得用戶模型很好,卻鮮有人在工作中真正運用它。

接下來,我們將提出一種基于用戶行為數據的快速、迭代構建用戶模型的輕量方法。

首先,在開始時,整理和收集已經獲得的任何對用戶的認知、經驗和數據。

它們可能是您和所在團隊對用戶的理解,也可能是您產品的業務數據庫中記錄的用戶相關信息(比如用戶的性別、年齡、等級等屬性),還可能是用戶(在產品內外)填寫的任何表單或留下來的信息(比如用戶填寫的調查問卷、留下的微信賬號等等)。

您可以將這些信息映射成為用戶的描述信息(屬性)或用戶的行為信息,并存儲起來形成用戶檔案(最終形成的結果如下圖示意)。

注意:從這一步開始,你就需要一個存儲了用戶信息和用戶行為信息的數據庫系統,它能夠支持你快速的進行接下來的各種分析和探索,直至形成用戶模型。

然后,根據已獲得的認知和經驗對用戶分群,這些用戶群是進一步研究的基礎。比如,你覺得用戶也許可以分為孩子、媽媽、爸爸和祖輩等四類,或者你認為購物的用戶可以分為男女兩類,那就根據數據劃分好了。

接下來,您就要對上一步的用戶群逐個進行分析,并嘗試從中發現顯著的行為模式。

對于每個用戶群,分析步驟如下:

  • 從用戶群中隨機選取一些用戶(一般根據您的時間情況,可以選取幾十到上百個用戶,建議最少不低于30個);
  • 逐個用戶解讀其屬性特征和行為記錄,努力通過這些數據還原出用戶的真實使用場景和過程,并嘗試推測其目標。在解讀的同時,隨時記錄你發現的有趣的行 為模式、以及不解之處。(注意,這一步的工作至關重要,對用戶及其行為的感性認識是后續工作的基礎。要記住:讀用戶如讀書,讀其百遍、其義自現!)

[[165689]]

  • 根據上面步驟中發現的典型行為模式和場景、目標的推測,對用戶群進行更細致的劃分。比如,你發現一些用戶會定期采購大量的辦公用品(有趣的行為模 式),并推測這些人可能是企業行政部門的采購人員,他們要根據其他員工的需求定期完成采購任務(場景和目標),那么你就可以將這群人劃分出來,作為一個單 獨的用戶群(候選的用戶模型),進行后續的研究。

對上一步形成的候選用戶模型(用戶群),對其屬性和行為數據進行統計分析,初步驗證您的猜想。

接下來,對上面形成的每個候選用戶模型,進一步完成其目標和動機的推測。同樣,在過程中有任何不解之處,請記錄下來。

從每個用戶模型中選取少量具有代表性的用戶,進行訪談或調查,以消除您在前面研究中遇到的不解之處。在這一步, 如果您有足夠的時間和資源,那么可以多選一些用戶,并盡可能的做現場的訪談和觀察;如果您時間和資源有限,那么可以少選一些用戶,或者采用電話、問卷等方 式完成訪談,對于配合度較高的用戶,可以考慮采用錄屏或QQ遠程協助之類的工具觀察用戶的真實行為。因為您在前面的步驟中已經對用戶的真實行為有了一定的 了解,所以在這一步,您可以不必嚴格的執行Alan Cooper的用戶研究方法,從而節省大量的時間和資源。但是,如非特殊情況,請盡量不要跳過這一步。記住:哪怕是與用戶進行很少量的溝通,也有助于發現未知的問題,這是非常值得的。

在完成了上面的工作之后,接下來,您就可以對候選用戶模型進行逐個的審視和修正。 合并相似的,補充不完整的,采用敘述的方式描述每個用戶模型,并為其選擇適當的照片,這樣就得到了本次迭代的用戶模型(如下圖示例,圖片來自網絡)。您可以用這個模型指導界面設計、與團隊溝通……

***,根據您的認知變化和產品需要,可以在合適的時機對之前得到的模型進行新一輪的修正。 修正的過程和前面相同,可能您會在幾次產品迭代中穿插進行一輪用戶模型的迭代,時間越久,用戶模型就越接近真實的用戶情況。

 

責任編輯:Ophira 來源: PMCaff
相關推薦

2016-11-08 09:29:11

數據構建用戶模型

2023-09-25 10:19:01

模型App開源

2014-03-11 17:01:33

2022-08-10 10:00:00

人工智能三維模型編程技術

2020-12-07 12:59:38

DataWorks數據中臺

2017-04-28 11:15:26

大數據用戶畫像技術

2022-03-25 12:31:49

Linux根文件內核

2024-09-27 13:05:02

數據模型

2016-04-27 09:49:16

用戶模型產品總結

2021-07-01 21:48:09

用戶畫像流程

2020-04-29 09:00:03

API終端應用環境

2020-02-26 14:50:41

React搜索前端

2009-05-12 09:54:09

JavaRestCoC

2017-05-02 10:30:46

2023-03-15 07:22:56

畫像平臺數據中臺

2023-08-31 17:10:56

數據倉庫高級互聯網架構架構

2017-07-07 14:41:13

機器學習神經網絡JavaScript

2021-11-02 09:40:50

TensorFlow機器學習人工智能

2017-02-09 11:05:11

大數據用戶畫像技術

2016-03-16 10:22:28

Spark用戶畫像數據科學
點贊
收藏

51CTO技術棧公眾號

主站蜘蛛池模板: 久久精品国产久精国产 | 久久综合九色综合欧美狠狠 | 亚洲综合视频 | 91色视频在线观看 | 欧美日韩在线电影 | 国产人成精品一区二区三 | 91精品国产综合久久久动漫日韩 | 久一精品| 99在线免费观看视频 | 久久99精品久久久久久国产越南 | 精品久久久久久18免费网站 | 成人国内精品久久久久一区 | 亚洲人a | 成人区精品一区二区婷婷 | 一区二区成人 | 一区二区三区国产 | 国产成人免费视频网站高清观看视频 | 成人午夜激情 | 欧美一级全黄 | 国产一区二区三区四区区 | 日韩欧美在线一区二区 | 91在线导航 | 色资源av| 国产精品久久久久久久久久久免费看 | 久久99久久99久久 | 另类 综合 日韩 欧美 亚洲 | 欧美一区二区二区 | 日日碰狠狠躁久久躁96avv | 韩日一区二区 | 日韩电影中文字幕 | 成人免费视频观看视频 | 请别相信他免费喜剧电影在线观看 | 国产传媒视频在线观看 | 亚洲电影第三页 | 日韩第一区 | 91麻豆精品国产91久久久久久 | 久久国产精品免费 | 成人在线免费观看 | 天天干天天操天天射 | 国产羞羞视频在线观看 | 成年人网站在线观看视频 |