信息构建——personas分析（基于落网的用户画像分析）

1. Analyze group
   我们共建立了5个分组，名称分别为：期刊、资讯&交流、用户、原创、帮助，对于这五个分组，我们的预期为：
   

通过对personas的分析，我们分别寻找了两位primary等级的同学、两位secondary以及一位complementary等级的同学进行卡片分类，在他们分析之后，我们对他们的分析结果进行了统计，其统计结果如下：

对于五位用户的卡片分类分析得到，sort3的分类出现了较大的差异，其他人的分配结果较为类似，基本符合预期，然后对于“用户反馈”标签本来预期为帮助的这个组里面，可是有超过一半的人选择了用户组，然后我们将“用户反馈”改为更加生动的“意见反馈”。

根据上表的分析可以看出来，下列几个标签每个人都将其放到了正确的位置：主题周刊、热门期刊、近期期刊、热门用户、常见问题、联系我们、新手入门、加入我们，而对于美图、精彩乐评、竞技场、发文章这几个标签用户分类相对分散，对于出现的可能原因，小组讨论认为原因大概有以下几个方面：
①我们对于标签的介绍不够清晰，使得参与者对于标签的理解与我们的初衷不同；
②不同的人对于标签的理解不同，对于分类的想法也不一样，所以才会出现不同的结果。
③有些主题具有多重意思，意思对于参与者不够明确，可能让用户产生歧义。
2. Analyze card placement
卡片分类中一共出现了四个较为分散的标签：
- 美图
站在用户的角度可能会认为美图是来源于自己的发布
- 精彩乐评
由于这个本身就属于“资讯交流”“用户”两个组的交叉部分，所以用户基本均匀地分在了这两个组中
- 竞技场
竞技本来参与者就是用户本身，所以有接近一半的人将其分在用户组里
- 发文章
用户会觉得文章与期刊的联系较为紧密，所以将其放在期刊组里
3.Analyze labels

4. Analyze organizational schemes
5. Analyze how accurately participants have grouped content
在进行卡片分类的五个人中，第三位用户明显与剩余四位用户的卡片分类结果偏差太大，在卡片分类过程中可以明显感觉到用户三对卡片信息理解很不准确，在没有清楚理解卡片所代表的意思进行了卡片分类，所以用户三的卡片分类不具有可参考性。