用户画像标签维度_从5个维度出发，构建高质量的用户画像

作者：黄瀚星

全文共 5151 字 5 图，阅读需要 12 分钟

———— / BEGIN / ————

作为一个产品经理，我们总是希望自己做的产品能够很好的满足用户的需求。但是每个人都受限于自己对于事物的认知，可能会导致对用户的理解出现偏差。

尤其是当团队里每一个人都把自己当做用户，以自己对于产品的理解当做用户对产品的理解来定义需求，就容易出现所谓的“弹性用户”，每个人都说是为了用户体验着想，但这样定义出来的用户显然不是产品真实的用户。

所以用户画像这个工具就出现了，它是一些真实用户构建出来的原型，用来帮助产品设计人员有针对性的制订产品功能，服务策略，销售策略，从根本上来讲，用户画像是就是帮助产品经理了解用户的。

但我们构建出来的用户画像，真的能够帮助到我们吗？

我们来看一个常见用户画像的例子：

图片来自网络

在这个用户画像中，我们看到有用户的一些年龄、性别、学历、婚姻状况等基本信息和工作信息，还有用户的一些特点和目标，感觉很完善了。

现在这个用户处于无房无车的状态，那么问题来了：假设我现在是一个卖车的商家，我应该给她推荐什么样的车？

也许你会说，她比较文艺，那么应该给她推荐带有文艺气息的车。

也许你会说，她注重享受，那么应该给她推荐配置豪华的车。

也许你还会说，她没车的同时也没房，那可以给她推荐个房车，同时解决了房和车的问题。

于是在有用户画像的情况下，“弹性用户”依然出现了，那么问题到底出在哪呢，这个用户画像为什么不能帮助我们作出正确的决策呢？

一、人口结构≠用户画像

用户画像最早是由Alan Cooper在提出的，在经典的著作《About Face》中有专门的一个章节是讲用户画像，他在书中提到用户画像的核心是观察用户，把观察到的行为的一些独特的方面列出来，形成一个行为变量集。

虽然说人口变量(比如年龄、性别、学历、地理位置)等等因素对于行为也有一定的影响，但是这种影响并不能构成用户与用户之间差异化的核心。真正形成差异化核心的是用户的行为，更深入的来说，是用户行为背后的动机。

所以这就是为什么上面那个用户画像没办法帮助我们做一个卖车的策略，因为它并没有告诉我们当用户买车的时候，主要考量的因素是什么，是价格，品牌，还是其他的因素。

常见的用户画像错误还有描述用户生活中的一天，因为通过观察用户一天的行为只能观察到他做了什么事情，而不能观察到他做这件事情的动机是什么，尤其是对于买车这