深度分析用户画像与用户特征的应用场景

前面提到，我们要利用用户特征来做用户群体的发掘和区分，再用更具体的用户画像做用户认知和判断。我们不妨举几个例子。

案例1

我们是一个创业小团队，正在做一个P2P（个人对个人）金融产品。平台上已经有了一定量的用户，他们购买了我们的理财产品。我们正在考虑要不要增加VIP（贵宾）套餐服务，定位高价值用户，定向提供理财顾问服务。我们会请许多专家，提供很多额外的分析工具，让这些用户享受高端服务，赢利方式就是VIP年费。

单拿这个服务来看，肯定是没有什么问题的。“许多类似的产品都有这样的服务。”也许老板就会这么跟你说。但这不能成为我们就一定要提供VIP套餐服务的理由，我们还是要看看我们的用户是什么样的。

可以先统计下当前用户购买理财产品的行为数据，看看大部分买的额度有多大。其实，额度背后代表的是这些用户的收入水平和对理财的态度。比如粗暴一点假设，我们看用户的行为，过去99%的用户都是奔着投资5万元，锁定期6个月，年化收益率5%的产品去的。这些行为代表什么呢？从生活经验判断，对年化收益率要求不高，对流动性也要求不高，对安全性要求比较高的人，应该都是普通的上班族。这些人在理财方面非常保守，而且还比较年轻，理财额度并不高。

具体的验证可以通过访谈和调研来完成。假如结果显示，这些用户群体基本都是毕业三年内的职场新人，理财行为非常保守，收入并不高，这时回过头来看，这个VIP套餐服务的吸引力就特别有限了。我们可以做一些试验性的调研看看大家的接受度（我们会在后文讲述如何做类似的迭代实验），但仅从用户特征来看，几乎就可以给这个创意判死刑了。

老板也许会说：“我们可以用新的服务吸引新的用户啊！”这就超出本次讨论的范畴了。我们要判断的是“当下我们的产品的用户会喜欢哪些功能/服务”，而不是“我们应该做什么事情吸引更多全新的用户”。后者实际上跟做一个新产品没有区别，对用户特征的分析要关注的就不是存量用户，而是全新的潜在用户了。

这个例子讲述的是通过特征来认知存量用户，从而判断产品应该往哪个方向优化。假如老板坚持要做全新的产品，而且一定要做VIP理财顾问呢？

案例2

VIP理财顾问这个产品是从零开始的，我们没有任何用户数据，只能先做一个分析：我们的用户是谁？他们在哪儿？

要想先假设这个VIP理财顾问的用户画像，就需要对金融理财行业有一定的认知，或者对理财用户有一定的认知。不论是分析从业经验，还是分析通过搜集行业数据得到的结论，都需要一些初步输入，才能做判断。

假设我们初步判断，会接受VIP理财顾问的用户，应该是三四十岁的中年人，那么接下来我们就要有针对性地获取这些人的特征。(www.xing528.com)

我们需要找到这样的人来获取特征，他们可能在某些方面已经体现出了需要VIP理财顾问的特征（比如已经在使用某些理财顾问的服务，或者购买了许多风险很低、收益也很低的理财产品等）。简单的方式是，我们定向找到一些类似的人，做深度访谈和了解，看他们具体的工作是什么，生活状态和各种社会属性如何。比较耗费资源的方法是，我们通过一些公开或非公开的渠道得到某些同类产品的用户信息。

最终得到的结论可能是，目标用户是三四十岁的中年人，是中产阶级群体，在一线城市高新技术或者金融行业工作者居多，有较高的收入，但工作繁忙，无暇关注和打理自己的财产。他们通常居住在中高档小区，大部分有车，小部分有房，大部分结婚，小部分已经有孩子，等等。

有了这些特征，基本就可以定向做许多事情了。比如，如果他们中从事互联网和金融行业的人居多，文化程度也高，比较信任知名品牌的产品、有光鲜履历的顾问，那么我们的这个顾问产品就应该往精英化的方向发展，寻求互联网巨头或者金融巨头的背书，寻找背景非常硬的金融出身的顾问，这样产品的核心竞争力就被打造出来了。

案例1提到的是如何判断当前用户的潜在需求，案例2提到的是如何寻找潜在用户，接下来说说如何梳理当前用户的不同需求。

案例3

我们现在依然做P2P金融产品，不过已经发展到了一定规模，需要研究功能上还有哪些可以优化的地方。

经过分析发现，现在的产品形态都比较单一，几乎都是收益率为4%～6%、半年锁定期的理财产品A，因此用户群体也比较单一。在此基础上，应该有优化的空间。

于是我们可以做一些尝试。原则上，任何尝试都可以做，不过还是要考虑成本问题（同样，后文会详细展开这种迭代思路）。我们做了一些存量用户分析，发现有10%的用户倾向于更高的风险，有30%的用户倾向于更灵活的周期。

接下来就可以试探性地提供一些类似的产品，比如收益率能上浮到10%，但风险更高的产品B，以及30天锁定期，但收益更低的产品C，然后看用户数据的反馈。结果可能是，有15%的用户转移到了产品B，有40%的用户转移到了产品C。我们继续做用户特征分析，发现产品B和产品C的用户在年龄、收入和工作类型方面的确有很大不同，比如产品B的用户年龄比较小，从事互联网工作，因此有冒险精神，而产品C的用户工作闲暇时间较多，因此希望理财的自由度更高。

这样就可以通过这些间接特征，将用户分层为A、B、C三类产品的目标用户，后续在新用户注册时一旦做了标签定义就可以做定向推荐。在存量用户的特征发生变化时（比如升职加薪，从A变成C），也可以依据用户的特征变化来做产品推荐和调整。

这三个例子都是在不同的应用场景下，对用户群体先用群体特征进行抽象识别，再用更具体的用户画像来认知的一个过程。可以看到，需要抽象的特征、最终抽象出的群体标识，都跟我们的目的息息相关。