《好设计，有方法：我们在搜狐做产品体验设计》 —1.3.4　勾勒分群画像

1.3.4　勾勒分群画像

信息画像和行为画像整理好以后，如何聚合这些信息，贴上标签，勾勒出分群画像，是需要我们想办法解决的。

群体画像会有多个标签组合，不同群体也会有标签的重合，这就需要看标签的权重，权重高的才能体现出不同群体的差异。比如“ 有车族 ”和“ 上班族 ”两类群体中都有“ 高学历 ”的标签，那我们就看“ 高学历 ”标签在这两类群体中的比重。如果“ 高学历 ”在“ 有车族 ”中的比重更高，那我们就把这个标签解读给“ 有车族 ”群体。准确的用户画像，在分群画像之间的标签，重合度应该比较小才合理，这样才不会影响分群画像的核心差异。

我们继续以上面的例子来聚合信息绘制第三个维度—分群画像。我们将信息画像和行为画像的数据串联起来。

第一步　尽量合理覆盖每组信息的“ 极端信息值（每组数据中占比最高或最低的信息） ”，用户画像就是典型用户反映出来的核心特征，这里很容易犯错，因为我们追求的是“ 极端信息值 ”，而忘却了还有“ 合理 ”两个字。两端的极端值组合出来的如果是背离我们的典型用户，那我们的用户画像肯定以失败告终。因此，合理的连接极端值至关重要，起码保证我们连接的典型用户是真实存在的。

聚合信息画像呈现出的最高值关联信息中，稳定理财但又买车买房，经济压力很大，看似不合乎逻辑，但买房本来就是一种非常稳定的投资，而且这样的用户买车的概率很高，还能接受贷款。在用户群中，90后占据25%，这是一批成长中的巨大用户群，需要一段时间的积累就会有需求，可作为产品待开拓的潜力用户。处在事业上升期的用户群一般都走在产业的前沿，消费能力很强，而且收入稳定，所以这部分用户是产品期望的用户类型。不合理最低值的用户年龄都相对比较大，而且不相信网络交易的安全性，怎么会去买股票呢？

聚合行为画像呈现出的最高值关联信息中，流量来源中呈现出了一个PC端数据占据近半的现象，这其实反映出两个问题：一是移动端做得不好，二是用户群体多为上班族。所以我们应该着力去优化移动端的产品，积极开拓潜力用户。因为分期购车的用户相对高端，我们认为对应用户群体使用iPhone手机的占比会大点，期望这部分用户群体崛起。不合理的极端最低值，是说最小的量不可能带来最大的下单线索，如图中的红***域。

第二步　尽量合理连接用户行为的“ 集合信息值（将每组数据占比较大的同其他组进行合理地组合，分析出最符合真实用户的信息值） ”，即相对来说基数较大的用户群。连接这部分用户，同样要考虑合理性的问题，以防连接一个架空的人物或理想中的用户，在现实生活中并不存在。访问时段体现出用户的工作状态，我们给其贴上“ 上班族 ”的标签；访问设备反映出喜好和品味；流量来源反映出体验方式；访问页面反映是否有需求；访问时长反映需要程度；收入水***映出生活状况和职业；年龄反映出所处的人生阶段；理财观念反映出对财务的观念；互联网观念反映时尚程度。通过这些画像，聚合基数较大的，勾勒出用户画像。

通过勾勒出用户画像，产品需求迭代会更具针对性。但这是我们根据数据分析出来的结果，还不能说明这样的结果就是对的，接下来还需要我们进一步做用户画像的验证。