《好设计，有方法：我们在搜狐做产品体验设计》 —1.3.5　验证用户画像

1.3.5　验证用户画像

前面我们通过理论分析得出的用户画像，但是到底对不对呢？这就需要通过产品上线后的真实数据来反馈，可以通过以下三种方式来验证。

1. 验证真实数据

产品上线后统计各组实时数据，分析是否符合真实用户的画像的预期，再结合一些数据变化有针对性地分析原因。

2. A/B Test

A/B Test算是互联网最常用的验证方法了，即基于用户画像上线后的产品同当前产品进行对比分析，验证用户画像反馈需求的准确性。对于访问量很大的产品，我们通常会设置99%的用户正常访问到原有版本，而保留1%的用户被随机切到新版本，集中新旧数据对比变化的幅度来进行分析。比如我们做过的对一个分期购车的产品进行A/B Test后得到的数据变化，如下图所示。

3. 业务数据转化验证

产品可以为企业带来的利润，是衡量产品好坏的关键指标。虽然这属于商业层面的考量，但也要回归到产品层面来落实。主要还是看产品可以为业务带来的转化率，这是企业考核的关键KPI，如果转化率下降了，可能就是白忙活一场，如果转化率提高了，就可以作为具有说服力的验证结果。我们还用上文列举的分期购车产品中的数据来展示一下，如下图：

通过不断地迭代验证用户画像，带来用户增长。但产品带来大量新增用户的同时，也会带来产品需求的变化，因为用户本身就是一个变量，产品依然需要不断地迭代更新，才能不断地更新验证用户画像。

上文通过对产品的数据分析找到了用户画像，首先利用产品预设的一些使用逻辑，获取到用户的基本信息，构建用户的信息画像。接着再统计用户在产品中的网络行为，分析出很多差异、交集，获取用户的行为画像。再结合信息画像和行为画像，做理性的统计分析，聚合用户的信息画像和行为画像，聚合信息值组合用户画像，从几个维度来聚合，得到期望的、合理的、待开拓的、不匹配的几组分群画像。最后将这几组分群画像集合，勾勒出产品需要的用户画像。

得到了产品的用户画像，如何辨别真伪，就是我们接下来要做的验证用户画像。验证用户画像主要通过数据变化来分析，首先寻找产品中带来变化的数据，究其因；再通过灰度测试有针对性地分析产品迭代前后的数据变化；最后通过业务数据变化来验证。如果业务线的转化率没能得到很好的提升，那产品在商业价值上的提升，可能就不会达到预期，反之则会带来很大提升，也进一步说明我们更好地解决了用户的需求，验证了我们用户画像的方向是可行的，只有这样我们才算得到了产品的正确用户画像。