今天分享的是腾讯产品能力模型的用户理解,在能力模型中它排在了产品设计之前。
这个顺序也很好理解,先理解用户,再分析需求,最后才形成产品。这也是古典产品时期,得到无数产品人认可的原因:用户导向。而在不久的以前还有专门负责用户体验设计的部门。
产品本就是用户需求和企业需求的桥梁,产品经理也是贯穿“想法->需求->产品完整生命周期的人。
P7及以下,主要负责收集用户需求,并且识别其合理性,在指导下完成产品优化
P8-P9,要求掌握进阶的方法(如核心需求识别&量化、用户群归类&量化、需求金字塔模型等),能独立完成复杂场景的用户需求分析((如分析不同用户群的核心需求场景)。
并能识别当下的关键需求,对优先级排序,指导产品或功能定位,以及相应的产品规划工作。
P10及以上,能够对特定业务领域的用户需求归因有更深刻的理解,结合市场竞品分析,并识别高价值潜在需求与机会,发现并深入挖掘出差异化产品特性。
能够牢牢抓住用户核心需求的演变与进化,在市场环境、技术条件不断变化情况下,不断夯实产品基础体验,提升用户粘性。
了解用户和交朋友并没有区别,随着认识一个人的时间越长,你越发了解ta的价值观、行事风格、兴趣爱好,也会在相处的过程中逐渐的寻找到2个人最合适的模式再往后产生感情、依赖。
而做产品,则是把这个1对1的过程,变成了1对多,从1个用户变成了1个群体。
随着使用小红會的时间越长,ta越发的了解你不同时间段想要阅读的笔记类型,并且根据你的点击、浏览、互动行为进行调整。当ta越能够满足你的需求,你也慢慢的离不开ta,活跃、留存也随之提升。
今天也尝试和朋友们描述理性理解用户的过程,算法只是把理解用户的行为规模化了。
一、用户数据化
理解用户的方式有2种:感性和理性,但感性往往只适合天才,拥有超强的同理心或者ta恰巧就代表了某一类人。而后者则是大部分人使用的方式,也能作为感性的辅助。
用户数据化的过程是收集信息的过程,没有数据就没有发言权。
1)收集的方式
在区分定性和定量,而数据化则是定量的方式,例如数据上报、用户调研。
2)收集的维度
基于我们想要了解用户的原因,圈定理解用户可能需要的数据,例如想了解交易行为要收集的是交易相关的数据
3)收集的结果
一般而言,这一步所获得的数据是无法直接使用的,需要进行加工
二、用户标签化
数据和标签,是比较容易模糊的概念、
我的好朋友阿翘今天吃了10个鸡蛋,是1个事实,是1条每天都会产生的记录。记录没有意义有规律的记录,提取出标签才有价值。
“吃鸡蛋”+“吃10个”+“每天”=鸡蛋狂魔;
“早餐”+“吃10个蛋”=>今天早餐吃很多;
为什么说标签的只是更有价值呢?因为它还不够全面,没办法帮助了解这个人。
简单的说光这个数据我已经可以大概率推断他是“地狱壮汉”了,但是我并不知道他是纯粹喜欢吃鸡蛋,还是喜欢健身,还是健身练的很强壮。
这也是为什么我们要对标签进行组合,形成我们的用户模型。
三、用户模型化
模型,是标签的组合。
结合上面4张图,我们可以思考为什么ta能够推断对方是都市白领或者精致妈妈?
接下来我们举个例子加深理解。
“高频吃高蛋白食物+高频健身”推断他爱好健身,结合身体标签的体脂率推测ta正在增肌,再结合ta的健身时段都在上班时间和职位、收入,推测已经财富自由,是一个打工皇帝。
标签越多,模型越聚焦,用户的需求也越发的明确,用户需要的事往往就是他常做的事。当常做的事不做了,那说明需求变化了,或者没有满足。
但模型只是起点,我们要时刻考量这个模型背后的用户基数、用户价值、运营策略。
基数小,说明需求受众少,那大概率不需要过多关注。但如果小基数的用户群创造大规模的商业价值,那就很值得付出了。而如果拥有了这个用户模型,没有落地的措施,那其实也都是无用功。
|