整合营销服务商
电脑端+手机端+微信端=数据同步管理
免费咨询热线：
电脑端+手机端+微信端=数据同步管理
免费咨询热线：
户画像的价值在于被使用。当越来越多的团队使用用户画像，那么用户画像就会越来越像一个真实的用户，帮助团队从用户的角度出发去设计软件。
最近和产品经理又对撕了N次，心好累～
对撕的起因很简单，针对某些设计细节点，他认为“应当如此如此”，我认为“应当如此如此”…
于是我们俩如此来如此去，却猛然醒悟到一件重要的事情，不管我们俩怎样认为，我们都不属于产品设计的“目标用户”，我们的经验并不等同于用户的期望和想法。
为了避免以后反复发生此类无意义的争论，我们决定针对正在跟进的教育B端业务制作用户画像。
因涉及到教育产品的商业机密及受访者的隐私信息，下文中的画像案例已进行脱敏处理，对部分信息进行调整，请大家更关注其中涉及的方法，不要拿来直接使用哦～
文中所用Sketch模板地址：https://pan.baidu.com/s/1qmz4pZ40a_H2P0RkbV24wA
首先，我们在开始制作画像前，要先明确画像所服务的业务。
业务性质：教育行业SaaS产品
目标客户：终端用户
服务内容：为教育企业（学校）提供解决方案
商业模式特点：
用户画像，是教育B端产品目标客户（学校）及其多个核心角色共同构成的画像。可以用于帮助我们解决版本设计中的如下问题：
我们的用户画像需要体现目标客户（学校）以及拥有决策权的关键角色信息。
学校是我们的目标客户，我们进行产品设计的目的之一是要帮助学校达成目标，因此我们需要在用户画像中明确以下信息。
（1）学校标识
包含学校Logo、 名称以及公私性质。
上述元素应当简单并且容易记忆，可以形成快速的视觉记忆。
（2）学校背景
该校的行业地位，学校规模及包含的学级。
（3）学校目标
你的产品希望解决和能够帮助到学校的那部分，这也是我们必须满足校方的条件。
如下某中学范例：
产品设计的另一个目的是为产品的实际使用者提供价值。使用者的接受度越高，我们跟学校之间的关系就越好，也能显著降低学校更换供应商的可能性。
但在学校的产品运转流程中一直存在诸多角色，只有在决策链上的角色，才是有价值的关键角色。
我们首先应该考虑希望获得谁（角色）的认同，然后再研究他们的个性。这就是为什么职位信息需要摆在第一位，它揭示了这个角色在学校组织结构中的地位，他们拥有什么样的经历，以及承担什么样的责任。
当我们想卖给公立学校时，我们首先要打动目标学校所属的教育局，因为设备采购需要教育局来出资购买，其次才是公立学校的校长，因此在初期购买阶段，公立学校决策链中最重要的是教育局和校长；而到了私立学校，因为出资人不是教育局，私立学校的校长会更具决策权，因此在初期购买阶段，私立学校决策链中最重要的是校长。
因此在销售阶段会更关注教育局/校长的角色画像。
那么在续费阶段呢？教师和学生的意见会开始在该阶段变得重要起来，因为他们是最终的使用者，是产品的检验者，他们将亲自检验这款软件是否真的适用。通常在学校决定购买我们的产品之前，教师和学生没有话语权，但在是否要续费时，他们的话语权比重会开始显著提升。
因此在我们的产品设计阶段，会更关注教师和学生的角色画像，我们现阶段的调研目标也是为了获取这两类角色的用户画像。
下图为公立学校中不同阶段的关键角色：
下图为私立学校中不同阶段的关键角色：
通过调研方法来收集不同职位角色的客观资料(基础特征、使用情况和使用环境）和主观资料（观点、目的和偏好），以此作为进一步细分的依据。
可通过以下方法采集所需的资料：
1）后台数据拉取
可以帮助我们利用现有资源搜索所需的客观资料。
罗列以上所需的客观资料类目，以需求的方式交由后端或数据分析师，请求帮助批量拉取现有数据，通过对现有客观资料进行分析建模可以帮助我们构建角色画像的外在行为特征。
2）定性访谈
3）实地观察
4）问卷调研
（1）根据角色对访谈对象分组
将收集到的数据大致分类后，根据角色不同对受访者进行分组，例如：教师和学生。
（2）找出行为变量
根据角色不同对受访者进行分组后，把每种角色身上观察到的一些显著的行为列成不同的几组行为变量。
找4～7名左右职位相同但不同年级/学校的角色，结合我们的业务目标（周活/降成本），对比同类角色用户的多组行为变量，如下表格教师角色的变量行为整理：
（3）映射访谈对象与行为变量的关系
将角色的行为变量做成一个区间轴，再把访谈对象放到区间轴上对应起来，不需要那么精确，标出相对位置即可，行为变量通常分成两种情况：
一种是连续性，比如教师角色使用我们产品的频率描述是：经常到较少。
另一种则是非连续性，比如教师角色的批改倾向：系统自动批改、学生自批、教师自主批改。
（4）找出共性行为模式
完成映射后，寻找在变量轴上的对象群。如果一组对象聚集在多个不同的变量上，则可以代表一类角色存在显著的共性行为表现（通常每类角色会有2～3个共性行为）。
如上图最右侧的一组角色展示，这一类角色具备的明显的多种共性行为：较少使用智能教学产品、习惯自主批改、对智能教学产品操作不熟练等，而这几点行为具备了必然的逻辑或因果联系，不再是我们个人的假想关联。
不同角色根据其共性行为可以划分出更多的角色类型，如教师可以根据共性显著的态度和年龄来划分，学生可以根据共性显著的成绩和学习能力来划分：
一旦我们找到共性行为，就可以创造用户画像了，在用户画像中利用收集到的各自角色特征构建个性化资料，个性化用户资料可以帮助我们更深入了解用户特征，所处环境，工作强度，日常需求和遇到的问题，这样可以设身处地的去理解他们。
（1）职位信息和用户资料
建立角色的视觉形象，包含照片、名字、年龄、教育背景、人格特质和思维模式，重点突出态度和工作职责范围。
如下图中的年轻教师角色画像：
（2）角色使用场景
结合使用场景进行故事描述，在描述中体现行为变量等因素，让角色的背景和形象更加鲜活。
如下图的年轻教师角色故事：
（3）角色痛点 & 愿景
描述角色使用智能教学产品时的的痛点和愿景，如下图关于年轻教师角色的相关描述：
（2）角色的社会关系
角色们是同一学校的一部分，他们之间存在人际关系和社会关系。考虑角色的社会关系是否有意义时，可以考虑以下两点：
客户画像模版，包含客户学校内的所有角色类型：
对应角色画像模板：
用户画像通过使用而变得生动。要做到这一点，团队需要了解并能够引用这些用户画像。角色需控制在不超过5-7个，否则很难跟踪和分析用户群体。
我们希望用户画像是稳定的，但是有时候用户研究或者反馈会带来大量的新信息。重新塑造用户画像会带来认知负担，我们可以尝试用一条故事线来推动，比如用户画像中的人物升职了或职务内容发生了调整。再不行，可以尝试用启动会议来介绍这些改变。
在已获取的角色画像中，我们也需要根据场景来对角色类型进行主次区分，也可以考虑增加负面角色，如不爱学习/上课注意力不集中的学生无法视为我们自主学习场景下的目标角色用户。
我们可以将用户画像的描述做成一页纸贴在墙上，这样设计团队成员每天走进办公室就能看到。即便团队成员无法在一起工作，也可以采用以下方法：
总的来说，用户画像可以帮助设计师跳出自己的需求，了解真正使用产品的人的需求。这个对于终端办公软件来说尤其重要，因为很多软件开发者与产品的用户完全不相似。用户画像的价值在于被使用，当越来越多的团队使用用户画像，那么用户画像就会越来越像一个真实的用户，帮助团队从用户的角度出发去设计软件。
参考文献：
愚者秦，微信公众号：feather-wit，人人都是产品经理专栏作家。先后任职于爱奇艺、字节跳动的一枚体验设计师，同时是兼职写小说的斜杠青年，善于总结和抽象设计方法，热衷于探索不同用户场景下的产品策略。
本文原创发布于人人都是产品经理，未经许可，禁止转载
题图来自Unsplash，基于CC0协议
近和产品经理又对撕了N次，心好累～
对撕的起因很简单，针对某些设计细节点，他认为“应当如此如此”，我认为“应当如此如此”…
于是我们俩如此来如此去，却猛然醒悟到一件重要的事情，不管我们俩怎样认为，我们都不属于产品设计的“目标用户”，我们的经验并不等同于用户的期望和想法。
为了避免以后反复发生此类无意义的争论，我们决定针对正在跟进的教育B端业务制作用户画像。
因涉及到教育产品的商业机密及受访者的隐私信息，下文中的画像案例已进行脱敏处理，对部分信息进行调整，请大家更关注其中涉及的方法，不要拿来直接使用哦～
文中所用Sketch模板地址：https://pan.baidu.com/s/1qmz4pZ40a_H2P0RkbV24wA
首先，我们在开始制作画像前，要先明确画像所服务的业务。
业务性质：教育行业SaaS产品
目标客户：终端用户
服务内容：为教育企业（学校）提供解决方案
商业模式特点：
用户画像，是教育B端产品目标客户（学校）及其多个核心角色共同构成的画像。可以用于帮助我们解决版本设计中的如下问题：
1. 识别关键画像
我们的用户画像需要体现目标客户（学校）以及拥有决策权的关键角色信息。
学校是我们的目标客户，我们进行产品设计的目的之一是要帮助学校达成目标，因此我们需要在用户画像中明确以下信息。
1 ）学校标识
包含学校Logo、 名称以及公私性质。
上述元素应当简单并且容易记忆，可以形成快速的视觉记忆。
2 ）学校背景
该校的行业地位，学校规模及包含的学级。
3 ）学校目标
你的产品希望解决和能够帮助到学校的那部分，这也是我们必须满足校方的条件。
如下某中学范例：
产品设计的另一个目的是为产品的实际使用者提供价值。使用者的接受度越高，我们跟学校之间的关系就越好，也能显著降低学校更换供应商的可能性。
但在学校的产品运转流程中一直存在诸多角色，只有在决策链上的角色，才是有价值的关键角色。
我们首先应该考虑希望获得谁（角色）的认同，然后再研究他们的个性。这就是为什么职位信息需要摆在第一位，它揭示了这个角色在学校组织结构中的地位，他们拥有什么样的经历，以及承担什么样的责任。
当我们想卖给公立学校时，我们首先要打动目标学校所属的教育局，因为设备采购需要教育局来出资购买，其次才是公立学校的校长，因此在初期购买阶段，公立学校决策链中最重要的是教育局和校长；而到了私立学校，因为出资人不是教育局，私立学校的校长会更具决策权，因此在初期购买阶段，私立学校决策链中最重要的是校长。
因此在销售阶段会更关注教育局/校长的角色画像。
那么在续费阶段呢？教师和学生的意见会开始在该阶段变得重要起来，因为他们是最终的使用者，是产品的检验者，他们将亲自检验这款软件是否真的适用。通常在学校决定购买我们的产品之前，教师和学生没有话语权，但在是否要续费时，他们的话语权比重会开始显著提升。
因此在我们的产品设计阶段，会更关注教师和学生的角色画像，我们现阶段的调研目标也是为了获取这两类角色的用户画像。
下图为公立学校中不同阶段的关键角色：
下图为私立学校中不同阶段的关键角色：
采集角色资料
通过调研方法来收集不同职位角色的客观资料(基础特征、使用情况和使用环境）和主观资料（观点、目的和偏好），以此作为进一步细分的依据。
可通过以下方法采集所需的资料：
1）后台数据拉取
可以帮助我们利用现有资源搜索所需的客观资料。
罗列以上所需的客观资料类目，以需求的方式交由后端或数据分析师，请求帮助批量拉取现有数据，通过对现有客观资料进行分析建模可以帮助我们构建角色画像的外在行为特征。
2）定性访谈
3）实地观察
4）问卷调研
2. 分析建模
1 ）根据角色对访谈对象分组
将收集到的数据大致分类后，根据角色不同对受访者进行分组，例如：教师和学生。
2）找出行为变量
根据角色不同对受访者进行分组后，把每种角色身上观察到的一些显著的行为列成不同的几组行为变量。
找4～7名左右职位相同但不同年级/学校的角色，结合我们的业务目标（周活/降成本），对比同类角色用户的多组行为变量，如下表格教师角色的变量行为整理：
3）映射访谈对象与行为变量的关系
将角色的行为变量做成一个区间轴，再把访谈对象放到区间轴上对应起来，不需要那么精确，标出相对位置即可，行为变量通常分成两种情况：
一种是连续性，比如教师角色使用我们产品的频率描述是：经常到较少。
另一种则是非连续性，比如教师角色的批改倾向：系统自动批改、学生自批、教师自主批改。
4）找出共性行为模式
完成映射后，寻找在变量轴上的对象群。如果一组对象聚集在多个不同的变量上，则可以代表一类角色存在显著的共性行为表现（通常每类角色会有2～3个共性行为）。
如上图最右侧的一组角色展示，这一类角色具备的明显的多种共性行为：较少使用智能教学产品、习惯自主批改、对智能教学产品操作不熟练等，而这几点行为具备了必然的逻辑或因果联系，不再是我们个人的假想关联。
不同角色根据其共性行为可以划分出更多的角色类型，如教师可以根据共性显著的态度和年龄来划分，学生可以根据共性显著的成绩和学习能力来划分：
一旦我们找到共性行为，就可以创造用户画像了，在用户画像中利用收集到的各自角色特征构建个性化资料，个性化用户资料可以帮助我们更深入了解用户特征，所处环境，工作强度，日常需求和遇到的问题，这样可以设身处地的去理解他们。
3. 画像呈现
1 ）职位信息和用户资料
建立角色的视觉形象，包含照片、名字、年龄、教育背景、人格特质和思维模式，重点突出态度和工作职责范围。
如下图中的年轻教师角色画像：
2 ）角色使用场景
结合使用场景进行故事描述，在描述中体现行为变量等因素，让角色的背景和形象更加鲜活。
如下图的年轻教师角色故事：
3 ）角色痛点 & 愿景
描述角色使用智能教学产品时的的痛点和愿景，如下图关于年轻教师角色的相关描述：
4 ）角色的社会关系
角色们是同一学校的一部分，他们之间存在人际关系和社会关系。考虑角色的社会关系是否有意义时，可以考虑以下两点：
4. 最终呈现的画像框架
客户画像模版，包含客户学校内的所有角色类型：
对应角色画像模板：
用户画像通过使用而变得生动。要做到这一点，团队需要了解并能够引用这些用户画像。角色需控制在不超过5-7个，否则很难跟踪和分析用户群体。
我们希望用户画像是稳定的，但是有时候用户研究或者反馈会带来大量的新信息。重新塑造用户画像会带来认知负担，我们可以尝试用一条故事线来推动，比如用户画像中的人物升职了或职务内容发生了调整。再不行，可以尝试用启动会议来介绍这些改变。
在已获取的角色画像中，我们也需要根据场景来对角色类型进行主次区分，也可以考虑增加负面角色，如不爱学习/上课注意力不集中的学生无法视为我们自主学习场景下的目标角色用户。
我们可以将用户画像的描述做成一页纸贴在墙上，这样设计团队成员每天走进办公室就能看到。即便团队成员无法在一起工作，也可以采用以下方法：
总的来说，用户画像可以帮助设计师跳出自己的需求，了解真正使用产品的人的需求。这个对于终端办公软件来说尤其重要，因为很多软件开发者与产品的用户完全不相似。用户画像的价值在于被使用，当越来越多的团队使用用户画像，那么用户画像就会越来越像一个真实的用户，帮助团队从用户的角度出发去设计软件。
参考文献：
代科技高速发展，一方面给人们生活带来了便利；另一方面也给人们工作、生活冲击越来越大。接下来的物联网、人工智能、大数据、云计算、智能硬件等高科技来袭，会进一步颠覆人们传统的生活方式、工作方式，所以我们有必要认识和了解它们。随着大数据概念深入人心，越来越多的企业开始认可数据存在价值。挖掘自身数据价值、获取外部数据是企业两大需求。但在实践中，企业发现两大需求存在同样问题，不论是自身数据还是外部数据，原始数据与有价值数据之间存在鸿沟，自身缺乏填平鸿沟的技术手段。
新兴大数据公司成为解决问题的答案，他们具备处理数据的经验和技术，可以将原始数据转化成能为业务提供支持的数据。数据服务产业链就此形成。
整个数据服务产业链可以分为三个部分，从上游的数据源到中游的数据服务商，再到下游的企业级用户。因为大数据公司大多成立时间较短，自身业务产生数据有限，一般是作为数据源和企业级用户的桥梁，处于整个产业中游。做数据加工和数据应用，挖掘原始数据的价值，为企业业务提供数据支持。
在整个大数据产业生态中，数据服务是生态中重要一环，下接底层技术平台，上接顶层应用。
大数据（big data）定义：
美国国家标准技术研究院（NIST）给出的定义是：大数据是数量大、获取速度快或形态多样的数据，难以用传统关系型数据分析方法进行有效分析，或者需要大规模的水平扩展才能高效处理。
2.大数据的4V特征：
2. 1.Volume容量：数据体量巨大，从TB增长到PB指非结构化数据的模型和增长速度；
①非结构化数据占总数据量的80-90%，比结构化数据增长快10-50倍，数据量是传统数据库的10-50倍；
说明：
a、非结构化数据-是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。包括所
有格式的办公文档、文本、图片、XML, HTML、各类报表、图像和音频/视频信息等等。
b、结构化数据，简单来说就是数据库。比如企业ERP、财务系统、医疗HIS数据库等
②数据基本单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。相邻单位之间差1024倍，如TB=1024GB，PB=1024TB；
2.2.Variety多样化：指数据的异构和多样性，数据多种不同形式，如文本、图像、视频、机器数据；数据无模式或者模式不明显；
①数据来源多，微博、传感器、社交网站；
②数据的种类多，非结构化数据多，视频、模型、音频、文档、连接信息；
③关联性强：譬如旅行图片和日志，就能推测出你的位置和行程是怎么样的。
2.3.Value价值：体现在大量的不相关信息，价值密度低，需要通过深度复杂分析才可以对未来趋势与模式进行预测；价值密度低，从海量数据中挖掘稀有并珍贵的信息才是大数据的核心；
2.4.Velocity高效：实现实时分析，实时呈现分析结果；能否实现实时的数据流处理是区别大数据应用和传统数据仓库技术-BI的关键差别之一；
3.大数据的意义：
大数据是帮助企业利用海量数据资产实时、精确的洞察未知逻辑领域的动态变化，并快速重塑业务流程、组织和行业的新型数据管理技术构建颠覆性优势：
①洞察未知：多样化的数据使企业可以利用更为广泛的数据以支撑企业更多维度的分析需求，而不再局限于已知事实的分析，进而增加战略洞察力；
②优化流程：动态的分析变化可以使企业实时监测分析业务流程的不足，进而不断优化业务流程；
③实时响应：数据可实时访问分析加速了企业获取信息及分析的速度，进而使用户更加灵敏的应对市场的变化。
4.大数据技术和传统数据管理技术不同：
4.1.大数据以动态为主，传统数据以静态为主
维度大数据传统数据
从数据来看大数据技术针对的是实时产生的大量结构化及非结构化数据传统数据管理针对的是过去一段时间内已知范围内的易于理解的数据
从处理工具来看大数据技术要求实时处理数据要求高效、高吞吐处理数据，并未有严格的时限要求
从数据算法来看探究的是建立算法模型，基于实时数据不断优化管理统计分析主题关系早确立且不变
4.2.从是否已知关系来看
维度大数据传统数据
已知关系未知为主，大数据探究的是已知之外的数据关联程度已知为主，传统数据管理技术探究的是基于已知下数量关系
5.大数据的技术支撑：
5.1.存储
①存储成本下降，存储成本的下降，也改变了大家对数据的看法，更加愿意把1年、2年甚至更久远的历史数据保存下来，有了历史数据的沉淀，才可以通过对比，发现数据之间的关联和价值；
②正是由于存储成本的下降，才能为大数据搭建最好的基础设施；
5.2.计算
运算速度越来越快，海量数据从原始数据源到产生价值，期间会经过存储、清洗、挖掘、分析等多个环节，如果计算速度不够快，很多事情是无法实现的。
5.3.智能
机器拥有理解数据的能力大数据带来的最大价值就是“智慧”，大数据让机器变得有智慧，同时人工智能进一步提升了处理和理解数据的能力。
6.大数据几种较为常用的功能：
6.1.追踪
互联网和物联网无时无刻不在记录，大数据可以追踪、追溯任何一个记录，形成真实的历史轨迹。追踪是许多大数据应用的起点，包括消费者购买行为、购买偏好、支付手段、搜索和浏览历史、位置信息等。
6.2.识别
在对各种因素全面追踪的基础上，通过定位、比对、筛选，可以实现精准识别，尤其是对语音、图像、视频进行识别，使可分析内容大大丰富，得到的结果更为精准。
6.3.画像
通过对同一主体不同数据源的追踪、识别、匹配，形成更立体的刻画和更全面的认识。对消费者画像，可以精准推送广告和产品；对企业画像，可以准确判断其信用及面临的风险。
6.4.提示
在历史轨迹、识别和画像基础上，对未来趋势及重复出现的可能性进行预测，当某些指标出现预期变化或超预期变化时给予提示、预警。以前也有基于统计的预测，大数据大大丰富了预测手段，对建立风险控制模型有深刻意义。
6.5.匹配在海量信息中精准追踪和识别，利用相关性、接近性等进行筛选比对，更有效率地实现产品搭售和供需匹配。大数据匹配功能是互联网约车、租房、金融等共享经济新商业模式的基础。
6.6.优化
按距离最短、成本最低等给定的原则，通过各种算法对路径、资源等进行优化配置。对企业而言，提高服务水平、提升内部效率；对公共部门而言，节约公共资源、提升公共服务能力。
所有这些应用场景都具有相似的特点，即分析涉及结构化和非结构化数据，被访问的数据或数据流来自不同来源，以及数据量可能巨大。反之，对数据进行分析可以建立分析模型，用于实时识别来自同一数据源和数据流的模式。 从目前行业发展来看，数据应用领域的公司增速更快、体量更大，TalkingData、集奥聚合估值都超过30亿。这两家公司都是选择以金融、地产作为切入点。金融、地产行业一方面公司自身信息化程度高，对数据非常重视，另一方面大型企业居多，付费能力强。
*请认真填写需求信息，我们会在24小时内与您取得联系。
