很想寫一些東西來總結(jié)總結(jié)自己的工作，可惜工作太忙一直也沒顧得上來寫。最近閑來想和大家討論討論關(guān)于創(chuàng)建用戶模型的事情。

一、用戶模型的建立與問卷數(shù)據(jù)的采集

Persona：(Persona是用戶模型的的簡稱)是虛構(gòu)出的一個(gè)用戶用來代表一個(gè)用戶群。一個(gè)persona可以比任何一個(gè)真實(shí)的個(gè)體都更有代表性。

首先，用戶模型是對(duì)用戶的一種劃分，是將一個(gè)類的概念轉(zhuǎn)化成為一個(gè)角色。這里舉一個(gè)簡單的例子：電影里有很多角色，但是生活中有和電影中一模一樣的角色么?顯然是很少的，除非遇到極品。電影中人物的角色是集合了廣大角色的共性而產(chǎn)生的角色代表，代表的是一類人或是一個(gè)群體。

用戶是大量混雜的，我們需要將用戶按照角色分開來確定不同角色的偏好與場景的結(jié)合，這才是建立persona體系的主要目的。

下面具體講講建立Persona體系的步驟。

談起建立Persona體系高手頗多，我這個(gè)菜鳥可不敢班門弄斧，我個(gè)人比較推崇Dr.Lene Nielsen的10步建立Persona方法。

1. Finding the users 發(fā)現(xiàn)用戶
2. Building a hypothesis建立假設(shè)
3. Verifications調(diào)研
4. Finding patterns發(fā)現(xiàn)共同模式
5. Constructing personas構(gòu)造虛構(gòu)角色
6. Defining situations定義場景目標(biāo)
7. Validation and buy-in復(fù)核與買進(jìn)
8. Dissemination of knowledge知識(shí)的散布
9. Creating scenarios創(chuàng)建劇情
10. On-going development持續(xù)的發(fā)展

按照Dr.Lene Nielsen的方法可以建立起一套完整的用戶模型體系（雖然有幾條我也不是太會(huì)用），不過對(duì)于大多數(shù)產(chǎn)品這個(gè)方法還是有點(diǎn)高深莫測。我剛接觸這個(gè)玩意的時(shí)候看了一下午還是不太明白這玩意怎么用。所以只能基于這個(gè)高深玩意，自己總結(jié)了一套能夠切實(shí)可行的Persona模型構(gòu)造方法準(zhǔn)備在下面簡單說說，我本屬菜鳥，大家多多提意見哦！

第一步：確定用戶，做出假設(shè)

首先，要明確用戶群體，這個(gè)在大多數(shù)應(yīng)用開發(fā)之前就應(yīng)該明確了。連用戶群都不知道還開發(fā)個(gè)毛產(chǎn)品。其次，做出用戶角色假設(shè)。這個(gè)時(shí)候大家就要問了，我本來就是要確定用戶角色模型，這不是本末倒置了么？？我要說明一點(diǎn)，在用戶角色分析之前，我們要有個(gè)對(duì)用戶劃分的方向。比如對(duì)于一個(gè)游戲，我們要?jiǎng)澐钟脩裟Ｐ?，其?shí)有很多種分的方法。用戶可以分為，初級(jí)玩家、中級(jí)玩家；還可以分為，戰(zhàn)略性玩家、視覺性玩家、裝備性玩家。任何一個(gè)用戶群體都有多種分類方式，首先要確定我們到底怎么來分類用戶。確定了分類方式之后，再來一個(gè)一個(gè)分類來研究。

下面以一個(gè)我從事的互聯(lián)網(wǎng)醫(yī)療產(chǎn)品作為一個(gè)簡單的例子，來對(duì)這一點(diǎn)進(jìn)行說明。這里只是簡單舉例，真正的用戶模型假設(shè)分類遠(yuǎn)比例子復(fù)雜的多。

首先簡單定義用戶群：身體出現(xiàn)非緊急病癥的人群。

如果是急癥或是嚴(yán)重的病癥一般會(huì)直接前往醫(yī)院，并不會(huì)打開手機(jī)應(yīng)用來咨詢醫(yī)生或者詢問用藥指導(dǎo)。所以我們的適用人群是身體出現(xiàn)異樣且非緊急的人群。

做出假設(shè)，為了舉例方便，我們簡單的把用戶角色分為：細(xì)心護(hù)理型、粗放型。細(xì)心護(hù)理型：主要是指非常注意自己的健康狀況，不放過一點(diǎn)一滴的問題。粗放型：只需要知道個(gè)大概有事沒事，不太關(guān)心自己的健康狀態(tài)。我們先簡單將用戶角色分為這兩種，繼續(xù)第二步發(fā)分析。

第二步：確定用戶興趣點(diǎn)（提取變量）

對(duì)于這一步，可以通過少量用戶訪談來完成，其實(shí)就是找到所有用戶關(guān)注的點(diǎn)，我們將這些用戶關(guān)注的點(diǎn)稱為變量。

比如對(duì)于醫(yī)療產(chǎn)品，經(jīng)過對(duì)用戶的訪談，我們簡略總結(jié)用戶關(guān)注度為：醫(yī)生的真實(shí)可靠性、醫(yī)生的負(fù)責(zé)程度、能否找本地醫(yī)生掛號(hào)、產(chǎn)品視覺、產(chǎn)品交互。為了舉例方便，我們簡單總結(jié)用戶關(guān)注的這5個(gè)特點(diǎn)。從而可知，我們得到5個(gè)變量，下面將設(shè)計(jì)問卷分析出對(duì)不同角色用戶對(duì)這5個(gè)變量的差異性。

第三步：設(shè)計(jì)問卷（最關(guān)鍵的一步）

問卷是針對(duì)我們產(chǎn)品真實(shí)用戶群的調(diào)查，所以題目的設(shè)計(jì)必須非常具有針對(duì)性，并且通過結(jié)果能夠達(dá)到我們預(yù)期的效果。

首先，要先將問卷問題分成三個(gè)區(qū)：甄別性問題區(qū)、變量問題區(qū)、建議性問題區(qū)。估計(jì)有人要問這都是些神馬？？？其實(shí)這些很簡單。甄別性問題，是用來甄別出用戶屬于哪個(gè)角色；比如我設(shè)置了10個(gè)問題，符合1，3，5條問題的用戶屬于角色A，符合2，4，6條問題的用戶屬于角色B。

甄別性問題：

以剛才的例子，我們簡單設(shè)置3個(gè)甄別性問題：

Z1.您一般在線咨詢病情的時(shí)間是多久？

A.<5min ???B.5-10min ???C.10-20min? ??D.>20min

Z2.您是否需要隨時(shí)的咨詢醫(yī)生？

A.需要???? B.不需要???? C.看情況

Z3.如果手上被劃了一個(gè)小口子，并不是非常嚴(yán)重，您會(huì)？

A.立刻消毒包扎???? B.清洗干凈后該干嘛干嘛???? C.壓根不管

我們定義甄別規(guī)則如下：

為了舉例方便，我們簡單給甄別角色設(shè)置了上述規(guī)則。這里說明幾點(diǎn)，第一，規(guī)則是人設(shè)定的，可以更改，只有更好的規(guī)則，規(guī)則沒有對(duì)錯(cuò)；第二，問題1、問題2、問題3之間是“與”的關(guān)系，問題內(nèi)選項(xiàng)是“或”的關(guān)系。

有個(gè)問題，如果用戶的答案都不滿足于上面的規(guī)則，那如何分配用戶角色呢？？？答案很簡單：要么真正研究規(guī)則并修改規(guī)則；要么作為數(shù)據(jù)清洗將用戶清洗掉（說明該用戶沒有認(rèn)真答題，或是用戶屬于極小類群）。當(dāng)然這個(gè)地方還有很多可以優(yōu)化，具體參考數(shù)據(jù)挖掘資料。

變量性問題：

變量性問題其實(shí)是指針對(duì)用戶關(guān)注的點(diǎn)進(jìn)行問題設(shè)置。我們剛才舉例總結(jié)出的關(guān)注點(diǎn)為：醫(yī)生的真實(shí)可靠性、醫(yī)生的負(fù)責(zé)程度、能否找本地醫(yī)生掛號(hào)、產(chǎn)品視覺、產(chǎn)品交互，5個(gè)方面，針對(duì)每個(gè)方面可以設(shè)置1-n問題。(為了簡便，每個(gè)變量僅列出一個(gè)問題)

下面在列舉出一個(gè)變量舉出多個(gè)問題的例子：

產(chǎn)品交互：

1. 您對(duì)頁面扭轉(zhuǎn)時(shí)的流暢性要求如何？請(qǐng)用1-100分給出（1代表不在意，100代表非常在意）
2. 您對(duì)手機(jī)應(yīng)用的操作頻率如何？請(qǐng)用1-100分給出（1代表不經(jīng)常，100代表經(jīng)常操作）
3. 您喜愛扁平化的交互設(shè)計(jì)還是深度立體的交互設(shè)計(jì)？請(qǐng)用1-100分給出（1代表喜歡扁平化的交互設(shè)計(jì)，100代表喜歡深度立體的交互設(shè)計(jì)）

…

總之，在設(shè)計(jì)變量性問題的時(shí)候，最好得到可量化的數(shù)字，這樣方便于對(duì)以后的多元回歸統(tǒng)計(jì)工作。

建議性問題：

建議性問題是不用用戶角色給我們提出的要求，他們可能提出一些非全局的變量問題。比如，對(duì)于老年用戶，可能會(huì)提出應(yīng)用設(shè)計(jì)中存在放大鏡功能，但這個(gè)功能明顯不適合年輕人。建議性問題的很多可以設(shè)置成開放性問題，不用角色的用戶可以將自己的想法寫出來，如果大家都需要，那就變成了新需求，也就是產(chǎn)品功能的發(fā)展方向。

按照我們剛才的例子，給出2個(gè)建議性問題：

J1. 您作為用戶還希望我們的應(yīng)用添加什么樣的功能？

• 語音服務(wù)功能
• 24小時(shí)服務(wù)電話
• 中英文
• 其他_______

J2. 您希望我們用什么方式和您聯(lián)系？

• 電話
• email
• 寫信（哈哈，這里來個(gè)復(fù)古的方式）
• 直接上門
• 其他_______

到這里，我們的一套問卷就搭建完成了。

最后再說一句，在問卷的最后，要給出一個(gè)綜合評(píng)價(jià)性的問題哦?。。?！

綜合滿意度：

您對(duì)我們的應(yīng)用滿意度是什么？請(qǐng)用1-100分給出（1代表很不滿意求，100代表非常滿意）好啦，大功告成，這就是一套完整persona問卷。

上圖描述了這一過程，其中每個(gè)顏色的小人，代表通過甄別問題后，區(qū)分出的用戶角色。

最后用上面的問卷對(duì)10個(gè)用戶進(jìn)行訪問，得到數(shù)據(jù)如下:

說明：

• P1、P2、P3…P10代表10個(gè)用戶；
• Z1、Z2、Z3代表3個(gè)甄別性問題；
• B1、B2、B3…B5代表5個(gè)變量性問題；
• J1、J2代表2個(gè)建議性問題

甄別性問題結(jié)果：

按甄別問題對(duì)用戶分類如下:

• 細(xì)心護(hù)理型：P1、P2、P4、P5、P10
• 粗放型：P6、P7、P9
• 數(shù)據(jù)異常問卷：P3、P8

異常數(shù)據(jù)的產(chǎn)生通常是由2個(gè)原因造成的，第一個(gè)是甄別邏輯設(shè)置不完善，比如我們這個(gè)例子甄別性問題少，很多情況都沒有考慮清楚，所以在設(shè)計(jì)甄別問題時(shí)，盡量將所有情況思考清楚，以免出現(xiàn)過多無效數(shù)據(jù)；第二個(gè)是被調(diào)查用戶填寫不認(rèn)真，這也是個(gè)很常見的問題，在設(shè)置問題時(shí)，盡量減少繁瑣問題，使被調(diào)查用戶能夠比較準(zhǔn)確的完成所有問題。

變量性問題結(jié)果：

用戶的調(diào)查結(jié)果以數(shù)表的形式展示出來，這樣有利于進(jìn)行多元回歸分析。

建議性問題結(jié)果：

綜合滿意度：

二、數(shù)據(jù)處理

數(shù)據(jù)的常規(guī)處理

對(duì)于剛才得到的數(shù)據(jù)，可以進(jìn)行常規(guī)的處理。即求出平均值或者份額進(jìn)行相應(yīng)比較分析，所得到的結(jié)果如下。

對(duì)于樣本量為10的上述調(diào)查結(jié)果經(jīng)計(jì)算，細(xì)心護(hù)理型占50%，粗放型30%，異常數(shù)據(jù)20%。

變量性問題平均值：

對(duì)于各個(gè)角色均值數(shù)據(jù)如下：

從上述數(shù)據(jù)結(jié)論可知，對(duì)呀B1-B4問題，兩個(gè)用戶角色觀點(diǎn)相差不大。但是對(duì)于B5（產(chǎn)品交互）問題粗放型用戶比細(xì)心護(hù)理型用戶更為重視。

經(jīng)過對(duì)建議性問題分析結(jié)果可以得到如下圖表：

由此可得出結(jié)論，細(xì)心護(hù)理型用戶對(duì)email的要求較為強(qiáng)烈；粗放型的用戶傾向于寫信的方式。對(duì)于添加的服務(wù)項(xiàng)，這兩種角色均有需求。

綜上所述，我們只是舉了一個(gè)非常非常2b又簡單的例子來說明構(gòu)建用戶模型的方法，實(shí)驗(yàn)的樣本量也很小。這個(gè)簡單的例子可以說明基本方法，要真正應(yīng)用到自己的case中，還需要認(rèn)真研究分析。

多元回歸方法分析用戶模型

對(duì)于數(shù)學(xué)好的童鞋，可以給出一種多元回歸統(tǒng)計(jì)的方法來分析我們得到的數(shù)據(jù)。這里寫的并不詳細(xì)，也沒聽提供假設(shè)檢驗(yàn)，望高手多多指點(diǎn)交流。我們僅用多元回歸方法來分析變量性問題的結(jié)果。

我們的例子提出了5個(gè)變量性問題，所以要回歸的線性方程具有5個(gè)變量，形式如下：

Y=b₀+b₁x₁+b₂x₂+b₃x₃+b₄x₄+b₅x₅

我們的目的就是要對(duì)b₀、b_1、b₂…b₅計(jì)算出估計(jì)量。

寫成矩陣的形式為Y=BX

其中Y為綜合滿意度數(shù)據(jù)

使用MATLAB中的regress(y,x)可以對(duì)B進(jìn)行多元回歸,結(jié)果如下：

(這里沒有進(jìn)行假設(shè)檢驗(yàn)等，大家可以自行完善)

>> y=load(‘C:\Users\ydbj0017\Desktop\y.txt’)

y =

90

85

77

81

70

78

89

91

90

80

>> x=load(‘C:\Users\ydbj0017\Desktop\x.txt’)

x =

1??? 80??? 95??? 79??? 78??? 67

1??? 87??? 66??? 60??? 89??? 78

1??? 97??? 77??? 87??? 69??? 90

1??? 88??? 98??? 65??? 75??? 68

1??? 78??? 83??? 63??? 73??? 76

1??? 73??? 75??? 88??? 80??? 95

1??? 78??? 98??? 63??? 66??? 97

1??? 77??? 74??? 87??? 66??? 69

1??? 90??? 88??? 67??? 87??? 78

1??? 88??? 78??? 67??? 79??? 60

>> regress(y,x)

ans =??????????? %這個(gè)就是估計(jì)矩陣B

51.4213?????? %b0

-0.0868??????? %b1

0.2210?????? %b2

0.1407?????? %b3

0.2041?????? %b4

-0.0671?????? %b5

b0為常數(shù)，對(duì)變量沒有影響，剩余對(duì)應(yīng)相應(yīng)的變量問題。由此可見B2問題是全部用戶對(duì)整體評(píng)價(jià)中權(quán)重最大的因素。

Gery@北京海淀，醫(yī)療方向產(chǎn)品經(jīng)理。還望同僚多多指點(diǎn)，共同進(jìn)步。

本文系起點(diǎn)學(xué)院北京1503期優(yōu)秀學(xué)員@Gery 原創(chuàng)獨(dú)家授權(quán)發(fā)布，未經(jīng)本站許可，禁止轉(zhuǎn)載。謝謝合作。