研究用戶應該從哪幾個維度去構建用戶畫像模型？

12-31

最近在做一款社交類產品的用戶研究，期間產生一個問題，為了能夠使用戶畫像能夠真正成為團隊進行決策的指導核心，應該從哪幾個維度去刻畫用戶模型呢？譬如，用戶社交的動機、社交習慣、關注點、人口統計因素等。

需要先說明一下，在面對「用戶畫像」這個詞的時候，UED團隊和市場/運營團隊的所指和所用是不同的。

UED團隊的用戶畫像更多的是用戶角色（personas）-用戶個性特徵，比較關注用戶的目標、行為和觀點，人口統計信息、lifestyle這些價值相對弱一些。UED團隊建議使用創建用戶角色的方法去做，具體使用可以參考《贏在用戶-Web人物角色創建和應用實踐指南》這本書。輸出物最好有清晰的角色特性和user story。

輸出物比如這樣的：

市場/運營的用戶畫像更多的是用戶分類（segment）-用戶群體特點的劃分，比較關注的是影響推廣、活躍、留存、付費的關鍵指標，和關鍵行為指標上的反映（比如電商的商品推薦；社交網站的廣告）。這裡使用較多的方法是打標籤，進行相應的關聯、歸因分析。指標可能比較偏重於行為習慣（內容偏好，時間偏好，設備特徵）、動機和態度、demographiclifestyle之類的。輸出物要根據項目不同，做不同的用戶分類。

輸出物比如網易的一個分類：

當然，在實際工作中，UED和運營團隊是相互配合、交叉協作的，根據你的產品特點和本次項目目的去選取相應的方法和指標。

看題目的描述，是需要創建角色+標籤都用的，這個時候，相關信息維度越多越好/越精確越好。然後，在使用過程中再做相應的截取。

很多企業都有建設「用戶畫像」的需求。首先來介紹我們所理解的兩種用戶畫像（User Persona 和 User Profile），以及如何構建用戶畫像（User Profile）的標籤體系，並由此驅動產品智能。

以下內容由神策數據資深演算法工程師鄒雨晗提供，版權歸作者所有。更多乾貨分享請關注以及用戶行為專欄。

User Persona

第一種意義上的用戶畫像（User Persona），是產品設計、運營人員從用戶群體中抽象出來的典型用戶。例如，在用戶調研階段，產品經理經過調查問卷、客戶訪談了解用戶的共性與差異，匯總成不同的虛擬用戶；在產品原型設計、開發階段，產品經理圍繞這些虛擬用戶的需求、場景，研究設計產品用戶體驗與使用流程；當產品設計出現分歧時，產品經理能夠藉助用戶畫像（User Persona）跳出離散的需求，聚焦到目標用戶，不是再討論這個功能到底要不要保留，而是討論用戶可能需要這個功能，如何使用這個功能等等。

例如某招聘類產品（https://www.clearvoice.com）在調研階段構建的用戶畫像（User Persona）：

圖某招聘類產品的用戶畫像（User Persona）

如圖是這個產品對於自己的潛在的用戶群體的一個直觀的認識，包括這些用戶的年齡、性別、婚姻狀況、受教育程度、職業、收入等各個維度的一些預估。而後續這個產品就可以按照這些預估，來作為後續產品交互、流程等設計的一個重要依據。

所以，總的來說，這類用戶畫像（User Persona）本質上是一個用來描述用戶需求的方法論。它可以幫助不同角色在產品研發過程中，從用戶的角度思考問題。在產品設計階段和原型開發階段，產品經理會較多地藉助用戶畫像（User Persona）理解用戶的需求，想像用戶使用的場景。

但通常情況下，隨著產品上線後不斷迭代，真實用戶的用戶越來越多，僅通過用戶畫像（User Persona）可能難以更加量化細緻地評估用戶需求，也很難通過數據來確定用戶畫像（User Persona）虛構的人物是不是真的目標群體。同時，真實用戶群體也隨時間推移變化，在設計階段虛構的用戶畫像（User Persona）需要重新調研、設想。

新浪微博就是一個典型的例子，最開始，微博主要的設計是為了滿足一二線城市的白領的使用，此時的用戶畫像（User Persona）可能是這樣的：一二線城市、二十歲到三十歲、較高教育程度、白領、收入在 6000 以上，在這時候，新浪微博所有的產品交互和流程設計可能都是據此進行的。但是，隨著新浪微博的逐漸發展，它的用戶群體已經發生了明顯的「下沉」，越來越多三四線城市的「草根」用戶開始使用。那麼，對於這種情況，新浪微博的整個產品、功能、交互設計等，都應該有所調整。

對於這種問題，用戶畫像（User Persona）有時候可能反應就會滯後，我們可能就需要採用另一種方案，也就是用戶畫像（User Profile）了。

User Profile

為了解決上文提到的一些問題，同時也是為了能夠更加精細深入地了解用戶，我們自然會希望通過產品積累的用戶行為數據來為產品運營提供更好的支撐，甚至由此誕生一些新的功能，例如根據用戶瀏覽記錄向用戶提供個性化服務。這就是我們著重介紹的第二種用戶畫像（User Profile），也即根據每個人在產品中的用戶行為數據，產出描述用戶的標籤的集合。例如猜測這個用戶是男是女，生活工作所在地，喜歡哪個明星，要買什麼東西等。

特別是隨著「千人千面」等理念深入人心，許多企業希望能建立自己的用戶畫像體系。那麼，在這種情況下，我們更應該明確兩種用戶畫像的差異。與第一種用戶畫像（User Persona）不同的是，用戶畫像（User Profile）的建設更加關註：

是否反應受眾的真實需求：用戶畫像（User Profile）這個詞的字面意義，是關注人口屬性、生活狀態、人生階段等靜態信息，但這些信息並不一定直接反應用戶興趣。產品更關注的往往是某用戶「最近喜歡看哪類視頻」、「準備買多少錢的手機」這樣能夠幫助產品運營的動態信息。

時效性：用戶的興趣偏好隨時都在發生變化，需要及時更新用戶標籤。極端情況下，甚至希望用戶上一次瀏覽的情況，在他進行下一次瀏覽前就能體現到用戶畫像（User Profile）的更新上。

覆蓋度：用戶畫像（User Profile）既要勾勒出用戶感興趣的內容，也要記錄用戶不感興趣的信息，盡量多地滿足產品運營的需要。但同時，除了人口屬性等明確的屬性外，大多數用戶畫像的正確與否是沒有意義的。如「最近喜歡看搞笑視頻」這個標籤，並不表示用戶下一次一定觀看搞笑視頻，因此執著於提升標籤的準確度，不如設計出多更清晰描述受眾需求的標籤，更多時候我們注重提升用戶畫像的覆蓋度，同時提供更細粒度的畫像。

簡單總結下，與用戶畫像（User Persona）主要來源於產品與運營人員對於客戶的理解、調研與認知，用戶畫像（User Profile）則主要是基於真實積累的用戶行為結合具體的業務場景產生的一系列標籤，這些標籤共同構成了對於一個用戶的真實描述。

那麼，下面我們就看看如何來設計一套用戶畫像的標籤體系。

用戶畫像（User Profile）標籤體系的建立

所謂用戶畫像（以下均指 User Profile）中的標籤體系，簡單來說就是將用戶劃分到多少個不同的分類之中。當然，在這種情況下，一個用戶是可以落到多個不同的分類上的。用戶落入的這些分類都是什麼，彼此之間有何聯繫，就構成了一個標籤體系。

一般來講，有兩種常見的思路設計用戶畫像的標籤體系。

一類是結構化的標籤體系，這類標籤可以直接從人口屬性、物品信息等基本信息中直接得到，有明確的層級關係，如性別、省市、視頻分類、商品分類等。下面是亞馬遜（http://www.amazon.cn）的商品標籤體系，用戶畫像的標籤體系與此類似，可以結合具體的業務場景來確定。

圖亞馬遜的商品標籤體系

簡單來說，結構化的標籤體系通常較為簡單，一般可以直接通過用戶的行為映射得到。例如根據用戶的購買記錄，為用戶構建物品對應的結構化標籤。但結構化標籤往往粒度較粗，無法充分衡量用戶的興趣，例如用戶在新聞類 APP 中閱讀了關於某明星的娛樂類新聞，其實並無法推斷出他對所有娛樂類新聞感興趣，他也不一定只對該明星情有獨鍾。

另一種是非結構化標籤體系，就是各個標籤各自反應各自的用戶興趣，彼此之間並無層級關係。典型的非結構化的標籤，如搜索廣告系統中的關鍵詞，或者文檔主題模型（Topic Model）。例如新聞類 APP 中，我們往往會構建大規模的主題模型（主題數在千～萬級別），不僅僅涵蓋已經構建的結構化的標籤體系，如娛樂（明星、搞笑）、體育（籃球、足球）等，往往還能更細緻地表達如星座、食物、體育活動等語義上的分類，而且這些分類之間並沒有明顯的層級關係。

標籤體系的建設本身一要便於使用，二要有明顯的區分度。結合具體的產品而言，在不同的場景下對這兩點要求的核心是不同的。因為選擇哪些標籤並沒有明確的依據，還是需要充分了解到底是什麼因素在驅動用戶使用產品。有效的標籤體系，要能反應用戶決定買什麼、不買什麼的邏輯與依據。例如電商產品中，以新聞頻道的方法，為用戶構建「財經」、「體育」、「旅遊」……這樣的標籤，雖然並不難，但也沒多大意義。

實踐案例

我們曾經與國內某知名視頻聚合網站共同搭建視頻推薦服務。該網站每天聚合全網的視頻，向用戶提供熱門視頻、視頻檢索等服務。網站已經積累了大量的用戶和行為數據，圍繞新、老用戶的運營模型在發生著變化。

在開始具體的項目之前，我們首先要意識到，與傳統的視頻站點不同，短視頻網站是有它自己的運營特點的，這些特點包括：

播放隨意性強：短視頻播放雖然是個高頻、周期性強的娛樂應用，但單次觀影時間短，用戶選擇隨意性大；

熱點輪換迅速：平台中不斷加入新視頻，每天的熱門內容不斷變化，網站需要發現用戶潛在的興趣點，向用戶推薦新鮮內容；

場景驅動：場景是特定的時間、地點和人物的組合下的特定的消費意圖。不同的時間、地點，不同類型的用戶的消費意圖會有差異。例如白領乘地鐵上班，會關注當日的新聞熱點；周末晚上在家，用戶更喜歡點擊娛樂類搞笑視頻。當場景辨識越細緻，就越能了解用戶的消費意圖，推薦的滿意度也就越高。

隨著視頻資源的不斷豐富和用戶需求的多樣化，如何準確地向客戶推薦視頻，是該產品用戶畫像的一個基本目標。我們十分看重推薦系統中推薦結果的可解釋性，也讓用戶能感覺到每一條推薦視頻的推薦理由。當然，我們構建用戶畫像也以觀看場景和觀看興趣為主。

我們考慮新用戶和老用戶兩大類群體。新用戶第一次進入 APP，在這一階段的運營目標以留存為主，主要向用戶推薦近期熱門視頻。除了常規的設備信息、地理信息外，我們對用戶了解甚少，可以通過猜測下列問題「用戶在哪裡？」、「這個時段可能處於什麼場景？」來構建用戶畫像，進行場景推薦。這兩種標籤的獲取較為直接，通過用戶手機的地理位置信息和當前時段就可以得到。

而基於這兩個標籤，在不同場景下，我們向新用戶推薦不同的視頻，例如：

工作日 7:00 - 10:00：

用戶可能搭乘公共交通工具前往公司，乘車時使用 3G/4G 流量上網，時間較為碎片化，並且容易受到打擾而中斷觀看。通常這個時段用戶希望了解當天的時事、新聞。因此我們推薦短小精悍的熱點新聞。

工作日 12:30 - 14:00：用戶可能在公司午休，我們推薦娛樂、搞笑類的視頻，目的性較弱，隨意尋找符合自己口味的內容，但有可能因為午睡或工作，觀影時間碎片化。因此，我們推薦視頻時長較短，諸如娛樂、搞笑類的視頻，如

X 奇藝的「笑 X 來了」等。

周末 19:00 - 23:00：用戶可能在家中休息，觀看時間較為充足；使用

WIFI，速度穩定；這個時段用戶目的性通常較強，例如觀看「XX 歌手」、「XX 男」等綜藝節目的熱門片段更新沒有。因此我們可以推薦綜藝節目、電影片花等，滿足用戶長時間放鬆的需求。

通過場景推薦的方式，我們可以在不了解用戶興趣的情況下，針對不同場景標籤下的新用戶推薦不同熱門視頻，滿足用戶需求。

而對於老用戶，運營目標是提升用戶體驗，向用戶推薦感興趣的內容，以提高觀影時長；結合場景推薦用戶可能感興趣的新鮮內容，以提高用戶留存率。除常規信息、場景信息外，構建老用戶的用戶畫像還會考慮：用戶在不同時段的興趣點，用戶是否喜歡探索新鮮視頻，對用戶召回需求。下面我們分別對這三類進行描述：

對於第一類「用戶興趣標籤」，可以通過視頻本身的分類信息構建結構化的興趣標籤。我們在實際處理中，將每個用戶最近觀看記錄作為一個觀影序列，通過 Item 2 Vec[1]產出視頻的

Embedding 矩陣，並用 Bag of Words 的思想以每個用戶的最近觀看記錄描述用戶興趣，得到用戶 Embedding，作為用戶興趣標籤。通過用戶興趣標籤，我們可以將用戶興趣融入前文描述的場景推薦中，例如在工作日的 7:00 - 10:00，我們根據用戶興趣，從熱點新聞中篩選用戶感興趣的軍事、財經等品類；在周末的 19:00 - 23:00，我們根據用戶上周的觀影記錄，重複推薦相同的新一期的綜藝類節目。

對於第二類「用戶新鮮度的需求標籤」，我們通過衡量用戶觀影記錄中，各影片之間的相似度得到。影片分類覆蓋越多，或影片之間的向量距離越遠，說明用戶越喜歡探索新內容。對於喜歡探索不同類型的視頻的用戶，我們會更傾向於從用戶未觀看過的分類中，抽取新鮮熱門視頻加入推薦排序結果中。

對於第三類用戶召回方面的需求，其實也是一個非常現實的需求。神策分析可以通過多維分析的方式尋找用戶流失的原因，同樣的我們也通過統計方法預測用戶流失風險。例如，對於視頻網站的老用戶，觀影習慣和場景通常較為固定，當用戶最近一段時間內的觀看頻次顯著低於過往，甚至沒有打開 APP 時，我們判定用戶有流失風險，可以通過推送感興趣的視頻等手段，召回用戶。

現在，讓我們總結一下，短視頻是一個高頻、隨意性強的產品，用戶的觀看行為受時間、場地等場景因素影響較大，需要對用戶在不同場景下的觀看行為做深入了解，歸納不同場景下用戶個體需求、群體需求的差異，針對不同場景制定相應的推薦策略，這也是我們選擇場景作為短視頻產品用戶畫像的突破口的原因。

同時我們在構建視頻推薦的用戶畫像時還面臨如下挑戰：

數據稀疏性：個人的觀看記錄相對整體的覆蓋度是十分低的，不同的個體間重合度也很低。我們需要從這些稀疏的數據中得到個體、群體的興趣標籤。

用戶興趣變化快：用戶的興趣點隨時間、熱點變化，用戶觀看了幾次關於某明星的短視頻，並不代表第二天或未來用戶會對他感興趣。我們需要分別構建用戶短期、長期的興趣標籤。

場景識別難：目前我們的場景識別以時間段為主，未加入地理位置信息，而後者能顯著提高細粒度場景識別的準確度。

最後，總結一下文中提到的兩種用戶畫像。User Persona 可以幫助我們形象的了解目標用戶的行為特徵，作為我們判斷用戶需求的依據；User Profile 從用戶行為中構建各種標籤，在用戶生命周期中不斷刻畫用戶意圖，輔助產品運營。

畫像標籤體系的建設是不斷迭代的過程，例如視頻產品中，新的視頻、新的熱門話題不斷產生，不斷地研究和調整也就必不可少。只有根據產品運營的目標，靈活調整標籤體系，才能取得最好的效果。

以上內容由神策數據資深演算法工程師鄒雨晗提供，更多乾貨分享請關注 2017神策數據驅動大會。

用研的用戶畫像研究很容易陷入到模型當中去，得出過於學術的結論，但未必能夠落地。

有這麼幾個建議：

1、尋找產品（設計）在意的用戶指標，1-3個

2、尋找研究能夠描述特徵的顯性指標，1-3個

3、溝通，綜合1和2的指標來建構模型

社交類產品，大約也逃不出性別、年齡、職業、興趣、內容生產（直播、短視頻、圖文、資訊等）、內容消費、陌生人接受度（勾搭、點對點等）這樣一些維度吧。比較重要的是斜體這些個性化的分類指標

三步走：樣本篩選+信息收集+構建畫像

1.用戶樣本篩選

前期需要根據產品特性確定出產品目標用戶群所具備的基本特點，然後才能讓調研公司根據需求去搜集用戶樣本。

以音樂產品用戶為例，我們需要限定：年齡範圍、城市分布、使用頻次、使用時長、使用設備、收聽習慣等等。最終確定一個用戶樣本範圍。

2.用戶訪談

確定好範圍之後，針對性地挑選用戶做訪談，數量不一定要多，但是要儘可能地涵蓋不同的性格類型。

訪談中需要注意的是：盡量不要問用戶封閉式問題和帶有引導性的問題，並且注意不要忽略產品相關的問題。將用戶的習慣與對你們產品的意見結合，那得出的結論是非常有效的。

3.構建畫像

這一步將收集到的信息進行整理和分析並歸類，創建用戶角色框架（更全面地反映出用戶的狀態），然後根據產品側重點提取出來，進行用戶評估分級，並結合用戶規模、用戶價值和使用頻率來劃分，確定主要用戶、次要用戶和潛在用戶。

這就是構建用戶畫像的步驟，最後你可以根據這個進行用戶評估、精細化運營和分類運營等等，做有針對性的運營，提高運營效率。

用戶畫像建立主要分三步：收集數據，分析數據，提純畫像。

第一步，收集數據

目前而言，像BAT，京東，亞馬遜，網易等這樣的巨頭公司有自己的數據收集和分析工具和部門，其餘的企業更多使用第三方數據分析中心，例如99click商助科技。

收集哪些數據呢？各電子商務平台根據自己的產品特性以及出於自己的營銷戰略會建立自己的數據維度。目前，通用的數據主要有：人口屬性，社會屬性，行為習慣，興趣偏好和心理屬性5個方面。

人口屬性，包含年齡，性別，身高，地域，學歷，收入和教育
社會屬性，包括社會職務，婚姻狀況，住房車輛，社交關係等等
行為習慣，包括運動，休閑旅遊，酒店住宿，飲食起居等偏好
興趣偏好，包括購物，遊戲，體育，文化等
心理屬性，生活方式，個性，需求動機，價值觀，人生態度等

例如，客戶來源的收集，可以看到潛在客戶的聚集地，以及各地域的客戶消費比值等等，為下一步營銷戰略布局提供數據支撐。

像99click商助科技這樣的大數據公司，以十多年的數據挖掘經驗，收集客戶地域，外部來源以及搜索引擎等有效數據，這讓網站開發和廣告投放者更能有的放矢，也節約更多精力和資源在開發新客戶與維護老客戶上。

第二步：數據分析

即使同樣是電子商務平台，針對的用戶不一樣，所需要的數據也會有差異，而不用全部數據都拿來分析。

▎舉個例子：

賣化妝品而言，關鍵需要知道你年齡，性別，消費情況，因為這些數據決定了你護膚品的購買力。同時愛好，興趣，娛樂等數據也需要考慮，你的品牌偏好？護膚品功能偏好？數據分析就是找出目標客戶的共同點，當然也發現非目標用戶特點，避免網站開發做無用功。

第三步：提純豐富用戶畫像

找出某一類用戶的關鍵共同點之後，不斷豐富。把關鍵點串起來，補充一些次關鍵信息更立體描述出用戶畫像。正如《大數據時代》中提到的，大數據要找的不是因果關係，而是相關關係。而這一功能，亞馬遜已經用於網站的商品個性化推薦。

▎舉個例子：

亞馬遜會根據你以往的消費，以及你的瀏覽，為你推薦一本書，而這本書正是你要買的。

這正是很多平台企業期待的用戶個性化推薦。

用戶畫像的構建，表面看起來簡單，實則在運行過程中需要不斷得驗證，測算。企業成長的各個階段也需要對畫像模型進行驗證修正，但保持清晰用戶畫像會讓企業更深入了解用戶需求。

典型角色（persona）是一個基於對真實用戶的研究所創造出來的虛擬人物。它包含著團隊對目標用戶特徵和核心需求的理解。這個定義聽起來有些抽象，但實際上很好理解。Persona這個單詞源於西方戲劇，當時一個演員可能要扮演好幾個角色。區分不同角色類型的方法就是戴上代表著不同人物的面具。這樣觀眾一看面具就知道他在演誰，是個什麼樣的角色。其實京劇臉譜就是類似的設定。即便你不知道現在正在演哪一齣戲，但是你看見出來一個紅臉的，就知道是個忠義之士，比如像關公；出來一個白臉的，一看就是奸臣，比如曹操；出來一個綠臉的，一看這就是綠林豪俠，比如竇爾敦。用戶研究中的典型角色也需要起到類似的效果。讓其他人一看就知道這個角色是個什麼樣子，其背後所代表的用戶到底具有什麼樣的特徵。就好像文學或電影作品裡的角色，比如母親。作者或導演會刻意地表現她額頭的皺紋、忙碌的背影、關愛的眼神、……雖然演員並不是絕大多數人的母親，但能讓所有觀眾一看就引發心中強烈的共鳴。

要做到這一點確實很不容易。如同一個作家要寫活一個角色一定要深入那個角色的生活，用戶研究員在製作典型角色之前也需要儘可能了解用戶。從技術上來說，需要了解以下這些內容：人口學特徵、生活方式（AIO）、喜好與憎惡（品牌、審美、產品、服務等）、工作內容與環境、朋友圈、心理、情感、價值取向、產品使用（行為、習慣與態度）、……以上資料不一定都需要表現在典型角色中，但最好能收集多少收集多少，然後根據產品開發需要選取最具代表性的內容構建典型角色。就象路遙並不會在《平凡的世界》里事無巨細地記錄他10年在黃土高原里所看到的一切。但那10年的生活素材是那本小說成功的積累。

所以要做好這個典型角色的話，要收集很多資料，人口學特徵，就是這個性別阿、年齡阿、那個收入狀況、家庭狀況等等。生活方式（AIO），A是activity具體活動，I是interest興趣，O是opinion就是意見。如果你要了解一個人生活方式的話，你必須要了解他每天都會從事哪些活動；然後他對於哪些領域比較感興趣；然後平時他跟別人說話聊天喜歡談論什麼，他對當下發生的熱點話題持有什麼樣的態度。這樣的話，你會對這個人有一個比較立體的認識。然後你還需要了解他們的這種喜好或者是憎惡。就是他會喜歡哪些品牌不喜歡那些品牌？喜歡跟什麼樣的人交朋友？彼此有什麼樣的互動方式？他有什麼樣的審美傾向？還包括他的這種工作的內容和環境。

關於心理和情感，可以舉一個例子，O盟自己有個類風濕關節炎的項目。項目團隊並沒有深入挖掘這個領域的作用。但就我個人的理解，一個人如果得了這種慢性發展但是又很難治癒的疾病的時候，剛開始心裡上面可能覺得沒有什麼大事兒，因為那個疾病的表現的還比較輕；但是隨著這個病程的發展，然後他開始注意到這個事情可能沒那麼簡單；然後心裡上面會變得比較焦慮，然後很直接的一個行為，就是到處去求醫問葯；最後的結果可能會讓他有點絕望，絕望了一段時間之後呢，他才會開始逐步認識到這個病，他雖然不能夠治癒，但是通過良好的自我管理能保證自己的生活質量；在跟這個疾病共存了一段時間之後呢，他的心裡上面才會逐步的平穩。這種心理和情感上的變化完全可以用來深入挖掘產品的功能設計和產品運營。創始團隊如果深入思考一下，可以更清楚地進行用戶細分與定位，並分階段來進行產品的開發與運營。

其它還包含用戶的價值取向，比如到底是公眾的喝彩更讓他興奮？還是一聲不吭賺大錢？還是追求自己的內心？當然還包括用戶對於產品的使用與態度。

總而言之，「夫水之積也不厚，則其負大舟也無力」，不是充分地了解用戶的方方面面，用戶研究員很難製作出打動人心的典型角色。現實工作中，好的典型角色往往不是通過一次項目或調研就完成的，它需要用戶研究員的沉浸與積累。對於企業來說，製作典型角色並不只是眾多流程環節中的一個，它需要團隊時不時審視自己所建立的典型角色，不斷根據自己對於用戶了解程度的加深來加以調整、優化。其基本流程應該是先根據自己對用戶的初步了解與假設構建典型角色的類別與雛形，然後通過實證（定性+定量）來驗證假設、產生新的想法、豐富細節，然後把調整後的典型角色給用戶和非用戶看，看他們是不是能象理解京劇臉譜那樣理解這個角色，然後不斷重複前面的過程。

對於初創團隊來說，這也是精益創業很重要的一個組成部分。產品推向市場後，不僅需要對產品的打磨與迭代，也需要對典型角色進行類似的工作。這樣才能讓你們不至於在一系列小型的用戶測試中迷失自己，喪失戰略方向。

熟人到陌生人一個維度，實名到匿名一個維度。從客戶需求出發去做吧。

籠統的問題只能籠統的回答了，見諒。