我們都誤會了「人群畫像」

「你這個APP的用戶是什麼群體？」

聽到這樣的問題，我們一般會用這些標籤來回答：

20歲至35歲，白領，女性為主，喜歡明星........

然後你又會發現，這不是這個APP用戶獨有的特徵。

主流APP的用戶都有這些特徵，甚至淘寶、知乎、新聞網站都是這樣的。

既然大家都有這樣的標籤，特徵便算不上特徵了。

那麼，當我們談人群畫像的時候，究竟要怎樣去了解什麼特徵呢？

首先，我們了解人群畫像的目的是什麼？

目的是清楚我們的用戶是一群什麼樣的人，然後為他們提供適合的服務。

如果對方是學生，就聊遊戲聊考試吐槽老師。

如果對方是阿姨，就聊養生聊家庭幸福。

只有清楚了人群特徵，才不會出現跟學生聊養生的場景。

然後，我們一般怎樣獲取人群整體特徵呢？

交集法。

年齡、性別、職業、購買力等等，這些特徵都是一個個人群集合。

這些集合的交集處，就是我們的人群。

越多的集合交織起來，人群的特徵就越清晰。

標籤越多，畫像便越清晰。

嗯，似乎是這樣的。

其實不然，交集法的局限是缺乏整體思維。

想像一下，如果這些特徵都是圍繞鼻子表述，即使擁有無限多標籤，也不過是令鼻子越來越清晰，五官依然是看不見的。

這裡要引入另一個概念輔助：與關鍵性特徵的相關性強弱關係。

要想畫清楚五官，首先要畫眼耳口鼻，而不是毛孔黑痣什麼的。

從關鍵性特徵、相關性這兩個詞出發，再來描繪用戶畫像就容易多了。

例如金融APP的用戶，關鍵性特徵是投資意向，相關性強得特徵是經濟能力、購買力，相關性弱的特徵是喜不喜歡美食。

例如外賣平台用戶，關鍵性特徵是有外賣需求，相關性強的特徵是職業，相關性弱的特徵是性別。

相關性越強的特徵越重要，相關性越弱的特徵越不重要。

如此看來，我們所獲取的特徵之中80%其實都是不重要的。

總的來說，做人群畫像的時候，獲取標籤的方法論是什麼呢？

1.找准關鍵性特徵，即我們的產品或服務是滿足什麼需求的。

如果是滿足投資需求的，關鍵性特徵就是有投資意向。

2.圍繞關鍵性特徵，從強到弱梳理出相關性特徵。

例如，用戶需求>行為習慣>職業>......>年齡性別等等

3.所有特徵的合集，就是用戶畫像。