在品牌組常被問到一個問題：用戶具有哪些特征，他們喜歡什么東西？當(dāng)這個問題經(jīng)常被提問，就有覺得有解決的必要，其實不是，是我們看到這個答案如何應(yīng)用：

1. 我們希望根據(jù)用戶心理訴求，策劃一些有共鳴的話題/活動，以便SNS傳播分享。
2. 我們希望根據(jù)用戶品牌喜好，尋找一些異業(yè)品牌、娛樂節(jié)目、明星偶像合作，用曝光資源換取優(yōu)質(zhì)品牌合作，提升會員的美譽度。
3. 我們希望根據(jù)用戶生活形態(tài)，在線下渠道/商家推廣會員品牌，投放更加精準(zhǔn)。

從上述可以看到，我們回答“用戶喜歡什么東西”是有應(yīng)用價值，因此我們清楚我們需要收集哪些數(shù)據(jù)，調(diào)研哪些問題。

四、真實世界與用戶畫像的距離

(1）問卷調(diào)查法

傳統(tǒng)用戶畫像調(diào)研，基本都是通過用戶訪談+問卷調(diào)查完成。在報告綜述的時候，基本都是采取調(diào)查數(shù)據(jù)來總結(jié)歸納。但后來我們多少發(fā)現(xiàn)，無論我們問了多少個問題，用戶畫像還是不清晰的。

例如，QQ會員用戶喜歡看電影，比非QQ會員用戶高出10%，但我們不能以是否喜歡看電影作為QQ會員用戶核心特征。因為在看電影這件事情上，也有很多非QQ會員也喜歡。

如此情況經(jīng)常發(fā)生，是否喜歡逛街、購物、旅游、看書、聽音樂、玩游戲等等，您會發(fā)現(xiàn)我們很難用幾百個問卷調(diào)查指標(biāo)來將QQ會員用戶生活形態(tài)描繪出來，因為95%指標(biāo)都缺乏顯性差異。這就是現(xiàn)實世界：mess。假如用戶問卷調(diào)查數(shù)據(jù)描繪一群人的生活形態(tài)，就像下圖的感覺，模糊大概知道是兩個人，但有點看不清。

若回想為何看不清用戶形態(tài)，總結(jié)原因有兩個：

①筆觸太粗：即我們提問指標(biāo)不夠多，問卷調(diào)查一般可覆蓋用戶生活形態(tài)的100個指標(biāo)，但在這100個指標(biāo)中找出有效指標(biāo)，估計不到10個。

②顏色太少：很多時候我們僅能問用戶是否喜歡某件事情（2選項），或根據(jù)“非常喜歡”、“喜歡”、”一般“、”不喜歡“、”非常不喜歡“（5選項），甚至評分制（10選項），用戶根據(jù)自己感知打分，敏感度還是有限的。一般情況下，像評分制，用戶根據(jù)自己感覺打分，一般僅能區(qū)分5-6級別差異。但現(xiàn)實世界是，在一件事情態(tài)度上，可以有幾千種態(tài)度差異，后面會講述。

（2）外部調(diào)查數(shù)據(jù)與內(nèi)部后臺數(shù)據(jù)結(jié)合法

后來我們嘗試將用戶后臺數(shù)據(jù)全部提取，大約有300-500個指標(biāo)。但受信息安全限制，我們僅能拿到自己和合作部門數(shù)據(jù)，而電商數(shù)據(jù)、豆瓣閱讀喜歡的數(shù)據(jù)，基本都是缺乏的。

不過有了后臺數(shù)據(jù)，用戶畫像是稍微清晰點。這里清晰并不單是數(shù)據(jù)指標(biāo)多，而是緯度更多。因為這300個指標(biāo)中，經(jīng)過因子分析，我們發(fā)現(xiàn)用戶盡在10個緯度上是有差異。意思是說，這300個指標(biāo)可整合為10個指標(biāo)，來描述用戶差異，其余大部分指標(biāo)都是基于這10個指標(biāo)演變而成。下面可以概括有哪些指標(biāo)：

• 年齡相關(guān)：年齡、學(xué)歷、職業(yè)、收入強相關(guān)
• 活躍相關(guān)：登陸數(shù)、關(guān)系鏈數(shù)、C2C消息數(shù)、群數(shù)、群消息數(shù)強相關(guān)
• 付費習(xí)慣相關(guān)：各鉆開通紀(jì)錄、財付通充值消費等強相關(guān)
• 等級相關(guān)：Q齡、現(xiàn)有等級、每天加速
• ……

經(jīng)過更多緯度，我們可將用戶畫像描寫得更細(xì)，如下圖。現(xiàn)在大家還是猜得他們是誰？相信很多人會猜到是一個成年男人和小孩，但不太確定他們特質(zhì)。這就是將外部調(diào)研數(shù)據(jù)和內(nèi)部后臺數(shù)據(jù)結(jié)合輸出的用戶畫像報告。

（3）文本挖掘法

經(jīng)過后臺數(shù)據(jù)補充，我們可以發(fā)現(xiàn)更多有區(qū)隔性的特征指標(biāo)，但用戶內(nèi)心訴求還是不太清楚。在這個時候，我們跟微趨勢團隊探討如何利用文本挖掘技術(shù)，來還原用戶畫像。

抽象地理解，我們想讓每個點不僅是黑白兩個顏色，而是有6萬4千多個的真彩色。轉(zhuǎn)換成操作方法，就是在一個事情態(tài)度上，我們不希望僅檢測用戶用戶是否喜歡，而是檢測到他喜歡哪些東西。但這里有幾個挑戰(zhàn)點：

• 豆瓣、電商、大眾點評有詳細(xì)用戶偏好數(shù)據(jù)，不單止知道用戶喜歡閱讀玄幻小說，還知道他喜歡看那幾本，如70后，80后，90后喜歡言情小說是不一樣的。而我們是缺乏這些生活類數(shù)據(jù)。
• 騰訊優(yōu)勢在于SNS，用戶數(shù)據(jù)就是UGC內(nèi)容。那么，我們能否拿UGC的內(nèi)容，分析用戶常提及哪些關(guān)鍵字，以此判斷用戶的特征？

于是，我整理了兩個樣本，分別是100w會員用戶和100w非會員用戶，提取最近一個月在騰訊微博所發(fā)布文本內(nèi)容，用微趨勢系統(tǒng)做文本挖掘，看看用戶常提及那些詞。

操作流程是順利的，但微博文本中存在大量廣告雜質(zhì)，幾乎占據(jù)整體數(shù)據(jù)量50%。即使經(jīng)過數(shù)據(jù)篩選清洗，用戶高頻次的詞往往集中在兩塊：

生活用詞：如知道,沒有,可以,喜歡,開心,幸福,流淚,需要,覺得,希望等。這些詞是日常用，故提及率很高，但缺乏具體的含義。

最近流行詞（又稱新詞）：如特么,光棍節(jié),牛逼,期中考試,黃鉆,年費,呃呃呃呃呃,微博,坑爹,洗個澡。這些新詞是基于對比原有詞庫，機器發(fā)現(xiàn)最近出現(xiàn)很多，但受節(jié)假日、活動運營、廣告等因素嚴(yán)重影響，并非用戶原始想法，故有效性也很低。

看來，在無限定主題情況下，用機器挖掘高頻次熱詞來歸納用戶特征是困難，微趨勢文本挖掘技術(shù)更適合在特定關(guān)鍵詞下一級關(guān)聯(lián)分析，如QQ會員用戶經(jīng)常提及斗戰(zhàn)神，微趨勢可以分析用戶在提及斗戰(zhàn)神時候，關(guān)聯(lián)提及哪些熱詞，那么我們就知道他們對斗戰(zhàn)神的想法是什么。這非常適合做專題分析和傳播。

（4）熱詞反查法

假如在沒主題或關(guān)鍵字限制情況下，機器挖熱詞是困難的，那么我們能否反過來，拿我們想測試熱詞列表，反過來計算每個詞被提及的頻次？于是，我們根據(jù)百度風(fēng)云榜（http://top.baidu.com/）整理一份熱詞表，共有2300個當(dāng)下熱詞，來分析用戶提及哪些詞語/事物更多，以此作為用戶畫像標(biāo)簽。

我們計算會員用戶不同年齡的提及熱詞的差異，找出不同年齡會員用戶關(guān)注哪些類目（如科幻片、喜劇片、劇情片），還算出不同年齡用戶分別喜歡看哪些不同的科幻片（如13-15歲喜歡看雷神2，23-29歲喜歡看速度與激情）。通過這次用戶喜好數(shù)據(jù)，我們就得出QQ會員用戶畫像及心理訴求。

到此，我們可以看到在某一個緯度上面，用戶有千萬種態(tài)度。用戶畫像也更加colorful和清晰。好吧，看得出是林志穎和kimi：）

回顧我們?nèi)粘ＵZ言內(nèi)容，會受到兩個因素影響：

①社會流行：如最近流行電影、電視劇、段子、口頭禪、網(wǎng)絡(luò)新詞等等。這些語言不管什么人都喜歡使用，成了社會流行。所以，我們?nèi)粘Ｉ钪袝峒昂芏嗌鐣餍惺挛铩＿@些詞語的特點是提及率高，用戶間無差異。

②個人因素：70后和90后的說話詞語是不一樣，這是受年齡因素影響；屌絲和白富美說話內(nèi)容是不一樣，這是受經(jīng)濟因素影響。所以，我們可根據(jù)某群體的高頻提及關(guān)鍵字，來作為這群用戶的標(biāo)簽。

所以，若要找出不同年齡的QQ會員用戶差異，通過“該年齡會員用戶提及該詞頻次/會員用戶提及該詞頻次”公式即可實現(xiàn)。

在統(tǒng)計關(guān)鍵字提及頻次方面，有以下注意事項：

①關(guān)鍵詞太長：用戶會較少提及，如饑餓游戲2星火燎原，很多人會在微博上輸入全稱，故我們將關(guān)鍵字縮短，改為饑餓游戲2。

②關(guān)鍵詞過于常見：如最近一部電視劇叫《晴天》。用戶在微博上會因日常生活常提及這個詞，故我們得剔除，不納入分析。

③品牌詞：微博上廣告內(nèi)容占總體信息量50%，拿品牌詞統(tǒng)計關(guān)鍵字提及頻次難以客觀。

最后，利用熱詞表的提及頻次來描述用戶畫像，他的優(yōu)點和缺點在于同一地方。優(yōu)點是，我們可以拿不同項目類型熱詞表，來查看用戶在某個類目上的態(tài)度，如航空公司名稱、牙膏牌子。只要熱詞越獨特，其統(tǒng)計經(jīng)準(zhǔn)確性越高。只要有一批用戶微博文本內(nèi)容，我們就可以擴展很多類目描繪。但它的缺點是一致的，就是我們得整理出一份全面的熱詞表，且每個熱詞都有自己的獨特性和當(dāng)下流行性，不能像企鵝、老虎那樣通用。

四、未來是大數(shù)據(jù)？

剛才提及，用戶淘寶的購物數(shù)據(jù)、豆瓣電影/閱讀數(shù)據(jù)、阿瑪遜和當(dāng)當(dāng)?shù)臅鴨?、百度關(guān)鍵詞，用這些數(shù)據(jù)來描繪用戶畫像會更加清晰。原因是他們的數(shù)據(jù)更加精準(zhǔn)，是用戶喜好、搜索、購買行為數(shù)據(jù)，故百度、阿瑪遜和豆瓣推薦一般都很精準(zhǔn)。

其實，在大數(shù)據(jù)這個詞發(fā)明之前，統(tǒng)計學(xué)、數(shù)據(jù)挖掘?qū)W都發(fā)展很多年。以前我們會用大量數(shù)據(jù)來做關(guān)聯(lián)分析（如買啤酒的人傾向買紙尿布），或做聚類分析（如開通QQ會員有4個細(xì)分市場）。所以大數(shù)據(jù)并不是什么新鮮的事情。只是回到我們第一個問題，我們需要解決問題，只是用戶畫像，而不是預(yù)估用戶下一次購買的商品。所以我們的數(shù)據(jù)精度就沒有那么吹毛求疵。

當(dāng)然，我們自身也沒這塊數(shù)據(jù)，也是不足。其實，說這段話的意思是，做調(diào)研，做什么事情，可以多嘗試，但有時候得回過頭來看，我們的問題或目標(biāo)是什么，而方法招式都是輔助的。

最后，POST一下照片原圖，看看他們的帥照，哈哈。

注：文中圖片均來自網(wǎng)絡(luò)

作者：鄔嘉文，微信高級運營

本文由 @鄔嘉文 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自unsplash，基于CC0協(xié)議