用户画像分析:一种分析出用户画像的简单方法( 二 )


二、验证用户画像这是我们理论分析得出的用户画像,但是到底对不对呢?
我们还是用同样的方法来验证,整理新版本上线后的真实数据寻找其中的变量,然后分析其带来的提升或实际转化 。我们总结出以下三种方式来验证 。
1. 验证真实数据产品上线后统计各组实时数据,寻找其中产品变化的数据,是否符合我们最初迭代改版的预期,分析是否符合我们勾勒的用户画像,变化的需要分析,没能达到预期的就要结合一些数据变化有针对性的分析原因 。
2. A/B TestA/B Test算是互联网最常用的验证方法了,基于用户画像上线后的产品同当前产品进行比对分析,验证用户画像反馈需求的准确性 。对于访问量很大的产品我们通常会设置99%的用户正常访问到原有版本,只保留1%的用户会被随机切到新版本,集中新旧数据对比变化的幅度 。
比如上面案例做过的分期购车的产品使用A/B Test的数据变化,如下图:
3. 业务数据转化验证产品可以为企业带来的利润,是衡量产品好坏的关键指标 。虽然这属于商业层面的考量,但也要回归到产品层面来落实 。主要还是看产品可以为业务带来的转化率,这是企业考核的关键KPI,如果转化率跌了,可能就是白忙活一场,如果转化率提高了,就可以作为具有说服力验证结果 。
上面案例的分期购车产品中的数据来展示一下,如下图:
通过不断地迭代验证用户画像,带来用户增长 。但产品带来大量的新增的同时,也会带来产品需求的变化,因为用户本身就是一个变量,产品依然需要不断的迭代更新,才能不断地更新验证用户画像 。
用户画像使我们更好地解决了用户的需求,验证我们用户画像方向的可行性,从而得到产品的用户画像 。

推荐阅读