了解用户系列|快速划分用户群

2023-10-22 01:59

本文主要是介绍了解用户系列|快速划分用户群,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

互联网音乐产品中有哪几类用户?

这应该是音乐App的产品经理第一个要考虑的问题。用户群细分是最常见的用户研究手段。一下子去理解所有用户是很难的,但是分而治之,则会容易很多。这同时也是市场营销课程的基础,去理解细分市场是每个营销人员的必备技能之一。在这点上,产品经理和市场营销是相通的。

划分用户群能直接产生的作用,就是更好的理解产品的目标用户和市场竞争情况,包括:
1.有哪几类用户群?
2.这些用户群的特点是怎样的?数量大致是怎样的?
3.竞争对手们覆盖了哪些用户群?
4.哪个细分是市场的空白?而哪里又是远期的必争之地?
5.产品从起步到成熟的竞争策略是怎么样的?先做哪个用户群,再做哪个用户群?

可以看到,产品经理心中的整个大盘,其实都与划分用户群有关,将它称为一个产品由始至终的关键点都不为过。传统的用户研究中的用户画像,就是最终产出不同用户群的典型特征。那么在立项之初,产品经理要通过自己去快速划分用户群的时候,应该怎么做呢?

在网易云音乐立项时,我们为了快速划分,做了这么几件事:
1.利用身边的资源进行定性的用户访谈,覆盖不同类型的用户;
2.根据访谈的结果,分析出划分用户群的因子;
3.利用因子来划分用户群;
4.通过问卷调研等方法来进行初步的验证。
下面就通过这个流程来详细介绍快速划分用户群的方法。


一、通过定性访谈,分析出划分用户群的因子

我在做网易云音乐之前,对内容社区型的产品有过积累,了解UGC的基本用户群体——内容贡献者和内容消费者。我通过这两条线去访谈了身边不同的用户,分为这么几种(每种需要区分男女、年龄段,平均大致3-4名用户):
1.用户A,资深的虾米音乐用户,创建过很多精选集,也有很多粉丝(因为虾米音乐在杭州,比较容易找到这样的用户面聊);
2.用户B,音乐互联网产品从业者,做社区运营的;
3.用户C,独立音乐人,不红;
4.用户D,大学生/高中生,喜欢买打口CD,听欧美的摇滚乐;
5.用户E,白领,上下班听音乐,以国内的流行音乐为主;
6.用户F,35岁以上的资深乐迷,家藏非常多的CD;

总共花了2周时间访谈了大约20名用户,每次访谈的时间从半小时到3小时不等。有的用户很善于聊天,能够提供很多想法,就会边喝边聊很畅快;有的用户不健谈,半小时之后对话就很干了,只能草草结束。但只要用心去寻找用户,用心去聊,典型的用户会带来很多有价值的信息,不仅可以用于分析划分的因子,还可以带来很多产品上的灵感。

这个信息搜集的过程非常重要,是产品经理了解用户的第一步。我认为不管职位高低、工作年限长短,在面对一个新产品时,产品经理都要亲力亲为去做这一件事,才能对用户群有直观的了解,才能看清楚血肉所在,而不是看似清醒实则模糊。访谈时,尽量选择面对面交流,谈话间的语气、神情、用词,都会是有帮助的细节,并且往往面聊才能真正催生出被访者的兴趣,从而挖掘到更多的信息;实在没办法,才选择通过电话、视频或IM来访谈,并且请选择你认为重要性一般的用户。

在访谈过程中,我了解到了音乐的喜好程度是一个很重要的因子。不同的音乐喜好决定了看待音乐的态度。有人将音乐看作职业,有人将音乐看作最大的爱好,有人将音乐看作陪伴,有人将音乐看作消遣,有人将音乐看作背景音乐。态度的不同,决定了用户在已有的音乐产品上的不同的使用行为——发现音乐的方式,听音乐的方式,分享音乐的方式,音乐相关付费的方式,都有所不同。同样也决定了不同的用户,最终选择了在用哪些音乐产品。

另外一个重要的因子是年龄。这是通过我自身的经历得出来的(可以看到在选择访谈对象时,就区分了年龄),通过访谈验证了这个结果。音乐是人类精神世界的消费品,人类从出生起就会对音乐、节奏有反应,甚至在母亲肚子里时,大人们都会给小宝宝听莫扎特、贝多芬的传世名作。每个人自己的音乐口味,都是逐步形成的,大众一般都是这样的节奏:
1.一开始听歌,但是并没有固定喜欢的歌手。从中学开始,逐渐有了喜欢的歌手,有的甚至是偶像(得益于互联网的传播,如今这个趋势可能从小学就开始了)。
2.大部分人会由同学影响,开始接触更多的流行音乐。在80、90后同学中的意见领袖,则是很早就开始在网络上受到影响,继而影响自己的同学。
3.到了大学,接触面更加广了,这时会更加明确自己的喜好,开始逐渐形成自己的音乐口味。以前有些喜欢的歌手感觉一般了,有些成了一生的偶像,也有些新接触的歌手打开了音乐新世界的大门。
4.毕业后参加工作,越来越忙,音乐口味逐渐定型,这时很难再接受新的音乐类型,因为:没时间、没有主动的兴趣。当然也有例外,例如熟人朋友推荐的歌,以及大街小巷都在听的歌。

可以看到不同的年龄段,就是用户形成音乐口味的不同阶段,而不同阶段的用户的行为,就会有很大的不同。因此我选择了年龄作为另外一个因子。

总的来说,因子可以分为两类:基本的人口属性(如年龄、性别、教育程度、职业等)和垂直领域属性(在音乐中就是音乐的喜好程度)。划分一个二维坐标系的用户群,用两个因子就足够了。


二、利用因子划分用户群

利用年龄和音乐的喜好程度,最终我们划分的用户群如下:


各种用户的简单画像是:
学生中的意见领袖:在中学、大学时就先于周围的同龄人接触新鲜的音乐趋势,受欧美、日韩、乃至小语种的音乐影响很深,会积极的给同学们安利自己喜欢的音乐。他们兴趣爱好广泛,有挺强的表达欲,尤其是在互联网传播发达的今天,他们能在网络上和同好聚集在一起,不再像80后喜欢欧美摇滚那么孤独。音乐是除了学习之外生活中很重要的事。

普通学生:音乐口味刚起步,喜欢在年轻人中流行的音乐。但如今的学生与80后做学生时又不同,现在他们有更多的偶像可以去追,虽然是普通的音乐口味,但也分了很多“派别”,而80后在学生时代几乎清一色的周杰伦王力宏孙燕姿梁静茹……音乐是缓解学习压力的好帮手。

意见领袖:多存在于一二线城市中的高收入人群,从CD时代就家藏很多,不少人有一书柜的CD。对于喜欢的音乐流派和艺人如数家珍。虽然有固定的音乐口味,但也经常去接触新的音乐风格,听过的音乐数量以万计,音乐是生平最大的爱好。

大众用户:普通的音乐口味并且已经固定,对新的音乐风格不感兴趣。接触音乐的渠道主要是排行榜、娱乐综艺节目、周围朋友的传播,偶尔听到一些小众的音乐,但记不住艺人。音乐好听即可,并不在乎背后代表的意义,音乐是一种伴随性的消费。

行业从业者:不仅是艺人、词曲作者,也包括乐评人、电台DJ等。值得注意的是,现在行业从业者的年龄显著降低,很多中学生就开始了电子音乐的创作。因为电子音乐创作门槛低,一个人也行。音乐对他们而言是自己的事业。

行业精英:占据金字塔最顶端的人,在音乐行业中拥有巨大号召力,流行偶像、实力唱将、乐坛祖师、唱片业大佬……掌握了传统音乐行业中最好的资源,拥有最大的话语权。音乐对他们而言是获得财富和名望的手段。

同时把音乐市场上的竞争对手加上,这样能看清楚市场的竞争状况:


QQ音乐、酷狗音乐、酷我音乐、天天动听:这些是当时市场上用户量排名靠前的产品,基本都经营了7-10年左右,拥有很广的市场基础,产品知名度很高。这些产品都是围绕大众用户群来做的,但其中有些许不同:QQ音乐由于背靠QQ平台,用户群相对年轻(QQ的接触点是年轻用户);酷狗和酷我音乐由PC时代积累的用户群发展而来,用户的年龄相对较大;而天天动听主打音质好,在安卓市场上耕耘多年,拥有不错的用户粘性。但这些产品对于意见领袖用户群,基本没有吸引力。

虾米音乐:产品定位于高端用户,音乐内容由用户上传,曲库相当的完整丰富,在Web时代流量一度增长很快,吸引了很多高端用户。用户群年龄相对豆瓣音乐要大一些,在当时是一个小众音乐圈子。

豆瓣音乐:如果说虾米音乐是文艺青年、摇滚青年,那么豆瓣音乐的用户则是小清新。用户群没有虾米那么高端,同时年龄也相对低一些。也是一个小众的音乐圈子。

多米音乐:在这些产品中成立时间最短,专注于移动端发展的产品,定位于音乐口味相对高,同时更年轻的用户群体。多米在安卓手机厂商预装红利的时候发力,短时间内聚集了大量的用户。

通过这些分析可以看到,尽管在线音乐市场是个红海,但是还是有一定的细分市场机会。在2010年成立的多米,就是选择了一个细分市场并取得了不错的初步成绩,尽管在2012年时还没能取得挑战行业大佬的机会,但已经能让嗅觉灵敏的人闻到机会。


三、通过问卷调研来验证

在通过快速划分用户群后,能对市场上的用户群和竞争对手,有一个直观感性的理解。对经验非常丰富的产品经理来说,有相当敏锐的判断力,能够做出初期准确的用户群划分。这种判断力取决于经验,而经验其实取决于之前的失败——在不断的失败中积累对问题的逻辑分析方法和对用户群的感性认识。

然而就算是再有经验的顶尖产品经理,总会遇到自己还不是很熟悉的用户群和市场,何况那些绝大部分的普通产品经理?面对的市场和用户群是复杂而多变的,在快速划分用户群之后,如何能够同样快速的进行验证呢?毕竟互联网行业对于速度的要求是人尽皆知。

这里介绍一种办法,通过问卷调研的定量研究,验证之前定性研究分析的结果,从而以较小的成本来鉴别自己判断的正确性。问卷调研主要需要考虑这一块:

1. 问卷的目标用户和投放渠道。为了达到定量研究的效果,研究的每一个类别的用户群都需要有足够多的样本,最好不低于50。在资源充足的情况下,问卷的用户数量自然是越多越好;但大部分情况我们都是资源紧张的,因此需要提前计算好所需的最少的用户数量。同时要考虑问卷的投放渠道,这个渠道是否匹配所想要调研的用户群?渠道并不是看上去用户量越大越好,而是与调研的用户群越匹配越好。

2. 问卷的大纲。首先利用发散思维,尽可能全面的列出想通过问卷拿到的结论。然后由此逐个展开,形成一份树状结构的大纲。最后,根据重要性的判断,剔除一些不需要的问题,并将重要性高的问题标注出来。例如在网易云音乐这个案例中,我会考虑在大纲中重点考虑这几个方面:
a.希望通过问卷中的产品知名度、最常使用的产品、年龄性别职业收入的人口属性问题,来验证QQ音乐、酷狗音乐、虾米音乐、多米音乐等产品的用户群特征猜想,以及各个产品的市场占有率;
b.通过用户听音乐的频次、听音乐的风格流派、喜欢的艺人、评价自己喜好音乐的程度,和用户使用不同音乐App的频次,来交叉分析和验证不同用户群的特点;
c.通过让用户选择自己常用的发现音乐的方式、分享&交流音乐的频次、开始养成听音乐习惯的年龄和原因,结合之前的人口属性,来验证不同用户群对发现音乐和分享交流的观点。

3. 问卷题目的设计。提纲设计好后,就可以着手开始题目的设计,这需要一定的用户调研的专业知识,跟随有经验的用户研究员学习、看专业书籍,无疑是最快的学习方法。在题目设计时,需要注意:
a.题目数量能少则少。现在的用户都是懒的,而填问卷通常是一个很枯燥的体验,因此没有人愿意花5分钟甚至10分钟以上来填写,就算提供很丰厚的奖品也无济于事——因为即便如此,用户也只是为了奖品而去尽快完成问卷,而非认真思考,这样拿到的结论会谬之千里。所以,不断的去减少题目是唯一可行的办法,每道题目都去问是否必要?是否能与别的题目合并?而这个过程需要重复两三轮,直到确定确实没有可以删除或调整的题目了。
b.题目的顺序很重要。不要一开始就问性别年龄职业收入这样的人口学问题,这些涉及到隐私。让用户一开始接触到不太需要思考、浅层次一些的问题,也是必要的。从易到难,让用户逐渐进入状态,投入时间和精力来思考问卷后半部分复杂的问题,这对绝大多数用户来说更加友好。
c.题目的文案要精简、选项不要过多、尽可能让用户做选择题并且控制开放式回答问题的数量……这些小窍门会随着经验而累积。作为产品经理,你时刻需要注意抓住重点,设计问卷时也是,让你想了解的最重要的信息在问卷中有足够多的问题来验证,让最重要的问题在问卷中逻辑严密、反复测试没有问题。

这些方法可以让产品经理自己或配合用户研究员进行一次没什么大差错的问卷调研,但由于问卷用户并不是100%的控制在自己手中,难免会有偏差——一般愿意花几分钟时间回答问卷的用户,通常都是对这个领域很感兴趣的用户,这和市场上的真实情况会有差别。例如在问卷调研中问用户对网易云音乐的喜好程度如何,这个问题的答案多半会让产品经理过于乐观——网易云音乐的真爱粉更倾向于回答问题,因而导致这些用户相比真实情况会占比偏高。

在问卷调研的分析结论出来之后,就可以验证之前的用户群划分了。如果验证是对的,那么就可以结合定性研究和问卷定量研究的结果,做更深入的一些分析——至少你掌握了初步的数据,而且很可能会获得一些有意思的结论。例如当时我通过问卷得到一个信息:QQ音乐与豆瓣音乐的用户重合度没有想象中那么低,而QQ音乐与酷狗音乐的用户重合度也没有想象中那么高。这也许是因为用户更倾向于同时安装一个以搜索曲库为主的产品和一个以电台为主的产品,而非同时装两个曲库型播放器。

如果运气不佳,问卷得出的结论与用户群划分并不相符,那也不必气馁,至少在产品开发之前就发现了这个问题。在产品明确目标用户和定位前,走再多的弯路也都是值得的,因为一旦产品进入到设计开发、甚至线上运营的环节,再调整目标用户和定位,难度与成本会成倍增加。

一般而言,数据的结果更加有说服力,从数据中可以捕捉到划分用户群的关键,也许之前选取的因子和分析得出的用户特征有误,那么从头来过吧,根据数据重新来思考,并且再度进行用户访谈。在得出新的用户群划分之后,我们再用问卷调研的方式去验证一遍,记得不要将问卷发给了同一批用户。

这篇关于了解用户系列|快速划分用户群的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/258376

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

电脑桌面文件删除了怎么找回来?别急,快速恢复攻略在此

在日常使用电脑的过程中,我们经常会遇到这样的情况:一不小心,桌面上的某个重要文件被删除了。这时,大多数人可能会感到惊慌失措,不知所措。 其实,不必过于担心,因为有很多方法可以帮助我们找回被删除的桌面文件。下面,就让我们一起来了解一下这些恢复桌面文件的方法吧。 一、使用撤销操作 如果我们刚刚删除了桌面上的文件,并且还没有进行其他操作,那么可以尝试使用撤销操作来恢复文件。在键盘上同时按下“C

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

poj 2104 and hdu 2665 划分树模板入门题

题意: 给一个数组n(1e5)个数,给一个范围(fr, to, k),求这个范围中第k大的数。 解析: 划分树入门。 bing神的模板。 坑爹的地方是把-l 看成了-1........ 一直re。 代码: poj 2104: #include <iostream>#include <cstdio>#include <cstdlib>#include <al

hdu 4565 推倒公式+矩阵快速幂

题意 求下式的值: Sn=⌈ (a+b√)n⌉%m S_n = \lceil\ (a + \sqrt{b}) ^ n \rceil\% m 其中: 0<a,m<215 0< a, m < 2^{15} 0<b,n<231 0 < b, n < 2^{31} (a−1)2<b<a2 (a-1)^2< b < a^2 解析 令: An=(a+b√)n A_n = (a +

v0.dev快速开发

探索v0.dev:次世代开发者之利器 今之技艺日新月异,开发者之工具亦随之进步不辍。v0.dev者,新兴之开发者利器也,迅速引起众多开发者之瞩目。本文将引汝探究v0.dev之基本功能与优势,助汝速速上手,提升开发之效率。 何谓v0.dev? v0.dev者,现代化之开发者工具也,旨在简化并加速软件开发之过程。其集多种功能于一体,助开发者高效编写、测试及部署代码。无论汝为前端开发者、后端开发者

flume系列之:查看flume系统日志、查看统计flume日志类型、查看flume日志

遍历指定目录下多个文件查找指定内容 服务器系统日志会记录flume相关日志 cat /var/log/messages |grep -i oom 查找系统日志中关于flume的指定日志 import osdef search_string_in_files(directory, search_string):count = 0

Thread如何划分为Warp?

1 .Thread如何划分为Warp? https://jielahou.com/code/cuda/thread-to-warp.html  Thread Index和Thread ID之间有什么关系呢?(线程架构参考这里:CUDA C++ Programming Guide (nvidia.com)open in new window) 1维的Thread Index,其Thread