游戏用户画像调查报告需要哪些纬度数据

① 什么是用户画像分析创建维度＋方法，透视其价值究竟在哪

用户画像分析是反映企业核心客户群的想象中的个人形象。用户画像分析的写法就像个人是真实存在的一样，但同时，它们也反映了一群人的共同属性。它们是半虚构的，因为它们不是一个具体的个体，但它们的特征应该是从对现实世界的用户的观察中收集的。

用户画像分析旨在可靠而真实地反映企业期望一群人如何参与产品、服务或活带备动是建立一个可用软件应用的基础之一。用户配置文件推动了应用程序的组织和术语的使用。例如，菜单、功能和控件是根据用户的功能需求进行分组的。软件组织任务和任务序列的方式，以及软件的语言。它的使用取决于了解其用户是谁，以及他们如何做他们的工作。

用户画像分析在扰行局设计公司对应用程序的定制的时候也很重要。通常情况下，为每个客户定制独特的营销手段是必要的，因为企业的工作实践是独特的。该企业的工作不仅要知道特有的营销手段但还需要了解软件如何实施，尤其是如何使用他们。有了用户画像分析，就会有设计师可以根据用户的属性来进行设计。例如，如果一个任务序列对相对新手来说是新的，那么就会有一个新的任务序列。计算机用户设计可以使用向导或限制性设计的步骤顺序来指导他们。

提到用户画像分析，就不得不提到用户数据文档。他们很相近却完全不同虽然它们经常被混淆。我们可以把用户画像分析看作是一个虚构角色，它是根据用户的个人资料来描述一个合适的的用户。角色描述的是一个代表一组用户的个体。这个人有名字或者照片，它描述了这个人的个人和工作目标、技能、期望、关键任务、与其他用户的关系等。每个用户配置文件可能有一个以上的角色。用户数据档案描述的只是一个用户角色的特征范围，而不是单个虚构用户的特征。

用户画像可以从哪些维度展开分析

人口特征——年龄、性别、地点

职业经历——职称、工作年限、简况。职务说明、公司分工-

权威程度——跨业务决策流程或在业务流程中，在企业级、部门级或地区级

公司信息—行业、规模、分布，设施、结构组织

教育和培训——学位/专业，证书；专门培训，

计算机经验——平均使用率、互联网使用率。硬件使用

三、如何进行用户画像的分析与创建。

创造的角色不仅仅是一个，它反映了目标用户在产品领域内的真实行为模式、态度、技能、动机和目标。

a) 目标导向型画像分析。目标导向型角色的目的是研究用户希望利用什么流程和工作流来实现他们的目标。研究工作已经做得够多了，现在要针对目标进行设计了。

b) 基于客户的画像分析。对用户在现实生活中通常扮演的角色进行研究，可以帮助我们做出更好的产品设计决策。

c) 能够进行参与的角色设计。这个想法是通过使用角色来创建一个真正的3D用户渲染。人们越是与角色接触，并将其视为 "真实 "的角色；他们就越有可能在设计过程中考虑到这些角色，并希望用最好的产品为其服务。这些角色研究了用户的情感、心理、背景，并使其与当前的任务缓让相关。

d）虚构角色。虚构角色不是从用户研究中产生的，而是从用户体验设计团队的经验中产生的。它要求团队根据他们过去与用户群和产品的互动进行假设，以提供一个画面。与目标导向型角色相辅相成

对于进行用户研究，角色画像分析可以很好的构建为：

一，背景调研。背景研究包括了解客户的第一步。研究行业、他们的资料、他们的竞争对手、仔细研究他们的社交媒体是研究客户的好方法，也是寻找信息时的一个良好的开始。

二，定性研究。这种研究通过进行客户访谈、当面用户测试、滑动调查和在线聊天。这是与被研究对象最直接的接触，通常可以让你获得关于你想了解的内容的最佳个人判断。

三，观察性研究。观察性研究的核心是能够看到用户在自然环境中与网站互动的结果，因为它可以向研究人员展示用户在没有指导的情况下的行为。

四，定量研究。一般的网络和数据分析，事件跟踪，漏斗报告，以及其他关于网站的统计数据，这些数据对衡量用户在网站上的互动情况很有影响。

四，使用用户画像分析将面临什么挑战

开发深入的用户画像通常需要分配大量的时间和资源，因此，企业可能会偷工减料，只进行少量的用户访谈，或者依靠小规模的用户数据集，并在此基础上进行广泛的推断，这将会导致企业的用户画像分析不准确。这就不可避免地导致了不可靠或高度推测的用户角色。更糟糕的是，工作团队不进行任何研究工作，而是根据自己的直觉或经验收集并形成用户档案。这种方式形成的角色是有问题的，因为他们的发展伴随着团队成员的内部偏见，这种偏见会预先判断或决定用户的需求。对特定用户的狭隘观察也会过度或低估某些特征。

总结

角色画像分析是虚构角色，我们可以根据研究结果创建这些角色，以表示可能以类似方式使用您的服务，产品，网站或品牌的不同用户类型。创造角色将帮助您了解用户的需求，体验，行为和目标。同时也可以帮助您摆脱困境。它可以帮助您认识到不同的人有不同的需求和期望，还可以帮助您确定要为其设计的用户。角色画像分析使设计任务变得不那么复杂，可以指导相应的构想流程，也可以帮助实现为目标用户组创建良好用户体验的目标。

与根据设计团队的偏好来设计产品，服务和解决方案相反，在许多以人为中心的设计学科中，整理研究并将数据中的某些趋势和模式拟人化已成为标准做法。因此，用户画像不是描述真实的人，而是根据从多个人收集的真实数据来构成您的角色，从而科学指导您的营销实践。

② 用户画像2：数据指标体系

数据指标体系世谨和是建立用户画像的基础，也是在进入开发前的关键环节，是需要结合业务场景制定的数据指标。建立用户画像一般从2个维度：

①用户维度（userid）：基于当前用户账号相关数据推送内容。

②设备维度（cookie）：当用户没有登陆账户而访问设备时，基于用户在设备的行为对该设备推送相关内容。

用户标签从标签类型可分为： 统计类、规则类、机器学习挖掘类 。从建立的维度来看，可分为： 用户属性类、用户行为类、用户消费类、风险控制类 。至于标签如何分类，没有严格的规定，符合业务场景和使用者使用即可。

一般是与用户自带属性相关，例如性别、年龄、地域、注册日期、会员类型等。对于相同的一级标签诶些，需要判断多个标签之间的关系是互斥还是非互斥关系。例如，在判断性别时，不能既是男、又是女，这就是互斥关系。

对于传统企业来说，更多的是从用户属性类维度去丰富指标体系。而对于互联网企晌差业来说，其拥有海量的用户访问日志数据，所以更容易从用户行为类数据分析用户的行为特性。

常见用户行为维度指标包括订单相关行为、下单/访问相关行为、用户近30天行为指标、高频活跃时间段、用户购买类、点击偏好、营销敏感度等相关行为。

用户消费维度指标体系建设从用户搜索、流量、加购、收藏、下单商品对应的品类入手。品类越精细，给用户推荐的准确性越高。例搜盯如品类细分到：手机-手机配件-数据线。

风控维度主要是预防薅羊毛、恶意刷单、借贷欺诈行为的用户，未防止这类用户给平台带来损失，所以专门设置风控类维度。结合业务场景，可从账号风险、设备风险、借贷风险等维度考虑指标体系。

该维度主要是了解用户的社交范围，如家庭成员、社交偏好、社交活跃度等等。以此来提供个性化推荐和精准营销。例如在朋友圈收到的广告，也是基于用户的社交属性进行的推送。

下面是整理的上述5个维度的画像主题：

二、其他常见标签维度

用户标签体系不限于划分维度，通过应用场景对标签进行归类也是常用手段。从业务场景出发，可分为：用户属性、用户行为、营销场景、地域细分、偏好细分、用户分层等维度。每个维度再分成二级标签、三级标签等。

在确定好标签后，需要对标签进行命名，以便于管理。对一个标签，可从多个角度来确定唯一名称。

标明属于哪个类型的标签，如人口属性（ATTRITUBE），行为属性（ACTION），用户消费（CONSUME），风险控制（RISKMANAGE）等。

表明该标签来源，是用户唯一标识（userid），还是用户设备（cookie），一般用U和C区分。

标签分类，统计型（01）、规则型（02）、算法型（03）。

在每个标签大类下面，进一步细分的标签类型。

参照上面的命名方式，举例用户的性别标签：

命名规则：标签主题_用户维度_标签类型_一级归类

【男】：ATTRITUBE_U_01_001

【女】：ATTRITUBE_U_01_002

标签完成梳理和命名后，需要维护一张码表用例记录标签id名称、标签含义及标签口径等主要信息，方便元数据的维护与管理。

参考资料：

《用户画像：方法论与工程化解决方案》赵宏田 着