| 本例仅仅是基于调研目的灵活处理的一个例子，适合短平快的项目；如果需要系统了解用户，深入挖掘用户需求，更大的样本量和更扎实的定性研究依然是必不可少的。
现代商业离不开对用户的理解，任何业务的决策者都不会希望在认识用户上存在盲区，因此在用研的日常工作中，“做一个用户画像”是经常收到的需求。但同样的需求背后，往往对应着不同的目标和问题，搞清楚了解用户能帮助业务方解决什么问题，才能更有效地制定研究方案。大而全的数据平台，不一定可以和粒度很细的调研目标精确匹配；传统市场调研或设计调研的方法又会增加周期和成本，不适合短平快的项目。那么是否可以使用简单的测量－统计方法，较敏捷地得到一个需求方期望的“用户画像”呢？本文来分享这样一个案例。
（一）背景－为什么想做一个“用户画像”
在接手话题版块改版方向调研的过程中，其中一项调研目标比较有意思：运营同学发现，网易新闻客户端话题版块中，一些女性相关话题活跃度格外高，这与对目标用户的预期有一些偏差。依照大家的印象，新闻客户端中壮年男性比例偏高，典型用户是一个体制内老刘的形象－时政、社会、历史、军事版块的重度读者－因此在话题运营上也更偏向了此类内容。然而偶尔为之的母婴、情感类的话题，无论从参与热度还是质量来考量，效果都不错。运营同学陷入思考之中，怀疑话题版块活跃着一些假的网易新闻用户。
那么话题社区的活跃用户真的与客户端整体不同吗？运营同学由此提出了调研需求，希望了解话题活跃用户的“性别、年龄、婚姻状况。。”等等的一揽子人口学变量描述，简言之－“做一个话题版块的用户画像”。
不管如何做，先梳理一下需求，把目标拆解成回答以下两个问题：
网易新闻客户端的用户可以分为哪几类？
这几类用户中，哪些是话题版块可以发力的核心用户？
（二）以什么标准区分用户－一个简单的题目设计
大家可能注意到，需求方在提需求的时候，顺带提了一下自己对用户区分维度的界定“性别、年龄、婚姻状况。。”。诚然，人口学变量用来区分用户很经典，但并不适用于所有研究目标，比如在本例中的效果就未必好。原因有二。首先，人口学变量并不直接能落地到业务，还需要基于业务理解进行二次推演，不够直观；而好的分类标准应该能直接与现有资源结合来指导业务；二是完全无预设的情况下，事前很难确定各个人口学变量的影响权重，那么如果需要进行探索性分析，需要在问题中纳入足够多的变量。这样短短问卷难以承载，也会让分析头绪无端变多。
所以研究用了另一个解决方案，直接用内容偏好特征来区分用户。这样做的好处是，作为内容分发平台，直接以内容偏好为标签的用户画像天然具有可落地的属性，而不必再通过人口学特征去推断。另外，对内容的需求偏好往往反映了一个人当前的综合状态－社会经济地位、文化倾向、人口学特征－可以预期是一个很有效的探测点。
相关的问题设计很简单，只是在问卷结尾处加一道内容偏好的多选，备选项参考了主流新闻app的版块分类。
您平时使用网易新闻客户端时，喜欢看哪些内容？（多选）
科技互联网、数码IT
体育赛事、运动健身
财经金融、投资理财
时事要闻
母婴亲子
情感两性
时尚美妆
娱乐明星
动物萌图
游戏动漫、二次元
影视音乐、摄影旅行
健康医疗、营养养生
社会民生、房产资讯
汽车知识
国际政治局势
历史掌故、军事动态
神跟贴、幽默段子
星座命理
其他（请注明）
这里有个问题简单说明一下－为什么要把选项切到这么碎，而不加以合并。这种处理方式实际是基于以下两点考虑。
希望基于用户认知形成分类－当然可以根据对业务的理解，对选项内容进行合并和抽象，但预设的归类方式与用户会采用的未必吻合。如果希望降低预设对用户选择的影响，完全通过用户反应情况来建立项目间的关联，那不妨呈现具体细致的选项。这好比景观规划时，直接在行人足迹最深的地方铺路。
准确性和易答性－抽象度越高的描述，包含的信息越多，不同人脑中的典型代表差异会越大，也越可能包括的矛盾案例。回答“是不是喜欢狗”时，更有可能陷入“我有点喜欢松狮但是又有点讨厌泰迪到底选不选喜欢呢”的纠结中，而问“是不是喜欢泰迪”就会更加容易回答。另外，抽象度高的选项，往往需要详细描述并给出具体例子，进一步增加阅读难度；而答题者处理短而多的选项时，未必需要比长而少的选项花费更多认知资源。
因此，问题选项呈现采用了具体细分的列举，而细分项的合并化简，则将在问卷回收后，根据用户的实际反应来处理。
（三）让分析过程更简明－数据降维
问卷投出去一段时间后，样本池渐渐上涨，内容偏好的数据饼图五彩斑斓地分布起来。这时就发现问卷选项细碎的不方便之处－同时考虑18个选项远远超出了人类工作记忆的负荷，让分析过程颇有些尾大不掉。当然这是意料之中的。如前所述，之所以把选项粒度做得很小，是希望通过用户的实际选择模式来找到相关联的内容。因此，首先要使用一下因子分析的方法，把数据进行浓缩。
岔开几句简单说说因子分析的用途。所谓因子分析，是处理多变量数据的一种常用的预处理方法，使用场景是当实际用于测量的变量较多且相关时，可以将比较琐碎繁多的变量，用几个易于解释的因子表达出来，从而更清晰地展示数据的结构和规律。拿这个项目来说，我们得到的多选题数据是用多重二分法表示的－每一个选项作为一个单独变量－题目反应数据共包括18个变量（如下图）。显然这些变量之间是存在相关关系的，存在归纳的可能，这正符合因子分析的使用场景。
因子分析使用SPSS完成，操作过程略去不表，分类结果如下图所示，将18个选项浓缩为5类因子。根据每个选项在各因子上的载荷（也就是原始选项和因子之间的相关系数），可以看出该因子大概代表了哪一类内容。为了便于理解，分别给它们起了一个比较直观的名字。如下图所示。
5个因子作为新的变量保存下来（如下图，注意保留下来的变量已经标准化为Z分数），留作后续进行用户聚类的依据。每个用户对某个因子分数越高，就意味着对该因子对应内容的偏好程度更强。例如第2个用户，就明显是“女性生活”因子相关内容的重度浏览者。
（四）为用户打内容偏好标签－聚类分析
完成了数据化简，接下来根据用户在五个内容偏哈因子上的得分，对用户进行聚类分析。由于因子本身为Z分数，不用再进行标准化处理，直接分析即可。
这里再岔开几句简单说说聚类分析的原理。聚类算法的原理是通过计算各个案例点在变量空间中的距离远近（SPSS中计算距离的方法有30多种，大多数情况只选择默认设置的欧式距离就好），来把它们分簇处理的。变量空间名字听起来挺厉害，其实就是把n个变量当作n个坐标轴，参照三个维度构成三维“空间”的说法，将n个变量的情境称为n维空间。每个case在这n个变量上的取值，构成了一个n维坐标，根据坐标可以计算case间的距离，根据距离远近形成不同的分类簇。例如，上图表格中每一行都是一个五维坐标向量，描述了该行对应用户在“内容偏好空间”的位置，不同用户位置间的距离越近，就越可能被归为一类。
聚类分析仍使用SPSS完成，结果如下表所示。表格中数字代表每类用户对特定内容的偏好程度，数字越大偏好程度越高。根据几类用户的内容偏好模式分别起一个鲜明易记的名字，例如，给更偏好“女性生活”与“宅文化”内容的用户打上“时尚丽人”的标签。
现在每一位样本中的用户都有了一个内容偏好标签，这个标签也保存为一个新的变量（如下图），留待与其它题目进行交叉分析。
首先就可以用内容标签与人口学变量来交叉分析一下，验证一下偏好某类内容的用户是否具有比较特殊的人口学属性。结果如下图所示（具体数据略）。可以看到，尽管由于样本中男性比例偏大造成一些bias，相对趋势的比较还是验证了很多印象：例如“时尚丽人”中年轻女性的比例显著偏高，“财经科技控”高学历高收入比例显著高等等。
纳入与人口学变量的交叉分析结果，最终得到的用户分类如下表所示。从样本占比推断，“随意用户”和“时政历史迷”最有可能是客户端主流人群，这与业务经验得到的印象是一致的。
（五）哪类用户是话题版块的核心用户
现在关键的问题来了，画像的几类人群，哪类是话题版块的核心用户、需要重点发力运营呢？
首先看看活跃用户中各类用户的占比（活跃度根据问卷中觉知情况和使用频次的问题答案来判断）。由下图可以看到，活跃用户的类别分布和整体差异并不大－“随意用户”和“时政历史迷”占了最大的部分。这也符合预期，毕竟话题版块的流量从客户端整体渗透过来，各类用户体量上不应该有太大的差异
那么哪种用户的增量潜力比较大呢？这个问题反过来看比较清晰－我们可以这样假设，如果某类人群中活跃用户比例越大，满意度越高，那么这类用户更可能是话题版块的目标用户。
首先将活跃度与内容偏好进行交叉分析。可以看到，“时尚丽人”中话题使用活跃者占比最高（42％），无觉知者占比则最低（29%）－年轻女性用户看起来天然对话题讨论很敏感。
再看一下满意度的差异。年轻女性用户对话题社区各方面的满意度都高于其他用户，她们在话题社区玩得更开心。
所以，给出结论&建议－年轻女性用户虽然在话题版块的体量不大，但她们的活跃度和满意度更高，讨论质量更好，对促进话题社区良性发展有很大帮助，可以从相关内容版块进行重点引流。而反过来，如果话题社区这种形式对“时尚丽人”独具吸引力，也可以将话题版块与时尚、母婴、情感等垂直频道打通，通过话题运营进行流量反哺。
最后，本例仅仅是基于调研目的灵活处理的一个例子，适合短平快的项目；如果需要系统了解用户，深入挖掘用户需求，更大的样本量和更扎实的定性研究依然是必不可少的。不过在日常工作中，有意识地以经济敏捷的方式扩展关于用户的基础知识，也不失为一种很好的积累沉淀吧。
（本案例数据和结论仅作为例子展示，不涉及真实情况） |
