「ペルソナ」とは何ですか？これはオペレーションで使用されるユーザーポートレートですか?

「ユーザーポートレート」という用語は、実際には国内のインターネットでは誤って使用されている可能性が高いです。

ここには2つの英語の単語があります。1つ目は「PERSONA」です。これは、Allen Cooperが提唱した典型的なユーザーモデルであり、調査やアンケートを通じて得られ、製品の需要調査やインタラクション設計に使用されます。

で：

P は Primary の略で、ユーザー ペルソナが実際のユーザーとの状況インタビューに基づいているかどうかを表します。

E は共感を表します。名前、写真、製品関連の説明を含むユーザーペルソナが共感的であるかどうかを示します。

R は「現実的」の略です。顧客と毎日やりとりする人々にとって、ペルソナは実際の人物のように見えますか?

S は特異性を表します。つまり、各ユーザーが固有であり、互いに類似点が少ないかどうかを表します。

O は目的を表します。ユーザー ロールには、製品に関連する高レベルの目標が含まれており、その目標を説明するキーワードが含まれていますか?

N は数字の略です。ペルソナの数は、設計チームが 1 つの主要ペルソナだけでなく、各ペルソナの名前を覚えられるほど少ないですか?

A は適用可能 (Applicable) の略です。設計チームは、ユーザー ペルソナを設計上の決定を行うための実用的なツールとして使用できますか?

別名「プロファイル」とは、すでに取得されているデータを使用してユーザーのニーズや好みを概説するデータ分析手法です。

どちらの単語も「ユーザーポートレート」と翻訳できますが、前者は製品の研究やインタラクションデザインに使用され、後者は運用やデータ分析に使用されます。

そのため、まずはどちらを使うかを明確にする必要があります。Liang Ge のユーザー構造を考慮して、2 番目について説明します。

ユーザーポートレートの入手方法

ユーザーポートレートを取得するための基礎はデータです。

これはナンセンスですが、一部のスタートアップにとっては真実です。

今日、ある人物を分析するとしたら、どのような角度から分析するでしょうか？これまで何年にもわたって記入してきたフォームに何を記入するよう求められたかを思い出してみましょう。

1. 名前
2. 性別
3. 国籍
4. 居住地
5. 現在の居住地
6. 連絡先

上記は記入する標準的な内容のようですが、次のような内容も記載されています。

• 血液型
• 星座
• 趣味
• 実務経験
• 家族
• 所得

さらに、ここでやめておきましょう。

通常、ある人物を理解したい場合、その人の基本的な情報、つまり上記の 1 から 6 までの部分を知る必要があります。もちろん、必要に応じてそれより多くても少なくてもかまいませんが、一般的には上記の部分を超えることはありません。

この基本的な情報を理解することに加えて、長期的な接触を通じて、次のような彼についてのより多くのことを知ることができます。

• あなたは外向的ですか、それとも内向的ですか?
• キャッチフレーズはありますか？それは何ですか？
• 自由時間に何をするのが好きですか？家にいるのが好きですか、それとも外へ出て遊ぶのが好きですか？
• あなたの食べ物の好みは何ですか？甘い食べ物が好きですか、それとも辛い食べ物が好きですか？
• あなたには仲の良い友達がたくさんいますか？あなたは人気者ですか？

…

等々。

取得に時間がかかるこの情報は、基本的な情報ではなく、プライバシーや嗜好に関する情報に近いものです。

今日、より多くのユーザーが当社の製品を使用するにつれて、私たちの製品に対する理解は徐々に深まっていきます。

このプロセスでは、何らかの手段を使ってユーザーの習慣、行動、属性にラベルを付けることができます。最終的に、ユーザーは次のようになります。

このようなラベルをたくさん貼っても何の意味があるのでしょうか?

洗練された操作。

本質的には、広告の推奨、コンテンツの配信、イベント マーケティングはすべて、基盤としてこの一連のものを必要とします。

タグを有効活用する

ポートレートのプロセス全体において、ラベルは実際には必須です。

ラベルというと、多くの人がラベルの入力方法が問題だと思っているため頭を悩ませるかもしれませんが、実際にはそれほど複雑ではありません。

最初のステップは分類です。

私たちの業務が C エンド顧客向けであると仮定すると、それをいくつかのカテゴリに簡単に分類できます。

1. 人間属性タグ

つまり、ユーザーがシステムに残した情報を使用して、次のようなさまざまな方法でユーザーの個人属性にラベルを付けることができます。

男性と女性は性別分類のラベル、90 年代と 80 年代生まれは年齢分類のラベル、1980 年代と 1990 年代生まれは誕生日分類のラベルです...

2. 動作属性タグ

つまり、システム内のユーザーの行動属性にラベルを付けることができます。たとえば、次のようになります。

消費行動がある場合、時間軸と単回消費額または累計消費額に基づいてラベルを分類できます。たとえば、富裕層とは、累計消費額が10万元を超えるか、360日以内に単回消費額が1万元を超えるユーザーです。

3.ソーシャル属性タグ

つまり、ソーシャル ネットワークやシステムにユーザーが残すソーシャル属性に関するさまざまなラベルのことです。

ビッグ Vとは、コミュニティ内で 50,000 人以上のフォロワーがいるユーザーのことです。フォロワーの 80% が異性であるため、人気者はこのタイプに分類される可能性があります。

…

他の種類のラベルを引き続き入力することもできます。

簡単に言えば、ラベル自体は分類のための条件に過ぎません。ラベルがなくても、動作の関係や要求条件の重ね合わせを明確に説明できれば、大きな問題にはならないと思います。しかし、経験上、そうすると、要件の複雑さが制限されてしまうと思います。

使用に焦点を当てる

梁兄弟は、グロースハッキングは実際には体系的な操作であると常に信じてきました。

グロースハッカーとほとんどの企業の業務とのギャップは、実はデータの活用、仮説を立ててからデータ検証で結果を得るまでのスピード、そして継続的にデータを検証する能力にあります。

なぜなら、プロフィールを通じて表現するユーザーのニーズやユーザーの役割は、実際にはほぼ 100% 遅れていると考えられるからです。

私たちが実際にこれらの遅延データで達成したいのは予測であり、そうでなければビジネスチャンスを得ることができません。

次のように考えてみましょう。ユーザー A は今日、プラットフォームで 5 キログラムのリンゴを購入しました。このユーザーが次にリンゴを購入する必要があるのはいつでしょうか? また、次回も当社のプラットフォームでリンゴを購入してもらうにはどうすればよいでしょうか?

理論的に考えてみると。

基本的に、私たちは次のような思考モデルを持っています。

1. プラットフォーム上で果物を購入したすべてのユーザーを集計する
2. N 回以上連続して購入したユーザーを選択します (N = 3 と仮定)
3. これらのユーザーの各購入の時間を取って間隔を計算します
4. ユーザー A と比較し、おおよその値を見つけ、この時間間隔で A に推奨を行って効果を確認します。

あるいは考え方を変えてみましょう:

1. データ分析を通じて、家族Aには何人いるのかを計算してみましょう。
2. 5キログラムの中にリンゴが何個あるか計算してください。
3. 全員が1日に1個ずつリンゴを食べると仮定すると、リンゴを全部食べ終わるには何日かかりますか？
4. 想定を変えて、食べ終わる日を変える
5. 効果を確認するために、異なる日にユーザー A に推奨事項を提示します。

需要を予測するのは、需要を判断するよりもはるかに難しいことがわかります。

実際のところ、単にAppleを推奨するだけでは不十分だと思います。人々の意思決定プロセスを考慮するには、人間性についてより深く理解する必要があります。

これはまた別の話題です。

この記事は@张亮（Qinggua Media）によって編集され、公開されました。転載の際は著者情報と出典を明記してください。

製品プロモーションサービス： APPプロモーションサービス広告