プロダクトドッグオペレーションニャー、「ユーザーポートレート」の作り方が分からないなんて言わないで

NetEase では、ユーザーリサーチ部門が、ほとんどの革新的なインターネットビジネスのユーザーエクスペリエンスリサーチ業務を担当しています。編集部が入手した独占情報によると、網易のユーザー研究部門は主にユーザー研究と戦略分析の2つのラインに分かれている。ユーザー研究ラインは網易のほとんどの革新的なインターネット事業のユーザー研究業務を担当しており、現在は主に音楽、教育、ソーシャルネットワーキング、スマートハードウェア、読書など10以上のインターネット製品を担当している。

次は校長先生が黒板を叩く時間です

ユーザー調査の方法は、定性的調査と定量的調査という2 つの主なカテゴリに分けられます。定性調査でよく使用される方法には、詳細なインタビュー、観察、ユーザビリティテストなどがあり、定量調査では主にアンケート調査、トラフィック/ログデータ分析、実験方法などが使用されます。研究結論の妥当性は、体系的な方法論によって保証されます。

今日お話ししたいのは「ユーザーポートレート」についてです。いわゆるユーザーポートレートは、対象ユーザーのキャラクタープロトタイプであり、ユーザーの基本情報を素早く理解して素早く分類できるだけでなく、ユーザーの行動習慣や態度の好みをさらに正確に分析することもできます。ユーザーポートレートはユーザーの仮想的な表現ですが、実際のユーザーと実際のデータに基づいている必要があります。

研究の目的を明確にする

ユーザーポートレートを作成しようとする場合、多くの場合、次のようなシナリオに基づいて作成されます。

1.対象ユーザーを決定し、異なる特性に応じてユーザーを異なるタイプに分類し、対象ユーザーの割合と特性を決定します。

2. ユーザーの操作行動、感情的嗜好、人口統計情報などを取得するためにユーザーデータを収集します。

3. 対象ユーザーに基づいて製品開発の優先順位を決定し、設計と運用において対象ユーザーの動機と行動に重点を置く。

4.便利な設計と操作。ユーザーポートレートによって提供される特定のキャラクターイメージに基づいた製品設計と操作活動は、漠然とした、架空の、または個人の好みに基づいたユーザーイメージよりも便利で信頼性があります。

5. パーソナライズされた推奨、正確な操作など、さまざまなタイプのユーザーに基づいたインテリジェントな推奨システムを構築します。

ユーザーポートレートの使用シナリオからも、ユーザーポートレートが各製品サイクルに適用可能であることがわかります。潜在的なユーザーの発掘から新規ユーザーの誘致、古いユーザーの開拓、失われたユーザーの復帰まで、ユーザーポートレートはさまざまな場面で役立ちます。

研究方法を明確にする

ユーザーポートレートは、定性的な方法 (詳細なインタビュー、フォーカスグループなど) または定量的な方法 (定量的なアンケート、行動ログデータなど) を使用して作成できます。さまざまな方法には、それぞれ長所と短所があります。

ただし、定性的方法と定量的方法のどちらを選択する場合でも、まずユーザータイプに関する基本的な「定量的」理解が必要です。そうしないと、サンプルの選択に偏りが生じます。では、定量的な方法 (クラスタリング) を通じてユーザーポートレートをどのように構築するのでしょうか?

ターゲットディメンションとデータを決定する

3.1 どの指標を選択すればよいですか?

ユーザーインジケーターの選択は閉じたり開いたりできます。

クローズド指標では、ユーザーグループのタイプは固定されており、ライトユーザー、ヘビーユーザー、男性ユーザー、女性ユーザーなど、すべてのユーザータイプがユーザーグループ全体を構成します。しかし、この分割方法は一次元的すぎる可能性があり、ユーザーグループの複雑さを反映できず、指標システムの補足、改善、反復には役立ちません。したがって、私たちの研究では、さまざまなアプリケーションシナリオに応じて指標を変更または拡張できるオープン分類方法を採用することを好みます。

オープン指標システムには、ユーザーの人口統計属性、行動操作属性、態度嗜好属性、ユーザー価値属性などが含まれます。ユーザーの行動と態度は常に変化しています。

その中で注目すべきは、クローズド指標における人口属性指標は比較的安定した静的データであるということ。通常、当社の経験と保有するユーザー情報から、ユーザーの年齢構成と性別比は明確に把握しています。人口統計属性指標がクラスタリングに大きな影響を与える場合（強い共線性）、またはモデルの要素としての影響が大きすぎる場合は、クラスタリング時にユーザーの行動や態度の好みなどの指標に焦点を当てることができます。クラスタリングが成功した後、各ユーザータイプの人口統計的背景情報を比較できます。

3.2 データを取得してフィルタリングするにはどうすればいいですか?

指標を特定した後、指標のソースを特定する必要があります。一部のデータはバックグラウンド動作ログに記録できますが、一部のデータはアンケート調査が必要です。一般的に、動作レベルの指標はバックグラウンドログを使用するとより正確に測定できます。態度レベルはアンケートを通じて把握する必要があります。

理論的には、すべてのデータはアンケートを通じて取得できます。しかし、研究結果を最適化するために、アンケート＋行動ログの組み合わせを採用しました。アンケートの送信中に、背景データと照合するためにユーザーのデバイス番号と ID が取得されました。

アンケートの妥当性を確保することを前提として、アンケートの設計では、回答率とデータの精度を向上させるために、ユーザー特性を組み合わせることにも注意を払う必要があります。例えば、2D ユーザーの場合、ユーザーグループの年齢構成が比較的若いため、アンケートは長すぎたり、専門用語が深く含まれたりすることはできません。同時に、アンケートの文章表現やページスタイルも、距離感を避けるためにそれに応じて調整する必要があります。同時に、複数回記入されたアンケートや偽のアカウントを使用して登録されたアンケートを必ず除外してください。また、新規ユーザーの割合にも注意を払う必要があります。アンケートに回答した新規登録ユーザーの割合が、ローンチ期間中の新規ユーザーの増加率と一致しているかどうかを評価する必要があります。ユーザーポートレートに新規ユーザーを含める必要があるかどうかは、プロジェクトの目的によって異なり、製品側と話し合った上で決定することもできます。

ユーザークラスタリングを試して評価する

4.1 ユーザーは何種類に分類できますか?

クラスター分析は探索的な研究です。指標または変数間の距離に基づいて関係の近さを判断し、類似点を 1 つのカテゴリにまとめます。したがって、複数の解決策が考えられ、最適な解決策は提示されません。最終的な選択は、研究者の分析と判断によって決まります。

ユーザーの種別が少ないほど粒度が粗くなり、種別ごとの特徴があまり明確ではなくなります。また、ユーザーの種別が多いほど粒度は細かくなりますが、複雑な種別分けは製品の位置付けや運用推進にも負担をもたらします。そのため、粒度を細かく調整するには、調整のための定量的なクラスタリングだけでなく、製品の経験に基づいた検証も必要です。一方で、オープン指標システムを採用しているため、「男性ユーザー」「女性ユーザー」のように明確にユーザータイプの数を把握することはできません。そのため、データを使用してユーザーポートレートを作成する場合、ユーザーを何タイプに分類できるかを判断することが最も重要なステップです。

4.2 適切なクラスタリング手法を選択するには？

要因を決定したら、適切なクラスタリング方法を選択する必要があります。さまざまな状況に応じてさまざまな方法を適用できます。最も一般的に使用されるのは、K 平均法クラスタリングと階層的クラスタリングです。

K-means クラスタリングは高速クラスタリングとも呼ばれます。必要なメモリが少なく、複雑さが少なく、高速かつ効率的で、大量のデータに適しています。ただし、カテゴリの数を事前に決定し、平均を定義する必要があります。クラスター化できるのは変数ではなくサンプルのみであり、サンプル変数は連続変数である必要があります。

階層的クラスタリングでは、変数またはサンプルをクラスタリングでき、連続変数またはカテゴリ変数にすることができます。距離を計算するためのさまざまな方法を提供できますが、計算の複雑さが高く、データ量が少ない場合に適しています。プロジェクトサイクル、データ形式、データ量、クラスタリング特性など、プロジェクトの具体的な状況に基づいてクラスタリング方法を決定する必要があります。

最後に、さまざまなクラスター数、距離アルゴリズム、分類方法を試すことで、次の点に基づいて分類の数を決定できます。

1. 製品体験に基づくと、異なる製品の典型的なユーザーは異なる

2. 既存のユーザー調査と関連研究の結論に基づく

3. 具体的な分類結果に基づいて決定する

4. 階層的クラスタリングの「ステップ距離」の変曲点によると

クラスタリング効果は、クラスタ中心間の距離、コンポーネントおよびグループ内の分散、グループ数の比率が製品特性に適合しているかどうか、比率が調整されているかどうか、分割の種類が製品にとって意味があるかどうかから評価できます。

ユーザーにデータを復元する

分類結果を知り、さまざまな指標で各ユーザーの特性を分析した上で、ユーザーポートレートを構築する作業は、骨格に血肉を注入するようなものです。一方では、取得したデータを直接使用して、重要な特徴を持つ情報を見つけ、それをユーザーに割り当てることができます。たとえば、最初のカテゴリのユーザーの 60% は iOS システムを使用していますが、他の 3 つのカテゴリは 20% を超えません。最初のカテゴリのユーザーは、通常 iPhone を使用する人として抽象化できます。アンケートデータに加えて、キャラクターイメージをより鮮明にしたい場合は、アンケートの質問を分析したり、製品体験、ユーザーフィードバック、既存の研究に基づいてポートレートを作成したりすることで、ユーザーイメージをより肉付けすることができます。

ただし、ユーザー自体にデータを復元する場合も、いくつかの原則に従う必要があります。ペルソナとは、説得力のあるユーザーロールが次の 7 つの条件を満たす必要があることを意味します。

P はプライマリーリサーチの略で、ユーザーペルソナが実際のユーザーとのコンテキストインタビューに基づいているかどうかを指します。

E は Empathy (共感) の略です。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 Realistic (現実的) の略で、ユーザーペルソナが顧客と毎日やり取りする人々にとって実際の人物のように見えるかどうかを指します。

S は Singular の略です。各ユーザーは固有であり、互いに類似点はほとんどありません。

O は目標を表します。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 Number (数字) の略です。ペルソナの数は、設計チームが各ペルソナの名前と 1 つの主要ペルソナ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?

注: ペルソナの原則は、Alan Cooper によるものです (https://plus.google.com/101097598357299353681/about)。

定量的調査を通じて、ユーザーに対する正確な理解を迅速に確立し、異なる数と特性を持つユーザーについて比較統計分析を実施し、その後の製品の反復と改善のプロセスで、ユーザーに優先順位を付け、コアで大規模なユーザーに焦点を当てることができます。しかし、比較的定量的な方法でデータに頼って確立されたユーザーポートレートはまだ大まかであり、典型的なユーザーの生活状況や使用シナリオを説明することは難しく、ユーザーの感情的傾向や行動操作の背後にある理由や深い動機を探ることは困難です。したがって、十分なエネルギーと時間があれば、各タイプのユーザーに対して詳細なインタビューを実施し、定量的および定性的な方法を組み合わせて、より正確で鮮明なユーザーポートレートを作成することができます。

上記の役立つ情報をすべて読んだ後、ユーザーポートレートについてより深く理解できたと思います。

NetEase では、ユーザーエクスペリエンスの研究作業は通常、製品のコンセプト設計段階からプロジェクトに入り、ビジネス側が各ユーザーセグメントの態度と行動特性を理解し、セグメント化された市場におけるユーザーのコアニーズとビジネスチャンスを特定するのに役立ちます。製品の設計とテストの段階では、ユーザーリサーチを実行して、製品設計がユーザー中心であることを確認すると同時に、ユーザビリティにおける対応する問題を特定してソリューションを提供し、製品の反復と最適化の方向性を示します。製品が発売された後の成長段階では、製品のさまざまな側面に対するユーザーの態度と評価を分析し、ユーザーの使用習慣を理解し、ユーザーエクスペリエンスを継続的に最適化することで製品満足度を向上させ、製品が商品化とユーザーエクスペリエンスのバランスを見つけて維持できるようにします。

モバイルアプリケーション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清瓜メディア情報フロー

この記事の著者 @Xiang Yu （APP Top Promotion）が編集・発行しました。転載の際は著者情報と出典を明記してください。

<<: WeChat ミニプログラムで完了した注文を削除するにはどうすればいいですか?

>>: 北京の暖房が3月22日まで延長！延長料金はどのように計算されますか?