百科 | 如何利用收集到的用户信息进行用户画像？

用户分类可以让我们更加理解和聚焦某个类别用户的需求，详细的分类有助于我们更精细化地去运营数据，但这并不能代表用户分类越多越好，太多的用户分类会让团队在使用用户画像的过程中陷入困境。

那么多少个用户分类合适？6个以内的用户让团队容易记忆，并且更容易使用。针对某些比较大型的产品，6个用户分类可能无法满足需求。这个时候可以考虑针对某个大功能进行用户画像。

1. 进行用户分类：根据分析目的的不同和产品的不同阶段，可以采用不同的分类方式。

2. 按用户目标划分：常见直接的方法，因为一个用户使用我们的产品总是带着一种目的而来。

3. 按动机进行划分：想要更深入地了解用户目标的动机。

4. 按用户行为划分：用户使用产品会出现不同的行为。

5. 按用户所处阶段划分：用户使用产品是一个渐进的过程，每个用户都会经历新手期、发展期、专家期等阶段。每个阶段用户都会遇到不同的问题，新手期用户面临熟悉产品的问题、发展期面临成长的问题、专家期面临新鲜度流失的问题等。

6. 按一维特征对用户进行划分：用户更多是在两三个维度呈现出不一样的特征，所以可以利用交叉的方式来进行用户划分。

划分了用户分类后，不代表这个分类区间内一定有用户。比如一个用户只想了解知识的新手用户是不会成为内容生产者的，这个分类区间是可以删除的。

在我们做用户的定量研究时，我们可能会得到大量的用户数据。针对大量的数据再使用人工定性的细分方式就处理不过来了，这时候就要选择定量细分的方式了。

1. 确定用户关键属性

在大量的用户数据里面，找到我们需要计算的用户属性。虽然我们能收集到用户海量的数据，但并不是所有用户属性都是必须的。我们选择属性必须是对产品用户分类产生重大影响的属性。

2. 将用户数据抽象成数学模型

我们拿到的属性通常并不一定是一个数值，我们需要将数值进行数学模型的抽象。

3. 利用计算机算法进行分类

计算机的发展，特别是近几年人工智能飞速发展，当前已经有了很多比较成熟分类的算法。

用户分类确定了之后，怎么判断我们分类是正确的呢？

1. 是否能解释关键差异