在腾讯的产品能力模型中，用户画像是在产品设计之前的，也就是：需要先理解用户，再分析需求，最后才形成产品。这就是所谓的用户导向的设计。这篇文章，我们来学习一下，如何通过三个步骤，理解用户的行为。

今天分享的是腾讯产品能力模型的用户理解，在能力模型中它排在了产品设计之前。

这个顺序也很好理解，先理解用户，再分析需求，最后才形成产品。这也是古典产品时期，得到无数产品人认可的原因：用户导向。而在不久的以前还有专门负责用户体验设计的部门。

产品本就是用户需求和企业需求的桥梁，产品经理也是贯穿“想法 ->需求 ->产品完整生命周期的人。

P7 及以下，主要负责收集用户需求，并且识别其合理性，在指导下完成产品优化

P8-P9，要求掌握进阶的方法 ( 如核心需求识别 & 量化、用户群归类 & 量化、需求金字塔模型等 ) ，能独立完成复杂场景的用户需求分析 ( ( 如分析不同用户群的核心需求场景 ) 。

并能识别当下的关键需求，对优先级排序，指导产品或功能定位，以及相应的产品规划工作。

P10 及以上，能够对特定业务领域的用户需求归因有更深刻的理解，结合市场竞品分析，并识别高价值潜在需求与机会，发现并深入挖掘出差异化产品特性。

能够牢牢抓住用户核心需求的演变与进化，在市场环境、技术条件不断变化情况下，不断夯实产品基础体验，提升用户粘性。

了解用户和交朋友并没有区别，随着认识一个人的时间越长，你越发了解 ta 的价值观、行事风格、兴趣爱好，也会在相处的过程中逐渐的寻找到 2 个人最合适的模式再往后产生感情、依赖。

而做产品，则是把这个 1 对 1 的过程，变成了 1 对多，从 1 个用户变成了 1 个群体。

随着使用小红會的时间越长，ta 越发的了解你不同时间段想要阅读的笔记类型，并且根据你的点击、浏览、互动行为进行调整。当 ta 越能够满足你的需求，你也慢慢的离不开 ta，活跃、留存也随之提升。

今天也尝试和朋友们描述理性理解用户的过程，算法只是把理解用户的行为规模化了。

一、用户数据化

理解用户的方式有 2 种 : 感性和理性，但感性往往只适合天才，拥有超强的同理心或者 ta 恰巧就代表了某一类人。而后者则是大部分人使用的方式，也能作为感性的辅助。

用户数据化的过程是收集信息的过程，没有数据就没有发言权。

1 ) 收集的方式

在区分定性和定量，而数据化则是定量的方式，例如数据上报、用户调研。

2 ) 收集的维度

基于我们想要了解用户的原因，圈定理解用户可能需要的数据，例如想了解交易行为要收集的是交易相关的数据

3 ) 收集的结果

一般而言，这一步所获得的数据是无法直接使用的，需要进行加工

二、用户标签化

数据和标签，是比较容易模糊的概念、

我的好朋友阿翘今天吃了 10 个鸡蛋，是 1 个事实，是 1 条每天都会产生的记录。记录没有意义有规律的记录，提取出标签才有价值。

“吃鸡蛋” + “吃 10 个” + “每天” = 鸡蛋狂魔 ;

“早餐” + “吃 10 个蛋” =>今天早餐吃很多；

为什么说标签的只是更有价值呢 ? 因为它还不够全面，没办法帮助了解这个人。

简单的说光这个数据我已经可以大概率推断他是“地狱壮汉”了，但是我并不知道他是纯粹喜欢吃鸡蛋，还是喜欢健身，还是健身练的很强壮。

这也是为什么我们要对标签进行组合，形成我们的用户模型。

三、用户模型化

模型，是标签的组合。

结合上面 4 张图，我们可以思考为什么 ta 能够推断对方是都市白领或者精致妈妈 ?

接下来我们举个例子加深理解。

“高频吃高蛋白食物 + 高频健身”推断他爱好健身，结合身体标签的体脂率推测 ta 正在增肌，再结合 ta 的健身时段都在上班时间和职位、收入，推测已经财富自由，是一个打工皇帝。

标签越多，模型越聚焦，用户的需求也越发的明确，用户需要的事往往就是他常做的事。当常做的事不做了，那说明需求变化了，或者没有满足。

但模型只是起点，我们要时刻考量这个模型背后的用户基数、用户价值、运营策略。

基数小，说明需求受众少，那大概率不需要过多关注。但如果小基数的用户群创造大规模的商业价值，那就很值得付出了。而如果拥有了这个用户模型，没有落地的措施，那其实也都是无用功。