概述
作為設(shè)計師，在產(chǎn)品設(shè)計之初通常都會做用戶調(diào)研并構(gòu)建Personas，幫助我們更好的貼近和理解目標(biāo)用戶。B類產(chǎn)品中的Personas和C類產(chǎn)品有何不同？Personas在B類產(chǎn)品設(shè)計中有哪些價值？如何正確從數(shù)據(jù)中提煉和使用Personas？文章分三個部分來探討這些問題。
• 背景概念：B2B用戶畫像特色（Buyer Personas vs. User Personas）
• 相關(guān)原理：是用戶肖像還是用戶畫像（User Profiles vs. User Personas）
• 方法價值：數(shù)據(jù)＋畫像＋直覺＝好的產(chǎn)品設(shè)計（Data vs. Personas vs. Instinct）
注：Personas方法源于國外，相關(guān)英文專業(yè)詞匯和中文專業(yè)詞匯的對應(yīng)表達(dá)會基于筆者的不同而有些許差異。
一、B2B用戶畫像特色
B類和C類電商交易的本質(zhì)都是物質(zhì)利益的交換過程。但B類用戶和C類用戶因業(yè)務(wù)采購流程的不同而有著不同的需求和期望。通常B類影響采購的決策者較多，采購周期較長。C類用戶采購商品為個人使用，用戶能夠獨(dú)立快速完成采購決策。這兩點(diǎn)特性，導(dǎo)致銷售和產(chǎn)品端將B類用戶在采購決策前后區(qū)分為”選擇者”和”終端用戶”(Buyer Personas vs. User Personas)。對于B類設(shè)計師來說，區(qū)分這兩者可以快速梳理出產(chǎn)品眾多用戶角色的本質(zhì)區(qū)別，并從具體用戶需求中再做同類需求合并，提煉出共性。最后，基于產(chǎn)品商業(yè)目標(biāo)的不同進(jìn)行用戶畫像優(yōu)先級篩選和創(chuàng)建。
以下為B2B產(chǎn)品設(shè)計Persona推導(dǎo)流程圖，以設(shè)計企業(yè)級“混合云應(yīng)用平臺”為案例。
最初涉及的相關(guān)角色可能更多，但不管有多少，都可以依據(jù)以上方法得出產(chǎn)品最核心的用戶畫像，了解他們最關(guān)鍵的需求。
分析數(shù)據(jù)、提煉用戶需求這個過程，在用戶調(diào)研方法中運(yùn)用的最多的是Affinity Diagram。以下為練習(xí)例子：
將不同用戶訪談后得出的重點(diǎn)信息（具體需求）寫在便利貼上（或Excel表中打印后切片），再在不同的用戶間將分析過后的同類需求用線做連接（需求合并同類項）。以用戶的口吻將處理過的需求描述出來（例如：當(dāng)在1688上經(jīng)營服裝店鋪時，我想要提高品牌知名度，所以我可以讓更多買家信賴我的產(chǎn)品，以此提高銷售額）。B類復(fù)雜的業(yè)務(wù)特性和眾多用戶角色的不同，更需要設(shè)計師和業(yè)務(wù)方緊密協(xié)作梳理出用戶需求和Personas優(yōu)先級。
二、是用戶肖像還是用戶畫像？
描述你身邊一個最熟悉的朋友。大家肯定都可以說出他們的基本信息、愛好、學(xué)歷、性格等。根據(jù)這些信息，我們可以快速做朋友歸類。再試想，你要幫助房產(chǎn)經(jīng)紀(jì)推薦一套合適的公寓給你的朋友。如果將之前的描述直接列給房產(chǎn)經(jīng)紀(jì)，他也許會憑借自己的直覺和經(jīng)驗，推算出你朋友可能的喜好?；蛘?，你可以直接提供給房產(chǎn)經(jīng)紀(jì)朋友期望的學(xué)區(qū)地段、周邊服務(wù)設(shè)施、喜歡的餐館類型、是否有在小區(qū)周圍跑步的習(xí)慣等，這些具體影響他購房決策的因素。
前者我們提供的是用戶肖像，是細(xì)致而全面的用戶信息集合。后者我們提供的是用戶畫像，傳遞普遍影響用戶行為和決策的內(nèi)外因（已處理過的用戶信息集合）。兩者都是為了了解用戶，前者幫助我們了解產(chǎn)品為誰設(shè)計？（這套房賣給誰）；后者幫護(hù)我們了解用戶為什么會有這個行為？（這套房為什么會被買走）。
在B類產(chǎn)品設(shè)計中，我們很少能像用戶的閨蜜，快速給出房產(chǎn)經(jīng)紀(jì)一個貼心的用戶畫像。所以一般情況下，需要大量的數(shù)據(jù)調(diào)研收集用戶信息，再基于文章前面所提到的分析判斷、Personas需求歸類方法，得出用戶畫像。
B類產(chǎn)品中是否能將用戶肖像和用戶畫像價值放大，同時使用？
以阿里巴巴ICBU-CRM給銷售使用的客戶服務(wù)檔案為例：
從上圖中可以看到服務(wù)檔案中所呈現(xiàn)的信息都是單個的用戶肖像信息。幫助銷售了解服務(wù)對象是誰。在頭部可以看到一系列需要售賣的商業(yè)產(chǎn)品。銷售的操作流程是，也許要在5000個沒有特別購買意愿的客戶中做篩選，最終選定一位目標(biāo)用戶，到達(dá)以上頁面。
要在10個種類各異的商業(yè)產(chǎn)品中給用戶做推薦，該首推哪個產(chǎn)品？哪個最適合？如果這個銷售僅是初級銷售、渠道銷售，或者其實(shí)不只10個產(chǎn)品可以做售賣，有20個、30個、40個；同時，這個客戶也許長期專注于線下店鋪經(jīng)營，并沒怎么接觸過阿里巴巴的商業(yè)產(chǎn)品。這樣以來，可供銷售分析的客戶數(shù)據(jù)也就少之又少。而銷售的學(xué)習(xí)成本和溝通成本卻成倍提高了。
用戶畫像在這個產(chǎn)品中是否可以幫助銷售提升工作效率呢？
基于之前提到的B2B產(chǎn)品設(shè)計Persona推導(dǎo)流程，如果在產(chǎn)品設(shè)計之初，已對這10個商業(yè)產(chǎn)品做了商家畫像（設(shè)計出了前臺營銷頁面）。此時，Persona就可以直接展現(xiàn)在對應(yīng)的售賣產(chǎn)品下方，給銷售做參考。銷售可以理解這是一個定性和定量，基于成功售賣的用戶真實(shí)數(shù)據(jù)在不斷迭代和優(yōu)化的典型用戶攻略：愿意購買此產(chǎn)品的用戶都由什么內(nèi)外因影響而做下單決策，有哪方面相關(guān)問題銷售需要在售賣時對用戶進(jìn)行回答。這時，不管有多少個產(chǎn)品需要售賣，都可以快速幫助銷售理清思路，進(jìn)行對應(yīng)推薦。做到人人都是銷售…
一個清晰的用戶肖像幫助我們了解用戶真實(shí)現(xiàn)狀，一個有洞見的用戶畫像可以更高效的為設(shè)計師、銷售、市場、產(chǎn)品服務(wù)。
三、數(shù)據(jù)＋畫像＋直覺＝好的產(chǎn)品設(shè)計
調(diào)研顯示，大多數(shù)產(chǎn)品團(tuán)隊1-4年更新Personas。B類大型商業(yè)產(chǎn)品不可能持續(xù)高頻做Personas更新和業(yè)務(wù)調(diào)整。因為B類用戶對產(chǎn)品穩(wěn)定性要求極高，一個小小的改變都可能會對公司造成不可挽回的損失。
很多互聯(lián)網(wǎng)公司在產(chǎn)品設(shè)計前期會通過快速上線，使用Google Analytics提取用戶信息高效制作Personas（類似于1688的A+，udata線上數(shù)據(jù)分析產(chǎn)品）。并通過持續(xù)提取和分析線上行為數(shù)據(jù)完善Personas，做產(chǎn)品和設(shè)計的優(yōu)化迭代。
數(shù)據(jù)和Personas相輔相成。Personas也可以幫助設(shè)計師分析數(shù)據(jù)，避免淹沒于數(shù)據(jù)大海。
例如，當(dāng)查看網(wǎng)站跳失率，我們很容易只關(guān)注全部來訪者查看了多少個頁面后的跳失率。但這個數(shù)據(jù)其實(shí)并不是非常有建設(shè)性。不同用戶從不同地方來到這個頁面，對于頁面有不同的期望。跳失率需要基于產(chǎn)品設(shè)計之初建立的Personas群組做逐個分析，才能發(fā)現(xiàn)更有意義的信息。
兩組不同用戶的Personas: A.每天通過郵件訂閱信息，點(diǎn)擊跳轉(zhuǎn)至新聞頁的忠實(shí)用戶老王；B.通過搜索關(guān)鍵詞來到新聞頁面的市場管理者小李。同是來到新聞list頁面，忠實(shí)用戶老王跳走了，這個情況是可以理解的。因為我們可以假設(shè)他已經(jīng)看完了所有的文章。而市場管理者小李跳走了，就需要分析原因：是否用戶搜索的關(guān)鍵詞和進(jìn)入頁面前的期待，與進(jìn)入頁面后所呈現(xiàn)的信息內(nèi)容不匹配。而這時我們應(yīng)該如何優(yōu)化設(shè)計？
以上，不被數(shù)據(jù)麻痹，不完全依賴用戶，不憑空臆想。三者平衡，創(chuàng)建一個有洞見的Persona讓好產(chǎn)品走的更遠(yuǎn)。
