基于角色的数据分析：定义+价值+方法论

企业基于目标角色进行数据分析，可启发性地揭示数据趋势并有效地获得用户洞察力。

许多企业在项目的初始构思和设计阶段会分析不同群体的角色特征，但在解决设计阶段的争论之后就将这些信息束之高阁。

但是，实践证明角色信息的应用能有效帮助企业进行长期维护。

具体来说，基于角色特征进行数据分析创建不同的用户分群不仅可以检查角色描述的用户特征与企业的真实访问者特征是否一致，还可以帮助企业发现用户的使用模式和行为趋势，相反，将所有访问者数据进行汇总将隐藏这些宝贵信息。

一、什么是角色？

角色是一个从某类有共同特征的用户群中抽象出来的虚构代表人物。企业应总结多个角色，以代表其网站或 APP 吸引的各种访问者（通常 3-7 个角色将覆盖大多数受众，而不会在你的用户类型中产生过于具体或宽泛的无效角色分类）。

理想情况下，这些用户原型应基于定性的用户研究，以更真实地概括用户的确切行为、背景、态度和需求。

此外，个人详细信息（如姓名、照片和特定背景叙述）应与性别、年龄、婚姻状况、职称、设备所有权和其他人口统计信息的描述相结合，以创建易于想象且相关的角色。

二、基于角色进行数据分析的价值

如果没有角色，企业很有可能创建适合所有用户的“一刀切”设计。

举个例子，在我们对电子商务企业的研究中，我们确定了 5 种不同类型的电子商务购物者，所有这些购物者都可以访问同一网站，但事实上他们期望的是不同级别的细节和产品信息类型。

再比如，即使是作为公司内部网包含的系统，也会有多种类型的用户访问它，所有这些用户都需要完成不同的目标和任务。

因此，如果企业不确定访问产品的用户组的各种特征，企业就无法设计具备每种类型用户所需关键元素可提供良好体验的产品。相反，企业往往最终会创建一个任何人都不太满意的产品。

设置角色的一个主要优势是帮助企业专注于围绕用户类型及其特定需求或行为的设计进行工作，并减少团队成员和利益相关者之间的争论。

围绕角色构建设计对话可创建更贴合实际的使用场景，并更容易理解受设计决策影响的用户。

同时，这些角色有助于建立一种验证而不是假设的文化，比如一旦团队对客户有共同的理解，企业就不需无休止地辩论“人”是否需要一个提议的功能，而是问“这将如何帮助安迪？”

三、如何进行基于角色的数据分析？

长期和大量的研究工作形成了对用户真实表现的了解， 如果企业能持续利用角色来推动产品改进，那么投资回报会成倍增加。

通过角色建立细化的用户分群，将可以分析真实用户实际使用网站或应用程序的方式。同时，分析的结果不仅可以佐证在创建角色过程中所做的一些假设，还可以支持对创建的角色进行校对与细化。

此外，重新分析审视角色的方式相比用户访谈、日记研究和其他形式的密集用户研究更具可维护性。

在分析工具中创建基于角色的用户分群的关键步骤是确定分析工具的划分维度中包含用户的角色特征（如神策分析包含和支持自主创建多样化的用户分析维度）。

在阅读角色详细信息和用户的相关故事时，你必须将代表该特定用户组的特征与仅仅为了提供真实性而添加的特征分开。例如，某 SaaS 企业这样描述访问者大卫：

“大卫收到了企业每周发送的电子邮件简报，其中包含周一上午 10 点在办公室举行会议后立即使用新功能的提示。他使用Android 手机点击简报，并在下次会议之前有时间阅读一篇博文。”

在创建代表大卫的角色时，确切的时间可能过于详细，但在工作日访问该网站的用户与在周末访问该网站的用户之间的行为可能会有所不同，因此该信息需进行记录；

另外，他还是一名新闻通讯订阅者并且已经是该服务的客户这一事实也应该记录在内，以区分这些用户和那些仍在研究阶段并且可能只是了解软件及其功能的用户；

此外，角色的性别可能没有区别，就可以在创建代表性角色特征时将性别因素排除在外。

如上，一个虚构的 SaaS 公司的例子表明了不同的组织可能具有涵盖不同主题的角色。在此示例中，角色反映了 SaaS 公司所针对的一种用户类型。

值得强调的是，为了创建的用户分群有意义并且值得单独分析，从角色派生的分析维度一旦创建，就应该显示明显不同于其他产品访问者的用户行为，并且应该代表用户群体中相当大的一部分。

对于许多人来说，这个合理的组块在整体访问者中占 7-10％，但最终可根据对你和企业的具体意义而决定，通过所占意义的比重，可以调整用于创建相应某个角色的特征数，以允许某个角色代表更大或更小的用户组。

在这个过程中，首先要关注该组用户最显著的特征，然后在必要时添加更多细节以针对较小的用户子集。

回到前面的 SaaS 示例，为了创建基于大卫的细分，我们需要知道角色描述中的其他细节的代表意义。比如要思考他是否使用手机访问与他所代表的群体相关的网站？他使用 Android 手机而不是 iOS 或其他手机这代表什么？

为了确定特定细节的取舍，企业可能需要重新审视在角色开发时进行的原始用户研究。

此外，我们必须确定这种行为是否真正区分了感兴趣的群体：许多类似大卫的用户是否会在手机上访问该网站并且行为与其他移动用户不同？或者也许该类型的用户有时会在智能手机上访问该网站并执行少量类似的事情？

如果是后者，对可能从角色派生的用户细分维度示例如下：

• 人口统计资料：年龄范围、性别
• 地理位置：特定国家、地区、城市与郊区等
• 设备、浏览器
• 新用户与老用户，登录用户、未登录用户或没有帐户
• 来源：来自电子邮件、搜索引擎、特定社交网络或宣传网站
• 访问者是否搜索了品牌与非品牌关键字或关键词
• 访问者是否已访问特定页面集：例如，访问过产品详细信息页面、访问过客户服务部分或者登录到针对贸易专业人员或批发买家的内容部分

此列表并非详尽无遗，细分中包含的特征集将根据网站、受众以及在所选分析工具中定义的技术可行性而有所不同。

四、通过角色特征细分避免数据分析时忽视某些因素

当你使用细分来缩小可用数据量并深入研究相关统计数据时，解释分析数据以回答特定问题变得更加容易。

一旦创建了与角色相关的细分，你可以过滤所选分析工具中的大多数数据，以仅显示与该组相关的数据。单个用户类型的行为和站点使用趋势将比查看所有站点流量的数据时更清晰。

例如，在查看跳出率等指标时，很容易被到达某个页面或一组页面后跳出的所有访问者的总体时间分散注意力。然而，这个数字本身不是可操作的信息，因为几个不同类型的用户从不同的源登陆页面，导致对页面内容具有不同的期望。

因此，必须单独分析每个跳出率以发现有价值的信息。假如由两个角色代表两组用户：忠诚的访客和简报订阅者大卫和一个没有深入技术知识的组织的营销经理玛丽。

类似大卫的用户（重复频繁访问着来自电子邮件时事通讯）是否从博客文章中反复提到使用现有功能的提示？

我们理解忠诚的内容消费者跳出，因为他们以前已经消费了网站上的大部分内容。

而玛丽的细分用户如何从搜索引擎上的相关查询到达页面？如果它们也立即跳出，那么用户对搜索引擎结果页面的期望与页面上实际传递的内容之间可能存在不匹配，这是应该进一步调查的内容。

另一方面，如果玛丽代表的用户类型实际上没有跳出，则可能不需要对页面或通向它的链接进行任何操作。

通过以上分析页面跳出率的简化示例，我们可以知道65％ 的总跳出率掩盖了忠诚访问者和专门搜索页面主题信息的访问者之间的差异。

只有在你对数据进行细分时，才能看到这些明显的差异，并根据每个受众的具体目标更好地了解网页的效果。

细分不仅使我们能够详细分析具体指标，而且还可以发现行为模式并回答诸如以下问题：“登陆 Google 文章页面的新访问者是否也访问任何其他类型的页面？”和“新闻订阅者和非订阅者的行为不同？订阅者是否更有可能下载白皮书或联系我们获取咨询服务、升级会员资格？”

事实上，细分转化率的显著差异不仅表明该细分市场可能适用于不同用户类型，而且还会揭示你应该继续在内容策略中重视的用户群。

综上所述，基于角色的数据分析，企业可以更好地优化产品及其他策略，从而更好地满足目标用户的真实需求。

原作者：Aurora Harley

原文链接：https://www.nngroup.com

编译：策小编（编译过程中有所删减。）

本文由 @神策数据 发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: