产品创新前，先找到用户的“真需求”

诸葛君说：用户研究已成为产品和运营的核心能力之一，一方面，只有对市场、目标用户心理、需求、痛点非常了解，才有可能抓住成功机会，成为让用户点赞的产品。另一方面，产品成功的关键是对用户需求变化趋势的把握和满足，因此，产品创新是保证企业在竞争激烈的市场上长久生存的关键，今天，我们就围绕产品创新和用户研究分享一些看法。 一、什么是创新 如上图所示，「创新」就是用户渴求、技术可行性和商业可持续的交集，成功的创新是三者兼顾的。 不同的公司可能会选择从不同的角度来切入探索创新。比如 Goolge 当年是从技术可行性出发，先研发出技术，再从技术角度研发产品；有的公司会从商业可持续性（商业模式）出发，比如团购；共享单车最初的一两家可能是从用户渴求的角度切入，但后来当共享单车企业越来越多时则是从一个已有的商业模式中进入再去探索创新的。 事实上，在创新的过程中，大多数产品都是从用户渴求这个角度切入的，因为技术和商业发展到今天已经比较成熟了，反而是用户一直处于变化，有很多用户渴求还没有被满足地很好，从这个角度进入是有机会创造出很不一样的产品的。 当我们在考虑用户需求时，通常有宏观和微观两种角度。 从宏观视角研发产品时，我们会关注整个市场的特性和趋势，比如聊天软件中匿名聊天和阅后即焚是一个受欢迎的趋势，这就是可以切入的角度，从宏观的角度出发研发产品时，需要关注个人的特征和偏好，比如：我们都非常在意发到社交网络上的照片有多少人点赞，很喜欢 Airbnb 提供的相较于传统酒店更便宜和更独特的体验，因此，从宏观视角研发产品时结果会更可预期。 然而，从微观角度去做产品是存在风险的，风险在于，它确实是解决了一个痛点，但是有这个痛点的人群可能不是很多。所以，当我们从用户渴求切入去创新的时候，最后还是需要关心商业可持续性的。 二、Persona VS Profile 一旦我们选择从用户渴求这一微观角度研发产品时，就需要我们深刻理解用户，洞察真实的用户需求，这也是我们始终坚持“以用户为中心”的原因。 传统研究用户的方式有Persona (用户画像)和Profile，Persona是从海量用户中提炼共同特征，再用其中最典型的用户特征总结成一个个虚拟的角色。Profile则是以性别、地域、年龄等来归纳描述用户的方法。不同在于：Profile 是基于用户群体的统计得出的「平均用户」，Persona 则是根据真实用户聚类而成的「典型用户」，除了用户行为之外，还会关心用户的动机、目标、价值观等。Persona 可以帮我们做出好的创新设计，而 Profile 能更好地帮我们优化运营策略。 我们普遍认为， Persona 是基于小规模的定性研究产生的，只适用于小众产品，如果一个产品用户量足够大，就不需要 Persona 了。事实上，也许作为一个 6-7 亿日活的产品——微信在产品功能创新时，也需要一个细分的 Persona。 比如「微信辟谣」这样的功能一定是针对容易受骗的老年人这样的 Persona ；微信可能还有个 Persona 是联系人特别多的人， 才会有「清理不常用好友」这样的功能。如果微信的产品经理要同时想 6-7 亿人想要用什么功能，可能很多现在我们看到的微信功能是不会做的。但如果当微信想做创新时，一定会去看这 6-7 亿用户细分成了什么样的人群，去看他们遇到了什么问题、根据他们的行为和动机来做产品设计。 另外，也许你还会质疑 Persona 过于主观。确实 Persona 不是客观的，它的制定和选择都是需要主观判断的。这个制定过程反映了我们想做什么事情、想服务什么样的用户。那我们为什么不直接拍脑袋「主观」决定做什么产品、做哪些产品功能，而是大费周章地制定 Persona 并基于此做产品呢？ 其实，在产品研发/迭代的过程中，主观判断是不可避免的，也是必要的，但是，我们要确保的是这个主观判断不是盲目的，而是基于客观事实的，不是“我以为”我的用户是什么样的人，而是通过大量的访谈、采集行为数据、建立行为轴、抽象聚类，来理解真正的用户是什么样的人。 三、用户行为数据 虽然Persona可以在产品设计和原型开发阶段帮助开发者想象用户使用的场景；Profile可以根据用户行为抽象出来描述用户的标签体系，但都难以更加量化细致地评估用户需求，那么有没有更科学的解读用户需求的方法呢？ 事实上，行为数据本身已变得越来越有价值，基于用户行为数据的用户模型，记录了每个用户的每一次行为，客观真实的还原了用户与产品的交互过程，与单纯的标记“用户标签”相比，记录下来的用户行为数据更具有多维交叉分析的价值，构建出来的单个用户画像更完整科学。 此外，基于用户行为数据的用户模型是实时动态变化的，随着用户在产品中的成长，从访客到陌生人最后成为高价值用户，用户的每一步成长都通过行为记录下来，基于用户所在生命周期的不同阶段，针对新用户、流失用户、活跃用户、沉默用户分别采取有针对性的拉新、转化、留存等运营策略。 为延长用户的生命周期价值（LTV），就必须采集到用户全生命周期的数据，打通CRM数据、历史数据、业务数据、第三方数据，将用户的属性信息（性别、年龄、国家等）与用户的行为数据关联到一起；打通外部推广平台的数据，解决用户从哪儿来的问题；打通不同产品平台的数据，将用户在app\小程序\微站\官网上的行为实时同步，如此方可实现真正的以用户为中心的统计和分析。 在产品创新时，用户行为数据帮助我们深刻理解用户行为的动机，寻找其中的用户渴求，并让团队在执行的过程中能够时刻保持专注，思考我们真实的用户在这个场景里会有什么样的期待、做出什么样的行为，而不是强行自我代入，或者盲目猜测。   -八大数据分析模型- 八大数据分析模型之——用户模型（一） 八大数据分析模型之——事件模型（二） 八大数据分析模型之——漏斗分析模型（三） 八大数据分析模型之——热图分析模型（四） 八大数据分析模型之——自定义留存分析模型（五） 八大数据分析模型之——粘性分析（六） PS：要了解更多数据分析具体的技巧、方法论及实战案例，点我领取 诸葛io，你身边的数据驱动教练 欢迎添加微信：zhugeio2016一起探讨交流

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/