关键画像

1

他究竟是谁？什么性别、什么年龄、什么职业、什么偏好、什么生活习性、什么特征或症状？

2

他在什么场景下，处于什么动机，为了谁，会消费我的产品、会购买我的产品？

3

他究竟看中什么？需要什么？不需要什么？愿意为了什么而放弃什么？会因为什么而兴奋冲动、又因为什么而焦虑难安。

4

他支付能力如何？支付意愿如何？他在什么方面更愿意投入？

5

他究竟在哪？线下在哪？线上在哪？在哪里吃饭、在哪里睡觉、在哪里玩耍，在哪里获取相关知识、在哪里实现购买？什么时间在哪？什么动机在哪——这个问题，直接决定了引流的池子建在哪里，也就是媒介或载体的选择，真正的媒介专家，首先应该是用户专家。

6

他喜欢谁？愿意跟着谁一起疯、一起搞事情。他喜欢什么，他喜欢在什么样的氛围、什么样的穿搭下、和什么样的人、说什么样的话题、搞什么样的事情。与之相反，他又厌恶什么。

7

谁会影响他，他会相信谁？ 有没有人，可以让他作出一个决定：听他的、跟着他走。

基本方法

优劣势

User Persona

（用户角色）

通过问卷和访谈的方式，从代表性用户的真实场景中归纳并提炼出来的典型用户画像。

它是一种“人算”。这种方法更关注用户的行为、目标和动机，强调知其所以然。画像是否准确，取决于代表性用户是否精准。缺点是样本量一般比较有限，结论易受个人主观判断影响。

User Profile

（用户简要）

通过收集用户线上的行为数据（或数字化轨迹），通过技术建模和行为建模，产出用户标签集合，以此来勾勒出用户画像。

它是机器算法或者叫大数据算法，它没有主观情感、在客观性和数据统计效率方面具有无可替代的优势。它的逻辑在于“只问相关、不问因果”。

它也不是毫无缺陷，它的逻辑性先天缺失，以及受到建模师水平的制约。