說到網(wǎng)絡(luò)產(chǎn)品，離不開的話題就是用戶，就像傳統(tǒng)行業(yè)的消費(fèi)者。人是復(fù)雜的，網(wǎng)民的用戶行為更加復(fù)雜，用戶和用戶是不一樣的，或者說，每個用戶都不一樣。一款成功的互聯(lián)網(wǎng)產(chǎn)品往往并沒有滿足所有用戶的需求，而是準(zhǔn)確定位了某一類用戶并且很好地滿足了那類用戶的需求。到底定位哪一類用戶是我們需要考慮的，所以就需要用戶分類。

不分類不好定位， 好的用戶分類讓我知道了我在追求哪些人，滿足哪些人，影響哪些人。但分不好類又會錯位，更糟，那怎樣才能對某一款產(chǎn)品的用戶群進(jìn)行合理分類呢，下面就來談?wù)勎覍τ脩舴诸惖囊恍┛捶ā?/p>

一般提到某一款產(chǎn)品有幾類用戶可能主要包括以下幾種情況：高端和低端用戶、學(xué)生用戶和白領(lǐng)用戶、一二線城市和三四線城市用戶、活躍和不活躍用戶、會員與非會員用戶、紅鉆與非紅鉆用戶、IT和非IT用戶、初級用戶、普通用戶、高級用戶等，以上這些用戶分類的共同特征是從一個維度或者二個維度對用戶進(jìn)行劃分，就比如cooper的《About face 2.0》中提到從兩個用戶分類指標(biāo)：業(yè)務(wù)領(lǐng)域水平（domain knowledge）和計算機(jī)技能水平，從而把用戶劃分為初級用戶、普通用戶、高級用戶，更簡化地說這種方法的用戶分類模式就是基于操作頻率，這個分類方法可以套用在任何一款產(chǎn)品上，但是這種用戶分類的實(shí)際應(yīng)用效果如何呢？

先來說下如何判斷某一款產(chǎn)品的用戶分類效果如何，主要從兩個角度進(jìn)行判斷：分類的信度和效度，也就是分類的準(zhǔn)確性和精確性。分類的準(zhǔn)確性是指分完類后，是不是現(xiàn)實(shí)中每一個用戶都能定位到反映該用戶的類別，也就是說任何一個用戶都能給他貼上屬于某個類別的標(biāo)簽；而分類的精確性是指得到的用戶類別在多大程度上反映了實(shí)際用戶所包含的屬性含義，也就是說用來描述各類別用戶的特征信息與實(shí)際用戶所有屬性的吻合程度。在實(shí)際分類中準(zhǔn)確性和精確性往往不能同時達(dá)到完美，當(dāng)你追求100%的準(zhǔn)確性時精度肯定會下降，比如只用性別去劃分用戶，準(zhǔn)確度很高但是精度不夠，所以在實(shí)際用戶分類時找到準(zhǔn)確性和精確性的一個平衡點(diǎn)，達(dá)到自己分類目的即可。

又回到前面提到的把用戶劃分為初級用戶、普通用戶、高級用戶，這種劃分的方法是準(zhǔn)確性很高，但是精確度不夠，每一個用戶都能根據(jù)實(shí)際情況判斷為初級用戶、普通用戶還是高級用戶，但是描述用戶的特征信息很少只有操作頻率和計算機(jī)技能水平兩個維度。這是很不精確的，在實(shí)際情況中，用戶的特征信息是包含很多，用戶間任何一個特征因素不同都會導(dǎo)致不同用戶使用某個產(chǎn)品的行為習(xí)慣偏好等的不同。比如用戶的年齡、性別、學(xué)歷、收入水平、計算機(jī)水平、職業(yè)、地域、網(wǎng)齡以及使用某個產(chǎn)品的目標(biāo)等因素都會導(dǎo)致不同用戶不同的使用習(xí)慣和偏好。所以在用戶分類時需要從多個維度的特征因素去考慮如何劃分用戶。實(shí)際又該如何操作呢？

首先考慮對某個產(chǎn)品進(jìn)行用戶分類時需要哪些特征因素，也就是從哪幾個維度去劃分用戶。一般會從以下幾個維度去考慮：用戶的人口學(xué)信息，用戶的計算機(jī)背景（包括用戶的互聯(lián)網(wǎng)使用背景），上網(wǎng)地點(diǎn)，收入水平，職業(yè)，地域，用戶對于該產(chǎn)品的一些使用經(jīng)驗(yàn)和偏好，使用過哪些同類產(chǎn)品，使用的目的是什么，認(rèn)為哪款最好用，影響選擇某款產(chǎn)品的因素有哪些，通過哪種途徑得知的，使用產(chǎn)品的態(tài)度，使用產(chǎn)品的具體行為等因素。那具體到某個產(chǎn)品時應(yīng)該選擇哪幾個因素去劃分用戶呢，解決的方法是先把所有維度都列出來，然后針對這些維度進(jìn)行用戶訪談，通過訪談能夠得到大概的用戶間的共同點(diǎn)和不同點(diǎn)。然后把所有因素轉(zhuǎn)化成問卷題目，通過科學(xué)抽樣的問卷調(diào)查得到用戶調(diào)查數(shù)據(jù)。對這些用戶數(shù)據(jù)進(jìn)性行聚類分析即可得到您所需要的用戶分類。用戶聚類需要注意哪些呢？

聚類分析中有很多因素影響著最后的用戶分類結(jié)果，影響較大的因素有：聚類方法選擇，距離算法選擇，聚類變量選擇，用戶類數(shù)選擇。對于聚類方法和距離選擇，我傾向于推薦選擇兩步聚類法和對數(shù)似然值距離算法，因?yàn)橛脩舻娜丝趯W(xué)特征和使用某產(chǎn)品行為偏好等特征一般都是分類變量，用歐氏距離算法的話，它的距離公式所表示的含義很難用實(shí)際意義去描述，或者說它的距離值在現(xiàn)實(shí)中是沒有實(shí)際意思的。聚類變量的話可以選擇訪談得到差別較大的特征因素，但是這些變量之間也是有關(guān)系的，具體還要通過不斷的嘗試去調(diào)整，主要看去掉某個變量后聚類結(jié)果是否有大得差異，如果有該變量則為重要變量，用戶類數(shù)確定可以結(jié)合實(shí)際聚類得到的描述性判斷因素和訪談等得到的實(shí)際情況共同確定。

怎么對用戶分類，細(xì)分到何等程度，不太會有一個模式或者方法來通用。所以涉及到某個具體產(chǎn)品的用戶分類時，首先明確你得分類目的，分完類之后你需要面怎么利用這些類。當(dāng)能夠從用戶分類中得到明確的產(chǎn)品用戶群和產(chǎn)品定位時，說明該分類就基本有效了。

文章來源：Tencent CDC Blog