产品经理做用户画像,最担心被业务方反馈:没效果。这往往是由用户画像与业务场景脱节造成的。那么我们该如何从业务场景出发,让用户画像更有效?一般来说,我们可以采用SIKT模型解决这个问题。
1、SIKT模型原理
SIKT模型是一套梳理标签的方法。用户画像的基础是标签,标签是构建画像体系的砖石。若想提高用户画像的效果,标签本身就需要有价值,需要从业务场景出发,层层递进,而非凭直觉脱口而出。
而SIKT模型的使用步骤如下:
第一步:梳理业务场景。我们需要先思考:我要解决什么问题?
第二步:梳理关键指标。我们需要再思考:用什么指标衡量问题解决?
第三步:梳理关键行动。我们需要再思考:我做什么事能解决问题?
第四步:筛选有用标签。数据协助思考:用什么标签能提升行动效率。
2、按照模型梳理标签
我们按照SIKT模型步骤一步步梳理出符合业务场景的标签,具体如下:
(1)有明确的使用场景。避免了信息过剩,让使用者聚焦思考问题。
(2)有明确的考核指标。明确了考核方法,改善了关键指标就是效果。
(3)有明确的落地动作。清晰了标签效果,同一动作,使用标签前后的差异。
另外需注意,标签并非万能,有些业务场景可能不需要标签。因此使用此方法的第一步,就是先梳理业务场景,把那些和标签高度相关的场景找出来。
3、梳理业务场景
从本质上看,标签是一系列业务信息的浓缩。与未浓缩的业务信息相比,标签有三大优势:
(1)便于查询,使用标签可以进行信息搜索,提高搜索效率;
(2)便于分类,标签有利于分类效率的提升,特别针对明确不再使用的分类,能够迅速筛选出来;
(3)便于挑选,如果对于可用的手段有了标签分类,就能快速找出适合当前的手段,避免了重重复复的分析论证,从而极大提升执行效率。
4、案例说明
举例说明,如企业投放部门,计划选择大V进行私域投放。那么投放场景的指标:投放转化率。
由于是私域投放,买了大V的广告位以后,就只能全覆盖该大V的粉丝,无法在决策阶段做用户分群。所以在场景拆分的时候,决策阶段没法用标签优化。但在认知现状、方法选择阶段,标签能帮上忙。
认知阶段:大V有很多,一个大V覆盖各个平台。此时如果有标签对大V进行分类,就能轻松查看该大V的基本情况,挑选出合适的大V。 选择阶段:同一个广告,可能有5、6种不同素材可以使用。此时如果有标签对素材进行分类,就能减少筛选难度,提升效率。
需要注意,这里的标签并非全部为用户标签,如大V分类标签,素材分类标签等。这些标签并非一次性产生,而是在合作中,广告投放中标记出来。
为了提高用户需求分析质量,尽早发现需求缺陷,CoCode特开发了需求分析工具,使用AI,通过需求测试和一致性检测,能够在几分钟内快速分析用户需求缺陷,如歧义、重复、遗漏、不一致和复杂性等问题,精准锁定需求问题,从而更高效地修改缺陷,提高用户需求质量。
目前CoCode发布一系列AI开发工具:Co-Project智能项目管理工具(需求条目化、自动生成测试用例)、需求分析工具、评审分析工具、故事点估算工具。其中Co-Project项目管理平台发布4大版本,30天免费试用;并发布一系列CMMI高效落地工具,实现CMMI标准过程全覆盖,全面支持CMMI3-5级落地。