【转贴】数据挖掘实践应用（69，UED中的Personas模型）

来源：http://shzxqdj.blog.163.com/blog/static/81670577201032011315235/

前几期日志中谈到了UED同事正在探讨的数据分析应用模型，这不昨天跟他们一起去拜访一家很有名的兄弟公司，听说他们的用户研究数据分析做得很不错，我们希望可以针对目前手上的项目向他们具体探讨在UED中如何进行Personas模型的分析和搭建。

果然这是个比较新的分析应用，人物角色（Personas）模型作为一种应用技术据说是从1999年开始产生并推广的，这种方法主要针对产品主要用户群体的特征指标进行典型用户“画像”，对于指导产品设计，交互设计，视觉设计等等都是具有很好的数据化的科学理性的参考和评估。比如说，之前的很多产品设计，交互设计中，为什么要增加一个功能，为什么要这么设计交互，每个人都有自己的“感觉和理由”，但是谁也说服不了谁，因为谁都在宣称自己代表“用户”，但是实际上谁都不真正了解“用户”。现在如果有了一个合理的Personas模型的话，产品设计和UED团队的全体成员对于不同的用户群体就可以达成一致的认识，用户相关的数据就可以通过一系列故事被连贯起来，使得用户在设计阶段就比较生动丰满；更重要的是，在随后的产品设计和交互设计中，通过这些典型丰满的用户形象，大家可以因为“同理心”而更加有根有据展开合理的功能、视觉设计，而不会太过于天马行空，闭门造车。再简单点说，就是目前产品设计人员和UED人员在脑海里并没有一个明确的鲜活的用户形象，也就没有更多的关于这个典型用户的其他使用场景的准确了解，通过Personas模型可以帮助他们准确把握目标用户群体的方方面面特点，在设计产品时可以时刻把设计思路和细节跟这个具体的鲜活的用户相关联，这样设计出来的产品当然就比较符合目标用户的真实需求的了，至少比目前完全凭空想象来的有理由有根据有数据支持。

常规的Personas模型的分析数据主要包括三方面信息（用户的目的和动机、用户产品需求，产品的使用场景）。其中目的和动机主要是通过调查、访谈得到；产品需求信息主要是产品相关的应用数据，比如一个在线互动产品的相关数据包括相关的在线时长，登陆次数，聊天次数等等；使用场景数据包括主要在哪个场合使用该产品，使用的方式，特点，等等）。但是，在我们希望探索的这个项目中，我们不希望进行规模化的调查、访谈等，主要的原因一是这个规模化的市场调查既费钱又耗时还很难得到有价值的信息，更重要的是因为我们坚信凭借我们集团的强大的数据仓库，里面的海量产品使用信息应该可以支持我们相当的数据需求的，也免得在市场调查的“鸡肋”消费中浪费金钱和人力。

Personas模型的核心其实就是聚类分析应用，不过与常规的数据挖掘中的聚类分析不同的地方在于，一方面Personas的聚类不能有太多的分析变量，常常限于3-4个变量，这要求分析人员要非常准确地从海量变量里发现关键的3-4个变量（具有明显的差异特征变量）；另一方面，Personas模型在聚类的结果的基础上，还要辅之以比较详细的数量少而精的深度访谈和focus group座谈；最后，这个形象化的用户角色要通过文档化成为产品设计的规则之一，要求设计人员必须遵守，必须时时参考对照。

Personas模型在实践中比较大的难点在于这个模型看似是为UED设计人员提供借鉴的，但是同时必须要求产品设计开发人员的参与，更纠结的是，这个模型得出的结论可能并不被管理层认可（很简单的一个例子，如果在Personas模型中理想客户所代表的市场份额远远小于管理层所希望的市场份额，这势必要重新建立新的典型用户特征模型，如何权衡其中的轻重，远不是简单的聚类分析技术可以一相情愿解决的，在实际工作中，到底应该迁就谁的意见，可能还是看谁的话语权更大吧，又或者折中处理吧，看来中庸之道无处不在，呵呵。

手头上正好在进行一个核心新产品的活跃用户分析，相同的数据似乎可以满足这个UED的Personas模型的大部分数据需求，两个项目并做一起来做，既可以相互借鉴，更可以节约时间，提升效益。UED中的Personas模型，数据挖掘跟UED的邂逅，在我们这个团队是尝试，是探索，效果肯定是远胜与无的了，给自己一点信心，耶！