在确定指标后，我们需要确定指标的来源。有些数据是后台行为日志可以记录到的，有些是需要用问卷调查的。一般而言，行为层面的指标可以用后台日志，更加准确。而态度层面的则要用问卷来获取。两种数据渠道各有优缺点：

　　理论上，所有的数据都可以通过问卷获得。但是，为了最优化研究效果，我们采取了 问卷+行为日志结合的方式。在发问卷的同时，抓取了用户的设备号和ID，以匹配后台数据。

　　在保证问卷效度的前提下，问卷设计还需要注意结合用户特征，以提高填答率以及数据准确率。比如，针对二次元用户，在用户群年龄结构偏小的前提下问卷不能太长，不能出现深奥的专业术语；同时问卷的语句表达以及页面风格也要相应调整，使其没有距离感。同时，注意筛除多次填答和注册的马甲账号问卷。此外还要注意新用户的占比，需要评估填答问卷中新注册用户的比例是否与投放期新用户正常增量一致。用户画像是否需要包含新用户取决于项目目的，也可以和产品方讨论后决定。

　　4

　　尝试与评估用户聚类

　　4.1 把用户分成几种类型？

　　聚类分析是探索性的研究，他根据指标或者变量之间的距离判断亲疏关系，将相似性的聚为一类，因此会出现多个可能的解，并不会给出一个最优的解，最终选择哪一种方案是取决于研究者的分析判断。

　　把用户分的类型越少，颗粒度就越粗，每种类型之间的特征就不会很分明；用户类型越多，颗粒度也就越细，但复杂的类型划分也会给产品定位和运营推广带来负担。因此，细化颗粒度不仅需要定量的聚类来调整，还需要结合产品经验来验证。同时，因为采用的是开放性的指标体系，我们不可能像区分“男性用户、女性用户”那样清楚地知道用户类型的数量，因此，在用数据进行用户画像时，最关键的一步就是确定把用户分成几种类型。

　　4.2 如何选择合适的聚类方法？

　　在确定因子之后需要选择合适的聚类方法。不同方法适用的情况不同，常用的是K均值聚类以及层次聚类。

　　K均值聚类也称快速聚类，内存少，复杂程度低，快速高效，适用大数据量。但是需要提前明确分类数目，并对均值进行定义。只能对样本聚类，不能对变量聚类，样本的变量需是连续性变量。

　　层次聚类可以对变量聚类，也可以对样本聚类，可以是连续变量也可以是分类变量。能提供多种计算距离的方法，但是计算复杂度高，适用小数据量，我们需要结合项目的具体情况，包括项目周期、数据形式、数据量、聚类特征等等来确定聚类方法。

　　最后通过尝试不同的聚类数、距离算法和分类方法，我们可以根据以下几点来确定分类的数量：

　　1. 依据产品经验，不同产品的典型用户不同

　　2. 根据已有的用户研究以及相关研究结论

　　3. 根据具体的分类效果确定

　　4. 根据层次聚类“步数——距离”拐点

　　聚类效果好坏的评估可以从聚类中心之间的距离、组件与组内的方差以及群组数量之间的比例是否符合产品特征、比例是否协调以及划分的类型对产品是否有意义等方面去评估。

　　5

　　把数据还原成用户

　　在已经得知了分类结果并且分析得出了每一类用户在各项指标上的特征之后，构建用户画像的工作也就好比在一副骨架上填充血肉。一方面，我们可以直接利用获取的数据，找到具有显著特征的信息，赋予到用户身上。比如第一类用户60%使用iOS系统，而其他三类均不超过20%，我们就可以将第一类用户抽象为一个平时使用iPhone 的人。除了问卷数据之外，想要使人物形象更加鲜明，可以对问卷本文题进行分析，或者根据产品经验、用户反馈或已有研究进行画像，这样可以使用户形象更加有血有肉。

　　但是，把数据还原成用户本身用户也需要遵循几个原则，画像（Persona）意味着一个令人信服的用户角色要满足七个条件：

　　P 代表基本性（Primary research）指该用户角色是否基于对真实用户的情景访谈。

　　E 代表移情性（Empathy）指用户角色中包含姓名、照片和产品相关的描述，该用户角色是否引同理心。

　　R 代表真实性（Realistic）指对那些每天与顾客打交道的人来说，用户角色是否看起来像真实人物。

　　S 代表独特性（Singular）每个用户是否是独特的，彼此很少有相似性。

　　O 代表目标性（Objectives）该用户角色是否包含与产品相关的高层次目标，是否包含关键词来描述该目标。