Đây là chân dung người dùng thực tế. Của bạn chỉ là danh sách giới tính, độ tuổi và khu vực.

Tạo nhiều dữ liệu chỉ liệt kê giới tính, độ tuổi và khu vực? Chân dung người dùng thực sự là gì? Tác giả bài viết này sẽ cung cấp cho bạn câu trả lời có hệ thống.

Một bạn học hỏi: Thầy Trần, lớp trưởng đã yêu cầu em phân tích chân dung người dùng, nhưng sau khi em thu thập được rất nhiều dữ liệu, em lại bị chỉ trích: Em không phân tích được gì sao? Phải làm gì? Hôm nay tôi sẽ cho bạn câu trả lời có hệ thống.

01 Tư thế chụp ảnh chân dung người dùng không đúng

1. Bị giới hạn bởi dữ liệu, không có hành động nào được thực hiện

Khi nói đến chân dung người dùng, nhiều người ngay lập tức nghĩ đến các trường thông tin cơ bản như giới tính, độ tuổi, khu vực và sở thích, rồi thốt lên: Có vẻ như chúng tôi không có dữ liệu này nên họ từ bỏ việc phân tích. Nhưng hãy nghĩ xem, liệu việc biết tỷ lệ nam giới có thực sự quan trọng không? Liệu việc biết rằng nam giới chiếm 65% hay 60% có thực sự giúp ích cho doanh nghiệp không? Không nhất thiết. Có nhiều cách để dán nhãn người dùng. Đừng giới hạn bản thân với một số thông tin cơ bản khó thu thập.

2. Liệt kê dữ liệu mà không có ý tưởng nào

Khi nhiều người nghe về phân tích chân dung người dùng, theo bản năng họ bắt đầu di chuyển thẻ người dùng khỏi cơ sở dữ liệu và mã hóa chúng trong báo cáo:

• Tỷ lệ nam nữ là 3:2
• 20-25 tuổi chiếm 40%
• 30% số người đã đăng nhập trong tuần qua
• 70% số người không mua hàng lần thứ hai...

Còn về việc phải làm gì với dữ liệu này, tôi chưa bao giờ nghĩ tới. Kết quả phân tích kiểu này tất nhiên là gây nhầm lẫn. Hỏi một cách bối rối: "Thì sao? Vậy thì sao?"

3. Phân chia vô hạn, không có logic

Khi nhiều người nghe đến các chủ đề phân tích tương đối cụ thể như "phân tích chân dung người dùng đã mất", họ bắt đầu phân tích dữ liệu một cách vô tận. Tỷ lệ hủy đăng ký được phân tích dựa trên giới tính, độ tuổi, khu vực, thiết bị, thời gian đăng ký, kênh nguồn, số tiền mua hàng... hàng chục khía cạnh được sử dụng để xem xét tỷ lệ hủy đăng ký. Cuối cùng, tôi chỉ thấy một số kích thước khác nhau 5%, một số khác khác nhau 10%. Tất nhiên là không có kết luận cuối cùng, và càng tìm hiểu tôi càng thấy bối rối.

Những vấn đề trên đều là do quá chú trọng vào từ "chân dung người dùng" mà bỏ qua từ "phân tích".

Là một hệ thống dữ liệu cơ bản, bản thân chân dung người dùng không có chức năng phân tích nào. Việc chỉ liệt kê các thẻ người dùng hoặc phân tích các chỉ số người dùng sẽ không mang lại bất kỳ lợi ích phân tích nào. Để tận dụng hiệu quả chân dung người dùng, bạn phải thực hiện theo từng bước quy trình phân tích.

02 Bước 1: Chuyển đổi các câu hỏi kinh doanh

Phân tích chân dung người dùng về cơ bản là suy nghĩ về các vấn đề theo góc nhìn của người dùng.

Để đưa ra một ví dụ đơn giản, nếu doanh số của một sản phẩm mới ra mắt không đạt được kỳ vọng, chúng ta có thể xem xét vấn đề theo góc độ quản lý sản phẩm cũng như góc độ của người dùng.

Đối với cùng một vấn đề, có hai cách suy nghĩ (như thể hiện trong hình bên dưới):

Do đó, việc chỉ liệt kê một loạt số liệu về người dùng (giới tính, độ tuổi, khu vực, sản phẩm đã mua, số lần đăng nhập, v.v.) sẽ không có nhiều tác dụng. Chân dung người dùng chỉ là một công cụ để phân tích. Giống như các phân tích khác, trước tiên chúng ta phải xem xét: vấn đề thực sự mà tôi muốn giải quyết là gì?

Sau khi bạn đã suy nghĩ kỹ và chuyển vấn đề thành câu hỏi liên quan đến người dùng, bạn có thể tiếp tục sử dụng phương pháp phân tích chân dung người dùng.

Điều quan trọng cần lưu ý là các vấn đề kinh doanh rất phức tạp. Thông thường, một vấn đề có thể liên quan đến nhiều nhóm người dùng và nhiều hành vi của người dùng.

Ví dụ, ví dụ trên liên quan đến ít nhất ba nhóm người dùng (người dùng tiềm năng, người dùng đã mất và người dùng hiện tại) và liên quan đến nhiều khía cạnh như thái độ của người dùng, tiếp nhận thông tin, quy trình mua hàng và trải nghiệm sử dụng.

Do đó, cần phải phân loại dữ liệu, sắp xếp các manh mối phân tích và logic, đồng thời tìm ra dữ liệu tương ứng. Nếu không, chỉ liệt kê giới tính, độ tuổi và khu vực sẽ không giải thích được điều gì. Việc này bao gồm hai bước tiếp theo.

03 Bước 2: Kiểm định giả thuyết vĩ mô

Sau khi biến đổi bài toán, điều rất quan trọng là phải kiểm tra giả thuyết ở cấp độ vĩ mô trước, điều này có thể tránh hiệu quả lỗi phân tích vô hạn. Nếu hướng chung không hợp lệ thì không cần phải xem xét chi tiết. Vấn đề vẫn là sản phẩm mới không bán chạy. Nếu bạn muốn xác minh theo hướng chung, bạn chỉ cần thực hiện như sau:

• Nếu bạn nghi ngờ môi trường chung đang xấu thì tất cả các danh mục đều sẽ bị ảnh hưởng.
• Nếu bạn nghi ngờ một đối thủ cạnh tranh có tính cạnh tranh cao thì đối thủ đó phải ảnh hưởng trực tiếp đến sản phẩm của chúng tôi.
• Nếu bạn nghi ngờ hoạt động này quá kém thì chắc chắn có một liên kết nào đó trong kênh chuyển đổi sản phẩm bị hỏng.
• Nếu các giả định trên được xác minh, có thể tiến hành phân tích sâu hơn
• Nếu không có giả định nào ở trên là đúng, có thể cần phải có những giả định mới.

Tóm lại, việc tiến hành kiểm tra chung trước tiên có thể thu hẹp hiệu quả phạm vi nghi ngờ. Phạm vi nghi ngờ càng nhỏ thì phân tích người dùng tiếp theo càng chính xác. Đồng thời, khi dữ liệu không đủ, phạm vi nghi ngờ càng nhỏ thì chúng ta càng có thể tập trung vào việc thu thập dữ liệu, cải thiện chất lượng dữ liệu và đưa ra phân tích chính xác.

Có thể có hàng trăm chiều phân loại người dùng. Nếu bạn phân tích và so sánh mà không sàng lọc, khả năng cao là sẽ có sự khác biệt ở hàng chục khía cạnh và cuối cùng bạn sẽ không thể hiểu được dữ liệu. Điều rất quan trọng là phải tập trung vào giả thuyết trước khi phân tích nó.

04 Bước 3: Xây dựng logic phân tích

Sau khi xác minh vĩ mô, logic phân tích chi tiết hơn có thể được xây dựng dựa trên các kết luận đã được xác minh. Ở giai đoạn này, vấn đề lớn ban đầu thực ra đã tập trung vào những vấn đề nhỏ, chẳng hạn như:

Chúng ta hãy xem xét một tình huống cụ thể:

Đã xác minh: Chúng tôi thực sự bị ảnh hưởng bởi các đối thủ cạnh tranh

1. Câu hỏi phụ 1: Nhu cầu của người dùng mục tiêu là gì?
2. Câu hỏi phụ 2: Trải nghiệm của người dùng mục tiêu với các sản phẩm cạnh tranh là gì? Những nhu cầu nào được chạm tới nhiều nhất?
3. Câu hỏi phụ 3: Người dùng mục tiêu trải nghiệm sản phẩm này như thế nào? Những khoảng trống nào là nguy hiểm?
4. Câu hỏi phụ 4: Sự khác biệt giữa đối thủ cạnh tranh và sản phẩm này về chức năng cứng và quảng cáo mềm là gì?

Cả bốn câu hỏi phụ này đều có thể được trả lời bằng cách khám phá sâu nhu cầu và hành vi của người dùng, và bước tiếp theo là đi sâu hơn.

Cần lưu ý rằng phần phân tích này đòi hỏi nhiều nghiên cứu về thái độ của người dùng, người dùng tiềm năng và người dùng của đối thủ cạnh tranh. Không thể hoàn thành việc này chỉ bằng dữ liệu nội bộ mà phải thông qua nghiên cứu bên ngoài.

Chúng ta hãy xem một cảnh khác:

Đã xác minh: Thực sự có vấn đề với hoạt động ra mắt sản phẩm mới này

1. Câu hỏi phụ 1: Sự cố xảy ra ở giai đoạn nào: làm nóng trước, phát hành, niêm yết hay quảng bá?
2. Câu hỏi phụ 2: Một số lượng lớn người dùng không phản hồi trong giai đoạn ra mắt. Có vấn đề gì xảy ra với việc phân phối quảng cáo?
3. Câu hỏi phụ 3: Tại sao doanh số bán hàng không bùng nổ trong giai đoạn khuyến mãi và không kích thích được nhu cầu cốt lõi của người dùng?
4. ... (Bạn có thể hỏi nhiều câu hỏi, chỉ cần đưa ra một ví dụ đơn giản)

Những vấn đề này có thể được giải quyết theo hai cách.

Một mặt, bằng cách so sánh các loại người dùng khác nhau sau đây, chúng ta có thể tìm ra sự khác biệt về các chi tiết như giao hàng, hoạt động thưởng, danh mục mua hàng và số lượng, để điều chỉnh hoạt động giao hàng, tiếp thị, bổ sung sản phẩm và các hoạt động kinh doanh khác.

• Lõi/Bình thường
• Đã mua/Không mua
• Đã đạt/Chưa đạt

Mặt khác, bằng cách lập hồ sơ người dùng cốt lõi, doanh nghiệp có thể thấy rõ hơn những thông tin sau về những người thực sự muốn mua hàng, cho phép doanh nghiệp nắm bắt nhiều người dùng cốt lõi hơn và cải thiện hiệu suất sau đó.

• Từ kênh nào
• Theo chủ đề nào
• Bạn cần loại giảm giá nào?
• Khi nào nên đặt hàng

Cần lưu ý rằng nguồn thông tin của người dùng, phản hồi cung cấp thông tin, hành vi mua hàng và nội dung đọc về chủ đề đều có thể được ghi lại thông qua hệ thống nội bộ. Ngay cả khi chúng ta không biết anh ấy là đàn ông hay phụ nữ, chúng ta vẫn có thể thu hút họ thông qua quảng cáo, xuất bản nội dung và giảm giá.

05 Bước 4: Lấy dữ liệu người dùng

Ở bước trước, chúng ta đã thấy rằng nếu phân tích chân dung người dùng thực sự muốn hiểu sâu sắc về người dùng, thì phải dựa vào nhiều nguồn dữ liệu. Có khả năng cả dữ liệu nội bộ và bên ngoài sẽ được sử dụng.

Do dữ liệu nội bộ có thể không được thu thập đầy đủ và dữ liệu bên ngoài có thể có lỗi lấy mẫu, chúng ta phải đưa ra lựa chọn và tập trung vào việc sử dụng dữ liệu. Đây cũng là lý do tại sao chúng tôi nhấn mạnh việc xác minh dần dần và thu hẹp các giả định. Chỉ khi bạn tập trung thì bạn mới có thể thu thập dữ liệu.

Nói chung,

• Câu hỏi càng liên quan đến thái độ, kinh nghiệm hoặc cảm xúc thì tôi càng có xu hướng sử dụng khảo sát.
• Vấn đề càng mang tính hành vi, tiêu dùng và tương tác thì chúng ta càng có xu hướng sử dụng phân tích dữ liệu nội bộ.
• Nếu bạn muốn hiểu rõ về đối thủ cạnh tranh, bạn có thể tiến hành khảo sát người dùng về đối thủ cạnh tranh hoặc thu thập thông tin từ các cửa hàng trực tuyến của đối thủ cạnh tranh.

Theo nghĩa truyền thống, những người thực hiện nghiên cứu thị trường và phân tích dữ liệu sẽ có định nghĩa, phương pháp thực hành và sản phẩm đầu ra của riêng họ về chân dung người dùng. Xét về lợi ích thực tế đối với doanh nghiệp thì tất nhiên càng nhiều càng tốt.

Tuy nhiên, với sự phát triển của trình thu thập thông tin, NLP và các điểm theo dõi ngày càng chuyên sâu hơn, cùng với sự hỗ trợ kỹ thuật, việc sử dụng dữ liệu do hệ thống thu thập đã tăng lên trong những năm gần đây.

Vì vậy, khi điều kiện cho phép, chúng ta nên cố gắng hết sức để làm giàu dữ liệu nội bộ. Ngược lại, nếu bạn chỉ dựa vào nghiên cứu mà không tích lũy dữ liệu thì sẽ rất khó để làm bất cứ điều gì trong tương lai.

06 Bước 5: Tóm tắt và phân tích kết luận

Nếu thực hiện tốt các bước trên, việc rút ra kết luận phân tích ở cuối sẽ là điều tự nhiên và không tốn chút công sức nào.

Trên thực tế, những vấn đề lớn nhất trong phân tích chân dung người dùng đều phát sinh ở năm bước đầu tiên. Thiếu định hướng cho giả thuyết, thiếu chuẩn bị dữ liệu, thiếu logic phân tích, chỉ liệt kê dữ liệu, phân tích không giới hạn và cuối cùng phải đối mặt với một đống dữ liệu rời rạc: "Nếu tỷ lệ nam-nữ là 3:2 thì sao???"

Tất nhiên, chân dung người dùng còn có nhiều công dụng khác, chẳng hạn như hỗ trợ phát triển sản phẩm mới, hệ thống đề xuất, hệ thống tiếp thị tự động, hệ thống phân phối, v.v. Phân tích chỉ là một phần nhỏ trong số đó.

Do đó, nếu bạn muốn làm tốt công việc phân tích, bạn vẫn cần phải tìm hiểu thêm về phương pháp phân tích và thực hành logic phân tích.

Tác giả: Thầy Trần

Nguồn: Tài khoản công khai WeChat "Giáo viên thực tế Trần"