字字心血|「用户场景分析」超干货详解

2017 年 7 月 31 日 人人都是产品经理 张绍琰


作者:张绍琰

全文共 8456 字,阅读需要 17 分钟


—— BEGIN ——


开门见山,直接分析一个较复杂的典型场景案例:地铁周边美食APP。


  1. 分析出所有存在的场景,并判断真伪场景;

  2. 根据存在的场景,确定场景优先级,市场定位,需求分析,竞争壁垒,得出阶段产品定位,总结产品问题。


希望大家看后有所收获~


一、场景分析方法


1.1 PSPS模型用于挖掘场景需求


分别对应着:角色、场景、痛点、解决方案。


小A(某用户画像)在某场景某一刻中,出现了某种痛点问题,痛苦程度很深,需要一个最佳的解决方案,因此产生了一个行为——这是挖掘需求用的,使用前提是对用户可能身处场景有很深的理解。


举例而言:O2O产品由于线上+线下,所以把握每一个线下真实场景非常重要,功能点一定要是某场景中的真需求。


比如上门洗衣服务,可能就是伪需求:


小A在家里有很多衣服需要洗,这的确痛苦程度很深,优先级很高。但此场景下小A有更好的解决方案,买洗衣粉自己可以随时看心情在家里洗(包括私人衣物)或家附近干洗店,且这些已有场景本来就很快方便又放心,是最佳解决方案。如果没有上门服务,我照样很开心。


对于需求是否存在,或者是否添加一个新功能,有一个方法就是假设没有这个功能,研究用户的痛苦程度。正是这种痛度,影响着你的解决方案是否有很强的替代性。


如果微信没有了熟人关系和聊天,我想大家都会非常难受吧?社交通讯领域正是和熟人聊天,这存在着的痛苦程度很深的痛点的最佳解决方案,所以人们离不开这个领域。


1.2 分析用户场景中的已有行为


PSPS用于挖掘需求,那么还有一个就是研究场景中已有行为,即已经有了很好的解决方案,分析它和用户目标描述是否匹配。


我个人把它称为“角色、场景、解决方案、目标”。


试想上班族在地铁上的单手触碰功能看视频。


若从痛点挖掘需求:即一手扶着把手保持身体稳定,另一手控制声音大小,然而这对于坐在随时出意外的列车上的确很痛苦,于是挖掘出一个单手触碰调声音的解决方案。


若从已有解决方案的行为出发:上班族在地铁上,握着把手,使用单手触碰功能点,达到了仅需一只手便操控视频声音大小的目标。经分析,这种设计的场景符合用户在地铁看视频时的目标描述,故需求成立。接下来只需考虑此解决方案被竞品替代性和用户选择性的问题。


1.3 场景中用户内心状态


场景有客观和主观条件综合影响。


我们要把用户心理状态描述出来,他们最终会变成产品中的行为。


  • 外部场景:时间、地点、外部网络情况、终端设备情况等;

  • 人物内部场景:人物内心状态、身体外部状态;


举个例子滴滴打车抢单场景:


  • 外部存在固有场景:出租车司机的手机设备以安卓为主,且性能较低,网络情况也不稳定,且手机悬挂在车子内不会双手把持。甚至司机们还不会使用智能手机,需要教育。

  • 人物场景:只能用1只手操作手机(身体状态),接单时心情急躁需要赶紧抢到(交互按钮突出),需要立即知道是否抢到(操作反馈),抢单成功后赶紧联系客人接活了(打电话)。


经过这样的场景描述,加入用户心理变化。某一个具体时刻,场景细节更加细节,每一个用户的高兴或者困扰,都是产品重点优化场景的方向。这些场景组合起来了用户体验地图。


因为一个小小的场景细节,一个简单的用户心理,这些用户切身真实感触,都会是他们和竞品比较进行选择的资本。


1.4 场景到底有多重要


场景到底多重要,我想大家应该还不曾想到过这些。


如果把用户使用手机这个行为当做一个大功能模块,那么我们来研究下这个模块的完整用户使用流程图。


即:


用户使用手机

有什么需求需要被互联网满足

选择什么领域满足

该领域哪些产品可以满足我的需求

通过竞品分析给用户的心智,得出最佳竞品选择

使用该产品


以上路径大体分为6步,如果进行分类即为2大类:


1.4.1 选择领域:


游戏、熟人关系、陌生交友、新闻、听歌、看视频、拍照等等任何领域均可以被互联网化,通过智能终端被用户使用。


在用户使用手机的场景中,超级APP有多少?为什么会成为超级APP?


不难发现,我所列的领域可谓是大众性、刚需性非常高的产品领域,在24H某刻场景中需求的痛苦程度很深,如果需求不被满足会很难受。


这必然会导致用户在一天24H普遍的用户场景中,这些需求是我必须要被满足的,故使用该领域的场景频率变高、时长增长,即带来了运营KPI关键指标很大。


满足某个核心痛点的领域选择一定要足够痛,领域选对了,方向正确,才有可能成长为超级APP之类的产品。


1.4.2 选择产品:


任何领域无论产品用户体验如何,用户是必然可以通过某些渠道知道存在该产品的——这就是用户在确定某领域之后的竞品分析过程,即优胜劣汰。


无论是平台产品还是垂直产品,无论大众还是小众,用户总是会选择最适合自己的产品使用,即:


比较适合自己

很符合自己

就是自己需要的


同为电商买东西领域,比如淘宝有你想不到的所有商品,如果买3C我可能就去京东,买化妆品去聚美——这就是用户在具体场景中,会选择最适合自己的产品满足需求。


这里就出现了一个问题:即使是同领域,也有无数竞品。


这里就引入心智模型的概念(可以是用户的口碑传播或者自己使用的感受,得到的一个心智基本认知),必须给用户一个单一明确的认知,在用户选择产品时的上班、下班、坐车、休息等各种场景中,产生某种需求,第一时间想到的是你的产品非竞品。


也就是说:产品的核心功能要明确突出。网易云音乐就是歌单、推荐和评论,Keep就是健身训练,唯品会就是特卖,拼多多就是组队购买,这些是用户选择产品的潜意识认知。


确定以用户心智模型为基础的高度统一的产品。这是任何产品都要遵循的规则,这是换位思考,从用户使用产品满足需求场景中得出的。


这要求我们产品核心功能要突出,且被用户感觉到,并且其他功能能更好的为核心竞争力服务。


核心功能+主要功能共同构造成产品壁垒。


“拉新”的最高境界是用户口碑传播,只能是传播用户自己的心智,无论怎样,从各种方面都在说明以用户心智为基础的重要性。


本人非常热爱深入普通大众真实生活中细心观察并思考总结,所以给出以上某些场景思考。


接下来以一个O2O案例,根据上面的方法论,带着大家从场景到需求,得到尽可能多的场景并分析。


二、地铁周边美食所有场景


个人能力有限,并且没有严格的市场调研数据定量验证,仅提供思路。难免会出现失误,欢迎大家批评建议~


2.1 发现场景


我们要知道,地铁周边美食,这是一个解决方案。


真正的需求是什么?


一个字一个字地找需求:


地铁=快速方便出行


美食=和朋友一起吃饭/自己一人吃饭


这是一个和线下场景很相关的项目,我们要把不同目的核心用户的主要使用场景写出来。


经过分析,我们得出了用户会选择我们产品,且产品未来可能存在的各种场景A、B、C、D、E。如下图所示:



如果按照目标人群所在场景分类,进行细分,则为下图:



乘地铁去地铁站和附近地铁站区别:前为用户会乘坐地铁去目的地寻找美食;后为用户不用地铁/吃完后使用地铁,地铁边美食没有其他美食团购产品有竞争力。


上班族和普通大众区别:上班族工作日使用固定地铁站上下班,时间可能紧急,快速获取食物;普通找美食吃的大众不使用固定地铁站,目的是通过地铁快速到达某目的地,就近享受目的地美食。


朋友们和个人区别:朋友们一起吃饭,容易出现喝多、吃过点等异常行为,并且在选择地铁旁吃饭地点时需要考虑朋友们家的位置就近选目的地。个人均不需要考虑以上,较为自由。


2.2 场景故事


针对我们得出的场景概况,预期得到了比较全面的场景后,我们要撰写故事,把用户某个特定时刻,可能会出现的行为、心理活动、具体的需求,解决方案叙事出来。


当然,这些场景还是YY的,肯定有伪场景,大家可以探讨如下场景哪些是伪场景。


* 注意:每个场景还有很多故事,篇幅有限,不能做到很细节


场景A:


①小A,小B,小C,三个是好朋友,都是上班族,虽然都在北京,但是平常很难见面(角色)。

周日早晨,他们约定好了晚上找个近点的地方吃饭聚聚,决定在他们家中心点的地铁口附近找,心想着饭店离大家都很近,快速,吃完也容易坐地铁原路返回(场景)。

但是搜索美食团购APP,发现商品太多,无法通过地图找到适合大家到达的地铁口,及地铁站附近的信息,不能快速准确找到附近美食(痛点)

所以才有了在地铁周边通过地铁图寻地铁旁美食的需求(解决方案)。


②小A,小B,小C三个是大学舍友(角色)。

周日下午他们打算去王府井附近聚会吃个饭顺便路上玩玩,因为地铁方便快捷,故乘坐地铁前往目的地(场景)。

使用地铁周边美食APP中的地铁站附近美食功能,达到了他们通过坐地铁到目的地,并且就近享受王府井美食的目标(解决方案)。


场景B:


①上班族:小A是一个上班族,经常往返于B、C地铁站之间。周一早晨,小A急忙赶地铁没时间在附近吃饭了。

心想他还要出了地铁口吃早餐,地铁美食APP专门给上班族坐地铁吃饭使用,直接预订好食物到站就吃。

相比街边商贩更干净卫生,节省时间,同时这个软件还有给上班族的优惠积分活动等,于是打开了APP,预定好了美食。到达B站随即享受。

小A便因此养成了通过地铁买早餐的行为习惯与心智模型。


②大众快速获取长途美食:小A一个人在周末休息想要吃点美食,听说王府井附近美食众多,心想离家太远,时间又很紧张,没有好办法。

使用地铁美食APP,他终于找到了几家好商铺,享受完美食后,晚上做地铁回家。

达成了寻找王府井周围的美食,希望能够通过坐地铁快速到达就近享受美食,并且通过地铁快速返回的目标。


场景C:


①上班族们:小A,小B,小C为公司同事,自己平时上班也用地铁美食APP,有固定的地铁站。

某天晚上下了班在路上,经过分析他们决定在附近某个上班固定地铁站吃饭,可以快速方便大家乘地铁回家,有上班族优惠。

首先想到了地铁美食APP,走到了该站附近的一个商铺,使用APP找到附近美食。吃完后各自坐地铁回家。


②大众:小A,小B,小C为公司同事,通过其他渠道宣传/自己平常使用地铁去寻找美食,得知了在地铁旁有地铁美食APP这个垂直应用,这是个很棒很优惠的产品(角色)。

某天晚上在路上:

他们不需要乘坐地铁,他们要找个附近的商铺吃一顿。心想网上定个饭馆定个菜,但是他们附近有地铁站(场景)。使用地铁美食APP垂直应用,来到了地铁旁享受美食。达到了发现身边地铁站美食的特色与优惠等吃饭的目标。

他们要找个地铁附近的商铺吃一顿,然后坐该地铁回家。心想网上定个饭馆定个菜,但是他们附近有要乘坐的地铁站(场景)。使用地铁美食APP垂直应用,来到了地铁旁享受美食。达到了发现身边地铁站美食的特色与优惠等吃饭的目标。吃完后直接坐该地铁回家。


场景D:


①上班族:小A周一晚上下班了,他来到大街上,需要吃饭。

自己设置了上下班的地铁站,他知道这个APP会给予在地铁旁边吃饭的优惠,比美团等优惠。

于是专门来到附近的下班回家地铁站,使用APP买实惠的饭,吃饱了坐地铁直接回家去。


②大众:

小A是一个普通大众,通过其他渠道宣传/自己平常使用地铁去寻找美食,得知了在地铁旁有地铁美食APP这个垂直应用(角色)。

某天中午在街道上:

不需要坐地铁出行,他想要在附近吃饭,心想网上定个饭馆定个菜,但是他附近有地铁站(场景)。使用地铁美食APP垂直应用,来到了地铁旁享受美食。达到了发现身边地铁站美食的特色与优惠等的目标。

要在附近地铁吃完饭,然后坐该地铁回家,心想网上定个饭馆定个菜,但是他附近有要乘坐的地铁站(场景)。使用地铁美食APP垂直应用,来到了地铁旁享受美食。达到了发现身边地铁站美食的特色与优惠等的目标。吃完后直接坐该地铁回家。


场景E:


①朋友们(A1,A2的上游行为):小A、B、C三个人想要在周末吃点饭一起聚聚,他们想在离地铁站近的地方吃饭,这样方便大家快速出行。

然而不知道哪些地铁线路周边的美食大家喜欢。

打开地铁美食APP,通过推荐信息,得知王府井地铁站附近有特色小吃街,离他们家都还行,于是使用APP确定了王府井周边的某个商铺。

自己找(B2的上游行为):小A在周末,一个人想要去外面吃美食,他只想通过坐地铁去快速寻找美食,并且快速返程。然而不知道哪些地铁线路周边的美食自己喜欢,使用地铁美食APP中的推荐信息,他发现王府井地铁旁边美食是自己感兴趣的,达成了自己的目标,乘地铁快速前往目的地。


②朋友们/自己:查找周边地铁站附近推荐的美食信息,帮助自己选择APP中商铺,无论是否乘坐地铁


2.3 场景分析


我在上面通过A、B、C、D、E这5个主要场景及分支,知道了地铁美食APP的应用场景范围。


那么接下来,我们进行场景优先级排序,对场景进行细致分析。


根据功能的差异化+壁垒强度+未来拓展性+功能可能出现的问题,得出下两个表:



根据用户的大众性+高频性,分析目标用户规模频率,得出下表:



通过以上对各种场景的分析,通过“功能+用户”的分析,得出最终结论:


1. 我们得出了针对地铁美食,上班族工作日使用产品的全部是伪场景。即B1、C1、C2、D1、D2;可以考虑做的场景都是大众用户乘地铁到目标地铁站(非上班固定地铁站)的场景,即A1、A2、B2、E1、E2;


2. 真场景都是用户有目的乘坐地铁去到某出站口寻找美食的,而不是地铁站在附近场景。这才是同其他团购竞品真正的差异化,也是竞品无法做精的地方。这时不会有地铁口、距离变量、路线不统一等的问题,产品整体核心竞争力明确统一;


3. 我们对于大众用户的目标描述就是:用户快速通过地铁工具到达目的地,无需多行几步,在地铁站附近便享受目的地美食。最终通过行为养成,培养用户在目标地铁旁吃饭的心智模型,获得优惠和特色;


4. 站在产品全局的角度考虑重新思考:上班族平常使用地铁美食吃饭&大众用户通过地铁快速获取美食,完全是两个不同的领域,这就导致了一个产品会有2个不同的目标用户群,2个不同的核心需求,定位是混乱的。


这种产品对于用户的心智模型而言是混乱的(如页面中“找美食”&“上下班”),某类用户所处的场景需要用户自己思考并选择,这种认知负荷很严重!


所以:一个产品(尤其工具类)就做一个领域(至少前期是,未来可能会变),找准一类目标用户,让他们成为产品主流用户为他们做需求;


2.4 市场定位


经过领域场景的分析,我们知道了真场景都是用户有目的乘坐地铁去到某地铁站出站口寻找美食的。


那么,我们对这么一群大众进行用户人口统计学类的细分:



上图为前期定位的目标大众用户群,依靠地铁的工具属性,我们得出了具体的两个影响因素:时间+美食热爱程度。同时我们把直接竞品和间接竞品一同进行用户群比较,可以看到和大美团有相同和不同维度——这就是产品最初冷启动时期的差异化!也就是我们的前、中期场景的主要目标用户类型。


红色部分即种子用户群,以这些群体为冷启动阶段,可以更快的向四周扩张——因为他们有使用地铁的时间属性,同时有较高的美食热爱程度,有利于带动其他时间+热爱程度的用户加入产品,实现快速并有质量的拉新、活跃的目标。


低端直接竞品即用户群工具属性明显,只是搜地铁站,选择美食的用户,无明显其他行为;高端竞品即注重社交、UGC为起点,逼格高的搜寻美食工具——这部分开始很难,工作量巨大,且较脱离大众主流群体。


结合上图和要做的场景,我们得出了产品具体目标用户:乘坐地铁快速到达并寻找目的地美食的大众用户(上班族休息日,大学生,个人或一起),要求在地铁站附近便能方便享受目的地美食。且对美食有一定热爱程度。


2.5 产品需求分析


按照上表场景的优先级,我们有如下需求。


场景A1:基本需求即要做好全程的体验闭环流程:寻找地铁站→筛选商家→商品详情→到达商家→后续返程。


这样的流程作为产品的核心竞争力,可以对比大美团等产品,完全符合地铁美食APP的地铁属性的差异化定位。


接下来的场景A2/B2/E1/E2均以此场景为基础展开功能设计,略过。


未来的需求:


  • 基本流程闭环中每个点的继续优化;

  • 官方给予的个性化推荐,如地铁附近美食、某些线路的美食等;

  • 更多的要发挥用户ugc,自主发现地铁旁新鲜美食资讯,逐步建立推荐地铁周边美食小社区;

  • 建立起去乘坐地铁属性特有的用户运营体系,促进用户活跃留存;

  • 未来的地铁美食服务,可能不仅仅局限在美食服务,更会在地铁周边其他生活服务上开拓更大市场。要结合目标用户相关上下游行为扩大领域。如便利店、生活服务站等。


这里放上中后期的页面:



可以看到,这些页面就是场景A1A2/B2/E1/E2的具象化微观体现,且存在流程中一些用户体验的细节设计。


伪场景和真场景对比后就会发现:用户第一潜意识认知存在障碍,存在上表的各种问题。


2.6 竞争壁垒


为了进一步突显差异化,并且提升产品竞争力硬实力,必须做好壁垒设计,使用户进来容易出去难。


2.6.1 核心竞争力下功夫


  • 核心功能:乘地铁去寻找美食的全流程,工具属性。

  • 其他主要功能:商铺推荐体系,UGC+PGC。


具体来说就是:


  • “寻找地铁站”页面:地铁图的沉浸感突出了地铁的美食属性,点击站点显示商家信息;

  • “筛选商家”页面:“距离地铁站”“行走时间”“推荐理由”,快速给予用户核心信息了解和信任;

  • “商品详情”页面:“地铁时间提醒”,系统获取地铁最后一班时间提前提醒或手动输入时间。这个考虑到朋友们在一起的晚上场景,强化时间程度;

  • “到达商家”页面:“地铁图”、“外实景”、“出行方式”,避免用户跳出而使用其他APP导航。


2.6.2 竞品也做地铁美食


竞品的现有优势也是它跟着做地铁美食APP的劣势。


若竞品拿出较大空间跟我们比拼硬实力,势必会在产品既有认知中有功能/交互改版,如地铁图、地铁口导航路线改变,和现有产品逻辑有冲突。


削弱大众团购美食的普通场景的既有竞争力,对已有广大非地铁目标用户造成认知、操作障碍。


针对团购美食,竞品不会在专业的地铁美食场景下功夫,只会将“地铁美食”当做一个功能点和已有产品功能结合,完善美食平台——这就给这个垂直领域带来了发展希望。


专业地铁工具是否会做美食?不会,因为这完全是两个领域。当用户树立了地铁工具意识后,用户仅当你为地铁线路工具最佳选择;并不会因新增加的美食需求而大量用户使用。


未来的直接竞品是否竞争的过?不会,起步早,定位,功能,用户很棒,满足了用户的基本需求。


2.6.3 产品运营体系


  • UGC推荐美食审核通过获取奖励;

  • 通过到达地铁站进行签到,可以点亮地铁图。根据点亮的地铁站,进行轨迹统计记录,并收集勋章;用户为了点亮更多地铁站会前往更多地铁站寻美食。这点利用了游戏化策略中的“完成进度获取成就感”&“收集成就并占有”。

2.7 产品定位总结


做到这里,我们可以简单概括该产品的定位:


大众用户,如大学生、上班族们休息时,快速通过地铁工具到达目的地,无需多行几步,在地铁站附近便享受目的地美食并游玩。最终通过行为养成,培养用户在目标地铁旁吃饭的心智模型,获得优惠和特色。


产品目标:


设计以“用户通过地铁找美食”心智模型为基础的高度统一的垂直产品,各种新需求为这个核心服务。


下图为产品定位中推测的成长期用户构成,通过此图可以得知:


  • 整体属于中高端,阶梯构成比较稳固 。

  • 中低端用户可以通过高端用户带动,更好地完成寻找美食行为

  • 高端用户可以向中低端用户分享,完成自我实现

  • 未来的新用户众多,但是获取用户很艰难(原因见后)



2.8 产品总结


经过场景的分析,得出了宏观的分析和微观的页面。如果现阶段做这个新产品,前期还是会非常艰难的,命途多舛。


原因如下:


1. 主要依靠三个主场景A1、A2、B2,且A1场景的朋友相聚频率还一般,A2、B2和竞品需求本质没有差异。唯一的强点就是垂直化很棒,功能竞争力、目标用户、竞争壁垒、运营等设计的很优秀。然而这些是在用户进来产品之后发生的行为。无奈竞品已经产生通过地铁找美食功能,冷启动的用户获取也由于行为惯性而成为最大难点。


2. 场景分析后发现,产品放弃了诸多在用户身边的地铁美食场景和上班族上班场景,导致这些个最高频最大众的用户行为被竞品占领并产生心智模型。用户工作日或附近就已经养成的行为操作惯性和懒惰会使用户不需要我们这个垂直产品。


3. 前期获取商铺数量,渠道拉新等成本巨大。每一个用户可能都是从竞品血拼中获取来的,种种均要求必须通过渠道获取较多定位的目标用户,利用产品功能核心竞争力培养用户新行为习惯,这是作为垂直产品的必经之路。


综合分析以上,无奈以上种种很难做大用户量。


虽然竞品该方面不是核心竞争力,但毕竟满足了该领域用户的基本需求,综合分析该产品还是很难发展。


三、方法论总结


通过一个案例,带着大家把场景分析的重要性梳理了一遍。


用户的任何具体微观行为都是在某些场景下产生的,我们要“宏观+微观”的思考这些行为的可能性。


通过某些场景分析此需求是否存在问题,该场景下用户为什么会/不会选择竞品,此需求是否是某时某刻最大痛苦,该场景中你是否提供了最佳的解决方案。


同时确定场景的用户规模和频率,结合“功能+用户”,决定产品中是否要把此客观场景优先级提高或降低。


本篇是结合场景,做了一个新产品的生命周期案例。


案例中的领域分析,场景分析,市场定位,需求分析,竞争壁垒等等宏观的分析,最终得到了删减完的某时期产品定位。


我们根据这些大方向的全局信息,最终指导我们完成细节的结构脑图、得出某些功能模块、模块的业务/用户/页面流程图、原型、产品最终架构等具体实现方面。


记得一句话说的很好:与其摸着石头过河,不如开始就做卓越的顶层设计。


我想从上到下这种思维,可以避免很多河中掉坑、高位截瘫情况的发生。


有时候自己沉浸在某种所谓的成就感中时,不妨跳出来,换个角度,你才知道原来自己还有好多没有想明白,你会发现外面的世界很大。站的高些,眼光放长远些。


给产品,给人生,从未来的场景出发,设计出美好的未来吧。


—— END ——


作者:张绍琰,改变世界重度患者,视产品如生命。酷爱读书,研究人性,总结世界方法论。目前正在找新工作。

本文由 @张绍琰 原创发布于人人都是产品经理。未经许可,禁止转载

互联网运营实战训练营·上海、成都、深圳站报名进行时,组团立减200元

点击“阅读原文”立即抢座

登录查看更多
0

相关内容

将从图像中获取的简单描述转化为一个更加复杂的描述
【WWW2020-微软】理解用户行为用于文档推荐
专知会员服务
34+阅读 · 2020年4月5日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
报告 | 2020中国5G经济报告,100页pdf
专知会员服务
97+阅读 · 2019年12月29日
手把手教你绘制用户画像(文末赠5本PM必看书籍)
产品100干货速递
7+阅读 · 2018年10月25日
全新发布——用户画像手册V1.1版本
R语言中文社区
18+阅读 · 2018年10月20日
两套经典的用户画像
产品100干货速递
26+阅读 · 2018年6月19日
基于大数据搭建社交好友推荐系统
云栖社区
8+阅读 · 2018年2月2日
今日头条推荐算法原理全文详解
架构文摘
7+阅读 · 2018年1月30日
新闻客户端AI推荐系统解析
产品经理读书会
9+阅读 · 2018年1月12日
教你 5 步画出用户画像
职人社
8+阅读 · 2017年9月13日
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
有了场景和画像才懂用户
互联网er的早读课
6+阅读 · 2017年8月26日
Arxiv
15+阅读 · 2019年3月16日
Arxiv
5+阅读 · 2018年10月15日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
Arxiv
3+阅读 · 2018年5月21日
Arxiv
6+阅读 · 2018年2月7日
VIP会员
相关资讯
手把手教你绘制用户画像(文末赠5本PM必看书籍)
产品100干货速递
7+阅读 · 2018年10月25日
全新发布——用户画像手册V1.1版本
R语言中文社区
18+阅读 · 2018年10月20日
两套经典的用户画像
产品100干货速递
26+阅读 · 2018年6月19日
基于大数据搭建社交好友推荐系统
云栖社区
8+阅读 · 2018年2月2日
今日头条推荐算法原理全文详解
架构文摘
7+阅读 · 2018年1月30日
新闻客户端AI推荐系统解析
产品经理读书会
9+阅读 · 2018年1月12日
教你 5 步画出用户画像
职人社
8+阅读 · 2017年9月13日
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
有了场景和画像才懂用户
互联网er的早读课
6+阅读 · 2017年8月26日
Top
微信扫码咨询专知VIP会员