各位朋友好，我是致远。今天我们要讲的是如何做一个平台的用户分析和研究，或者社区运营，或者活动运营。用户研究的基本目的是了解平台，或者商品，或者社区用户的需求和痛点。通过建立用户界面和可用性标准。
建立有效的用户分析模型包括:用户问卷调查模型、用户标签建立模型、用户行为模型、用户认知模型、用户感知模型、用户偏好模型等。今天主要分析用户问卷调查的模型和用户标签建立的模型，直接进入正题:
一、什么是用户分析？
1.用户分析是通过各种方法对自身平台和社群目标群体的情况有更完整的了解。
2.描述典型目标用户和群体的行为偏好。
3.用户分析=信息分析
4.核心是关注用户心智的变化，市场数据的变化和必须通过的行为。
根据用户分析的分类，我们可以为客户进行以下模块:
这套用户分析模型大概可以应用到互联网、电子商务、新零售、餐饮、银行、保险、基金、医药、采购、供应商评估等行业。
那么建立这个模型的第一步我们需要做什么呢？
用户调查和平台大数据分析一起进行。
在做研究之前，我们要明白为什么要做用户研究。每次调查的目的是什么？每个调查的模型是什么？
明确背景和目的——选择目标用户——分析用户和问题——准备调研内容——填写跟踪——总结报告。
问卷中的注意事项:
1.不要为了研究而研究。
2.问用户的需求是什么。
3.试图引导顾客
4.求全量，不做局部。
5.依靠问卷调查
用户组:
1.典型的目标用户或客户
需求:1-3个用户最想解决的问题，3个用户对平台的反馈。
2.为什么要做用户研究？
A.了解用户对商品试用的反馈
B.了解目标用户群的使用场景和流程
C.精准分析用户，分析团队数据，重点解决客户从秒到最后的传递问题。
D.总结用户的问题和流程
E.提出最合理的解决方案。
3.用户研究中的常见误解
A.我期望从用户调研中得到需求，所以只能通过用户调研来验证你的需求。
B.把个人作为一个整体来对待
C.从用户研究中找到自我感觉的证据
D.不占用户调研结论。
4.研究中最忌讳什么？
A.直接问用户想要什么，需求是什么？
B.直接问用户有用吗，效果如何？很难等吗？
5.调查结束时的总结。
A.快速建立用户模型，建立用户画像，小步快跑，快速迭代，对用户进行分层和画像，了解用户属性、垂直领域、用户分层和画像的方方面面。
以新型电子商务为例，通常考察模型的几个关键模块:
1.个人、生活、购物、主要场景构建问卷
2.围绕出行和金融进行评估研究，需要根据平台运营的类别和阶段性遇到的问题进行跟踪:
这只是一个模型，具体要根据平台、人群、竞品、需求点，添加不同维度的信息。调查后应积极进行统计，建议形成以周/月为频率的模型，以便综合分析。问卷调查只是用户分析的一部分，另一部分是要通过大数据平台来分析的。
大数据人群分析模型:
或者在平台项目建设初期，我们一般只能通过后台看到基本的月活跃、日活跃、商品购买率、点击率、复购率。那么，一个新的平台要想建立大数据模型，就要从最基础的开始建立，这样在发展的后期，就可以第一时间做精准的主动分析和痛点分析。大概有以下几个方面:
新的电商平台或者新的项目，如何通过大数据建立用户分析模型？所以当我在后台工作时，我必须掌握基本的信息，
大数据用户创建画像大约有三个部分:
1.基本信息的收集
2.分析建模
3.用户肖像展示
基本信息的收集包括
用户ID、用户名、密码、性别、手机号、邮箱、年龄、户籍省份、身份证号、注册时间、投递地址等。由用户填写的信息计算出来的指标:生日、星座、城市级别、手机的最高职位、手机运营商、邮件运营商。用户问卷显示:学历、收入、职业、婚姻、有无子女、有无车有房、是否使用手机品牌。
有了基础信息，下一步就可以通过大数据进行分析建模。建模可以分为很多方面。我们从基础、性别划分、城市划分、销售划分、年龄划分、标签建模开始。
标签建模包括:
模型的建立离不开天时、地利、人和三个要素。每个用户的行为本质上都是一个随机事件，具体可以表现为，什么时候，什么用户，在哪里，做了什么事情。
底部标签
常见标签
建模前需要几个标签数据:
1.原始数据2。事实标签3。型号标签4。高级标签
基于原始数据，首先构建事实标签，事实标签直接从数据库中获取或者通过简单统计获取。这种标签很难构造，而且实际意义明确，有些标签可以作为后续标签挖掘的基本特征(比如产品购买次数可以作为用户购物偏好的输入特征数据)。
模型标签是标签体系的核心，也是用户画像工作量最大的部分。大多数用户标签的核心是模型标签。
高级标签基于事实和模型标签的统计建模，其结构与实际业务指标密切相关。只有构建了基础标签，才能构建高级标签。
三种类型的标签属性:
1.用户基本画像
用户的基本画像包括年龄、性别、学历、消费等。这种标签基本上是稳定的，可以建立很长时间，不需要更新。标签的有效期超过一个月。同时，标签系统的划分相对稳定。
2.人口标签
兴趣画像是新零售电商应用最广泛的画像，互联网广告、个性化推荐、精准营销等领域的核心标签都是兴趣标签。兴趣画像主要是从海量的用户行为日志中提取、标注和统计核心信息，因此在构建用户兴趣画像之前需要对用户的行为内容进行建模。
3.用户消费的属性
这个类目可以分析购买次数，过去30天的购买金额，过去90天的类目购买次数，过去90天的类目购买金额。
如果你在用户运营方面有以上数据，就构成了一个大致的用户画像，你就可以知道用户的大致情况了。通过分析其相关属性，可以对用户进行标记。
