一、内容分享前注意事项：
 
第一阶段更新理论层面结合常用工具内容，属于“道”与“法”层面，关于实践方法在之后会另外单开一贴，此种分析法适合带着用户思维选品和深入拓展产品线，扩大市占比阶段！！

理论内容有些抽象，但是对于在新市场趋势下带着用户思维去开发产品有一些帮助。
自己的产品开发方式，写的内容比较干，抛砖引玉，大家多多指教。 
 
码字太慢，慢慢更。 
 
二、从用户角度出发，回归用户需求

1. 回归到具体的产品，能否卖得好取决于可以为用户带来的价值，不管是满足了用户某种具体的需求还是装逼情绪价值需求。以用户思维带入去看产品，验证、审视自己开发出来的产品，是不是最大化的帮助了买家解决问题，才可以更精准的开发出来具体的产品。
2. 市场逐渐由产品导向转为消费者导向，分析用户行为、洞察用户偏好并不断满足他们的消费需求成为了卖家的关键。

 
三、分享框架内容，按顺序更新。

四、用户内容

此部分内容将从用户画像出发，将用户这个抽象的概念具象化为可以被产品开发利用和参考的信息，核心目的是通过用户画像构建过程让产品开发可以更加理解用户、聚焦到用户，收集到更多的信息可以利用到产品本身。
 
“用户画像”是指描述一个用户或用户群体的细节和特征的方法，通过收集用户的社会属性、消费习惯、行为特征、使用需求等各个维度的数据，进而对用户属性进行刻画，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出用户的信息全貌。
完整的用户画像可以使产品的服务对象更加的聚焦、更加的专注，其通常由两部分构成：“用户属性和用户标签”
 
1、用户属性：是用户的定性描述。我们无法还原每一个用户，也无法还原所有用户，但是我们可以给绝大多数目标用户一个代表，这个代表就是用户画像。我们可以理解为用户画像是根据现有的知识和假设，创建一个客户的临时代表。它是真实用户的虚拟代表，是建立在一系列真实数据之上的目标用户模型，是一种定性方法，可帮助产品经理和设计师理解用户的真实需求和使用场景，始终围绕着典型用户的核心诉求点进行设计和开发。

2、用户标签：即用户信息标签化，通过收集用户社会属性、消费习惯、偏好特征等各个维度数据，进而对用户或者产品特征属性的刻画，并对这些特征分析统计挖掘潜在价值信息，从而抽象出一个用户的信息全貌。更像是用户的定量描述。我们可以用数据的方式分析一个人或一群人，当我们分析一个人时，更像是对一个人的侧写，当我们分析一个群认时，更像是去做用户分层、分群。
 
先以“阿里八大新消费人群”举例来说：亚马逊的人群标签同理
① 运营/品牌营销团队可以根据不同用户人群接受特征，针对性制定推广计划，精准推送，最大化实现投产。
② 产品开发可以根据不同人群的用户特征和特定需求针对性的开发一系列产品。
 
用户画像的构建方式有很多种，下图的“阿里八大新消费人群”划分和描述方式为一种典型、全面的描述方式。

3、用户属性和用户标签的挖掘方式
在更新用户属性内容部分前有个前提需要我们先了解：即使我们在美国本土，也没法完全的了解每个用户具体的信息，更何况我们是在另一个国家，所以我们能做的是在可以收集到用户信息的渠道尽可能收集多的对我们有用的信息、应用到我们实际的产品开发中。
 
首先站在卖家的角度，每个卖家或者开发人员都希望我们的产品能够被更多的用户接受并购买，那么我们如何找到这群可以接受我们产品的人群或者清晰的知道这群人是什么样子，他们的决策流程、他们的消费习惯和购买动机是什么样子的？下面的问题是在我自己产品开发过程中会反复问自己的小问题：
 
目标用户是谁，生活状态如何，他们是一群什么样子的人？
用户会将产品使用在什么地方？
用户使用习惯的使用流程和使用认知是什么样子？
用户产品使用/付费决策路径及影响因素？
用户的审美是什么样子，有变化趋势么？
 
3.1：用户标签内容
一般的，可将用户信息收集分为下面四个步骤：

• 是什么：用户标签是对用户属性，行为、偏好等的定义，用于描述客户特征。
• 如何分类：属性标签：一般是固定字段属性。如性别，年龄，种族等。统计类标签：需要计算用户一段时间的行为。如使用频率、复购频率。
• 标签收集原则：数字化的标签体系是可量化，可分析，可反馈的。
• 优点：标签具有精准的数值，可以方便运营人员进行精准的经营；同时大量的数据提高了模型预测的准确性。如：对老客户可以进一步提取他们的历史购买特征，预测他们在下一段时间内购买的产品、针对性提供优化体验；对于新客户，可以进 根据他的某一特征预测其第一次购买的产品价值，针对性营销。
• 应用举例：亚马逊Cosmo 新算法、亚马逊引流洞察、A/B Test、 品牌定制促销。抖音大数据算法。

 
上面的概念有些抽象，下面是我自己常用的标签收集归类标签，大家可根据自己的品类目标用户提取更针对性的标签内容，具体情况具体分析。

 
以之前开发过一款滑雪类产品为例，下方为收集信息的简要总结：男女比例6/4，主要年龄段中年，中老年为主，但年轻人群受滑雪课程和冬令营等活动的影响，群体比例也不低、未来成为主要用户的比例高。
那么在分析时：
··年轻群体这条来判断，未来这个市场不会出现断崖式下降。
··从年龄这个维度来看，目前的消费主力是X世代，Y世代。新的年轻群体Z世代正在崛起。那么我就可以从每个时代的消费习惯，审美、决策要点等方面具体分析。
此为时代人群的差异举例：https://www.trinet.com/insights/generations-in-the-workplace-boomers-gen-x-gen-y-and-gen-z-explained

 4、如何定量收集和验证数据标签
在发帖之后评论的问题中大部分是关于如何收集到更多，更精准的用户标签数据，在过往的产品开发工作中，大致总结了四种不同渠道的收集方式，图片中未细调研方式的举例。（帖子什么时候可以上传导图 -.-）
 
主要方法：站内数据交叉对比站外数据源，定量验证数据准确性与实用性，从更多的数据源验证数据准确性。

1. 站内 Amazon ARA 数据源，或客户经理提供的数据报告。如购买用户年龄，教育，收入水平等信息。
2. 站外数据源如政府、机构官方研报。谷歌、Satista 等第三方研报聚合平台，Semrush、SimilarWeb 等第三方独立站数据聚合平台。
3. 社媒、论坛、测评平台等第三方用户参与度高的平台。
4. 设计调查问卷。（最快、最准、成本最高。）

五、用户需求分析

对于用户需求，首先引出一句比较经典的话：

       “用户是需求的集合，需求是用户特征体现”

• 站在卖家的角度，在理解用户这个概念的时候会比较抽象，我们将用户抽象成为一个一个的“需求集合”，卖家只针对某一个或者某一些具体的“用户需求”开发产品，针对需求单点做产品开发。
• 我们自己站在购买者角度，与开头提到的“消费者导向”同样的道理，我们有需求之后才会去购买产品。最简单的例子是我们“衣食住行”需求，每一餐或者与不同的人一起吃饭，都会有不同的选择和预算，那么最后的选择餐厅，则是我们的需求体现。回到卖家角度，我们要思考的是如何让我们的产品更加符合用户的需求，最大化满足用户期望的产品则更可能被用户选择。
•  假设每个用户的不同需求为一些不同颜色的气球。同一款产品，每个受众的气球颜色可能都是不同的，那卖家的目标是找出一个“颜色数量中最大公约数的一个气球，去击爆最多的气球”——开出一款可以满足更多用户需求的产品，来满足用户的需求。

 
1、大家有没有遇到过一种情况，在遇到一款新的产品、不熟悉产品时，如何快速将用户的需求快速挖掘、分类出来？  
在过去的工作经历中，我自己和许多其它同事会使用一种“统计评论内关键词”“痛点问题统计占比”的方式，此种方式的最大优点是可以最快速的将痛点提取，适合产品开发新人识别什么是用户需求。但此种方法会有限制，比如我们统计的评论是用户基于现有产品的使用反馈，局限在站内评论中可能让我们没法发现更加优秀的痛点解决方案。有时问题的占比大，针对性解决问题后却发现不是用户的核心需求，钱花在了刀背上......
 
下面会以“Kano需求分析模型”和“JTBD焦糖布丁需求分析法”这两个经典的需求分析模型举例。简要讲解如何分类挖掘用户的需求。

2、简单来讲，挖掘用户需求的步骤为：明确目标用户——挖掘用户需求——需求应用。对于站内挖掘需求的部分就不展开讲了，大家肯定比我更加熟悉，下面将对两个需求模型展开。
 
最经典的“KANO需求分析模型”
 KANO 模型是东京理工大学教授狩野纪昭发明的对用户需求分类和优先排序的工具，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。 在 KANO 模型中对于需求的处理一般会分为以下三个步骤：

 
那在KANO模型中更侧重后面“需求匹配”和“需求排序”这两个部分。通常统计用户需求我们会由站外和站内两个渠道。
统计需求后，我们可以将需求带入到下方的五种不同类型的需求分析图中，将每一种需求进行分类。此种方式区别于使用“统计评论中需求数量”的方法，此种方法可以让你更清晰的知道每一种需求是属于什么类型，针对不同类型投入相应的资源做开发。

KANO模型中五种需求分类：

必备属性：当不提供此需求，用户满意度会大幅降低，不会使用此产品。当优化此需求 ，用户满意度不会显著提升。
期望属性：当提供此需求，用户满意度会提升，当不提供此需求，用户满意度会降低；
魅力属性：用户意想不到的，如果不提供此需求，用户满意度不会降低，但当提供此需求，用户满意度会有很大提升；
反向属性：用户根本都没有此需求，提供后用户满意度反而会下降；
无差异属性：无论提供或不提供此需求，用户满意度都不会有改变，用户根本不在意；（通常被理解为伪需求）
需求判断方式：如下图，可在提取评论后将需求带入图中的不同属性曲线。

当几种类型的需求同时具备，我们应该遵循以下原则进行开发排序：

必备属性：留足资源，最优先满足此需求。
期望属性：排在必备属性之后，优先选择满足需求性价比更高的。
魅力属性：尽力挖掘，先做成本低的。
反向属性：避免做和商业模式无关的，同时要权衡多方利益。
无差异属性：不做。

 
举例来讲：之前开发过的一款箱包产品，用户的某一个需求为“耐磨”，同类的竞品有300D / 600D / 900D / 1280D / 1680D面料，分析之后发现在面料优于900D之后的产品用户反馈磨损问题占比减少80%，由此判断在选择产品面料时需要900D或900D以上，才可以在耐磨性上满足用户需求，那在耐磨性上最优性价比的面料则是选择900D，是否再升级面料则是根据其他需求或成本来决定。
 
超好用的进阶版“JTBD焦糖布丁需求分析法” 类似“第一性原理”
 
理论核心：由用户出发挖掘用户的“待解决任务”，此处的任务可以理解为上层需求，为了实现的目的。用户想要的不是产品，而是产品可以为用户带解决的问题。
举个例子：用户需要的不是要买一个电钻，而是墙上的一个孔！   用户购买耳机可能不仅仅是为了听音乐，有可能是为了在嘈杂环境中保持专注。
 
此种方法是以用户需求为第一出发点，其本质抛开现有的产品特征，由需求出发，寻求更多的产品方案，通过此种方式非常适合发现一些市售产品没有的卖点，包括在选品时可以快速的验证新的产品是否可以符合市场的需求。此种方式在站外TK，独立站、INS等等渠道能更快的找到更满足用户需求的产品。找产参考产品简直不要太快哈哈。
 
不同的判断模型还有马斯洛需求分析法，四象限分析法等等。不同的分析法可以提供多种分析方式或不同角度，打开产品开发的思路。
 
六、产品开发内容
 
主旨：在分享完上述用户理论的抽象内容后，如何将其具体的应用于产品开发中。
核心点：以“用户人群-用户需求-使用场景”三个维度为框架，结合市场竞争态势，动态调整不同类型产品开发、规划策略。

1、用户内容指导产品线划分--用户标签划分/需求划分/场景划分方式
①用户标签划分
此种方式比较容易理解，如字面意思，通常以“四，3.1：用户标签内容”中的用户标签体系为基础将产品划分，举例如男性产品，女性产品，露营类产品，商务用户产品.....
 
细分方法举例：
用户价值区隔分层
AARRR模型分层
用户个性特征&需求区隔分层
用户身份区隔分层
 
用户分层方法举例：https://zhuanlan.zhihu.com/p/420277299
 
②需求划分/场景划分方式
以用户标签确定后，由用户需求和使用场景两个维度为划分产品线方式，如下图：
 
横坐标为场景，纵坐标为用户需求。任意单一横纵维度可挖掘出不同的功能，如最右侧同一使用场景下，可以对应多种需求。最上侧的同一需求维度，可以横跨多种使用场景。
以去年大火的始祖鸟冲锋衣举例来讲：在城市使用场景下可以对应有防风，防水，装逼等等不同的需求。在防水这个需求下，可以有城市，郊外，通勤，雪山，徒步等等不同的使用场景。

相同的用户人群A，找到不同的需求和不同的使用场景之后可以做出来第一条产品线。同理应用到用户人群B、C、D中，可得第2/3/4条产品线。
那这是在理想的情况下可以推理出不同的产品线，在实际的应用中，一款产品可以横跨不同的需求或不同使用场景，使用人群，那这个时候就需要产品开发根据自己的品类情况或者公司实力调整对应的产品开发策略。
 


2、产品线扩充的方式
3、产品上架后的验证&修正内容
4、复盘方法
 
七、产品开发超有用心法口诀！
 
 
八、爆品开发维度
 
挖坑，慢慢更
 
 
在更新用户属性内容部分前有个前提需要我们先了解：即使我们在美国本土，也没法完全的了解每个用户具体的信息，更何况我们是在另一个国家，所以我们能做的是在可以收集到用户信息的渠道尽可能收集到对我们有用的信息、应用到我们实际的产品开发中。