百度电脑端入口/windows优化大师要会员

        产品经理做用户画像，最担心被业务方反馈：没效果。这往往是由用户画像与业务场景脱节造成的。那么我们该如何从业务场景出发，让用户画像更有效？一般来说，我们可以采用SIKT模型解决这个问题。

用户画像

​        1、SIKT模型原理

        SIKT模型是一套梳理标签的方法。用户画像的基础是标签，标签是构建画像体系的砖石。若想提高用户画像的效果，标签本身就需要有价值，需要从业务场景出发，层层递进，而非凭直觉脱口而出。

        而SIKT模型的使用步骤如下：

        第一步：梳理业务场景。我们需要先思考：我要解决什么问题？

        第二步：梳理关键指标。我们需要再思考：用什么指标衡量问题解决？

        第三步：梳理关键行动。我们需要再思考：我做什么事能解决问题？

        第四步：筛选有用标签。数据协助思考：用什么标签能提升行动效率。

SIKT模型原理

​        2、按照模型梳理标签

        我们按照SIKT模型步骤一步步梳理出符合业务场景的标签，具体如下：

        （1）有明确的使用场景。避免了信息过剩，让使用者聚焦思考问题。

        （2）有明确的考核指标。明确了考核方法，改善了关键指标就是效果。

        （3）有明确的落地动作。清晰了标签效果，同一动作，使用标签前后的差异。

        另外需注意，标签并非万能，有些业务场景可能不需要标签。因此使用此方法的第一步，就是先梳理业务场景，把那些和标签高度相关的场景找出来。

        3、梳理业务场景

        从本质上看，标签是一系列业务信息的浓缩。与未浓缩的业务信息相比，标签有三大优势：

        （1）便于查询，使用标签可以进行信息搜索，提高搜索效率；

        （2）便于分类，标签有利于分类效率的提升，特别针对明确不再使用的分类，能够迅速筛选出来；

        （3）便于挑选，如果对于可用的手段有了标签分类，就能快速找出适合当前的手段，避免了重重复复的分析论证，从而极大提升执行效率。

SIKT模型原理 标签作用

​        4、案例说明

        举例说明，如企业投放部门，计划选择大V进行私域投放。那么投放场景的指标：投放转化率。

        由于是私域投放，买了大V的广告位以后，就只能全覆盖该大V的粉丝，无法在决策阶段做用户分群。所以在场景拆分的时候，决策阶段没法用标签优化。但在认知现状、方法选择阶段，标签能帮上忙。

        认知阶段：大V有很多，一个大V覆盖各个平台。此时如果有标签对大V进行分类，就能轻松查看该大V的基本情况，挑选出合适的大V。 选择阶段：同一个广告，可能有5、6种不同素材可以使用。此时如果有标签对素材进行分类，就能减少筛选难度，提升效率。

用SIKT模型原理 进行用户画像分析

        需要注意，这里的标签并非全部为用户标签，如大V分类标签，素材分类标签等。这些标签并非一次性产生，而是在合作中，广告投放中标记出来。

        为了提高用户需求分析质量，尽早发现需求缺陷，CoCode特开发了需求分析工具，使用AI，通过需求测试和一致性检测，能够在几分钟内快速分析用户需求缺陷，如歧义、重复、遗漏、不一致和复杂性等问题，精准锁定需求问题，从而更高效地修改缺陷，提高用户需求质量。

CoCode需求分析工具

​        目前CoCode发布一系列AI开发工具：Co-Project智能项目管理工具（需求条目化、自动生成测试用例）、需求分析工具、评审分析工具、故事点估算工具。其中Co-Project项目管理平台发布4大版本，30天免费试用；并发布一系列CMMI高效落地工具，实现CMMI标准过程全覆盖，全面支持CMMI3-5级落地。