被滥用的用户画像从工商银行APP的最近一次改版说起

　　这几天工商银行手机APP又更新了。其实大多数人对于一家银行APP的期望基本上就是老老实实提供人们需要的功能，除了安全功能以外，最好不要没事更新。
　　但是银行的APP更新的还是挺频繁的。
　　这次更新之后，一登陆发现熟悉的登陆界面换了，不仅功能都不一样，连主题风格都变了。工商银行长期的主题颜色都是红色，像下图：
　　这个红色也和工商银行大部分网点风格差不多，而中国银行主题色也是红色，可能是为了体现根红苗正吧。
　　这次改版之后，首页变成蓝色了。如下图。
　　话说变色这事，可小可大。说小了可能就是某个产品经理一拍脑门。说大了可能就是人家都打五星红旗的时候你竖起一面星条旗，不仅是视觉上格格不入那么简单的事了。
　　不过今天咱吐槽的重点，是首页上这句话：基于您的偏好发现以下内容。
　　随着电商产业的快速发展，用户画像技术得到了广泛的应用。很多相似产品的推荐都得到了市场的认可。例如一个人经常喜欢在网上买各种好吃的，哪里有什么新奇的好吃的算法就会推荐给他。这样用户获得了自己原来不知道的信息。而商家也获得了利润。皆大欢喜。
　　但是现在一些时候，用户画像这个东西越来越被滥用了。甚至很多一知半解的从业者，感觉自己做的产品不与用户画像扯上点关系就显得没有那么高大上。所以非要强行找个渠道上一下这个技术一样。
　　和其它技术一样，用户画像技术也有自己的适用域。并不是什么业务上都适用用户画像技术。通常来讲，用户画像技术主要基于对用户的分析和对产品或服务的深刻理解，其产品和服务范围应该远大于用户所知，所以能够减少用户学习或搜索信息的时间，以及提高产品和服务的曝光度，从而增加社会运行效率。就像女生逛商场一样，本来只想去买个鞋子，结果顺手又买了一堆袜子。
　　而用户对于自己想要的产品或服务非常清晰，或者提供的产品和服务范围很有限的情况下。那使用用户画像技术则纯粹是多此一举。典型的例如很多政府部门，例如房管局或是社保局，他们的某些系统可能连域名都没有，就是个IP地址还带个8080端口号，结果依然不妨碍人们找到这些系统并使用他们的服务。
　　同样的，一个用户使用一个银行APP，恐怕并不期望银行APP做出一些自己预料之外的事情，例如说我明明只想进去还个信用卡，却莫名奇妙办了个ETC出来。
　　换句话说，对于工商银行APP而言，其实只需要做了个常用功能的排序就行了。如果我每次都用还信用卡，那就把信用卡放最前面，如果每次都查账户明细，就把账户明细放最前面。多简单点的事。事实上，大部分银行也是这么做的。
　　而我猜工商银行其实也是这么做的。因为我实在想不出来他能怎么给我画像。难不成监视我的购物习惯，得出结论我是一名价格敏感型消费者，再分析一下我银行账户里仅有的两位数余额，最终得出结论，不用给我推荐理财了，屁用没有吗？
　　不过猜归猜，我们还是可以按照常规的分析方法，来分析一下如果我们是这个产品经理的话，那么我们会怎么分析工商银行APP的用户画像。比如说我们可以使用Lene Nielsen经典的＂十步法＂来进行分析。
　　＂十步法＂很好理解，下面我们一起来看一看：
　　第一步：寻找用户
　　目标: 谁是用户？有多少？他们对品牌和系统做了什么？
　　使用方法: 数据资料分析
　　输出物: 报告
　　我们知道，工商银行号称宇宙行，拥有庞大的用户群体和网点，但是因为是国有大行，所以不可避免地有像作者这种非常多的低价值客户。事实上很多中小银行开网点少的原因并不是开不起，而只是单纯的不想给穷人服务罢了，毕竟一个柜员为一个大妈的三五百块钱折腾半小时，对银行来说，是亏本的事情。
　　但是无论怎么样，工商银行APP的目标用户，我觉得应该是有工行账户的人，不然谁没事下它玩？
　　第二步：建立假设
　　目标: 用户之间的差异都有什么
　　使用方法: 查看一些材料，标记用户人群。
　　输出物: 大致描绘出目标人群。
　　对于工银APP的用户而言，差异大多数应该就是钱多钱少，热衷于理财还是存款，一部分人可能还搞个生活缴费啥的。
　　第三步：调研
　　目标：对于用户的调研（喜欢/不喜欢，内在需求，价值）。关于场景的调研（工作环境、工作条件），关于剧情的调研（工作策略和目标、信息策略和目标）。
　　使用方法：数据资料收集。
　　输出物：报告。
　　工商银行号称爱存不存（ICBC）似乎从来没有重视过用户体验的事，调研嘛，有这个必要嘛？
　　第四步：发现共同模式
　　目标：是否抓住重要的标签？是否有更多的用户群？是否同等重要？
　　使用方法：分门别类。
　　输出物：分类描述
　　银行用户的共同模式我觉得还挺好发现的，无非就是看谁家安全可靠存款利息高贷款利息低…
　　第五步：构造虚构角色
　　目标：基本信息（姓名、性别、照片）。心理（外向、内向）。背景（职业）。对待技术的情绪与态度，其他需要了解的方面。个人特质等。
　　使用方法：分门别类。
　　输出物：类别描述。
　　张大妈，拆迁户，有一千万闲钱只爱存定期。
　　李大牛，打工人，工资月光。
　　王二狗，房奴，月月还贷款。
　　胡三楞，公司老板，月月流水过千万，只存定期。
　　刘三妹，某人小三，信用卡随便刷…
　　第六步：定义场景
　　目标：这种生成用户的需求适应哪种场景？
　　使用方法：寻找适合的场景。
　　输出物：需求和场景的分类。
　　张大妈，推荐理财。
　　李大牛，忽略。
　　王二狗，推荐手机话费打折。
　　胡三楞，推荐代发工资业务。
　　刘三妹，推荐吃喝玩乐。
　　第七步：验证与认可
　　询问：你认识这样的人吗？
　　使用的方法：了解生成用户的人阅读并评论生成用户描述
　　比如说我认识张大妈，她还真可能被理财经理忽略买高收益理财了。但这事估计线下办的可能性更大。
　　第八步：知识传播
　　询问：我们如何与组织共享生成用户？
　　使用的方法：促进会议，电子邮件，各种活动，事件。
　　可以把张大妈刘三妹的用户画像推荐给大家。
　　第九步：创建场景
　　目标：在设定的场景中，既定的目标下，当生成用户使用品牌的技术的时候会发生什么？
　　使用方法：叙述式剧情，使用生成用户描述和场景形成剧情。
　　输出物：剧情、用户案例、需求规格说明
　　当真有一个拆迁户大妈登陆工银APP的时候，画一个大大的年收益10%给她。看她会不会买。
　　第十步：持续发展
　　询问：新信息是否会改变用户画像？
　　使用的方法：可用性测试，新数据
　　文档制作：从每个与用户见面的人那里获取生成用户信息
　　如果我们发现拆迁户大妈都更喜欢买黄金，那么我们要不要推荐贵金属给她？
　　还别说，这么分析完了之后，还真有点想给张大妈推荐理财了呢。
　　喜欢本文的话，欢迎关注活在信息时代 哦：）