豆瓣FM用户Persona研究报告.pdf

豆瓣 FM 用户 Persona 研究报告 2012 年 4 月 目录 一、研究目标及方法 1、 研究目标 2、 研究方法 二、研究步骤及结果 • Part1 ：数据分析——通过聚类算法将用户分成 4 群 1、 数据筛选标准 2、 用于聚类的数据特征 3、 聚类结果 • Part2 ：问卷调查——整体用户概况及 4 群用户之间的差异 1、 问卷提纲 2、 问卷投放及回收情况 3、 问卷调查结果分析 4、 问卷调查结果总结 5、 问卷调查结果明细（见附录） • Part3 ：深度访谈——建立用户 persona 1、 访谈提纲 2、 访谈对象 3、 访谈结果（一 ）：4 个主要 persona 类型 4、 访谈结果（二 ）：另外2 个非主流 persona 类型 5、 概览 6 个 persona 三、研究总结 四、附录 一、 研究目标及方法 1、研究目标 • 根据用户使用豆瓣 FM 的原因、目的、情景、行为、音乐态度、听音乐习惯等 ，分析豆瓣 FM 对用户的价值 • 以豆瓣 FM 对不同用户的核心价值为主线，划分用户类型 ，每个类型用一个用户persona 代表 2、研究方法 • 数据分析：通过聚类算法将用户分群 • 问卷调查：对比不同用户群的差异 • 深度访谈：建立用户 persona 二、 研究步骤及结果 Part1 ：数据分析——通过聚类算法将用户分成 4 群 1、筛选出豆瓣 FM 具有一定使用量的注册用户（共 1286755 名，占总数的 26.13％），筛选标准为： • 生命期 =100 天 （生命期超过100 天的用户数趋于稳定） • 收听总次数／生命期 位于区间［0.01 ，0.93 ］（距均值的两个标准差以内） • 收听间隔天数中值 =10 天 （收听间隔天数中值超过10 的用户数趋于稳定） • 单次收听歌曲数中值 位于区间［3.8 ，54.9 ］（距均值的两个标准差以内） 2、基于以下 26 个特征对筛选出的用户进行分层聚类： • 生命期、总歌曲数、收听总次数、收听间隔天数、单次收听歌曲数、单次收听时长 • 单次收听内切频道次数、私人频道收听比例、公共频道收听比例、DJ 频道收听比例 • 加红心歌曲比例、skip 歌曲比例、垃圾桶歌曲比例、取消红心歌曲比例、完整播放歌曲比例、歌曲关注度、歌曲满意度 • 一天内各小时收听比例、工作日收听比例 • 读书条目收藏数、电影条目收藏数、音乐条目收藏数、加入小组数、关注友邻及小站数、被友邻关注数、参加活动数 3、聚类结果：以其中代表满意度的 7 个特征 （见下表最左列）组成的 ［满意度组合特征 ］把豆瓣 FM 用户分成 4 群 注： ［满意度组合特征］＝0.183 收听总次数－0.152 收听间隔天数＋0.317 单次收听时长－0.437skip 歌曲比例＋0.441 完整播放歌曲比例 －0.443 歌曲关注度＋0.439 歌曲满意度 ［满意度组合特征］值越高，意味着［收听总次数多、收听频繁、单次收听时长高、跳过率低、完整播放率高、歌曲关注度低、歌曲满意度高］，即满意度越高 type1 －19％ type2 －26％ type3 －32％ type4 －23％ 收听总次数