用户画像研究

用户画像又称用户角色（Persona），作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。作为实际用户的虚拟代表，用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的，形成的用户角色需要有代表性能代表产品的主要受众和目标群体。一般的，用户画像在产品没有上线、市场前景较为模糊、产品需求还需探索的阶段，定性化的用户画像能有效地节省时间、资源，在较短的时间通过桌面研究、访谈等定性化的方法来获得用户画像是一种比较可行和最优的方式。而事实上，用户画像是一种能将定性与定量方法很好结合在一起的载体，通过定量化的前期调研能获得一个对于用户群较为精准的认识，在后期的用户角色的建立中能很好地对用户优先顺序进行排序，将核心的、规模较大的用户着重突出出来。定性化的方法虽然无法对不同单位的特征作数量上的比较和统计分析，但能对观察资料进行归纳、分类、比较，进而对某个或某类现象的性质和特征作出概括，在角色建构的过程中定性化的方式能获得大量用户的生活情境、使用场景、用户心智等资料，进而形成活生生的用户类型。基于后台数据的支持和挖掘，可以用户画像选择将定量化和定性化方法相结合来创建用户画像。 用户画像是在创造一系列的“典型”或者“象征性”的用户，但用户画像的一个更高层次的功用在于使用用户画像融合边缘情况的行为或需求。首先,可以对后台数据进行提取，通过后台数据挖掘了解到用户上网环境的一些关键指标。在对用户使用场景有一些初步把握后，我们随机提取了10万用户UID样本量，获取用户职业身份、年龄、性别、学历、浏览习惯(手机、浏览器)，用户的交易偏好等关键因素，进行清洗后，使用SPSS聚类分析确认区分最明显的因素。其次， 在用户画像的过程中有一个很重要的概念叫做颗粒度，就是我们的用户画像应该细化到哪种程度。举一个极端的例子，如果“用户画像”最细的颗粒度应该是细到每一个用户每一具体的生活场景中，但是这基本上是一个不可能完成的任务，同时如果用户画像的颗粒度太大，对于产品设计的指导意义又相对变小了，所以把握好画像的总体丰富程度显得异常重要了。可通过调查问卷的形式来减小颗粒度。再次，在前期数据支持下，在这一阶段就需要发挥变性研究的长处了，前期如果是一个搭建骨架的过程，那么这一阶段就是一个塑造一个有血有肉的活体的过程了。重点挖掘其生活情境与使用场景。围绕用户的行为特征，通过添加环境、人际关系、操作熟练程度、使用意向、人口统计学属性等细节对用户进行描述，形成用户画像的框架。此外，对用户画像取合适的名字、适当描述个性，附照片等能使角色更加生动，栩栩如生，更易于设计师形成直观印象。David Travis认为一个令人信服的用户角色要满足七个条件，即PERSONAP 代表基本性（Primary research）指该用户角色是否基于对真实用户的情景访谈E 代表移情性（Empathy）指用户角色中包含姓名、照片和产品相关的描述，该用户角色是否引同理心。R 代表真实性（Realistic）指对那些每天与顾客打交道的人来说，用户角色是否看起来像真实人物。S 代表独特性（Singular）每个用户是否是独特的，彼此很少有相似性。O 代表目标性（Objectives）该用户角色是否包含与产品相关的高层次目标，是否包含关键词来描述该目标。N 代表数量（Number）用户角色的数量是否足够少，以便设计团队能记住每个用户角色的姓名，以及其中的一个主要用户角色。A 代表应用性（Applicable）设计团队是否能使用用户角色作为一种实用工具进行设计决策缺点：对于不同的数据来源，可以获得的用户的数据只是少量的。了解不同用户在不同情境（交通过程中，上班途中，睡觉前）的典型使用行为与习惯，在不同情景下，不同典型用户操作行为和习惯有什么不同。同时我们按照职业分类用户的方法可能还存在问题，还需要研究不同行业人士、不同职业背景、不同身份地位的人的行为，细化专业人员与专业行业，以使用行为模式为特征提取共性，探索在不同典型场景开发出新需求点的可能性。

可以试试TM数据画像BI平台,基于数据画像的优势为客户打造了数据全生命周期管理流程，打破了传统数据采集、存储、分析过程中的种种弊端，将数据，系统和人员聚集在一起，实现可视化、数字化的连接业务。网页链接

可以信赖的，可以细分用户群体，通过地理位置、使用平台等用户属性勾勒分群画像。

一般是需要借助是需要借助第三方数据分析工具的，可以用火烧云数据。平台提供UP主账号的活跃用户画像的多维数据分析。包含活跃粉丝性别分析、活跃粉丝年龄分布、活跃粉丝星座分布、活跃粉丝地域分布、活跃粉丝等级分布等数据图表。如下图：

一个标签通常是人为规定的高度精炼的特征标识，如年龄段标签：25~35岁，地域标签：北京，标签呈现出两个重要特征：语义化，人能很方便地理解每个标签含义。这也使得用户画像模型具备实际意义。能够较好的满足业务需求。如，判断用户偏好。短文本，每个标签通常只表示一种含义，标签本身无需再做过多文本分析等预处理工作，这为利用机器提取标准化信息提供了便利。人制定标签规则，并能够通过标签快速读出其中的信息，机器方便做标签提取、聚合分析。所以，用户画像，即：用户标签，向我们展示了一种朴素、简洁的方法用于描述用户信息。3.1 数据源分析构建用户画像是为了还原用户信息，因此数据来源于：所有用户相关的数据。对于用户相关数据的分类，引入一种重要的分类思想：封闭性的分类方式。如，世界上分为两种人，一种是学英语的人，一种是不学英语的人；客户分三类，高价值客户，中价值客户，低价值客户；产品生命周期分为，投入期、成长期、成熟期、衰退期…所有的子分类将构成了类目空间的全部集合。这样的分类方式，有助于后续不断枚举并迭代补充遗漏的信息维度。不必担心架构上对每一层分类没有考虑完整，造成维度遗漏留下扩展性隐患。另外，不同的分类方式根据应用场景，业务需求的不同，也许各有道理，按需划分即可。本文将用户数据划分为静态信息数据、动态信息数据两大类。静态信息数据用户相对稳定的信息，如图所示，主要包括人口属性、商业属性等方面数据。这类信息，自成标签，如果企业有真实信息则无需过多建模预测，更多的是数据清洗工作，因此这方面信息的数据建模不是本篇文章重点。动态信息数据用户不断变化的行为信息，如果存在上帝，每一个人的行为都在时刻被上帝那双无形的眼睛监控着，广义上讲，一个用户打开网页，买了一个杯子；与该用户傍晚溜了趟狗，白天取了一次钱，打了一个哈欠等等一样都是上帝眼中的用户行为。当行为集中到互联网，乃至电商，用户行为就会聚焦很多，如上图所示：浏览凡客首页、浏览休闲鞋单品页、搜索帆布鞋、发表关于鞋品质的微博、赞“双十一大促给力”的微博消息。等等均可看作互联网用户行为。本篇文章以互联网电商用户，为主要分析对象，暂不考虑线下用户行为数据（分析方法雷同，只是数据获取途径，用户识别方式有些差异）。在互联网上，用户行为，可以看作用户动态信息的唯一数据来源。如何对用户行为数据构建数据模型，分析出用户标签，将是本文着重介绍的内容。3.2 目标分析用户画像的目标是通过分析用户行为，最终为每个用户打上标签，以及该标签的权重。如，红酒 0.8、李宁 0.6。标签，表征了内容，用户对该内容有兴趣、偏好、需求等等。权重，表征了指数，用户的兴趣、偏好指数，也可能表征用户的需求度，可以简单的理解为可信度，概率。3.3 数据建模方法下面内容将详细介绍，如何根据用户行为，构建模型产出标签、权重。一个事件模型包括：时间、地点、人物三个要素。每一次用户行为本质上是一次随机事件，可以详细描述为：什么用户，在什么时间，什么地点，做了什么事。什么用户：关键在于对用户的标识，用户标识的目的是为了区分用户、单点定位。以上列举了互联网主要的用户标识方法，获取方式由易到难。视企业的用户粘性，可以获取的标识信息有所差异。什么时间：时间包括两个重要信息，时间戳+时间长度。时间戳，为了标识用户行为的时间点，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常采用精度到秒的时间戳即可。因为微秒的时间戳精度并不可靠。浏览器时间精度，准确度最多也只能到毫秒。时间长度，为了标识用户在某一页面的停留时间。什么地点：用户接触点，Touch Point。对于每个用户接触点。潜在包含了两层信息：网址 + 内容。网址：每一个url链接（页面/屏幕），即定位了一个互联网页面地址，或者某个产品的特定页面。可以是PC上某电商网站的页面url，也可以是手机上的微博，微信等应用某个功能页面，某款产品应用的特定画面。如，长城红酒单品页，微信订阅号页面，某游戏的过关页。内容：每个url网址（页面/屏幕）中的内容。可以是单品的相关信息：类别、品牌、描述、属性、网站信息等等。如，红酒，长城，干红，对于每个互联网接触点，其中网址决定了权重；内容决定了标签。注：接触点可以是网址，也可以是某个产品的特定功能界面。如，同样一瓶矿泉水，超市卖1元，火车上卖3元，景区卖5元。商品的售卖价值，不在于成本，更在于售卖地点。标签均是矿泉水，但接触点的不同体现出了权重差异。这里的权重可以理解为用户对于矿泉水的需求程度不同。即，愿意支付的价值不同。标签 权重矿泉水 1 // 超市矿泉水 3 // 火车矿泉水 5 // 景区类似的，用户在京东商城浏览红酒信息，与在品尚红酒网浏览红酒信息，表现出对红酒喜好度也是有差异的。这里的关注点是不同的网址，存在权重差异，权重模型的构建，需要根据各自的业务需求构建。所以，网址本身表征了用户的标签偏好权重。网址对应的内容体现了标签信息。什么事：用户行为类型，对于电商有如下典型行为：浏览、添加购物车、搜索、、购买、点击赞、收藏 等等。不同的行为类型，对于接触点的内容产生的标签信息，具有不同的权重。如，购买权重计为5，浏览计为1红酒 1 // 浏览红酒红酒 5 // 购买红酒综合上述分析，用户画像的数据模型，可以概括为下面的公式：用户标识 + 时间 + 行为类型 + 接触点（网址+内容），某用户因为在什么时间、地点、做了什么事。所以会打上**标签。用户标签的权重可能随时间的增加而衰减，因此定义时间为衰减因子r，行为类型、网址决定了权重，内容决定了标签，进一步转换为公式：标签权重=衰减因子×行为权重×网址子权重如：用户A，昨天在品尚红酒网浏览一瓶价值238元的长城干红葡萄酒信息。标签：红酒，长城时间：因为是昨天的行为，假设衰减因子为：r=0.95行为类型：浏览行为记为权重1地点：品尚红酒单品页的网址子权重记为 0.9（相比京东红酒单品页的0.7）假设用户对红酒出于真的喜欢，才会去专业的红酒网选购，而不再综合商城选购。则用户偏好标签是：红酒，权重是0.95*0.7 * 1=0.665，即，用户A：红酒 0.665、长城 0.665。上述模型权重值的选取只是举例参考，具体的权重值需要根据业务需求二次建模，这里强调的是如何从整体思考，去构建用户画像模型，进而能够逐步细化模型。

去百度文库，查看完整内容>内容来自用户:天下用户画像分析报告学历博士硕士本科专科高中初中小学未知人数（万）占比253014578634018306%7%34%18%15%9%4%7%年龄70岁以上人数（万）占比33%2%3%5%38%33%14%1%城市北京上海广州深圳杭州天津武汉其他人数（万）占比58668952275043035826877013%16%12%17%10%8%6%18%160140120100806040200博士61岁-70岁251岁-60岁341岁-50岁431岁-40岁3321岁-30岁2811岁-20岁120岁-10岁1请在此输入对用户的总结分析文字请在此输入对用户的总结分析文字请在此输入对用户的总结分析文字请在此输入对用户的总结分析文字请在此输入对用户的总结分析文字请在此输入对用户的总结分析35文字请在此输入对用户的总结分析文字请在此输入对用户的总结分析文字请在此输入对用户的总结分30析文字请在此输入对用户的总结分析文字请在此输入对用户的总结分析文字25按城市分析报告其他武汉天津杭州深圳广州上海北京010020030040050060070080090020151050按学历分析报告人数（万）占比40%35%30%25%20%15%10%5%0%博士硕士本科专科高中初中小学未知按年龄分析报告人数（万）占比45%40%35%30%25%20%15%10%5%0%

一般是需要借助是需要借助第三方数据分析工具的，可以用火烧云数据。平台提供UP主账号的活跃用户画像的多维数据分析。包含活跃粉丝性别分析、活跃粉丝年龄分布、活跃粉丝星座分布、活跃粉丝地域分布、活跃粉丝等级分布等数据图表。如下图：

第一阶段的工作每次的迭代、改进都是根据运营的反馈、讨论后才落实实施的。

1. 产品定位　　在2013年上线之初，小红书只是一个单纯的UGC购物笔记分享社区。在当时，中国跨境游市场正处于高速上涨阶段，旅游期间的购物选择是一大痛点。小红书正好切中了这个痛点，再加之极其高效的社交网络推广方法(高质量的目的地购物攻略分享)，吸引大量用户注册。在此基础之上，建立了自营海外购电商平台，为用户提供精海外单品的购物服务。　　所以总的来说，小红书的产品定位，是海外购物笔记分享社区，以及自营保税仓直邮电商。　　2. 目标用户　　在百度指数中查看关键词「小红书」的用户画像，结果如下：　　不论是海外购物笔记社区，还是【购物】板块的保税仓/海外直邮电商，小红书这个产品都是在围绕着「有奢侈品或高品质商品购买需求」的用户群体来设计的。将这个用户群体进行拆分，他们应当呈现以下特征：　　女性是最主要的目标用户。女性更爱逛街购物，更倾向于在国外购买比国内更便宜的奢侈品与高品质商品。　　年龄集中在20岁-35岁之间，该年龄段人群处于事业稳定期，购买力强。更低龄的用户刚开始工作，收入水平不足以支撑高端商品消费;更高龄的用户(出生于60、70年代)受时代影响，未能培养高端商品购买习惯。　　职业分布包括大城市白领、公务员，以及留学生。大城市白领与公务员有良好的收入基础，追求生活品质;海外留学生是生产购物笔记的主力军，他们更了解海外商品，也更加乐意分享。　　用户画像：　　Alice，在美国读书的小美女　　基本属性：22岁，在英国读硕士，学习繁忙，但也会参加很多社交活动。爱旅行更爱shopping，对各种大牌爱不释手，有打折绝对不会错过。　　购物习惯：由于在国外且常旅行，购买奢侈品/高品质商品的场景为线下购物中心，时间多集中在当地折扣季。　　产品行为：乐于分享购物笔记的高度活跃用户，年轻有激情，渴望分享的商品被认同，所以会配合薯队长修改笔记，耐心回复评论;精打细算，对积分兑换的使用研究很深;由于身处国外，不大会购买福利社商品。　　Lauren，生活小资的魔都外企白领　　基本属性：28岁，重点高校学历，有气质有涵养，生活小资追求品质。平常工作繁忙，周末拉上一圈朋友逛街吃喝玩乐。　　购物习惯：逛得起大商场，也能拉下面子搜淘宝;偶尔会买奢侈品，使用中高端护肤品和美妆;服装兼具大牌与高性价比单品;常常买高品质有爱的装饰品/生活用品。　　产品行为：比较乐于分享购物笔记，兼具高端大牌与小而美的商品。福利社的购物主力军，关注价格，但遇到有爱的东西会冲动性购买。乐于写高质量商品评价，但时间有限，不能接受频繁地修改笔记，回复评论要看心情。　　Peggie，职场精英女性　　基本属性：35岁，在职场打拼多年，有所成就。收入较高，衣食无忧。极其繁忙，可能因为重事业而没有结婚，也可能结婚了每天除了工作就是照顾孩子，疲于奔命，压力大。　　购物习惯：舍得买高端商品，大多在购物中心，打折季也会网购;护肤品、美妆全部为高端单品。每年固定出境游，期间疯狂扫货。　　产品行为：不会频繁地分享购物笔记，相对而言不大在意成为精选笔记和积分;会收藏高端购物笔记，有空时找朋友代购或自己购买;偶尔逛福利社，选购美妆、护肤、生活用品、母婴等品类，价格敏感度不强没空对比价格，在高频生活用品上会有很高复购率。　　3、产品功能清单　　下图为小红书V4.1.1版本整体功能导图：　　产品功能思维导图　　4. 使用场景　　(1)准备跨境/港澳台游时，通过小红书查询目的地精选购物笔记，找到最值得购买的商品，并添加至专辑，形成购物清单;　　(2)购买到好物时，在小红书分享购物笔记，获得赞赏与关注，回答其他用户疑问，满足成就感;　　(3)忠实用户优化笔记内容，申请精选笔记，积攒加入当月Red club会员资格;　　(4)日常闲暇时间，毫无目的地刷刷小红书，看目前流行的趋势，顺带发现好货;　　(5)日常闲暇时间，逛小红书福利社，找到中意好物购买;　　(6)在笔记分享社区中发现中意商品，找朋友代购，或上淘宝找代购;　　(7)有某个方向的购买需求(护肤/香水/大衣/运动)，但不知道该买什么、在哪里买，在小红书「发现」模块浏览对应类别or专辑;　　(8)被小红书推送消息吸引，进入App浏览专题;　　(9)获得优惠券，为在过期前使用，购买福利社商品;　　(10)Red Club会员，每月积分兑换礼物/活动特权;　　5. 核心模块间关系　　笔记社区、发现、购买是小红书最核心的三个功能模块，三者间的关系如下图所示：　　(1)购物笔记feeds流(产品首页)是小红书的主功能模块，且发现模块、购买模块都与其有信息上的交互;　　(2)发现模块信息全部源自于笔记分享社区，可以理解为对笔记社区内容的分类整理，但同时也是feeds流的重要补充，用户在该模块可以找到值得关注的账号、专辑;　　(3)购物模块与笔记社区有着非常巧妙的联系，笔记社区中部分高频商品被优先引进了福利社，而在商品详情页中，编辑会将精选笔记作为商品评价链接进来。此外，在添加笔记时，小红书也鼓励用户关联福利社订单，如果关联，商品购买链接就会显示在笔记中。笔记是否被链入详情页，与是否购买于小红书无关。　　接下来，也会主要对这三个模块的核心产品逻辑进行分析，并在过程中与具有相似功能的产品进行对比。　　6. 高效至简的笔记feeds流　　与其它同类竞品风格不大类似，进入小红书首页，会给人一种简洁而又清晰的印象。总的来说，这种简洁和清晰源自于产品经理对于功能设置上的克制。在feeds流上，小红书希望能为用户提供最佳的信息阅读体验。　　首页　　可以看到，小红书对笔记图片的观感极度重视。图片以单张的形式，横向铺满了整个手机屏幕，两边没留任何空隙。这样的设计方式，源于小红书的核心定位——找到「好东西」。　　那么应当如何展示东西「好」的一面呢?文字的表达力永远是有局限的，最好的表达方式就是图片。所以，常常能在笔记下看到用户与薯队长沟通修改封面图的留言，而产品本身也提供了精美的贴纸与滤镜，来帮助用户生产出高质量图片。　　此外，在小红书购物分享社区里，是没有「笔记详情页」这样的概念的。一篇笔记只会出现在三个地方：feeds流，用户笔记列表和专辑列表。这样的设定原因只有一个，就是没有详情页也能满足任何场景的需求，而且是更具有效率的满足。好处在于减少页面跳转对用户浏览过程的干扰，让用户尽可能地沉浸于好物之中而不被打扰。　　同类竞品中，很少有以此方式来处理feeds流。下图左边为「Pinterest」主屏截图，右边为「堆糖」主屏截图。可以看到二者都采用了瀑布流的展示方式，二者有一个相同的目的，即希望通过展示部分下一行图片，吸引用户继续向下浏览。很有意思的一点是，早在11年的时候，堆糖就开始强调自己没有要做中国的Pinterest，而直到现在还是采用与Pinterest类似的界面交互方式。　　Pinterest & 堆糖　　但是细看下来，二者其实有很多区别。Pinterest的目的很直接，就是要做图片社交，让用户被美好的图片所感动。于是Pinterest率先创造出了瀑布流，让用户沉浸于浏览美图的过程，自然而然地下滑浏览。而在这样的场景设定下，用户是没有明确的浏览目的的，于是Pinterest弱化了分类索引功能(移动端没有)。　　而堆糖的产品定位则更类似于小红书，即做某个(或者某几个)领域的个性化内容推荐，图片正好是最佳的表现手段罢了。所以堆糖做得比Pinterest更深，网页版堆糖点击图片会整个跳转到新页面，而Pinterest为保证交互效率，只是简单地弹出浮窗，更有利于让用户专注于图片本身。　　除了大的展现模式外，小红书还在一些小的交互细节上做出了创新，比如：　　点击「全部评论」按钮，只会看到评论列表，不再展示图片。这样的设定，同样也是基于了对与图片本身的重视。一方面，对于小红书而言，图片是一篇笔记中最核心的内容，点击「全部评论」按钮意味着用户离开核心场景进入另外一个功能区域，此时如果再以较重的方式展示图片，就未免有些多余了。　　在feeds流中加入了商品购买链接，但做的很“克制”——只是在feeds流里，在部分笔记下添加了链接。注意，这里有两方面的克制。“只是在feeds流里”，即当你进入用户主页时，是看不到商品购买链接的，你可以把它视为feeds流里的广告。“在部分笔记下”，指只挑选了一小部分“非福利社购买笔记”插入购买链接。之所以选择非福利社，猜测是因为更希望引入对商品本身客观的评价，而不参杂用户服务、情感等干扰要素。　　7. 发现模块的产品逻辑　　从整个社区信息闭环上看，小红书的「发现」模块超出了“发现”这一定义。对于「发现」的用法，比较流行的有三种：　　第一种，承载产品主功能之外的其它功能，大众的比如微信，小众的比如墨柚。用户点击「发现」是很明确地要访问某个单独的功能(比如微信的「朋友圈」和墨柚的「活动」)，而这个功能对主功能形成一定的互斥影响。一般来说，当一个产品要在主功能之外开拓全新维度的功能时，比较有可能用这种方式。　　第二种，单纯地发现未知内容，大众产品比如知乎，小众产品比如念和涂手。feeds流负责呈现你所关注的信息，而「发现」则代表寻找新的未曾发现的关注点，可以天马行空地给用户推荐。在这种情况下，用户访问「发现」模块是没有任何明确目的的。如果产品在feeds流中已经形成分类，或者根本无法再继续进行分类了，则比较适合这种方式。　　第三种，需要去寻找某一领域的信息，大众的比如微博，小众的比如蝉游记的攻略模块。如果用户有非常明晰的分类信息查找场景，而又很难在feeds流中去实现的，则非常适合这种方式。　　微博近年来逐步淘汰了大批低质量内容账户，让一批高可读性内容的生产者脱颖而出，基本完成了社交化向媒体化的转变，今年开始进行垂直领域内容的尝试，而发现模块就主要承载这一战略目标。蝉游记在沉淀的大量旅行笔记基础之上，花很大精力自行编制了目的地旅游攻略，为有明确旅行需求的用户提供最佳的攻略体验。　　小红书的「发现」，基本上是第二种和第三种类型的综合体。顶端一排按钮(类别、品牌、目的地、主题、达人)为笔记信息不同维度的分类整合，下面则是热门专辑与笔记的推荐。　　目的地发现　　如果用户有很明确的目的——比如正打算去某地旅游需要列一份shopping list——那么用户可以在第一时间找到入口。而如果用户没有很明确的目的，只是翻完了feeds流，想看看有什么其它有意思的东西，就可以忽略第一排，继续向下浏览。总的来说，信息分类可以满足用户特定场景需求，而热门推荐则是增加用户黏性。　　对于「发现」模块，我有两个观点：　　(1)目前信息分类的效率并不高，需要慢慢优化。比如我的截图里，选择目的地-日本，总共有30余万条笔记，无数个品牌(拉到底大概要5分钟，且不支持搜索)。　　首先笔记部分，如果统计一下用户浏览屏数的分布，猜想一定是远远低于首页的，用户不可能浏览完这么多笔记，这个数字本身就会让大家望而却步了。而品牌部分，用户选它很有可能是有目标的品牌，而这么多个品牌，没有搜索实在是有点累。　　其实可以看出来，专题这个场景下最有价值的功能。上线初期，小红书靠高质量目的地购物专题疯狂吸粉，可以见的专题内容的吸引力，所以我认为可以考虑把专题放在默认的位置。同时有必要去优化笔记和品牌的展示机制。　　(2)热门推荐是整个产品的重要补充，但会随着产品的逐步成熟而渐渐弱化。热门内容发现很难作为产品的核心功能出现。豆瓣2.0版本时，曾将「发现」作为战略级功能，希望通过带来惊喜提升用户使用频次。　　最终的结果我无法评判，但从豆瓣3.0抛弃「发现」功能这一事实上来看，它应该没有达到期望的效果。用户打开一个应用，要么是有访问某个功能(一般为核心功能)目的，要么是形成了特定的使用习惯。在产品初期阶段，整体笔记数量和用户平均关注内容数量都不是那么充足的时候，热门推荐可以帮助他们发现新鲜的东西。而当产品逐渐成熟，用户养成了一套固有的信息获取机制后(关注丰富的账户和主题)，热门推荐的重要性会慢慢降低。　　8. 购买板块的交互创新　　2015年，电商领域出现了两类让人眼前一亮的产品，第一类是小众领域的垂直电商，在产品设计、商品设计和运营上都极尽突出领域特色，例如窝牛装修、东家;第二类是社交(或社区)与购物的结合，例如小红书、堆糖、下厨房。　　对于后者而言，最具革新性的设计，就是将社区内容，作为商品评论引入到商品详情页中。传统的电商网站，评论低质量化是一大痛点，淘宝京东苏宁们的商品评价区中，充斥着大量无效甚至虚假评论。评论区本质上不是一个完整的社区，无法有效激励用户写出高质量评论。而社交与电商结合的模式恰恰解决了这一痛点。　　但是社交+购物的模式也有痛点。传统电商产品体系中，评价对于用户而言是一种制衡商家的工具。购物过程中，有任何对于服务和商品本身的不满，都可以通过低分评价来激励商家解决。而在小红书、堆糖的商品详情页中，只能看到少量编辑挑选出的购物笔记。虽然小红书使用了很多非福利社购物笔记链入商品详情页，单用户还是只知道这件商品多么好，而对物流、售后服务质量无从知晓。这是这个模式的一大弱点，我暂时没有想到解决的办法。　　从整个购物流程上看，小红书尽量做到简化。在商品详情页，只有加入购物车按钮;只有一个购物车，收获地址信息放在收银台，而传统大型电商一般逻辑为购物车1-购物车2-收银台。在这样的简化流程下，用户从选种商品到购买，只需四步，非常简单便捷。　　在安卓4.1.1版本中，原「福利社」tab更名为「购买」。名称变更的背后，代表着战略的变化，电商平台正逐步成为小红书的战略核心。但任何一个产品，其主功能只可有一个，发展电商必然意味着笔记社区会被削弱，如何在过程中寻找平衡，将会是很大的挑战。