不管是什么样的学习平台，都是从学历平台作为出发点进行设计，专业技术人员继续教育云平台也是如此。经过多年的项目经验以及对相关项目的复盘及学员学习习惯的分析，网梯总结出一些专业技术人员在继续教育平台学习的用户画像。
Step1：准确识别用户
微博/微信/QQ等第三方登录成为培训机构识别用户的折中选择
用户识别的目的是为了区分用户、单点定位。用户识别的方式有很多种，如cookie、注册ID、邮箱、微信/微博/QQ等第三方登录、手机号等，这些都是互联网用户相对于传统线下渠道所特有的身份标识，其中手机号是目前移动端最为准确的用户标识。但随着用户注册的意愿越来越低，微博/微信/QQ等第三方登录成为越来越多培训机构的折中选择。
Step2：动态跟踪用户行为轨迹
三大维度：场景+媒体+路径
动态行为数据可以确认用户不同场景下的不同访问轨迹，助力学习效果跟踪。
用户网络行为动态跟踪主要包括三个维度：场景+媒体+路径，应用到互联网中。场景主要包括访问设备、访问时段。媒体指某一时段下用户具体访问的媒体，如视频课件、文字课件、新闻资讯等。路径指用户进入和离开某媒体的路径，可以简单理解为用户的站内与站外行为，例如是采用搜索导航进入还是选择打开APP的方式；离开时是选择站内跳转到其他网页还是直接选择关闭。这些数据分析可以有助于我们对课程的内容进行提高，也可帮助我们优化教学设计，避免用户产生倦怠。
Step3：结合静态数据评估用户价值
五大维度：人口属性+学习属性+消费特征+生活形态+CRM
静态数据获取后，需要对人群进行因子和聚类分析，不同的目的分类依据不同，如对于产品设计来说，按照使用动机或使用行为划分是最为常见的方式，而对于培训平台来说来说，依据学生来源属性来区分人群是最为直接的分类方式。
静态数据主要包括用户的人口属性、学习属性、消费特征、生活形态、CRM五大维度，其获取方式存在多种，数据挖掘是最为常见也是较为精准的一种方式，如果数据有限，则需要定性与定量结合补充，定性方法如小组座谈会、用户深访、日志法、Laddering阶梯法、透射法等。
通过开放性的问题潜入用户真实的心理需求，具象用户特征，定量更多的是通过定量问卷调研的方式进行，关键在于后期定量数据的建模与分析，目的是通过封闭性问题一方面对定性假设进行验证，另一方面获取市场的用户分布规律。
Step4：用户标签定义与权重
从繁杂的数据中抽取共同的特征值
根据特征值对群体进行定义，有助于管理员一目了然掌握该群体的特性，如“夜猫子”，可以快速的联想到针对这类人，经常在晚上进行学习。
同时，一个群体会有多个标签，不同的群体之间也会有标签的重合，此时标签的权重反映了不同群体的核心特征。如“评论家”和“夜猫子”两类人群中都有女性标签，此时需要比较女性在不同人群中的标签权重，以决定将该标签解读给哪类群体。通常，一个好的用户画像，不同人群之间的标签重合度较小，只有在那些权重较小的标签上会有些许重合。
Step5：不同人群优先级排列
根据培训自身情况排列不同组合
目前，大部分画像只完成上述4步就结束了，然而最后一步决定了最终效果的落地，对于培训组织者来说可以理解为对培训项目进行总结以及调整优化。
网梯对于专业技术人员的人群画像进行了总结：
对学习平台进行了流程的优化：
网梯的专业技术人员继续教育云平台根据最终用户的人群画像、相关政策文件以及地方政策，对平台进行了功能的优化，化繁为简。
网梯专业技术人员继续教育云平台面向拟开展专业技术人员在线培训业务的单位、国家级、省级专业技术人员继续教育基地以及相关行业协会，基于互联网最新开源技术架构，为客户提供零技术投入的专业技术人员在线培训全流程服务，解决客户自建平台成本高、周期长、可靠性差、升级难等问题。帮助客户充分发挥在线培训优势，扩大培训规模、整合教学资源、提高教学质量、提升学习体验。
评论前必须登录！
注册