作为产品经理可以直接对用户的行为倾向进行分析，使用成长经历、价值观以及数据加以佐证分类的标准。使用行为倾向作为分类的依据，每一个群体对产品的主观感受以及行为都有足够的共性，可以获得对后续的需求洞察更具象的结果。
客户分群并非互联网独创的概念。
在传统的商业世界里，商家老早就认识到：并不是所有的顾客需求都相同。只要存在两个以上的顾客，需求就会不同。由于顾客的想法及购买行为是多元的，所以顾客需求满足呈现差异。
任何一个企业都没有办法满足整个市场的所有需求。这不仅是由于企业自身条件的限制，而且从经济效应方面来看也是不足取的。因为，企业应该分辨出它能有效为之服务的最具有吸引力的细分市场，集中企业资源，制定科学的竞争策略，以取得和增强竞争优势。
做互联网产品也是同样的道理，没有一款产品能够满足所有的用户，即便是号称中国互联网用户数最多的微信也做不到。不同的用户有不同的需求，因此为用户分群是研究用户的第一步。
用户分群有两种常见的分群方式，一种是以用户的自然属性划分，例如常见的年龄段、学历、收入水平等等，另一种则是以用户的行为划分。今天我们主要聊聊行为分群。
一代人的行为倾向
麦肯锡认为，一个人的成长经历是价值观形成的基础，而价值观又决定了一个人的行为倾向。人的价值观有一个形成过程，是随着知识的增长与生活经验的积累而逐步确立起来的，而价值观又体现在行为倾向中。
在中国整个历史大环境的影响下，有几个对国民的价值观产生深远影响的事件。
50、60年代的人出生于新中国刚建立不久后，各行各业百废待兴，事业蒸蒸日上的阶段。在革命传统教育的灌输下，观念正统，国家利益高于一切。在他们的青年期，这个意识形成的阶段恰好经历了文化大革命，受当时的环境影响，这一代人普遍相信权威，相信专家。
因此电视购物很聪明地运用了这群人的特点。他们的受众永远是这批中老年人，卖的都是一些中老年人需要的产品，做广告的时候总是会搬出各种专家、各种老牌明星的代言，目的就是为了利用电视和所谓的专家营造出一种权威的感觉，让中老年用户更容易相信他们。
70年代的人正好赶上了改革开放，社会价值取向较五六十年代发生了很大变化。他们对前几辈人所坚持的一些价值观有些不屑，他们不再坚持这些对于前辈而言是毫无意义的价值取向。无数人从当时白手起家打拼出了自己的事业，这一代人非常的勤奋、独立、自主并且相信爱拼才会赢，因此他们身上有很强的责任感、自信、追求成功、激进的特点。
80年代的人在父辈成功学、以及外来新兴事物涌入社会的交错影响下，这代人会显得多少有些迷茫、焦虑。一方面父辈喜欢用他们的成功经验去教导他们该做什么，大学该读什么专业，甚至是以后应该做什么工作，都帮他们安排妥当。另一方面受到外来文化的影响下，他们在心里又藏着自己的萌芽的想法与追求。
特别是计划生育实行后的独生子女，成长环境、生活环境的好转也让他们变得娇生惯养、养尊处优，自私自利、贪图享受，信仰缺失，更缺乏社会责任感。他们不信仰金钱万能，却无法摆脱金钱的枷锁。这种带有强烈的个人色彩的人生追求，反映了一个社会性的普遍诉求。
90年代的人在出生时改革开放已经显现出明显成效，同时也是中国信息飞速发展的年代，是信息时代的优先体验者，信息时代让人们的意识形态和价值观念更趋多元化。大部分都是独生子女，生活条件比较优越，对新兴事物都非常感兴趣。
由于他们接收信息的渠道方式更多元化也让他们的知识面、早熟度远超父辈。同时很多的社会现实让他们很早就明白把价值取向关注于具体的事物，更注重工具理性。所以这一代人普遍有自由主义、自我实现精神、理想化、孤独这一类的特点。
有相当一部分人比前几代人来说，更显得有些孤僻。他们普遍聪慧多才、爱好广泛，但是信仰空虚，思想叛逆，功利色彩浓厚，注重自我，同时也存在学习焦虑、抗挫能力弱、嫉妒心强、对网络依赖等问题，他们自信又脆弱，敏感而自私。
通过以上例子，我们可以看到一代人的成长经历对他们的价值观塑造是产生巨大影响的。因此麦肯锡的市场人员会选择一代用户大环境下的成长经历去研究他们，从地理位置、人口特性开始选取一群相近的人群，然后再对使用行为进行分类，分析这群人的生活方式、购买动机和态度等，对客户有一个全面的了解。
作为产品经理可以直接对用户的行为倾向进行分析，使用成长经历、价值观以及数据加以佐证分类的标准。使用行为倾向作为分类的依据，每一个群体对产品的主观感受以及行为都有足够的共性，可以获得对后续的需求洞察更具象的结果。
行为特征抽取法
行为特征抽取主要有四个步骤：
step1：识别核心行为
行为特征抽取法的第一步是：选择一种行为作为分析的根据，这种行为可以是自然行为也可以是互联网行为。在这个分析方法中，行为可以分为两类：自然行为以及互联网行为，也可以称为线上行为与线下行为。
为什么要这样划分呢？
最主要的原因是用户在线上的表现和线下的表现往往有很大区别。例如：逛街购物这件事在线上以及线下就是两种完全不同的体验，在行为上也会表现出很大的差异性，深入分析可以得到不同的倾向性。因此明确行为发生的环境非常重要。
选择行为这一步非常关键，只有一个合适的行为，分析后才能得到具有指导意义的特征分析结果。在选择行为的时候，需要注意三点：
行为一定是带有目的性的，无目的的动作不适合分析；
行为可以是单个动作也可以是多个动作的组合；
选择的行为不适合影响因素太多的，否则效果可能会比较差。
step2：收集行为倾向
第二步：对挑选出来的行为进行分析，归纳所有的倾向性。
在这个环节，通常我们会进行一轮用户调研。通过问卷与调研的方式以及用户访谈，了解用户都是“怎么做”这件事情的。
例如线上购物这件事，不同的用户可能有不同的方式。
部分男性用户目标明确，知道自己要买一双Nike的球鞋，直接通过搜索框查找，雷利风行；
部分女性用户没有明确的目标，只知道自己要买一双球鞋，所以她会逛各种榜单和推荐，试图找到一双适合自己的鞋子；
还有一部分女性用户同样没有明确的目标，甚至连买东西的想法也没有，纯粹是想通过逛街消磨时间而已。
相信很多朋友都能看出来，这就是梁宁老师所说的大明、笨笨以及闲闲用户，这种分类方式就是通过行为倾向区分的结果。
在没有条件进行用户调研的情况下，我建议小组成员可以通过头脑风暴的方式，根据一个日常场景列举可能出现的情况。例如平时都是怎么使用线上购物软件的，都是怎么点外卖的等等，尽量列举出具有代表性的行为倾向即可。
step3：归类命名类型
第三步：对分类的结果命名。
对行为倾向进行归类以后，接下来我们要选择具有代表性、一眼就能联想出场景的名词为行为倾向命名。可以用一些形象的动物名称，也可以用一些行为描述词语等等，没有强制性的规定。命名的目的是为了让团队所有人统一分类的认知，也方便沟通，因此简单易懂的命名就是最合适的选择。
step4 验证补充分析
最后一步：查漏补缺，再次梳理现有分类结果是否齐全，同时检查命名是否能够准确描述出行为的倾向性。
行为特征抽取法实践
我们尝试用上述方法对一个产品功能进行分析。
平安好医生是一个一站式医疗健康生态平台，其中集合了家庭医生、名医问诊、健康社区、健康测评以及健康档案等一系列功能。如果我们要对使用这个产品的用户进行行为分析，得到的可能是比较笼统的结果，也很难对产品后续发展提出指导意见。因此我们需要在产品围绕的生态内挑选一个合适的行为进行分析。
线上问诊是这类产品的基本功能，好医生很多功能都是基于这个场景衍生出来的后续场景。因此我们选择线上问诊这个行为进行分析。
进行用户调研后，我们可以发现在使用网络问诊的人群中，主要表现出三种不同的行为倾向：
第一种用户不经常使用问诊，他们只有在发生突发性的小病痛而且不想去医院时，才会想到使用线上问诊，因为他们没有那么多的时间，也比较懒。他们希望医生能够尽快解决他们的问题，所以在他们眼里医生的回复速度以及问诊效率才是最重要的。
典型的代表用户就是一些都市的小白领，平时工作比较忙，有时候因为吃饭不规律、熬夜等原因产生一些胃疼之类的小毛病。这类用户可以命名为“效率为王型”。
第二种用户有一定的健康意识，他们平时关注自己和身边人的健康，同时对医生的水平也有一定的追求。他们在选择问诊医生的时候会看医生的资质、认证情况和其他的评价等等，在他们眼里选择好的医生是非常重要的。
典型的代表用户为一些有慢性疾病或者是有难言之隐的病人，比如男科、妇科疾病的青年人，普遍年龄在25-32岁之间，他们大多数还没结婚，也不好意思去医院，但是又希望获得比较专业的意见。这类用户可以命名为“精挑细选型”。
第三种用户不轻易相信一家之言，他们在问诊的过程中喜欢挑选多个医生同时问诊，最后再得出一个综合的建议。
典型的代表用户为一些孩子年龄比较小的家长，特别是处于1-3岁阶段的家长们。因为大多数都是新手妈妈，所以她们比较谨慎，不轻易相信一家之言，这类用户可以命名为“货比三家型”。
后续补充验证的过程起到查漏补缺的作用也非常重要，因调研数据没法公布给读者，所以暂时省去这一步，到这里我们已经完成了行为特征分析。
行为分析只是一个产品策划过程中对用户分析的第一步，后续还有基于行为的场景分析、需求分析等等工作。在这个过程中，我们也可以从产品功能的迭代过程验证前面行为分析猜测的一些想法。
可以看到在后续的迭代中，好医生的首页增加了一个“2分钟快速问诊”的功能。这个功能由系统自动分配合适的科室医生并进行一对一咨询，2分钟内有问必答。可以看出来这个功能就是满足了效率为王型用户的需求，从这里也可以推测，这类人群占所有用户群体的比重最大，或者是这部分人群是当前节点重点运营的群体。
行为倾向与场景
很多产品经理在刚开始接触行为倾向分析法时，很容易将“行为”与“场景”搞混，把行为分析变成了场景分析。
行为分析是在描述用户如何去做这件事，而场景是在描述用户做这件事时所处的环境。而需求则是由用户、行为和场景三个要素构成的。
例如我们做一款专门给货车司机用的音乐产品，那么“货车司机在开车的时候听音乐”就是一个完整的需求。货车司机是用户群，开车是场景，听音乐是具体的行为。
我们分析行为是在分析开车的时候，货车司机具体是怎么去听音乐的，是每次都播放固定的歌单，还是会选择每日推荐，甚至是搜索特定的歌手选择他的专辑，听的过程中会不会有跟唱的行为或者是互动的行为等等。
而不是分析货车司机是在开车的时候听，还是在洗澡的时候听；是在有网络的情况下听，还是在没有网络的情况下听，这些分析都是在货车司机使用这款产品时的环境与使用场景；
在给应届生培训的时候，还发现了另一种情况，很多同学把行为分析理解成目的分析。也就是分析货车司机为什么要听音乐，并且分成几种类型，例如：
有些司机开车听相声、劲爆的音乐是为了解困；
有些司机可能是兼职司机，他们有学习提升的需求，因此会听一些知识类的音频；
有些司机经常开跨省路线，所以喜欢听电台广播关注路况消息。
这些分类都没有错，但这是目的分析，而不是行为分析。脱离行为谈场景，以及脱离场景谈行为都是片面的，只有明确场景以及行为后，我们才能得出具体的需求，才能分析背后的成因，因此这三者在用户分析中是缺一不可的。
行为倾向分析是正确洞悉用户需求的第一步。明确主要用户群体的行为倾向，在使用动线上改进产品体验与效率，从行为出发为产品后续的规划发展提出建议与方向是我们做行为分析的根本目的。
