人物角色可以從很多維度來劃分，例如用戶目標(biāo)、用戶場景、用戶行為、體驗周期、用戶價值、……，根據(jù)實際情況，人物角色可能按一個維度劃分，或結(jié)合多個維度進(jìn)行劃分。
為設(shè)計服務(wù)的人物角色，用戶目標(biāo)是人物角色劃分中最重要，也是必不可少的一個維度。
對于資訊/信息型的分析對象，對資訊/信息的關(guān)注度能夠很好地體現(xiàn)用戶的使用目標(biāo)。
本文以1688網(wǎng)站用戶對供應(yīng)商信息關(guān)注度的問卷調(diào)查案例為基礎(chǔ)，來介紹基于用戶尺度評價的人物角色分類方法，主要分為以下幾個過程：
派點互動|網(wǎng)站用戶體驗|網(wǎng)站策劃|廣州網(wǎng)站策劃
1 獲得尺度評價結(jié)果
1.1調(diào)研目標(biāo)
通過了解用戶對供應(yīng)商不同信息的關(guān)注度，為產(chǎn)品詳情頁面供應(yīng)商信息的組織與呈現(xiàn)提供設(shè)計參考與依據(jù)。
1.2調(diào)研內(nèi)容
根據(jù)目前供應(yīng)商信息中所展示的內(nèi)容，以及公司檔案中的相關(guān)信息，結(jié)合以往相關(guān)調(diào)研結(jié)果，總共進(jìn)行17項供應(yīng)商信息的關(guān)注度調(diào)研（詳見因子分析結(jié)果列表，因子分析結(jié)果列表中只列出了16項，根據(jù)因子分析理論，“保障”沒有納入到最終的因子分析中去）。
1.3評價尺度
用戶對供應(yīng)商信息關(guān)注度的評價尺度分成為5級，分別為：
1-不關(guān)注、2-說不清、3-有點關(guān)注、4-比較關(guān)注、5-非常關(guān)注。
1.4調(diào)研樣本
本次問卷調(diào)查在1688網(wǎng)站產(chǎn)品詳情頁面投放，經(jīng)過篩選后得到有效樣本3032份。
2. 獲得評價尺度因子
2.1 項目分析
對17個供應(yīng)商信息分別進(jìn)行項目分析，結(jié)果都為顯著性，表明17個供應(yīng)商信息適合進(jìn)行用戶關(guān)注度評價。
（項目分析：將每個樣本對17個供應(yīng)商信息的關(guān)注度總分進(jìn)行排序，將關(guān)注度總分最低的27%樣本作為低分組，將關(guān)注度總分最高的27%樣本作為高分組。低分組與高分組在17個供應(yīng)商信息的關(guān)注度評分分別進(jìn)行獨立樣本T檢驗，來判斷高低分組的評價是否存在非常顯著差異。如果獨立樣本T檢驗顯著，則說明此供應(yīng)商信息適合進(jìn)行用戶評價。）
2.2 信度檢驗
使用Cronbach’s Alpha進(jìn)行信度檢驗，Alpha系數(shù)為0.906。刪除“所在地”時，Alpha系數(shù)變?yōu)?.909，可考慮刪除。
但認(rèn)為“所在地”還是有必要保留的，以及根據(jù)最終因子分析結(jié)果的實際意義，“所在地”還是保留在因子分析中。
2.3 因子分析
2.3.1顯著性檢驗
最終因子分析結(jié)果的適度性KMO值0.905，Bartlett球形檢驗近似卡方值26152.146（df=120，p值=.000），非常適合進(jìn)行因子分析（初始的KMO值、Bartlett球形檢驗都為顯著性）。
2.3.2因子分析結(jié)果
由于“保障”這個供應(yīng)商信息在主因子上的荷重=0.482，同時對客戶滿意度、供應(yīng)通力上的荷重分別為0.452、0.326，“保障”這個供應(yīng)商信息從因子分析中剔除。
綜合考慮指標(biāo)聚類分析、因子特征值與因子的實際意義，將用戶評價尺度分成4個因子，解釋率達(dá)到64.356%，效果較好。
歸納后4個評價尺度因子分別為基本信息、客戶滿意度、供應(yīng)能力、交易歷史，也就是說用戶在查看供應(yīng)商信息時，從這4個維度來了解供應(yīng)商。
3. 獲得評價尺度因子得分
因子分析可以直接獲得標(biāo)準(zhǔn)化的因子得分，但我們?nèi)粘＝佑|到的是更直觀的非標(biāo)準(zhǔn)化用戶尺度評價得分，在樣本聚類分析結(jié)果解讀時，結(jié)果也更直觀。所以要使用基于用戶尺度評價的非標(biāo)準(zhǔn)化因子得分進(jìn)行樣本聚類分析。
非標(biāo)準(zhǔn)化因子得分計算過程如下：
step1：用因子得分系數(shù)（Factor Score Coefficient）基于標(biāo)準(zhǔn)化的原始影響力系數(shù)X(i)，X(i)代表第i個供應(yīng)商信息對主因子的得分系數(shù)。
Step2：基于標(biāo)準(zhǔn)化原始影響力系數(shù)的非標(biāo)準(zhǔn)化還原，X(i)*d(i)，d(i)代表第i個供應(yīng)商信息的標(biāo)準(zhǔn)差。
Step3：歸1處理。同一指標(biāo)集（不同一級指標(biāo)為一個指標(biāo)集、某個一級指標(biāo)下的不同二級指標(biāo)為一個指標(biāo)集）下不同指標(biāo)的權(quán)重之和為1。影響力系數(shù)歸1處理公式如下：
W(i)=X(i)* d(i)/（X(1)* d(1)+X(2)* d(2) +……+X(n)* d(n)）
W(i)代表歸1處理后權(quán)重，X(i)代表第i個供應(yīng)商信息對主因子得分系數(shù)，d(i)代表第i個供應(yīng)商信息標(biāo)準(zhǔn)差。
Step4：計算非標(biāo)準(zhǔn)化的因子得分，公式如下：
F(j)= W(j1)*f(j1)+ W(j2)*f(j2)+ …… + W(jn)*f(jn)
F(j)代表第j個因子的非標(biāo)準(zhǔn)化因子得分，f(jn)代表第j個因子下第n個供應(yīng)商信息的評分。
4. 獲得人物角色分類
4.1樣本聚類
使用聚類分析的Twostep Cluster方法，根據(jù)4個評價尺度因子對樣本進(jìn)行聚類分析。將3032名調(diào)研樣本分成3類，分別占42.5%、41.9%、15.7%。
計算這3類樣本在評價尺度因子得分可以發(fā)現(xiàn)：
第1類用戶：對基本信息、客戶滿意度、供應(yīng)能力、交易歷史都非常關(guān)注
第2類用戶：對用戶滿意度非常關(guān)注，對基本信息、供應(yīng)能力、交易歷史比較關(guān)注
第3類用戶：對基本信息、客戶滿意度、供應(yīng)能力、交易歷史都很少關(guān)注。
5 總結(jié)與應(yīng)用
用戶評價尺度因子
對于供應(yīng)商信息，用戶從4個維度進(jìn)行關(guān)注，分別為基本信息、客戶滿意度、供應(yīng)能力、交易歷史。
在頁面內(nèi)容布局時，相近的內(nèi)容（關(guān)聯(lián)性強）要放在一起。目前1688網(wǎng)站產(chǎn)品詳情頁面上的信息商信息的布局與用戶關(guān)注維度存在較多不一致的地方。將關(guān)聯(lián)性的供應(yīng)商信息放在一起，用戶先查看了一個維度的供應(yīng)商信息后，再查看另一個維度的供應(yīng)商信息，增強用戶瀏覽有序性，從而提升供應(yīng)商信息內(nèi)容的易讀性。
人物角色分類
對于供應(yīng)商信息的關(guān)注，有3類典型角色，分別為：
第1類用戶（占42.5%）：對基本信息、客戶滿意度、供應(yīng)能力、交易歷史都非常關(guān)注
第2類用戶（占41.9%）：對用戶滿意度非常關(guān)注，對基本信息、供應(yīng)能力、交易歷史比較關(guān)注
第3類用戶（占15.7%）：對基本信息、客戶滿意度、供應(yīng)能力、交易歷史都很少關(guān)注。
有了這樣的人物角色劃分，在設(shè)計時，可以知道核心用戶、非核心用戶是如何關(guān)注供應(yīng)商信息及其重要度，也可以進(jìn)行定性研究探索不同用戶群對供應(yīng)商信息存在差異的根本原因是什么，為設(shè)計提供決策依據(jù)。
用戶評價尺度因子、人物角色分類為供應(yīng)商信息區(qū)塊內(nèi)容的優(yōu)化提供一些有價值的依據(jù)，在實際設(shè)計優(yōu)化中，還有綜合考慮不同信息本身的重要性、其它調(diào)研結(jié)果，以及商業(yè)角度上的考量。
基于用戶尺度評價的人物角色只是角色劃分的一個關(guān)鍵維度，要創(chuàng)建完整的人物角色，還需要加入其它更豐富的屬性和內(nèi)容。
對于用戶評價尺度，本次調(diào)研使用了關(guān)注度，根據(jù)調(diào)研對象的不同，用戶評價尺度也可以是滿意度、重要性、符合程度等。
