项目四优质短视频选题与内容策划任务一短视频选题（一）电子教案课题短视频选题（一）授课授课时间课时1 课时班级知识目标了解选题在短视频策划中的重要性能力目标掌握短视频用户画像的定义1.具有可持续发展的学习与适应能力教学2．具有良好的心理素质目标德育目标3．具备良好的职业素养和强烈的商业信誉观4．具有良好的团队协作意识和沟通、协调能力5.具有良好的社会责任意识重点通过本项目内容的学习，了解用户需求的分类教材难点掌握根据用户画像确定用户需求的方法分析关键掌握大数据构建用户画像的基本流程教法分析教学讲授法、案例分析法方法学法分析小组学习法教具多媒体教学教师调控教学分析教学内容过程学生活动板书设计项目四优质短视频选题与内容策划紧扣本课任务一短视频选题教学重一、依据用户画像、需求分析的选题板书板书设计点，突出二、多平台、多引擎热点“选题”设计课前思考课程设计的内涵与主旨，帮第1页共9页
第 1 页 共 9 页 项目四 优质短视频选题与内容策划 任务一 短视频选题（一） 电子教案 课 题 短视频选题（一） 授 课 班 级 授课时间 课 时 1 课时 知识目标 了解选题在短视频策划中的重要性 能力目标 掌握短视频用户画像的定义 教 学 目 标 德育目标 1. 具有可持续发展的学习与适应能力 2. 具有良好的心理素质 3. 具备良好的职业素养和强烈的商业信誉观 4. 具有良好的团队协作意识和沟通、协调能力 5. 具有良好的社会责任意识 重 点 通过本项目内容的学习，了解用户需求的分类 难 点 掌握根据用户画像确定用户需求的方法 教 材 分 析 关 键 掌握大数据构建用户画像的基本流程 教 学 教法分析 讲授法、案例分析法 方 法 学法分析 小组学习法 教 具 多媒体 教 学 过 程 教学分析 教学内容 教师调控 学生活动 板 书 设 计 板书设计 紧扣本课 教学重 点，突出 课程设计 的内涵与 主旨，帮 项目四 优质短视频选题与内容策划 任务一 短视频选题 一、依据用户画像、需求分析的选题 二、多平台、多引擎热点“选题” 板书设计 课前思考
助学生掌握知识、理解知识。教学教师调控教学分析教学内容过程学生活动教师引入本课导教师启发，语，学生导入学生认真思在讨论中通过知识讲解引入新课，引导学生进入课堂。新课考问题，积思考相关极回答的学习内容一、依据用户画像、需求分析的选题使学生的1、用户画像注意力跟用户画像（persona）的概念最早由交互设计之父Alan着老师共Cooper提出：“Personas area concreterepresentation同进入课堂oftargetusers.”（用户画像是目标用户的具体代表。）用户画像是指真实用户的虚拟代表，是建立在一系列属性数据之上的目标用户模型。随着互联网的发展，现在我们课件展示新授说的用户画像又包含了新的内涵一一通常用户画像是根据图示说明用户人口学特征、网络浏览内容、网络社交活动和消费行增加学生为等信息而抽象出的一个标签化的用户模型。的专业知识用户画像又称用户角色，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，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、行为与期待的数据转化联结起来。作为实际用户的虚拟代表，用户画像所形成的用户第2页共9页
第 2 页 共 9 页 助学生掌 握知识、 理解知 识。 教 学 过 程 教学分析 教学内容 教师调控 学生活动 导 入 新 课 教师引入 本课导 语，学生 在讨论中 思考相关 的学习内 容 通过知识讲解引入新课，引导学生进入课堂。 教师启发， 学生认真思 考问题，积 极回答 新 授 使 学 生 的 注 意 力 跟 着 老 师 共 同 进 入 课 堂 增 加 学 生 的 专 业 知 识 一、依据用户画像、需求分析的选题 1、用户画像 用户画像（persona）的概念最早由交互设计之父 Alan Cooper 提出：“Personas are a concrete representation of target users.”（用户画像是目标用户的具体代表。） 用户画像是指真实用户的虚拟代表，是建立在一系列属性 数据之上的目标用户模型。随着互联网的发展，现在我们 说的用户画像又包含了新的内涵——通常用户画像是根据 用户人口学特征、网络浏览内容、网络社交活动和消费行 为等信息而抽象出的一个标签化的用户模型。 用户画像又称用户角色，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，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、行为与期待的数据转化联结 起来。作为实际用户的虚拟代表，用户画像所形成的用户 课件展示 图示说明
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，如图4-1所示。物进日价级字体越大，特征值越明显共健聚专中图 4-1举例来说，如果你经常在淘宝上购买一些化妆品，那么淘宝网站就会根据你买化妆品的情况给你贴上“年轻女性、护肤”等标签，甚至还可以判断出你的大概年龄，贴上“20～30岁的年轻女性”这样更为具体的标签，而这些所有的标签综合在一起就形成了你的用户画像一一一位20～30岁的年轻女性，且经常买化妆品。得出这样的结论后，淘宝就会向你精准推送更多关于处于这一年龄段经常使用的化妆品。同样的，用户画像在短视频这一领域同样适用。短视频制作者要想找准目标用户，就需要通过数据建立用户画像，然后根据用户画像制作视频，这样才能有的放矢，正中目标用户。用户画像建立在大量用户偏好数据之上，因此往往需要通过大数据的手段才能获取目标用户画像。在大数据时代，不仅普通用户可以享受到技术带来的便利，企业也可以从数据中提取有商业价值的信息，构建出用户画像，从第3页共9页
第 3 页 共 9 页 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， 如图 4-1 所示。 图 4-1 举例来说，如果你经常在淘宝上购买一些化妆品，那 么淘宝网站就会根据你买化妆品的情况给你贴上“年轻女 性、护肤” 等标签，甚至还可以判断出你的大概年龄，贴 上“20～30 岁的年轻女性”这样更为具体的标签，而这些 所有的标签综合在一起就形成了你的用户画像——一位 20～30 岁的年轻女性，且经常买化妆品。得出这样的结论 后，淘宝就会向你精准推送更多关于处于这一年龄段经常 使用的化妆品。 同样的，用户画像在短视频这一领域同样适用。短视 频制作者要想找准目标用户，就需要通过数据建立用户画 像，然后根据用户画像制作视频，这样才能有的放矢，正 中目标用户。 用户画像建立在大量用户偏好数据之上，因此往往需 要通过大数据的手段才能获取目标用户画像。在大数据时 代，不仅普通用户可以享受到技术带来的便利，企业也可 以从数据中提取有商业价值的信息，构建出用户画像，从
而对用户行为进行分析和预测。大数据技术的出现使得用户画像更加清晰客观，那么到底什么是用户画像呢？如何借助大数据建立用户画像，找到短视频的目标用户呢？利用大数据构建用户画像大致分为几个流程①数据源分析一般来讲构建用户画像的数据来自于网站交易数据、用户行为数据、网络日志数据。当然也不仅限于这些数据，一些平台上还有个人征信数据等。对于用户的分类，有封闭式和开放式两种分类思想。所谓封闭式，如世界上分为两种人，一种是刷短视频的人，一种是不刷短视频的人。所谓开放式，如我们可以把用户分三类，高价值客户，中价值客户，其他客户。不同的分类方式根据不同应用场景，业务需求进行选择。在这里，我们把短视频用户数据分为静态信息数据与动态信息数据两大类，如图4-2所示。用户数据动志信息数据静志信息数据1.人口属性2.商业属性用户接触点（TouchPoint：301消费等接整点（Tag）Wo消费周用儿客网首贝24休闲鞋单品尚E凯市料搜8发装关十鞋品质的微！婚增状况点市刻十一大促给力是否有小孩，数带图4-2静态信息数据用户有相对稳定的信息，如图所示，比如用户的性别、年龄、地域、职业、婚姻状况、是否有孩子、消费周期等这类信息。而动态信息数据因为在不断变化，所以比较难掌握。比如用户的浏览、搜索、点赞、评第4页共9页
第 4 页 共 9 页 而对用户行为进行分析和预测。大数据技术的出现使得用 户画像更加清晰客观，那么到底什么是用户画像呢？如何 借助大数据建立用户画像，找到短视频的目标用户呢？ 利用大数据构建用户画像大致分为几个流程： ①数据源分析 一般来讲构建用户画像的数据来自于网站交易数据、 用户行为数据、网络日志数据。当然也不仅限于这些数 据，一些平台上还有个人征信数据等。 对于用户的分类，有封闭式和开放式两种分类思想。 所谓封闭式，如世界上分为两种人，一种是刷短视频的 人，一种是不刷短视频的人。所谓开放式，如我们可以把 用户分三类，高价值客户，中价值客户，其他客户。不同 的分类方式根据不同应用场景，业务需求进行选择。 在这里，我们把短视频用户数据分为静态信息数据与 动态信息数据两大类，如图 4-2 所示。 图 4-2 静态信息数据用户有相对稳定的信息，如图所示，比 如用户的性别、年龄、地域、职业、婚姻状况、是否有孩 子、消费周期等这类信息。而动态信息数据因为在不断变 化，所以比较难掌握。比如用户的浏览、搜索、点赞、评
论等行为。因此对于动态数据，短视频制作者要进行长期追踪、搜集数据，然后从用户的变化中总结出规律，从而得出较为精准的用户画像。②数据预处理数据预处理的第一步是清洗，把一些杂乱无序的数据清洗一下，然后归纳为结构化的数据，最后是把信息标准化。我们可以把数据的预处理简单理解为把数据分类在一个表格中，这一步就是奠定数据分析的基石。③数据建模在经历过数据预处理之后，我们就可以进行数据建模了。任何的数据建模都不能完全包含用户的喜好，所以只要抓住用户的主要偏好和需求来进行建模就足够了。在这里，我们借助Kano模型来进行数据建模。Kano模型按照用户的不同需求的重要程度将其分为五类：基本型需求、期望型需求、兴奋型需求、无差异型需求和反向型需求，如图4-3所示。周兴奋柴霸求想出酸满意度迎MP(差异需求用户需求实现盗存在程度低基本型需求源羊保的皮流微店反肩需来图4-3这五类需求的重要程度依次递减，其中对于用户而言，基本型需求是必须满足的。当不提供此需求，用户满第5页共9页
第 5 页 共 9 页 论等行为。因此对于动态数据，短视频制作者要进行长期 追踪、搜集数据，然后从用户的变化中总结出规律，从而 得出较为精准的用户画像。 ②数据预处理 数据预处理的第一步是清洗，把一些杂乱无序的数据 清洗一下，然后归纳为结构化的数据，最后是把信息标准 化。我们可以把数据的预处理简单理解为把数据分类在一 个表格中，这一步就是奠定数据分析的基石。 ③数据建模 在经历过数据预处理之后，我们就可以进行数据建模 了。任何的数据建模都不能完全包含用户的喜好，所以只 要抓住用户的主要偏好和需求来进行建模就足够了。 在这里，我们借助 Kano 模型来进行数据建模。Kano 模 型按照用户的不同需求的重要程度将其分为五类：基本型 需求、期望型需求、兴奋型需求、无差异型需求和反向型 需求，如图 4-3 所示。 图 4-3 这五类需求的重要程度依次递减，其中对于用户而 言，基本型需求是必须满足的。当不提供此需求，用户满