在数字时代，用户数据的规模和复杂性不断增加，对企业而言，了解和理解用户成为关键的竞争优势。用户画像作为一种有效的用户分析工具，能够帮助企业深入洞察用户需求、行为和特征。本文将介绍用户画像的基础概念、原理、方法论（模型）以及在实际应用中的价值。

第一部分：用户画像的基础概念

用户画像是根据用户的个人信息、兴趣爱好、行为习惯等多维度数据进行分析和描述，形成的用户特征模型。用户画像旨在帮助企业更好地了解用户，预测用户行为，精准投放营销资源，提供个性化的产品和服务。

用户画像的基础概念包括以下几个要素：

1、用户特征：用户特征是用户画像的基础，它包括用户的基本信息、社会属性、行为习惯等。常见的用户特征包括年龄、性别、地理位置、职业、收入水平等。这些特征可以帮助企业了解用户的基本背景和特点，为个性化的服务和营销提供基础。

2、用户行为：用户行为是指用户在产品或服务上的活动和互动行为。这包括用户的购买行为、浏览行为、搜索行为、点击行为、评论行为等。通过分析用户行为，可以了解用户的兴趣爱好、购买偏好、行为模式等，从而为个性化推荐和精准营销提供依据。

3、用户偏好：用户偏好是用户对于特定产品、内容或服务的喜好和倾向。用户偏好可以涉及产品特性、品牌偏好、价格敏感度、购物习惯等方面。了解用户的偏好可以帮助企业更好地定位目标用户群体，提供符合用户期望的产品和服务。

4、用户需求：用户需求是指用户对于产品或服务的需求和期望。用户需求可以包括功能性需求、情感需求、社交需求等。通过了解用户的需求，企业可以优化产品设计、改进服务体验，以满足用户的期望并提高用户满意度。

5、用户价值：用户价值是用户对于企业的重要性和贡献度。用户价值可以根据用户的购买金额、购买频次、忠诚度等指标来衡量。通过评估用户的价值，企业可以针对不同的用户群体制定差异化的营销策略，提高用户留存和回购率。

第二部分：用户画像的原理

用户画像的原理是通过收集、整理和分析用户数据，从中提取关键信息和特征，以描绘和描述用户的综合形象和特点。以下是用户画像的详细原理说明：

1、数据收集：用户画像的构建始于数据的收集。数据可以来自多个渠道，包括用户注册信息、用户行为数据（如购买记录、浏览记录、搜索记录）、社交媒体数据、调查问卷、用户反馈等。这些数据可以通过企业内部的数据收集系统、第三方数据提供商、API接口等方式获取。

2、数据清洗和整理：获得的原始数据需要经过清洗和整理，以去除重复、缺失或错误的数据，并进行数据格式转换和统一化处理。这一步骤有助于确保数据的质量和一致性，以便后续的分析和建模。

3、特征提取：在用户数据中提取关键的特征，这些特征可以是用户的个人信息（如年龄、性别、地理位置）、行为特征（如购买频率、浏览偏好、搜索习惯）、兴趣爱好、社交关系等。特征提取的方法包括数据挖掘技术、文本分析技术、统计分析等。

4、数据分析和建模：通过数据分析和建模技术，对提取的特征进行统计分析、机器学习或其他相关算法的应用。这些方法可以帮助发现特征之间的关联和模式，进一步理解用户的行为和偏好。常用的分析和建模方法包括聚类分析、关联规则挖掘、预测模型、情感分析等。

5、用户分群和画像构建：根据分析和建模的结果，将用户划分为不同的群体或类别。这些群体可以根据不同的特征、行为模式、购买偏好等进行划分。每个群体都代表了一类具有相似特征的用户。通过综合考虑不同特征的组合，可以建立用户的综合画像。

6、用户画像的可视化和应用：最后，将用户画像转化为可视化的形式，以便企业和决策者更直观地了解用户特征和行为模式。这可以通过可视化工具、仪表板、报告等方式实现。用户画像的应用可以包括个性化推荐、精准营销、用户服务优化、客户关系管理等，以提升用户体验和企业业务绩效。

用户画像的原理在于通过有效的数据收集、清洗和整理，结合数据分析和建模技术，将用户的多维信息转化为可操作的洞察。通过了解用户的特征和行为，企业可以更好地理解用户需求、定制个性化的服务和营销策略，从而提升用户满意度、增加用户忠诚度，并实现商业目标的达成。

第三部分：用户画像的方法论（模型）

用户画像的方法论和模型有多种，下面将详细介绍其中几种常见的方法和模型：

RFM模型：RFM模型是一种常用的用户分析方法，通过对用户的最近一次购买时间（Recency）、购买频率（Frequency）和购买金额（Monetary）进行评估和分析，将用户划分为不同的类别。具体步骤包括：

Recency（最近一次购买时间）：衡量用户最后一次购买距离现在的时间。一般来说，最近购买的用户更有可能再次购买。

Frequency（购买频率）：记录用户在一段时间内的购买次数。频繁购买的用户可能是忠诚用户或者有较高的购买需求。

Monetary（购买金额）：计算用户在一段时间内的购买金额。高价值客户往往有更高的购买金额。

通过RFM模型，可以将用户分为不同的群组，如高价值用户、新用户、流失用户等。这有助于企业根据不同用户群体制定个性化的营销策略和服务。

聚类分析：聚类分析是一种将具有相似特征的用户归为一类的方法。在用户画像中，聚类分析可以帮助企业发现用户的共同特征和行为模式，进行精细化的用户细分。常用的聚类算法包括K-means、层次聚类等。

具体步骤包括：

1、特征选择：根据用户数据，选择适当的特征进行聚类分析。例如，可以选择用户的年龄、地理位置、购买偏好等特征。

2、数据预处理：对用户数据进行标准化或归一化处理，确保不同特征之间的尺度一致。

3、聚类算法应用：选择适当的聚类算法，并根据用户数据进行聚类计算，将用户划分为不同的群组。

4、聚类结果分析：分析聚类结果，识别不同用户群组的特征，了解不同群组的行为模式和需求特点。

聚类分析可以帮助企业更好地了解用户群体，制定个性化的营销策略、推荐策略或定价策略。

关联规则挖掘：关联规则挖掘是通过分析用户的购买记录或浏览行为，发现不同产品或页面之间的关联关系。常用的关联规则挖掘算法包括Apriori算法、FP-Growth算法等。具体步骤包括：

1、数据准备：整理用户购买记录或浏览行为的数据，构建事务数据集。

2、频繁项集挖掘：应用关联规则挖掘算法，找出在数据集中频繁出现的项集，即经常同时出现的产品或页面组合。

3、关联规则生成：从频繁项集中生成具有一定置信度的关联规则，描述产品或页面之间的关联关系。

4、规则评估和筛选：根据支持度和置信度等指标评估关联规则的质量，并筛选出具有实际应用价值的规则。

关联规则挖掘可以帮助企业发现用户之间的购买关联、交叉销售机会，从而优化推荐系统、促进交叉销售和提升用户购买转化率。

文本挖掘和情感分析：文本挖掘和情感分析是通过分析用户在社交媒体、评论、评价等文本数据中的情感倾向和意见，获取用户对产品或服务的态度和反馈。主要步骤包括：

1、数据收集和预处理：收集用户在社交媒体、评论等平台的文本数据，并进行数据清洗和预处理，如去除噪声、分词等。

2、特征提取：从文本数据中提取特征，可以使用词袋模型、TF-IDF等方法。

3、情感分析：应用情感分析算法，对文本进行情感分类，判断用户的情感倾向，如积极、消极或中性。

4、结果分析和应用：根据情感分析的结果，了解用户对产品或服务的态度和意见，帮助企业改善产品、调整营销策略或提升用户体验。

文本挖掘和情感分析可以帮助企业了解用户的情感需求、评价产品质量、监测品牌声誉等，从而改善产品和提供更好的用户体验。

这些方法和模型提供了多种角度和工具，帮助企业深入了解用户，从而制定个性化的营销策略、改善产品和提供更好的用户体验。在实际应用中，根据具体业务需求和数据情况，可以选择适合的方法或结合多种方法，构建准确、全面的用户画像。

第四部分：用户画像的应用

用户画像在实际应用中有广泛的价值和应用场景：

个性化推荐：通过用户画像，企业可以了解用户的兴趣、偏好和需求，从而实现个性化的产品推荐。根据用户的历史行为和偏好，推荐相关的产品、内容或服务，提高用户的满意度和购买转化率。个性化推荐应用广泛于电子商务、媒体、社交媒体等领域。

精准营销：用户画像可以帮助企业了解用户的特征、行为和需求，从而精准地进行市场营销。通过对用户进行细分和分类，可以制定针对不同用户群体的个性化营销策略，提高市场营销的效果和ROI（投资回报率）。精准营销应用于各个行业，如金融、零售、旅游等。

品牌管理和声誉监测：用户画像可以帮助企业了解用户对品牌的态度、评价和意见，从而进行品牌管理和声誉监测。通过分析用户的社交媒体互动、评论和评价，企业可以了解用户的情感倾向和对品牌的看法，及时调整和改进品牌策略，维护品牌声誉。

用户服务优化：用户画像可以帮助企业优化用户服务。通过了解用户的需求、偏好和行为模式，企业可以改进产品设计、调整服务流程，提供更符合用户期望的服务。用户服务优化可以提高用户满意度、增强用户忠诚度，并推动口碑传播和品牌形象的提升。

客户关系管理：用户画像对于客户关系管理非常重要。通过建立客户画像，企业可以深入了解客户，提供个性化的沟通和服务，建立更紧密的客户关系。客户关系管理可以帮助企业增强客户忠诚度、提高客户满意度，并促进客户的再购买和口碑推荐。

市场调研和竞争分析：用户画像可以为市场调研和竞争分析提供重要参考。通过分析用户的特征和行为，企业可以了解目标市场的需求和竞争对手的优势。基于用户画像的市场调研和竞争分析可以帮助企业制定更准确的市场策略、产品定位和品牌传播。

产品设计和创新：用户画像可以为产品设计和创新提供指导和依据。通过了解用户的需求、偏好和行为模式，企业可以开发出更符合用户期望的产品和服务，提高产品的市场竞争力。用户画像在产品设计和创新中发挥着重要的作用。

综上所述，用户画像在个性化推荐、精准营销、用户服务优化、客户关系管理以及市场调研和竞争分析等方面都有重要的应用。通过深入了解用户，企业可以更好地满足用户需求、提高用户体验，并在市场竞争中获得竞争优势。

—— END ——

推荐阅读

产品线路图Roadmap的五种形态（附ppt模板）

产品架构图，产品经理必须要有顶层架构设计能力

产品经理课程，成长体系I阶段

产品经理方法论 62讲

产品经理思维框架24讲

点击关注 “产品经理方法论”，一个快速成长的方法论

       1  用户画像的定义与起源  

       定义概述

用户画像，英文名为Persona，是一种在产品设计和市场研究中常见的用户模型。

它基于对目标用户群体的深入理解，通过调研、访谈、数据分析等手段，构建出具有代表性和典型性的用户角色。用户画像通常包含用户的基本属性、行为习惯、心理特征、使用场景等多个维度，旨在帮助企业和产品设计者更精准地把握用户需求，优化产品设计和提升用户体验。

       起源与发展

用户画像的概念最早由Alan Cooper提出，他在1999年出版的《About Face: The Essentials of Interaction Design》一书中详细阐述了Persona的构建方法和应用场景。Cooper认为，Persona能够帮助设计者从用户的角度出发，理解用户的需求和行为模式，从而设计出更符合用户期望的产品。

随着互联网和大数据技术的发展，用户画像的应用逐渐从传统的市场研究扩展到产品设计、用户体验、精准营销等多个领域。企业通过收集和分析用户数据，构建出更为丰富和立体的用户画像，以实现更精细化的运营和服务。例如，电商平台通过用户画像进行个性化推荐，提高用户满意度和购买转化率；社交媒体平台利用用户画像优化内容分发策略，提升用户活跃度和留存率。用户画像已成为现代企业不可或缺的重要工具。

 

       2  用户画像的构成要素  

       基本信息维度

基本信息维度是用户画像构建的基础，它涵盖了用户的一些基本属性，这些属性有助于我们对用户进行初步的分类和理解。

• 人口统计信息：
  包括年龄、性别、教育水平、职业、收入等，这些信息有助于识别用户的基本社会经济特征。
• 地理位置：
  用户的居住地可以反映其生活环境和文化背景，对市场细分和地域性产品开发具有指导意义。
• 家庭结构：
  用户的婚姻状况、子女数量等信息，有助于了解用户的生活状态和消费需求。

       行为与偏好维度

行为与偏好维度深入挖掘用户的行为模式和个人喜好，为产品设计和个性化服务提供依据。

• 购买行为：
  用户的购买历史、频率、偏好品牌等信息，可以揭示其消费习惯和品牌忠诚度。
• 使用习惯：
  用户对产品的使用频率、使用时间、功能偏好等，有助于优化产品功能和提升用户粘性。
• 心理特征：
  用户的性格倾向、生活方式、价值观等，可以用于设计更符合用户心理预期的产品特性。

       社交与技术使用维度

社交与技术使用维度关注用户在社交网络和技术产品中的活动，反映其社交属性和对技术的适应能力。

• 社交网络活动：
  用户在社交平台上的活跃度、互动方式、社交圈层等，有助于了解其社交影响力和信息获取渠道。
• 技术接受度：
  用户对新技术的接受程度、常用应用、操作系统偏好等，可以指导技术产品的设计和市场推广策略。
• 信息获取渠道：
  用户获取信息的主要渠道，如搜索引擎、新闻应用、专业论坛等，影响着内容营销和信息传播策略的制定。

 

       3  用户画像的应用场景与作用  

       产品设计与优化

用户画像在产品设计与优化中的应用，主要体现在以下几个方面：

• 需求识别：
  通过用户画像，设计者能够更准确地识别目标用户群体的核心需求和痛点，从而在产品功能设计上做出有针对性的调整。
• 个性化定制：
  用户画像提供了用户偏好和行为习惯的详细信息，使得产品设计能够实现个性化定制，满足不同用户的特定需求。
• 用户体验优化：
  利用用户画像中的使用场景和心理特征，设计者可以优化用户界面和交互流程，提升用户体验。

       市场细分与定位

用户画像帮助企业对市场进行细分，实现精准定位：

• 市场细分：
  根据用户画像中的人口统计信息、行为特征等，企业可以将市场划分为不同的细分市场，为每个细分市场定制相应的产品和营销策略。
• 目标市场定位：
  用户画像揭示了不同用户群体的特征和需求，企业可以据此确定最具潜力的目标市场，并集中资源进行开发。

       精准营销与推广

用户画像在精准营销与推广中的作用：

• 个性化推荐：
  电商平台等利用用户画像进行商品推荐，提高用户满意度和购买转化率。
• 定制化广告：
  广告平台根据用户画像推送定制化广告，提高广告的相关性和吸引力。
  营销策略优化：
  企业根据用户画像分析用户行为和反馈，不断优化营销策略，提高营销效果。

       用户研究与洞察

用户画像在用户研究与洞察方面的应用：

• 用户行为分析：
  通过分析用户画像中的行为数据，研究者可以洞察用户的行为模式和趋势。
• 用户需求预测：
  用户画像结合市场趋势分析，可以预测用户的未来需求和市场发展方向。
• 用户反馈整合：
  用户画像帮助整合和分析用户反馈，为产品迭代提供依据。

       风险管理与决策支持

用户画像在风险管理与决策支持中的应用：

• 信用评估：
  金融机构利用用户画像评估客户的信用风险，优化信贷策略。
• 市场风险预测：
  通过用户画像分析市场变化，预测潜在的市场风险，为决策提供支持。
• 决策制定：
  用户画像提供的数据支持帮助管理层做出更加科学和合理的战略决策。

 

       4  用户画像的构建方法与流程  

       数据收集与分析

用户画像的构建始于数据的收集与分析。这一步骤是整个用户画像构建过程的基础。

• 数据来源：
  数据可以来源于多个渠道，包括但不限于市场调研、用户访谈、问卷调查、行为日志、交易记录等。
• 数据类型：
  收集的数据类型通常包括定量数据和定性数据。定量数据如用户的年龄、收入等，而定性数据如用户的生活方式描述、用户故事等。
• 数据分析：
• 通过统计分析、文本分析、情感分析等方法，从收集到的数据中提炼出有价值的信息，识别用户行为模式和偏好。

       标签体系构建

在数据收集与分析的基础上，构建用户标签体系是用户画像构建的核心步骤。

• 标签分类：
  标签可以根据不同的维度进行分类，如人口统计标签、行为标签、心理标签等。
• 标签权重：
  不同的标签可能对用户行为的影响程度不同，因此需要为标签分配权重，以反映其在用户画像中的重要性。
• 动态更新：
  用户的行为和偏好可能会随时间变化，因此标签体系需要定期更新，以保持用户画像的准确性和时效性。

       画像建模与应用

用户画像建模是将收集的数据和构建的标签体系转化为具体的用户角色模型。

• 画像维度：
  根据研究目的，确定用户画像的关键维度，如基本信息、行为特征、心理特征等。
• 画像原型：
  基于数据分析结果，创建几个代表性的用户原型，每个原型代表一个特定的用户群体。
• 应用实施：
  将构建好的用户画像应用于产品设计、市场策略、服务优化等场景，以实现个性化服务和精准营销。
• 案例分析：
  例如，在电商平台中，通过用户画像建模，可以识别出价格敏感型用户、品质追求型用户等不同的用户群体，并针对这些群体制定相应的营销策略。
• 技术工具：
  使用数据挖掘、机器学习等技术工具，可以自动化和优化用户画像的建模过程，提高效率和准确性。
• 反馈循环：
  用户画像的应用效果需要通过用户反馈和行为数据进行评估，并根据评估结果不断调整和优化用户画像模型。

 

       5  用户画像的评估与优化  

       评估指标

用户画像的有效性评估是确保其准确性和实用性的关键步骤。以下是一些核心评估指标：

• 准确性：
  评估用户画像是否真实反映了目标用户群体的特征。这可以通过与实际用户数据的对比分析来实现。
• 覆盖度：
  衡量用户画像是否全面覆盖了目标用户群体的多样性。单一的用户画像可能无法代表所有用户，因此需要构建多个画像以覆盖更广泛的用户群体。
• 一致性：
  评估不同用户画像之间的一致性，确保它们在某些关键特征上不会相互矛盾。
• 更新频率：
  用户行为和偏好随时间变化，因此用户画像需要定期更新。评估更新频率是否满足市场和用户的变化需求。
• 应用效果：
  通过跟踪用户画像在实际应用中的效果，如个性化推荐系统的点击率、转化率等，来评估用户画像的有效性。

       优化策略

为了不断提升用户画像的质量和应用效果，可以采取以下优化策略：

• 数据源多样化：
  拓展数据收集渠道，整合更多来源和类型的数据，以提高用户画像的丰富度和准确性。
• 算法优化：
  利用先进的数据分析和机器学习算法，提高用户行为预测的准确度和用户画像的动态适应性。
• 用户反馈机制：
  建立用户反馈机制，收集用户对产品或服务的实际体验反馈，用于调整和优化用户画像。
• 跨部门协作：
  促进市场、产品、技术等不同部门之间的协作，共享用户画像的构建和应用经验，形成闭环优化。
• 持续监控与评估：
  建立持续的监控和评估机制，定期检查用户画像的应用效果，并根据市场变化和用户反馈进行调整。
• 技术工具升级：
  随着技术的发展，不断升级用于用户画像分析和建模的工具，提高自动化水平和处理大数据的能力。

通过这些评估指标和优化策略，可以确保用户画像始终保持高度的相关性和有效性，为企业的产品设计、市场策略和用户服务提供强有力的支持。

 

       6  用户画像在不同领域的应用案例  

       设计研究‍‍

用户画像（User Persona）在设计中的应用具有多方面的优势，以下是一些关键点：

• 提升共情能力：
  ‍用户画像帮助设计师和团队成员理解并共情目标用户的需求和体验，从而设计出更符合用户期望的产品。
• 聚焦设计目标：
  ‍通过具体化的用户画像，设计团队可以更清晰地聚焦于产品的目标用户群体，避免偏离用户实际需求。
• 促进团队共识：
  ‍用户画像作为共同的参考点，帮助团队成员在设计过程中保持一致性，减少主观臆断和内部分歧。
• 指导决策制定：
  ‍用户画像提供了基于用户行为和需求的决策依据，有助于团队在功能选择、设计方向等方面做出更合理的决策。
• 优化用户体验：
  ‍用户画像揭示了用户的使用习惯和偏好，设计师可以根据这些信息优化用户界面和交互流程，提高产品的易用性。
• 提高设计效率：
  ‍用户画像作为一种工具，可以帮助设计师快速理解用户需求，减少设计过程中的迭代次数，提高设计效率。

用户画像的构建和应用是一个动态的过程，需要不断地根据用户反馈和市场变化进行更新和优化。通过有效地利用用户画像，设计团队可以更好地满足用户需求，提升产品的市场竞争力。

       电商领域

在电商领域，用户画像的应用极为广泛，其核心目的在于提升用户体验和增加销售额。

• 个性化推荐：
  通过分析用户的购物历史、浏览行为和偏好，电商平台能够为用户推荐更加个性化的商品，从而提高用户的购买意愿。
• 用户分层管理：
  根据用户的购买力、活跃度和忠诚度，电商平台将用户分为不同层级，实施差异化的营销策略，以提高用户粘性和转化率。
• 动态定价策略：
  利用用户画像分析用户的支付意愿和价格敏感度，电商平台可以实施动态定价，吸引不同消费层次的用户。

       社交媒体

社交媒体平台通过用户画像来优化内容分发和提升用户参与度。

• 内容定制化：
  根据用户的兴趣点和社交行为，社交媒体平台推送更加贴合用户喜好的内容，增加用户的在线时长和互动频率。
• 社群构建：
  通过分析用户的社交网络和互动模式，社交媒体可以构建兴趣社群，促进用户之间的交流和内容分享。
• 广告定向：
  利用用户画像进行广告定向投放，提高广告的相关性和转化效果。

       金融服务

金融服务行业通过用户画像来提供定制化服务和风险控制。

• 信贷服务个性化：
  银行和金融机构根据用户画像评估用户的信用状况和借贷需求，提供个性化的信贷产品和服务。
• 投资建议：
  根据用户的资产状况、投资偏好和风险承受能力，金融机构为用户提供定制化的投资建议和理财产品。
• 风险管理：
  通过分析用户画像中的行为模式和交易习惯，金融机构能够及时发现异常交易，预防欺诈风险。

在这些领域中，用户画像的构建和应用都基于深入的数据分析和对用户行为的精准把握。通过不断优化用户画像，企业能够更好地满足用户的个性化需求，实现商业价值的最大化。

 

       7  法律与伦理考量  

       数据隐私保护

数据隐私保护是用户画像构建和应用过程中必须严格遵循的法律要求。

• 数据收集合规性：
  企业在收集用户数据时，必须遵循相关法律法规，确保数据来源合法，明确告知用户数据收集的目的、范围以及使用方式，并获取用户的明确同意。
• 数据存储安全：
  采取严格的数据存储和保护措施，防止数据泄露、丢失或被未授权访问。采用加密技术、访问控制等手段，确保用户数据的安全。
• 数据使用限制：
  用户画像的使用应限定在为用户提供服务和改善用户体验的范围内，避免将用户数据用于其他目的，特别是不得用于侵犯用户隐私或损害用户利益的行为。

       用户画像的伦理问题

用户画像的伦理问题涉及到用户权利、社会公正和企业责任等多个方面。

• 用户知情权和选择权：
  用户有权知道自己的数据如何被收集和使用，并且有权选择是否同意或撤回同意。企业应提供透明的用户画像管理机制，让用户能够轻松管理自己的数据和画像信息。
• 避免歧视和偏见：
  用户画像的构建和应用应避免加剧社会不平等和歧视。例如，避免基于用户画像的信用评分系统对某些群体产生不公平的偏见。
• 数据去标识化：
  在用户画像的构建过程中，应对个人数据进行去标识化处理，以保护用户身份不被直接识别，减少隐私泄露的风险。
• 伦理审查机制：
  建立伦理审查机制，定期对用户画像的构建和应用进行伦理评估，确保其符合社会伦理标准和企业社会责任。

通过这些法律与伦理措施的实施，可以确保用户画像的构建和应用既符合法律规定，又尊重用户权利，促进技术的健康发展和社会的公正。

拓展阅读：

何为“用户体验”？

详解“设计思维”的五个核心阶段

何为“设计思维”？

系统详细的介绍工业设计流程

何为“情感化设计”

何为“设计战略”？

      设计资源推荐：

https://www.behance.net/

https://www.pinterest.com/

http://lemanoosh.com/

https://www.designboom.com/

https://www.zcool.com.cn/

      设计大奖：

https://www.red-dot.org/

https://ifdesign.com/

https://www.g-mark.org/

https://www.idsa.org/

https://goldenpin.org.tw/

https://www.di-award.org/

https://dfaawards.com/

https://kdesignaward.com/