八大數據分析模型之——用戶模型（一）

諸葛君說：模型是指對於某個實際問題或客觀事物、規律進行抽象後的一種形式化表達方式。任何模型都有三個部分組成：目標、變數和關係。明確變數，改變變數，即可直接呈現結果，實現目標。在日常的數據分析中，我們常用的有8大模型（用戶模型、事件模型、漏斗分析模型、熱圖分析模型、自定義留存分析模型、粘性分析模型、全行為路徑分析模型、用戶分群模型），從今天起，我們每周二解讀一個模型，本文先從用戶模型說起。

一、什麼是用戶模型？

先用3句話來說明為什麼用戶模型是基礎的分析模型，重要到要第一個來分析：因為如果你不知道自己的用戶是誰，就不知道該提供什麼服務；不清楚用戶與你「交往」到哪個階段了，就不可能知道優先提供什麼樣的服務；營銷戰略無法聚焦，服務沒有系統性和持續性，因此，我們先從定義開始，科普下什麼是用戶模型以及傳統方式如何構建用戶模型。

用戶模型（Persona）是Alan Cooper在《About Face：交互設計精髓》一書中提到的研究用戶的系統化方法。它是產品經理、交互設計師了解用戶目標和需求、與開發團隊及相關人交流、避免設計陷阱的重要工具。

傳統的用戶模型構建方式：

Alan Cooper提出了兩種構建用戶模型的方法：

-用戶模型：基於對用戶的訪談和觀察等研究結果建立，嚴謹可靠但費時；

-臨時用戶模型：基於行業專家或市場調查數據對用戶的理解建立，快速但容易有偏頗。

1、基於訪談和觀察的構建用戶模型（正統方法）

在Alan Cooper的方法中，對用戶的訪談和觀察是構建用戶模型的重要基礎。完整步驟如下：

2、構建臨時用戶模型（ad hoc persona）

在缺乏時間、資源不能做對用戶的訪談和觀察時，可以基於行業專家對用戶的理解、或市場研究中獲得的人口統計數據，建立「臨時用戶模型」。

「臨時用戶模型」的構建過程與「用戶模型」的構建過程很像，只是「用戶模型」的數據基礎來自對真實用戶的訪談和觀察，「臨時用戶模型」則來自對用戶的理解。二者的準確度和精度都有差別。

二、基於行為數據構建用戶模型

距離Alan Cooper首次提出用戶模型（Persona）概念已過去近20年，在這期間，軟體產品開發的過程方法以及公司的運作方式都發生了很大改變：以快速迭代為特點的敏捷開發方法取代了傳統的瀑布模型，以「開發→測量→認知」反饋循環為核心的精益創業方法在逐步影響和改變公司的運作方式。

而傳統的用戶模型構建方法，從誕生之日起並未發生特別大的變化。對於已經習慣了敏捷、快速的產品經理和交互設計師來說，如果花很長時間去研究用戶構建用戶模型需要下相當大的決心、更需要下很大力氣才能爭取到所需的時間和資源，而且互聯網產品冷啟動耗費的時間越來越短，為了降低成本和風險，產品團隊在啟動期往往會選擇儘快將產品推向用戶，儘快獲得反饋以「快速試錯」，現實和壓力迫使大多數新產品的PM不敢投入大量時間精力深入的進行用戶研究。

這就很容易理解，為什麼大家都覺得用戶模型很好，卻鮮有人在工作中真正運用它。為了解決時間緊迫與精力不足的矛盾，我們提出了一種基於用戶行為數據的快速、迭代構建用戶模型的輕量方法。

首先，整理和收集已經獲得的任何可認知用戶的經驗和數據，包括：您和所在團隊對用戶的理解；產品的業務資料庫中記錄的用戶相關信息（比如用戶的性別、年齡、等級等屬性），用戶（在產品內外）填寫的任何錶單或留下來的信息（比如用戶填寫的調查問卷、留下的微信賬號等）。

我們將這些信息映射成為用戶的描述信息（屬性）或用戶的行為信息，並存儲起來形成用戶檔案（如下圖所示）。

諸葛io新零售DEMO之用戶檔案（虛擬數據）

如上圖所示，從用戶檔案中我們可以清楚的了解到用戶的屬性信息、行為數據、環境數據。

三、基於行為數據構建用戶模型的優勢

1、高效實時 洞察先機

在數據世界裡，準確性就是一切，速度更是至關重要，分析系統處理和解釋這些信息的速度越快，就能更快地且清晰掌握業務狀況，幫助企業更早的做出決策判斷，比如我們的客戶——某共享單車，正是因為發現了實時數據指標中的異常波動：次日留存用戶數出現了「斷崖式」下跌，經緊急調查發現是競爭對手在低價拉新，因此，運營團隊第一時間採取積極應對，從而保住了該城市的市場佔有率。同樣的，市場變幻風起雲湧，運營人、決策者都需要實時關注自身數據的波動，因為失敗往往都來自一個微小的疏忽。

2、記錄歷史而不只是結果

行為即標籤，過去我們常常通過給用戶打標籤的方式進行用戶洞察。事實上，行為數據本身已變得越來越有價值，基於用戶行為數據的用戶模型，記錄了每個用戶的每一次行為，客觀真實的還原了用戶與產品的交互過程，與單純的標記「用戶標籤」相比，記錄下來的用戶行為數據更具有多維交叉分析的價值，構建出來的單個用戶畫像更完整科學。

3、360°覆蓋用戶全生命周期的用戶檔案

基於用戶行為數據的用戶模型是實時動態變化的，隨著用戶在產品中的成長，從訪客到陌生人最後成為高價值用戶，用戶的每一步成長都通過行為記錄下來，基於用戶所在生命周期的不同階段，針對新用戶、流失用戶、活躍用戶、沉默用戶分別採取有針對性的拉新、轉化、留存等運營策略。

為延長用戶的生命周期價值（LTV），就必須採集到用戶全生命周期的數據，打通CRM數據、歷史數據、業務數據、第三方數據，將用戶的屬性信息（性別、年齡、國家等）與用戶的行為數據關聯到一起；打通外部推廣平台的數據，解決用戶從哪兒來的問題；打通不同產品平台的數據，將用戶在app小程序微站官網上的行為實時同步，如此方可實現真正的以用戶為中心的統計和分析。

本文提供了一種基於行為數據構建用戶模型（Persona）的方法，這一模型也更適合今天的互聯網團隊的工作方式和節奏，基於用戶行為數據的用戶模型，一方面對傳統方式進行了簡化，降低了數據分析的門檻；另一方面，行為數據的補充也讓模型更豐富，數據分析更高效有效。

PS：要了解更多數據分析具體的技巧、方法論及實戰案例，可下載由諸葛學院出品的最新增長手冊，諸葛io公眾號（zhugeio1）回復「增長手冊」領取。

客戶：東易日盛 | 向上金服 | 光明隨心訂 | TutorABC | 麥子學院

指標：病毒傳播係數 | 復購率 | 粘性 | 漏斗 | 太陽圖 | KPI

行業：新零售 | 在線教育 | 科技金融 | 共享單車 | 裝修 | 內容社區

產品：改版評估 | 埋點需求文檔 |

運營：用戶運營 | 跨應用市場追蹤 | 推送策略 | 運營階段

市場：推廣三要素 | 智能觸達 | 精準推送

其他：行為數據基礎篇 | 客戶成功 | 採集模型 | 廣告監測

關於我們：

諸葛io定位於為企業提供基於用戶行為數據的採集、分析和營銷的整體解決方案。是國內領先的數據智能服務商 www.zhugeio.com

目前我們正在為互金/教育/新零售/保險/汽車等行業提供大數據整體解決方案並提供諮詢服務。服務客戶有：光明隨心訂、食行生鮮；人人貸、陽光保險、眾安保險、平安；寶馬、奧迪、大眾、NEVS；餓了么；東易日盛等

推薦閱讀：