八大數據分析模型之——用戶模型（一）

在平常的數據分析中，咱們經常使用的有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、全行爲路徑分析模型、用戶分羣模型），從今天起，咱們每週二解讀一個模型，本文先從用戶模型提及。

1、什麼是用戶模型？

先用3句話來講明爲何用戶模型是基礎的分析模型，重要到要第一個來分析：由於若是你不知道本身的用戶是誰，就不知道該提供什麼服務；不清楚用戶與你「交往」到哪一個階段了，就不可能知道優先提供什麼樣的服務；營銷戰略沒法聚焦，服務沒有系統性和持續性，所以，咱們先從定義開始，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、交互設計師瞭解用戶目標和需求、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創建，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創建，快速但容易有偏頗。

一、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。完整步驟以下：

二、構建臨時用戶模型（ad hoc persona）

在缺少時間、資源不能作對用戶的訪談和觀察時，能夠基於行業專家對用戶的理解、或市場研究中得到的人口統計數據，創建「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。兩者的準確度和精度都有差異。

2、基於行爲數據構建用戶模型

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，軟件產品開發的過程方法以及公司的運做方式都發生了很大改變：以快速迭代爲特色的敏捷開發方法取代了傳統的瀑布模型，以「開發→測量→認知」反饋循環爲核心的精益創業方法在逐步影響和改變公司的運做方式。

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講，若是花很長時間去研究用戶構建用戶模型須要下至關大的決心、更須要下很大力氣才能爭取到所需的時間和資源，並且互聯網產品冷啓動耗費的時間愈來愈短，爲了下降成本和風險，產品團隊在啓動期每每會選擇儘快將產品推向用戶，儘快得到反饋以「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刻的進行用戶研究。

這就很容易理解，爲何你們都以爲用戶模型很好，卻鮮有人在工做中真正運用它。爲了解決時間緊迫與精力不足的矛盾，咱們提出了一種基於用戶行爲數據的快速、迭代構建用戶模型的輕量方法。

首先，整理和收集已經得到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；產品的業務數據庫中記錄的用戶相關信息（好比用戶的性別、年齡、等級等屬性），用戶（在產品內外）填寫的任何表單或留下來的信息（好比用戶填寫的調查問卷、留下的微信帳號等）。

咱們將這些信息映射成爲用戶的描述信息（屬性）或用戶的行爲信息，並存儲起來造成用戶檔案（以下圖所示）。

諸葛io新零售DEMO之用戶檔案（虛擬數據）

如上圖所示，從用戶檔案中咱們能夠清楚的瞭解到用戶的屬性信息、行爲數據、環境數據。

3、基於行爲數據構建用戶模型的優點

一、高效實時 洞察先機

在數據世界裏，準確性就是一切，速度更是相當重要，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情況，幫助企業更早的作出決策判斷，好比咱們的客戶——某共享單車，正是由於發現了實時數據指標中的異常波動：第二天留存用戶數出現了「斷崖式」下跌，經緊急調查發現是競爭對手在低價拉新，所以，運營團隊第一時間採起積極應對，從而保住了該城市的市場佔有率。一樣的，市場變幻風起雲涌，運營人、決策者都須要實時關注自身數據的波動，由於失敗每每都來自一個微小的疏忽。

二、記錄歷史而不僅是結果

行爲即標籤，過去咱們經常經過給用戶打標籤的方式進行用戶洞察。事實上，行爲數據自己已變得愈來愈有價值，基於用戶行爲數據的用戶模型，記錄了每一個用戶的每一次行爲，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，記錄下來的用戶行爲數據更具備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。

三、360°覆蓋用戶全生命週期的用戶檔案

基於用戶行爲數據的用戶模型是實時動態變化的，隨着用戶在產品中的成長，從訪客到陌生人最後成爲高價值用戶，用戶的每一步成長都經過行爲記錄下來，基於用戶所在生命週期的不一樣階段，針對新用戶、流失用戶、活躍用戶、沉默用戶分別採起有針對性的拉新、轉化、留存等運營策略。

爲延長用戶的生命週期價值（LTV），就必須採集到用戶全生命週期的數據，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）與用戶的行爲數據關聯到一塊兒；打通外部推廣平臺的數據，解決用戶從哪兒來的問題；打通不一樣產品平臺的數據，將用戶在app\小程序\微站\官網上的行爲實時同步，如此方可實現真正的以用戶爲中心的統計和分析。

本文提供了一種藉助行爲數據和工具快速、迭代的構建用戶模型（Persona）的方法更適合今天的互聯網團隊的工做方式和節奏，基於用戶行爲數據的用戶模型，一方面對傳統方式進行了簡化，下降了數據分析的門檻；另外一方面，讓數據分析更科學更高效更全面，更直接地應用於業務增加，指導運營決策。