数据分析模型 一：用户模型

2. 构建临时用户模型（ad hoc persona）

在缺乏时间、资源不能做对用户的访谈和观察时，可以基于行业专家对用户的理解、或市场研究中获得的人口统计数据，建立「临时用户模型」。

「临时用户模型」的构建过程与「用户模型」的构建过程很像，只是「用户模型」的数据基础来自对真实用户的访谈和观察，「临时用户模型」则来自对用户的理解。二者的准确度和精度都有差别。

二、基于行为数据构建用户模型

距离Alan Cooper首次提出用户模型（Persona）概念已过去近20年，在这期间，软件产品开发的过程方法以及公司的运作方式都发生了很大改变：以快速迭代为特点的敏捷开发方法取代了传统的瀑布模型，以「开发→测量→认知」反馈循环为核心的精益创业方法在逐步影响和改变公司的运作方式。

而传统的用户模型构建方法，从诞生之日起并未发生特别大的变化。对于已经习惯了敏捷、快速的产品经理和交互设计师来说，如果花很长时间去研究用户构建用户模型需要下相当大的决心、更需要下很大力气才能争取到所需的时间和资源，而且互联网产品冷启动耗费的时间越来越短，为了降低成本和风险，产品团队在启动期往往会选择尽快将产品推向用户，尽快获得反馈以「快速试错」，现实和压力迫使大多数新产品的PM不敢投入大量时间精力深入的进行用户研究。

这就很容易理解，为什么大家都觉得用户模型很好，却鲜有人在工作中真正运用它。为了解决时间紧迫与精力不足的矛盾，我们提出了一种基于用户行为数据的快速、迭代构建用户模型的轻量方法。

首先，整理和收集已经获得的任何可认知用户的经验和数据，包括：您和所在团队对用户的理解；产品的业务数据库中记录的用户相关信息（比如用户的性别、年龄、等级等属性），用户（在产品内外）填写的任何表单或留下来的信息（比如用户填写的调查问卷、留下的微信账号等）。

我们将这些信息映射成为用户的描述信息（属性）或用户的行为信息，并存储起来形成用户档案（如下图所示）。

诸葛io新零售DEMO之用户档案（虚拟数据）

如上图所示，从用户档案中我们可以清楚的了解到用户的属性信息、行为数据、环境数据。

三、基于行为数据构建用户模型的优势

1．高效实时 洞察先机

在数据世界里，准确性就是一切，速度更是至关重要，分析系统处理和解释这些信息的速度越快，就能更快地且清晰掌握业务状况，帮助企业更早的做出决策判断，比如我们的客户——某共享单车，正是因为发现了实时数据指标中的异常波动：次日留存用户数出现了“断崖式”下跌，经紧急调查发现是竞争对手在低价拉新，因此，运营团队第一时间采取积极应对，从而保住了该城市的市场占有率。

同样的，市场变幻风起云涌，运营人、决策者都需要实时关注自身数据的波动，因为失败往往都来自一个微小的疏忽。

2．记录历史而不只是结果

行为即标签，过去我们常常通过给用户打标签的方式进行用户洞察。事实上，行为数据本身已变得越来越有价值，基于用户行为数据的用户模型，记录了每个用户的每一次行为，客观真实的还原了用户与产品的交互过程，与单纯的标记“用户标签”相比，记录下来的用户行为数据更具有多维交叉分析的价值，构建出来的单个用户画像更完整科学。

3．360°覆盖用户全生命周期的用户档案

基于用户行为数据的用户模型是实时动态变化的，随着用户在产品中的成长，从访客到陌生人最后成为高价值用户，用户的每一步成长都通过行为记录下来，基于用户所在生命周期的不同阶段，针对新用户、流失用户、活跃用户、沉默用户分别采取有针对性的拉新、转化、留存等运营策略。

为延长用户的生命周期价值（LTV），就必须采集到用户全生命周期的数据，打通CRM数据、历史数据、业务数据、第三方数据，将用户的属性信息（性别、年龄、国家等）与用户的行为数据关联到一起；打通外部推广平台的数据，解决用户从哪儿来的问题；打通不同产品平台的数据，将用户在app小程序微站官网上的行为实时同步，如此方可实现真正的以用户为中心的统计和分析。

这种借助行为数据和工具快速、迭代的构建用户模型（Persona）的方法更适合今天的互联网团队的工作方式和节奏，基于用户行为数据的用户模型，一方面对传统方式进行了简化，降低了数据分析的门槛；另一方面，让数据分析更科学更高效更全面，更直接地应用于业务增长，指导运营决策。

 

本文由 @诸葛君 授权发布于运营派。未经许可，禁止转载

题图来自 Pexels ，基于 CC0 协议