八大数据分析模型一用户模型

　　模型是指对于某个实际问题或客观事物、规律进行抽象后的一种形式化表达方式。任何模型都有三个部分组成：目标、变量和关系。明确变量，改变变量，即可直接呈现结果，实现目标。在日常的数据分析中，我们常用的有8大模型（用户模型、事件模型、漏斗分析模型、热图分析模型、自定义留存分析模型、粘性分析模型、全行为路径分析模型、用户分群模型），从今天起，我们为大家逐一解读这八大模型，本文先从用户模型说起。
　　一、什么是用户模型？
　　先用3句话来说明为什么用户模型是基础的分析模型，重要到要第一个来分析：因为如果你不知道自己的用户是谁，就不知道该提供什么服务；不清楚用户与你交往到哪个阶段了，就不可能知道优先提供什么样的服务；营销战略无法聚焦，服务没有系统性和持续性。
　　因此，我们先从定义开始，科普下什么是用户模型以及传统方式如何构建用户模型。
　　用户模型（Persona）是AlanCooper在《AboutFace：交互设计精髓》一书中提到的研究用户的系统化方法。它是产品经理、交互设计师了解用户目标和需求、与开发团队及相关人交流、避免设计陷阱的重要工具。
　　传统的用户模型构建方式：
　　AlanCooper提出了两种构建用户模型的方法：
　　用户模型：基于对用户的访谈和观察等研究结果建立，严谨可靠但费时；
　　临时用户模型：基于行业专家或市场调查数据对用户的理解建立，快速但容易有偏颇。
　　1。基于访谈和观察的构建用户模型（正统方法）
　　在AlanCooper的方法中，对用户的访谈和观察是构建用户模型的重要基础。完整步骤如下：
　　2。构建临时用户模型（adhocpersona）
　　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AlanCooper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。
　　3360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。